在可持续发展时代要求之下,新能源汽车作为一种绿色、低碳的代步工具,受到各个国家和社会的推广。而在新能源汽车大类中,电动汽车所占比例最高。电动汽车的动力源是动力电池组,以循环充放电形式为汽车提供无污染动力,但是随着电池的使用,电池内部会发生老化,造成电池容量的衰减,而衰减程度则通过电池健康状态(State-of-Health,SOH)指标进行量化。电动汽车SOH的精确估计是电动汽车使用中至关重要的一环,一方面它受电池内部管理系统的控制,对SOH的错误估计很容易造成电池的过度充放电情况,从而严重影响电池使用寿命;另一方面精确估计SOH可以反映出电池的实际使用情况,有利于及时更换低寿命电池,保障车辆及人员的安全。目前动力电池SOH估计方法有很多,但大多场景都在实验室中,脱离实际工况,而现实中,车辆SOH的测算大多是由检测人员在现场通过完全充放电方式得到,这种方式耗时耗力,测算周期较长,难以满足巨大的测算需求,随着未来电动汽车数量激增,寻找一种既能满足监测需求,又能结合实际工况的电动汽车动力电池在线SOH估算方案十分必要。基于以上情况,本课题以正在运营电动公交车辆充电数据为对象,深入研究基于充电车辆日常实测充电数据的在线SOH估计方案。首先本文介绍了现有充电数据的来源,并对原始数据进行一定的数据预处理,对恒流充电车辆的充电电压曲线进行分析,研究其变化规律。其次,由于车辆一般不从0电量开始充电,所以日常充电过程是完全充电过程的片段,所以本文基于现有数据对所分析规律进行了验证,提出利用拐点将充电电压曲线分段,利用历史充电信息和电压曲线变化规律将日常充电过程补全。并利用高斯过程回归拟合系统状态方程,结合无迹卡尔曼滤波的在线SOH估算模型。再次,通过将现有数据输入估算模型,分别从模型有效性、模型准确性和模型稳定性3个方面对模型性能加以评估,结果表明,本方案对于车辆实测数据估算有效,模型准确度可达到3%,可满足实际估算需求,模型估算波动在5%以下,模型稳定性较好。最后,在估算方案基础上设计了电动汽车电池在线SOH评估软件,实现了数据的远程下载,SOH的在线估算以及估算结果的远程上传。