随着汽车数量的急剧增加,传统燃油汽车由于其尾气排放污染及对化石燃料的高度依赖,使得环境污染以及能源危机日益严峻,已经逐渐不再适应时代发展的需求,大力发展新能源汽车已经成为全球汽车行业的大势所趋。新能源汽车主要包括纯电动汽车(electric vehicles,EVs),混合动力汽车(hybrid electric vehicles,HEVs),氢燃料电池汽车(fuel cell electric vehicles,FCEVs)三大类。在EVs和HEVs储能部件中,电池管理系统(battery management system,BMS)是其核心部件,而BMS安全高效管理的基础是电池的荷电状态(state of charge,SOC),健康状态(state of health,SOH),以及功率状态(state of power,SOP)等状态的准确快速估计。首先,本文介绍了新能源汽车、电池管理系统、电池状态(包括SOC、SOH、SOP)估计的研究背景与意义,并综述了电池建模、电池参数辨识、电池SOC估计、电池SOH估计、电池SOP估计五个方面的研究现状。然后,本文基于一阶RC等效电路模型,建立了状态空间方程,并利用双扩展卡尔曼滤波算法(the dual extended Kalman filtering,DEKF),完成了电池状态的估计与参数的辨识,从而实现了电池SOC与SOH的估计。其次,将SOP的估计方法分成基于峰值电流的方法与基于峰值状态的方法两类,并分别进行了介绍与比较。证明了电池功率在峰值状态下取得最值,并提出了一种改进的基于峰值状态的峰值功率/SOP快速估计方法。再次,设计了3组具有插入脉冲的简化联邦城市工况实验(simplified versions of the Federal Urban Driving Schedule,SFUDS)分别对电池模型精度以及本文给出的SOC、OCV(open circuit voltage,OCV)、SOH在线估计方法进行验证。最后,通过实验对比分析了峰值功率/SOP估计的两大类方法中的六种方法,分别在3种预测时间下7个区间中总共21种情况下的精度,验证了本文所提出改进的基于峰值状态方法的准确性;对比分析了六种峰值功率/SOP估计方法分别在三个预测时间下的计算效率,验证了本文所提出改进的基于峰值状态的快速估计方法的有效性;分析了电池在工作过程中,电池在电流、电压、SOC、设计功率四个限制中所处的实际限制。