随着全球能源危机的加剧与环境污染日趋严重,世界各国纷纷发展绿色环保的新能源电动汽车。动力电池作为电动汽车的关键部件之一,其性能对电动汽车的整车性能、安全性能和续航里程有很大的影响。锂离子电池因具备能量密度大、循环寿命长、安全可靠和无污染等特点,在未来研究发展中必将得到大力发展。锂电池的荷电状态(State of Charge,SOC)是电池管理系统的核心,反映了动力电池运行状态的主要性能参数。准确地估计电池的SOC能有效进行电池和整车控制,可以防止电池过充和过放,为电池均衡和能源分配提供依据,可以延长电池的使用寿命,节约成本。本文分别对影响电池SOC估算精度的电池模型以及SOC估算方法进行了深入研究。论文首先概述了纯电动汽车的发展状况,引出了动力电池的重要性,然后介绍了锂电池的工作原理,研究了锂电池的特性和影响特性的因素,通过对经典电池模型分析,提出了本文所创新的可变参数分数阶PNGV模型,利用统计学方法试验设计(Design of Experiment,DOE)和粒子群优化算法(Particle Swarm optimization,PSO)对电池模型中的参数进行拟合,通过联邦城市驾驶时间表(FUDS)工况对可变参数分数阶PNGV模型的精度进行验证,所得到的模型不仅能够适应连续变化的温度,而且比整数阶模型更加精确,为后文SOC估算提供了准确的模型。作为电动汽车发展的核心技术之一的动力电池的SOC估算,是电动汽车产业化、实用化的关键。本文在前文建立的模型基础上,应用分数阶无迹粒子滤波算法(Fractional Unscented Particle Filter,FUPF),采用循环放电工况和高速公路驾驶时间表(US06)工况对比其他算法验证FUPF算法的估计精度,以及采用US06工况在不同的初始误差下验证FUPF算法的收敛性。