近年来,由于动力电池具有库伦效率高,功率密度大,比能量高,节能环保等优势,因此被广泛应用于电子通讯设备以及混合电动汽车等行业。动力电池的退化行为会影响系统安全,所以电池长期稳定运行对整个用电系统至关重要,动力电池建模与健康状态估计能够全面评估电池性能与退化程度。本文将18650动力锂离子电池作为研究对象,对建立离线预测模型与健康状态估计两个主要问题进行深入分析和研究,旨在提出能够广泛应用于实际的电池模型与健康状态评价指标。论文涉及主要内容如下:首先,参考混合脉冲功率测试实验估计参数的方法并结合放电电压特性,估算经历全寿命充放电循环的电池参数,通过含有退化因子的安时积分法计算荷电状态,总结经验公式,通过模型驱动法建立预测模型。通过预测不同温度、不同放电循环的路端电压,根据电压特性说明电池的使用程度和特性变化情况。之后根据在线测量的数据集,建立放电截止电压和电池健康状态的映射关系,依据预测模型所得放电截止时间,查询方式预测电池健康状态。其次,根据剩余容量实验测试数据估算电池健康状态,并通过相关向量机算法预测健康状态的变化情况,分析衰退过程,并据此计算电池终止寿命。为了减小预测误差,提高拟合程度,加快运行时间,对比单核支持向量机回归模型,使用混合核函数相关向量回归模型进行健康状态预测。最后,提出一种基于高斯混合模型概率密度函数分布的新型电池健康状态评价指标。在从充放电电压曲线提取特征后,建立高斯混合模型。此外,使用经过归一化的高斯混合概率分布函数,计算动力电池正常模型与退化模型在峰值处的健康状态指标,判断模型的退化程度,通过评价指标有效值获得健康状态失效阈值,计算剩电池终止寿命。相比于传统健康状态评价指标的计算方式,本论文所提出的指标计算方法仅基于电压特性即可得到,因此具有广泛的可操作性。本文基于美国埃姆斯动力电池研究中心提供的18650动力锂离子寿命加速实验数据集,验证了以上方法得可行性,结果表明本文所提出的建模方法具有良好的适用性和可靠性。