为了电动汽车的安全和高效运行,汽车的电池管理系统必须能够精确估计荷电状态(State of Charge,SOC)。本文以镍钴锰三元锂离子电池为研究对象,以电动汽车为应用背景,针对电池SOC估计准确性问题,建立了合理的电池模型,重点对SOC估计算法作讨论,以实现电池SOC的精确估计。本文首先建立了电池的仿真模型。针对电池参数随工作环境和电流工况发生变化的问题,建立随着温度和SOC变化而动态更新的Thevenin模型,模型中的参数用二维查找表表示。为了获取参数的二维查找表,在不同的环境温度下分别对电池进行恒流放电实验,并利用实验得到的数据在MATLAB中通过离线参数辨识方法估算出模型的参数。在电池的仿真模型的基础上,进行了基于自适应无迹卡尔曼滤波算法(AUKF)的SOC估计研究。无迹卡尔曼滤波算法在SOC估计时,其状态噪声和测量噪声被给定为一个预设值,但实际应用中电动汽车动力电池一般为时变的动态系统,噪声值的不确定性会导致估算误差增大。因此将自适应协方差算法与无迹卡尔曼算法结合,研究了自适应无迹卡尔曼滤波算法,实时修正状态噪声和测量噪声,降低在动态系统噪声下SOC的估计误差。为验证AUKF的估计效果,在恒流放电实验工况以及在ADVISOR环境中的US06工况、UDDS工况和HW-FET工况下测试SOC估计值,验证AUKF的准确性、收敛性和鲁棒性,结果表明所提出的SOC估计方法可以实现电池的SOC估计,在电动汽车实际行驶工况下具有较高的估算精度,误差在1%之内。最后针对电池在实际使用过程中会发生容量衰减的现象,采用递归近似加权TLS(AWTLS)算法进行电池容量估计。在恒流放电工况和随机工况下验证AWTLS算法测试估算最大可用容量值的准确性,结果表明AWTLS算法可以实现对电池容量的准确估计,其估计结果可以改进SOC的估计。