目前,蓄电池广泛应用于电力系统储能设备和电动汽车(EVs)动力系统中,是提高电力系统供电可靠性,保证电动汽车续航能力的重要部件。为防止蓄电池过充、过放,保证蓄电池安全、持久、可靠地运行,实时准确估算蓄电池荷电状态(SoC)是十分必要的且具有重要的实用价值。鉴于锂电池是目前应用最为广泛且最有前景的一种蓄电池,选用锂电池为本课题的研究对象,并对其SoC估算过程及算法性能进行研究。基于此,本文就以下内容进行了研究。第一,通过设计并实施锂电池相关实验,对锂电池的端电压特性、内阻特性和容量特性进行了定性分析。并以锂电池的内部机理为依据,提取出包括电池内阻、充放电倍率、自放电率、环境温度和老化程度五种SoC估算精度的影响因素。考虑到SoC与开路电压(OCV)关系在锂电池SoC估算过程中的重要性,重点分析了实验条件(温度、充放电倍率)及电池状况(老化程度、正极材料)对SoC-OCV曲线的影响。第二,分析了锂电池常用五种等效电路模型的优缺点及电压电流关系,以Thevenin模型和二阶RC模型为例,使用最小二乘法在HPPC试验工况下对两种等效电路模型参数一一辨识,并在Matlab/Simulink中搭建了两种等效电路模型的仿真电路,对其准确性进行了验证。验证结果表明,两种等效电路模型均能准确地反映锂电池的动态特性,综合SoC估算准确性和实时性的要求,选用了Thevenin模型作为本课题锂电池SoC估算所用等效电路模型。第三,通过对扩展卡尔曼滤波(EKF)算法和无迹卡尔曼滤波(UKF)算法的原理和计算流程的分析,并分析两种算法在恒流放电工况下锂电池SoC估算结果,验证了两种算法估算锂电池SoC的可行性。对DST工况下锂电池SoC进行估算,对比了两种估算算法的精度且分析了产生误差的原因,并通过分析两种算法在算法输入初始SoC不准确和测量电流中叠加高斯噪声两种情况下的估算结果,说明了两种算法的鲁棒性能和抗干扰性能。结果表明,相比于EKF算法,UKF算法在精度、鲁棒性和抗干扰性能方面均有更好的表现。