电池管理系统BMS（Battery Management System）作为新能源汽车三大核心技术之一,用来保障动力电池正常运行。电池荷电状态SOC（Stage Of Charge）是BMS的核心参数,用来表示电池的当前剩余电量。虽然电池SOC无法直接测量,但可以通过其它参数计算得到它的估计值。现如今,主流的SOC估计算法存在两个问题,一是以等效化学模型为基础的算法结构复杂、计算量大且难以移植,二是以等效电路模型为基础的算法结构简单、计算量小但是精度不高。本文针对目前新能源汽车领域实际应用中以等效电路模型为基础的SOC估计算法精度不高的问题,提出一套基于2阶Thevenin等效电路模型和拓展卡尔曼滤波算法EKF（Extended Kalman Filter）的SOC估计方案。本文综合分析了电池内部充放电化学反应、各等效模型结构差异和估算滤波算法优缺点,针对SOC估计算法中关键参数的获取,搭建了锂电池测试平台并设计相应实验,对实验结果进行线性插值、拟合来计算等效模型参数。针对锂电池SOC大小无法直接测量的问题,设计标准循环充放电实验,分析计算电池充放电电量与外部电气参数的关系,拟合得到电池SOC与开路电压UOC的关系曲线。针对等效电路模型在表征电池充放电过程中动态特性较差的问题,从锂电池内部反应原理出发,优化设计了一款有5个特征参数、双RC结构和受控电压源的2阶Thevenin等效电路模型。针对2020年国家新颁布标准中SOC估计误差≤5%的要求,设计了基于EKF的SOC数据处理滤波算法,来进一步提高电池SOC估算的精度。最后,针对SOC估算验证环节无法实际上车测试的问题,选用北京公交动力电池组工况测试数据BBDST（Beijing Bus Dynamic Stress Test）和新欧洲循环测试工况NEDC（New European Driving Cycle）对SOC估计模型进行测试和验证。本文基于MATLAB/Simlink和电池测试仪硬件实验平台,提出18650型号三元锂电池SOC估算方案,设计并验证了电池等效电路模型和SOC估算算法模型。测试结果表明,本文的估算方案在BBDST和NEDC工况测试数据下实际可行,且测试周期内SOC估算平均误差≤2%,高于相关国家标准中对SOC估计精度的要求。