随着石油资源的日益枯竭和环境的不断恶化,各国政府都相继出台了鼓励政策来推动新能源汽车的发展。动力电池作为新能源汽车的核心部件之一,其主要性能受电池荷电状态(State of Charge,SOC)的影响较大。准确的SOC估计值不仅能够为整车系统提供控制策略,还能够准确的反应电池剩余电量,因此一直以来都是研究的热点课题。本文通过对常用动力电池的对比,选取磷酸铁锂电池作为研究对象,并介绍了锂离子电池的工作原理。然后从电量的角度给出关于SOC的定义,并通过对主要的SOC估计方法的对比分析,确定本文使用模型基础法来估计电池SOC。在实验数据的基础上,建立二阶Thevenin等效电路模型模拟锂电池的工作特性,采用多项式拟合方法建立OCV-SOC函数关系,并基于含遗忘因子的最小二乘辨识方法实现模型参数的在线辨识。结合扩展卡尔曼滤波算法和多新息辨识理论提出了多新息扩展卡尔曼滤波算法,在此基础上,基于粒子滤波的权重计算思想提出了更为合理的加权多新息扩展卡尔曼滤波(Weighted Multiple Innovation Kalman Filter,WMI-EKF)算法来估计电池SOC。最后通过间歇放电和DST实验对所提WMIEKF算法的有效性进行验证。实验结果表明,本文提出的SOC估计方法能够适用于多工况条件下的SOC的高精度估计,该方法大幅度提升了SOC估计的精度,算法简单,实用性强。