随着石油能源的短缺和大气污染的加剧,开发节能环保型电动汽车已经成为现今汽车工业领域发展的主要趋势。作为电动汽车的动力来源和能量载体,电池自身制造工艺以及成组应用技术已成为推动电动汽车商业化的关键因数。因此,为了保证动力电池能够安全有效的工作,电动汽车必须配置特定的电池管理系统对动力电池组的状态进行控制和管理。电池剩余电量SOC估计一直是电池管理系统的核心,是反映电池运作状态的主要参数,为整车控制策略提供判断依据。本文以磷酸铁锂聚合物动力电池为研究对象,采用卡尔曼滤波修正算法对动力电池组进行SOC估计。本文首先介绍了电动汽车的发展现状和车用动力电池的性能要求,以磷酸铁锂电池的电化学特性为出发点,分析了电池SOC的各种内外影响因素及在线估算难点。从SOC的定义出发,通过比较几种常用SOC估计方法,并结合车用动力电池的应用环境,本文提出了卡尔曼滤波修正算法。该算法充分发挥了开路电压法、安时计量法和扩展卡尔曼滤波法的优点,从而使得SOC的估算精度和实时性有了很大的提高。根据放电实验数据,系统建立了与算法相关的充放电倍率SOC模型、温度SOC模型、开路电压SOC模型和扩展卡尔曼滤波复合模型。然后在此基础上,系统分别从软硬件角度建立了动力电池组SOC估计系统。该系统是由数据采样、算法执行、通讯管理、保护控制、信息存储及数据显示等模块组成,完成了电池电压、充放电电流、温度的在线检测、卡尔曼滤波修正算法执行、单片机SPI及串口通讯、LCD在线显示、电池状态诊断及保护等功能,从而在真正意义上实现了车用动力电池组剩余电量的实时在线精确估计。最后制定电池组实验的充放电方案,使用汽车行驶工况HWFET、UDDS、FUDS来对电池组SOC估计算法进行检验和优化。经过工况测试和Matlab分析比较,本文提出的卡尔曼滤波修正算法具有很好的实际估计效果,完全符合电动汽车对电池组SOC估计的准确性要求。