环境问题日益凸显,使新能源发电技术成为全球关注热点,新能源发电技术的迅猛发展使电价更为低廉的同时也推动了电动汽车技术的发展。电动汽车的能源核心——动力电池是关乎电动汽车性能的关键,电池荷电状态(State of Charge,SOC)直接影响驾驶员对电动汽车续航里程的判断,准确的SOC对于提升电动汽车用户体验、整车控制的合理性、电池管理系统可靠工作都有直接影响,所以SOC估算作为电动汽车发展的重点和难点,具有重要的研究意义。本文通过设计实验对锂离子电池的充放电特性、容量特性、迟滞效应、电阻特性、极化特性做了详细的分析。锂离子电池属于复杂的强非线性系统,简单的一阶模型不能准确描述电池特性,在综合分析了常见电池模型后,选用考虑多种电池特性的二阶等效电路模型。改进的开路电压模型在保证精度的同时避免了繁琐的高阶多项式拟合公式,同时在混合动力脉冲特性(Hybrid Pulse Power Characterization,HPPC)实验数据基础上进行了电池模型参数辨识。最后在MATLAB/Simulink中搭建电池仿真模型,通过动态应力工况实验(Dynamic Stress Test,DST)验证了所建电池模型的可行性和准确性。针对扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法的不足,选择采用容积卡尔曼滤波(Cubature Kalman Filter,CKF)的SOC估算算法,该算法基于三阶球面-径向容积准则避免了泰勒级数展开计算,有效避免了非线性误差的影响,精确度较高。同时,针对非线性系统测量噪声的未知性和时变性,将基于新息的卡尔曼滤波算法用于对测量噪声协方差的实时更新。基于电池管理系统(Battery Management System,BMS)测试平台对算法的可行性进行实验验证,数据对比分析的结果表明:自适应容积卡尔曼滤波算法在精确度和收敛性方面都表现出较好的性能,平均误差可以控制在2%以内、初始误差为10%时基本可在60s左右收敛到真实值。