由于目前的燃料来源,如石油、煤等,对环境有害并且其储量日益减少,部分汽车的电动化是十分有必要的。为了使电动汽车高效、安全地行驶,需要高效率、高环保和可移动的电源。随着电动汽车日益发展,电池逐步在汽车电动化进程中扮演重要的角色。在实际工作进程中,作为能源的电池性能取决于某些内在及外在因素,如寿命、温度、充放电周期及其化学成分。在不同类型的电池中,锂离子电池是目前使用最为广泛的电池品种。锂离子电池具有快速充电能力,高功率密度和高能效,宽工作温度范围,低自放电率,重量轻和体积小等特点,因此十分适合应用于电动汽车。在电动汽车中,准确估算电池SOH(state of health,SOH)十分重要。SOH可以用来预测电池健康状态,表征电池劣化的量度,为BMS(battery management system)安全保护提供依据,保证电动汽车正常运行。SOH估计可以通过各种在线和离线方法来实现,在本文中通过离线数据训练预测模型,可以实现电池SOH的在线估计。本文首先随机选取四块不同寿命阶段的锂离子电池单体,通过标准充放电循环工况对其进行循环寿命测试,直至获取锂离子电池全寿命数据。以获取得到的测试数据为基础,提取充放电循环中电压、电流、温度、充放电容量等数据。在锂离子电池实际使用中,充电循环一般使用固定工况,放电循环根据实际功率需求发生变化,因此,本文以充电循环数据为支撑,提取在线关键特征值,以提高预测模型的实用性,便于预测模型的推广使用。得到在线特征值后,分别通过线性回归模型、BP神经网络模型、SVR(support vector regression,SVR)预测模型对电池当前容量进行预测分析,结果证明SVR预测模型的预测精度、鲁棒性更好,预测误差在2.5%以内。为实现电池组的健康状态预测,本文分析了电池组容量的计算方式。根据目前电动汽车多数采用先并后串的成组方式,先搭建单体锂离子电池等效模型,并验证其有效性,然后搭建并联电池模块,进一步采用两并三串的方式搭建低压锂离子电池系统等效模型。根据SVR预测框架,先预测并联电池模块容量,然后对电池组容量进行预测,最终实现电池组健康状态预测,预测结果误差保持3%以内。