汽车的发明改变了人类的出行和生活方式。21世纪以来,人们期待汽车更加清洁、环保,因此电动汽车受到了广泛的重视。电池是电动汽车的核心零部件,电池管理系统至关重要,其核心功能是荷电状态(state of charge,SOC)和健康状态(state of health,SOH)等的估计。基于等效电路模型的SOC估计方法中,模型的参数会随放电倍率、SOC、环境温度和电池老化等因素发生变化,导致模型不准确,进而造成SOC的估计误差。同时,环境温度不同导致的SOC估计不准确也是SOC估计研究中面临的核心挑战之一。实现不同环境温度下的SOH在线估计也是SOH估计研究中追求的一个目标。本文将评价等效电路模型参数变化对模型准确性和SOC估计准确性的影响程度定义为敏感度分析问题,然后提出了统一、定量的局部敏感度分析流程和定义。针对二阶RC模型在9种电池工况下的局部敏感度进行了详细的分析。从敏感度和模型准确性的角度对3种常用的等效电路模型进行了评价。然后,本文采用基于Sobol法的全局敏感度分析方法对二阶RC模型在2种电池工况下的全局敏感度进行了详细的分析。并从定义、分析方式和实施方式对Sobol法与本文提出的局部敏感度分析方法进行了对比。在敏感度分析结果的基础上,本文设计了基于双卡尔曼滤波算法(Dual Extended Kalman Filter,DEKF)的SOC在线估计方法,但只在线估计高敏感度参数,而其他参数采用离线值。在美国城市循环工况下(Urban Dynamometer Driving Schedule,UDDS)将该方法与另外两种方法相对比。对比结果表明该方法可在保证SOC估计准确性的前提下缩短SOC在线估计的运行时间,节约了计算资源。针对环境温度对SOC估计过程的影响,本文提出了拟合不同环境温度下电池容量的拟合公式,拟合公式以Arrhenius公式为基础。同时提出了拟合不同环境温度下电池开路电压(open circuit voltage,OCV)与SOC曲线的拟合公式。之后对拟合公式进行了验证。针对环境温度对电池等效电路模型参数的影响,提出了对应的处理策略。这样,改进了二阶RC模型,使其适应不同的环境温度。在改进二阶RC模型的基础上,本文提出了基于DEKF的考虑环境温度影响的SOC和SOH在线联合估计方法,将SOH的在线估计拓展到不同环境温度下。之后在多个环境温度下的UDDS工况对该方法进行验证。验证结果表明本文提出的方法在不同的环境温度下都有良好的SOC和SOH估计准确性。