近几年出现的磷酸铁锂电池，以其高倍率充放电能力、长循环寿命、高安全性和无毒环保等优势得到了广泛的应用，逐渐成为电动车动力电池的首选。磷酸铁锂电池荷电状态（stateofcharge，SOC）估计的准确性决定了储能系统的寿命和工作效能，本文就磷酸铁锂电池SOC非线性参数估计方法，及相关模型中电池容量和开路电压的在线测量问题，进行了针对性的研究。针对电池等效电路模型，通过实验数据分析了模型参数对SOC估计精度的影响，提出了一个简化的估计模型。该模型在状态方程中去除了状态变量SOC，只估计电池极化电压，并通过电池的极化电压计算电池开路电压（OpenCircuitVoltage,OCV），进而估计出电池的SOC。在不同工况下，通过扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波，对SOC估计方法进行了验证。在实际应用中，电池容量会随温度漂移，随循环次数增加而减少，导致SOC的估计产生较大误差。通常情况下，只能进行完整放电实验才能获得电池容量的准确值，而无法在线修正电池容量。针对这一问题，在电池使用过程中，通过非线性的扩展卡尔滤波法和线性的安时法同时对电池SOC参数进行估计，计算等时间间隔的SOC差值。通过SOC定义，找到了两种方法SOC差值的对应关系并给出扩展卡尔滤波估计结果的有效性判据，以此提出了电池容量的计算公式，解决了电池容量的在线估计问题，从而进一步提高了SOC的估计精度。电池的OCV参数通常只能通过长时间空载静置来获取，同时电池的不一致性也必然导致通过样本电池获取的OCV测量结果与实际电池模型OCV参数存在误差，从而影响实际电池的SOC估计精度。针对这一问题，基于电化学理论，分析了极化电势对OCV参数测量中的影响，提出利用相邻时间间隔的电池端电压和负载电流代入电池等效电路模型的端电压回路方程，求解出电池电阻的欧姆极化、电化学极化和浓度极化超电势之和，取端电压和超电势的差值，再通过平滑滤波消除电池电容极化超电势变化的影响，进而得到电池的开路电压，避开了每种极化超电势的单独估计。该方法无需电池静置状态，实现了电池开路电压的在线估计。电池研究不可避免要进行大量实验，一个自制的实验系统更加有利于电池实验的更新和优化。考虑到校验、实验和实际应用的差别，分别搭建了精度由高到低的若干电池实验系统，用高精度设备校验、用外购设备搭建电池特性实验平台、用自制设备搭建应用系统并验证实际应用效果。利用不同的平台进行了大量的电池实验，得到电池特性数据并进行分析。平台的搭建为理论分析奠定了基础且促进了算法的实际应用。研制了多功能采集板，并确定了符合精度要求的电压和电流测量方案；同时，为考察算法在低精度采集系统中的应用效果，本文将扩展卡尔曼SOC估计方法移植到DSP开发板上，与实验系统SOC估计结果对比，验证SOC算法的可移植性和实用性。