在当前全球倡导“低碳、减排”的形势下，电动汽车以其无污染尾气排放、新能源动力驱动备受人们的关注，我们出台多项政策支持电动汽车产业的发展。电动汽车的电池荷电状态（the state of charge,SOC）的准确预测是电池管理系统的关键技术，同时也是电动汽车的关键技术之一，对它的研究具有重要的意义。磷酸铁锂电池是我国采用最多的电动汽车用电池，它具有热稳定性好、能量比高、循环寿命长等特点，本文以磷酸铁锂电池为实验对象，展开对电池剩余电量准确预测的研究。首先分析了锂电池的工作特性，包括温度特性、充放电特性、自放电及老化特性等，并在此基础上提出影响电池SOC的几个主要因素，针对这些主要因素展开对电池SOC的预测。其次，通过搭建简单的电池管理系统硬件平台，能够根据要求对单体电池和串联电池组进行相应倍率的充放电实验，并对预测所需的主要参数进行监视，根据要求进行数据采集、处理和传输。最后，针对传统SOC预测方法精度不足和操作不便等情况，着重分析了神经网络算法，提出采用BP神经网络算法进行剩余电量计算。在Matlab软件中构建神经网络模型，把实验所得的样本数据导入模型进行训练，训练完成后再次验证模型。通过验证，该方法误差在8%以内，预测精度满足需求。针对温度对SOC的影响，通过对单体电池在不同温度下多次充放电实验，发现温度与电池容量之间的关系，建立温度修正补偿对模型进行修正，进一步提高了预测的精度。同样，对电池老化做补偿计算，老化对SOC的影响通过经验数据和其他资料参考获得。进一步修正后，在电池可承受的温度下，该模型可用对单体电池和整个电池组任意充放倍率下的电量仿真，经验证，预测值与实测值进一步接近，修正后的模型精度更高。