锂离子电池作为新能源应用的能量载体,如何对其健康状态(State of Health,SOH)进行准确估算是研究领域关键技术之一。为避免由电池健康问题引发的一系列严重后果,在实际应用中对电池健康状态估算的准确性提出了更高要求。本文主要研究了锂离子电池健康状态估算方法,具体研究工作包括:首先,分析了锂离子电池荷电状态与健康状态估算技术研究现状。详细阐述了电化学单粒子模型中球形粒子、隔膜、离子极化的变化过程,并针对模型大电流精度低、计算量大等缺陷将其改进并简化。其次,针对模型SOC初值敏感性高,研究了一种锂离子电池荷电状态估算方法。基于简化SP模型,结合扩展卡尔曼滤波器与已辨识的模型参数,在线估算锂离子电池SOC,并将估算值作为健康状态估算输入量,辅助SOH估算。再次,为实现锂离子电池SOH在线估算,研究了一种SOH估算方法。使用电池循环老化实验数据离线训练,将添加承接层的Elman神经网络应用于锂离子电池SOH估算领域。实验结果显示,该方法对具有时序特征的SOH估算效果优于其他传统网络。最后,搭建了蓄电池充放电实验平台,设计开发了硬件接口电路板,编写了上位机界面控制软件。本文利用蓄电池充放电实验平台,进行了锂电池循环老化和状态参数估算实验。给出了锂离子电池荷电状态估算、健康状态估算的实验结果分析,验证了所研究算法是可行的。