随着电动汽车行业的快速发展,作为纯电动汽车的动力系统,模块化的大型锂离子电池组被广泛应用。然而成组锂离子动力蓄电池的安全性和使用寿命尚不能满足纯电动汽车的使用需求。为解决这方面问题,就需要对成组的锂离子动力蓄电池的外特性参数进行监测,实现对电池内部状态的估算,进而对锂离子电池组实施有效的管理,提高电池的使用效率和延长电池的使用寿命。这就是电池管理系统(BMS,Battery Management System)最基本的功用。电池荷电状态(SOC,State Of Charge)作为目前国内外较为流行的衡量电池组剩余容量的状态描述参数,对其的估算是电池管理系统中重要的一部分。SOC估计的准确性是影响整车控制策略的关键因素,但SOC的估算受到诸如:充放电倍率、温度、自放电和循环寿命等很多因素的影响,所以SOC估算的准确性在实际应用中很难得到保证。因此,本文以锂离子电池管理系统为对象进行了如下研究:首先,在充分学习和掌握锂离子电池特性和电池管理系统功能需求的基础上,从硬件和软件设计两方面对电池管理系统的设计实现进行了说明。其次,为了提高纯电动汽车锂离子动力蓄电池SOC的估算精度,本文设计了基于卡尔曼滤波法的SOC估算策略。为实现该方法,先应用电动汽车仿真软件ADVISOR2002对纯电动汽车GM-EV1的整车模型,在NYCC和UDDS两种实际工况下进行了整车仿真实验。采集了对应工况下锂离子动力电池组的电压值、电流值和SOC,并拟合出OCV-SOC曲线得到曲线关系方程。再通过建立锂离子动力蓄电池的一阶RC等效电路模型,得到电路关系表达式,作为卡尔曼滤波算法的系统状态方程和系统观测方程。并应用ADVISOR软件仿真中获取的电池组电压和电流数据,最后借助MATLAB软件通过M文件的代码编写实现了基于卡尔曼滤波算法的5步递推运算,最终求出电池组不同工况下的SOC结果。在文章的最后,对卡尔曼滤波算法得到的SOC结果与ADVISOR仿真结果的误差进行了分析。结果表明卡尔曼滤波法在估算电池组SOC时,有效解决了安时积分法存在的初始误差和累积误差过高的问题。