在现代社会中,电能是使用最为普遍的能源之一。电池组作为储存电能的设备,已经广泛的应用于各个领域,成为人民正常的生产生活的重要保障。当电力系统发生故障的时候,储能状况良好的电池组可以及时释放电能,为需要不间断供电的重要设备供电,使其正常工作不受影响。本课题研究的对象是由24节2V的阀控式铅酸蓄电池(Valve-regulated leadacid battery,VRLA电池)组成的电池组,通过搭建电池关键性能数据采集平台对电池组进行监测和评估。本课题研究的目的是探究通信基站后备铅酸蓄电池组监测评估的问题,通过搭建集中式的电池关键性能采集平台,对电池组内单节电池的基本性能参数进行采集,并且根据采集到基本性能参数,分析和评估电池的使用状态。首先,对VRLA电池的基本结构以及在充电放电进程中内部发生的化学反应的进行详细的分析,明确将VRLA电池的电压、温度、内阻以及容量作为VRLA电池的关键性能参数,为本文的设计研究工作提供了依据和遵循。然后,利用STM32单片机作为微控制器,设计采集电路,实现了对电池电压、温度参数的采集,满足日常的电池监测需求。同时,依据交流放电法的原理,控制电池以特定频率放电,采集放电过程中的响应信号,为电池组内单节电池阻抗参数的计算提供信号数据。通过对选通电路的设计,实现了利用同一设备平台对电池组内所有单电池性能参数的集中采集功能。最后,依据设备可以测得的基本性能,对电池荷电状态(State of charge,SOC)进行估算。在构建样本电池的RLC等效电路模型,并且根据课题实际情况进行简化之后,运用多频点测量法,测量并解算出单节电池的欧姆电阻参数,极化电容参数和极化电阻参数。依据解算出的电池模型参数,以及电池的实时电压电流等参数,分别构造电池内部以及电池欧姆内阻的状态空间。在卡尔曼滤波算法(Kalman filter algorithm,KF算法)的基础上进行应用,提出在对电池SOC的KF预估过程中嵌入对欧姆电阻的预估,构成双卡尔曼滤波算法(Double Kalman filter algorithm,DKF)。解决了在对电池SOC这一状态变量进行估算时,对欧姆电阻这一时变参数的实时跟踪的问题,实现对电池SOC性能的较为准确的估算。