蓄电池在工业运输、5G通信、电动汽车等领域应用广泛,但随着行业技术的突破性进展,各领域对其提出了更加多样化的要求。电池荷电状态(state of charge,SOC)是电池使用状态的直接体现,其精确估计有助于使用者合理制定电池管理计划,精准评测电池充放电能力,最大程度保障电池安全使用。蓄电池的SOC估计包括蓄电池建模、模型参数辨识和SOC估计三个阶段,其中寻找性能更好的参数辨识和SOC估计方法逐渐成为研究焦点。本文主要针对铅酸蓄电池参数辨识与SOC估计进行研究:首先,基于典型电池模型的对比分析,构建出能充分反映蓄电池特性的二阶Thevenin等效电路模型,并通过电压回弹曲线的拟合验证了其可行性。其次,给出一种基于改进蜻蜓算法的蓄电池参数辨识方法。针对蜻蜓算法寻优效率不高且易陷入局部最优的问题,引入Tent映射和精英反向群策略提高种群多样性;引入S型函数改进蜻蜓算法的步长更新权重,提高算法由全局搜索向局部开发过渡的平衡性。标准测试函数验证其优化性能有显著提高,有效避免了过早陷入局部最优的问题;在蓄电池参数辨识中的应用表明,改进算法的非线性适应能力强、辨识精度高。最后,对已辨识出模型参数的蓄电池,采用限制条件更少、解决非线性问题能力更强的粒子滤波算法作为SOC估计方法。针对粒子滤波算法采样粒子易退化且缺乏多样性的缺陷,提出了一种灰狼算法优化粒子滤波的方法,即引入灰狼算法优化粒子群权重,进一步提升重采样效果。对比试验表明,灰狼算法优化粒子滤波对蓄电池SOC的估计精度更高,能有效改善粒子退化与粒子多样性匮乏的问题。