随着电动汽车的广泛使用,电池管理系统在其中的作用越来越凸现出来。作为电池管理系统的重要部分,动力电池的荷电状态(State of Charge,SOC)的估计受多种因素的影响,这使得其估计精度较低,而电池的长时间使用会加重电池的不一致性,因此SOC估计和电池均衡技术显得越来越重要。本文对磷酸铁锂电池的特性进行分析,主要对荷电状态的估计和电池之间的均衡技术进行研究。本文在综合考虑SOC估算的精确度与实时性这两个方面后,使用简化电化学模型作为SOC估算的电池模型。然后在不同的放电倍率下对电池组进行放电,最后使用递推最小二乘法并利用放电所得数据对模型的参数进行辨识,得到该电池组的模型参数。针对传统的电流积分法累计误差大,开路电压法只适用于电池静置情况下的SOC估计,本文采用扩展卡尔曼滤波(Extend Kalman Filter,EKF)对SOC进行估计,并对电流积分法的公式进行修正,将其作为EKF的状态方程。仿真结果显示该方法能将SOC估计误差控制在6%以内,具有较好的估算效果,不过不足是在放电末端的SOC估计效果较差。针对该问题采用自适应无迹卡尔曼(self-Adaption Unscented Kalman Filter,AUKF)对SOC进行估计,结果显示在平台期和EKF有着相近的估计效果,在放电末端估计效果要优于EKF算法,使SOC的估计误差控制在4%以内。针对电池组中单体电池的不一致性问题,本文使用改进的Buck-Boost电路对四只电池进行均衡,并通过仿真验证了该方法的有效性。而对于单体电池较多的情况,本文使用层级Buck-Boost电路对8块电池进行了仿真分析,验证了该方法的可行性。同时对于充电中单体电池不一致性问题,本文采用模糊控制对Buck-Boost充电均衡电路的开关管进行控制,通过改变开关管的占空比来改变均衡电流,最终结果显示电池之间的不一致性得到消除,达到了均衡的目的。