随着电动汽车与储能技术的快速发展,锂离子电池作为一种高效的储能装置,在人们日常生活中得到越来越广泛的应用。与传统蓄电池相比,锂离子电池的能量密度更高,但同时也存在着较大安全隐患,在使用过程中需要利用电池管理系统对其进行精准有效的能量管理。荷电状态（State of Charge,SOC）是电池管理的重要指标之一,准确的SOC估计是对锂离子电池进行管理的基础。同时,由于生产工艺与使用环境的差异,锂离子电池之间存在着容量与SOC的不一致性;针对这些不一致性,需要做好电池的均衡控制。本文围绕上述电池管理系统中的两个重要功能,开展了以下研究工作:首先,针对18650型圆柱锂离子电池,采用二阶RC电路等效模型,对锂离子电池进行建模分析,建立其状态空间表达式。通过电池充放电测试,获取电池开路电压（Open Circuit Voltage,OCV）随SOC的变换曲线,对电池的输出方程进行拟合。通过混合功率脉冲特性（Hybrid Pulse Power Characteristic,HPPC）测试,获取电池脉冲电流充放电曲线,将曲线与电池模型输出电流方程采用最小二乘法进行拟合,获取电路中各元件的参数值。其次,基于锂离子电池的状态空间表达式,采用无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法对电池的SOC进行估计,通过无迹变换的方法避免了对电池输出方程线性化过程中造成的精度损失。在此基础上构建三层BP神经网络,综合考虑电池的充放电电压、电流等参数,对SOC估计误差进行预测,将其从初始估计结果中排除,进一步提高SOC估计的精度。通过恒流放电测试、动态应力测试（Dynamic Stress Test,DST）与美国联邦城市运行工况（Federal Urban Driving Schedule,FUDS）测试验证了所提出算法的准确性。最后,针对串联锂离子电池组SOC不一致问题,采取主动均衡策略,设计了基于分层式Buck-Boost电路的均衡电路模型。通过模糊控制算法对均衡电路开关管占空比进行控制,从而可以根据电池组不同的SOC状态对均衡电流进行调整,在保证电池组充放电安全性的前提下提高了电池组的均衡速度。