汽车工业的发展虽然给人们的生活带来了方便，舒适，但是燃油汽车加速了能源危机，并给环境带来了很大污染，因此，清洁低碳的电动车取代燃油汽车将是未来的的发展趋势。电动车由于用大量电池组作为动力源，而电池能量低，且不像燃油那样随时可以添加，所以电动车在行驶过程中会出现中途没电，这给生产生活带来了不必要的麻烦。SOC估计就是解决这个问题需要而出现的，电池荷电状态SOC是电池管理系统中的核心部分之一。它能时刻表征电池的剩余电量，提醒驾驶者及时充电，避免中途电源耗尽，所以SOC估计对电动车的行驶里程起决性作用。如何实时准确的估计SOC值对电动车的发展具有重要意义。本文首先介绍了电动车常用电池的种类和性能参数以及工作原理，比较了常用SOC估计方法的优缺点；在给出了主要的电池模型的基础上，分析了影响SOC估计的电池内部因素，简单阐述了把电池模型和算法结合的桥梁泰勒公式；针对现有的SOC估计方法上的不足，提出了切实可行的复合新算法—复合卡尔曼滤波法。该算法将卡尔曼滤波法收敛快、在电流变化剧烈情况下具有估计准确的特点和安时积分法在电流变化平稳的情况估计准确的优势结合起来，在电池模型Thevenin上,利用泰勒公式实现电池模型和算法结合的线性结构向非线性的转化，实现SOC估计。研究以电动车电池组作为实验对象，依据电动车电池组模拟工况对电池组进行放电试验，对实验数据进行MATLAB仿真，并与传统的卡尔曼滤波法仿真结果、真实的SOC值进行比较，本文提出的复合卡尔曼滤波算法明显优于卡尔曼滤波法，接近真实值，对噪声有一定的抑制作用。本文创新主要在复合卡尔曼算法实现中安时积分法和卡尔曼滤波法的衔接点确定，通过选择电流模型和电池组做实验，把得到的实验数据分析比较，找到了合适的衔接点。利用一阶泰勒公式把电池模型和算法相结合，因为一阶泰勒公式计算量小，还能达到算法对精度的要求。