三元锂电池作为一种储能元件,因其能量密度高、倍率特性好等优点在新能源电动汽车中应用非常广泛。三元锂电池的荷电状态（State Of Charge,SOC）不仅可以充当电动汽车的“油表”,还可以为电池安全运行提供依据,因此对其准确估计具有重要意义。本文以NCR18650PF为研究对象,探究了温度对锂电池容量等特性的影响,建立了锂电池二阶戴维宁等效电路模型并进行了离线参数辨识,提出了一种可变遗忘因子递推最小二乘法在线辨识参数算法,设计了一种在线辨识参数结合粒子滤波（Particle Filter,PF）的SOC估计联合算法,并改进了联合算法的耦合方式,提高了SOC估算的精度。主要研究内容有:自主搭建了电池测试平台,按照国家标准设计了可用容量测定实验,在0℃到40℃每隔5℃共9个不同温度下分析了温度对锂电池容量和直流内阻（Direct Current Internal Resistance,DCIR）特性的影响。利用阿伦尼乌斯广延指数修正式对“容量—温度”进行建模,在其他7个不同温度下进行模型验证,结果表明模型误差小,具有较高准确性。设计了混合脉冲功率特性实验（Hybrid Pulse Power Characterization tset,HPPC）,研究了不同温度对SOC与开路电压（Open Circuit Voltage,OCV）对应关系的影响。在不同温度下进行动态应力测试（Dynamic Stress Test,DST）和新欧洲行驶工况（New European Driving Cycle,NEDC）实验,模拟电池实际运行情况。建立了二阶戴维宁等效电路模型,推导了锂电池离散状态方程。采用HPPC辨识法和线性递减权值方法的粒子群优化算法（Particle Swarm Optimization,PSO）对参数离线辨识。将两种离线辨识方法所得参数带入到低温0℃、常温25℃和高温40℃的DST工况、NEDC工况中,计算电池模型参数所得端电压,与实际端电压值进行误差验证。结果表明,PSO算法辨识方法整体工作量更小,参数精度也优于HPPC辨识法。建立了锂电池等效电路模型传递函数与递推最小二乘法之间的联系,给出了等效电路模型参数与递推系数之间的关系表达式。为提高在线算法辨识精度,设计了一种可变遗忘因子递推最小二乘法,该算法采用辅助模型开窗计算平均均方误差从而指导遗忘因子更新。在不同温度DST工况和NEDC工况下进行对比验证,结果表明,所提算法辨识精度优于离线辨识、固定遗忘因子在线辨识方法。在离线辨识参数下,采用贝叶斯滤波框架的扩展卡尔曼算法（Extended Kalman Filter,EKF）和PF算法进行SOC估计并对比,结果表明PF算法估计精度更高,收敛性更快。结合可变遗忘因子递推最小二乘法和PF状态估计器设计了一种在线参数估算SOC的联合算法。同时,为减小联合算法内部耦合,提出一种单时间尺度状参分离的耦合方式。最后,在不同温度的DST工况、NEDC工况下进行验证,结果表明,改进耦合方式的联合算法对SOC在线估算效果提升明显。