电动汽车发展越来越受到学术界和工业界重视,但电动汽车安全事故问题频发。据统计,动力电池及管理系统（BMS）引发电动汽车起火的情况占所有事故的60%以上,因此BMS安全问题大大制约了此行业的快速发展,同时电池箱及其电池管理系统占电动汽车总成本的三分之一甚至三分之一以上,而且更换和维修电池包花费巨大,所以一个稳定可靠且寿命长的BMS系统对电动汽车至关重要。BMS的两个主要功能是准确的估计荷电状态（SOC）和有效地进行电池间的平衡,他们在保护电池安全,延长电池寿命和最大程度的使用电池容量等方面发挥着不可替代的作用。针对新能源汽车对电池SOC估计和电池均衡等方面的需求,本文建立了考虑双向内阻的二阶RC等效电路模型,使用变遗忘因子最小二乘法（MFF-RLS）实现了模型参数在线辨识,提出了修正协方差扩展卡尔曼滤波的算法（MVEKF）进行SOC估计,设计了考虑零电流开关的任意电池对任意电池的均衡拓扑结构,并提出了均衡变量阈值动态变化算法,制定了多变量融合模糊均衡控制策略,最后通过实验与仿真对上述工作进行了验证。电池模型是进行SOC估计和实现均衡控制的前提。为了实现这些功能,必须首先建立描述电池非线性特性的电池模型。等效电路模型使用理想电路元件（电阻,电容,可控电压源等）模拟锂电池动态工作特性,容易加入温度等因素,参数辨识算法可靠且易于系统实现,适用于电动汽车运行工况。本文结合电池本身的特性和电池的充放电规律,建立了考虑双向内阻的二阶RC等效电路模型,同时为了实现模型参数在线辨识,本文采用变遗忘因子递归最小二乘法（MFF-RLS）进行实时识别,同时识别的这些参数被用于下一步SOC的估计中。最后通过恒流脉冲实验得出建立的模型输出电压误差控制在0.3V以内,同时发现误差最大值只出现在电池高状态和低状态,即SOC>0.9和SOC<0.1,在其余时刻0.1<SOC<0.9,模型估计误差值非常小。因为电动汽车电池有效工作范围为0.1-0.9,所以建立的模型和辨识的参数可以满足电动汽车的要求,验证了模型的准确性。精确估计SOC可以帮助驾驶员选择正确的驾驶行为。传统的扩展卡尔曼滤波器（EKF）应用到电池SOC估计中时,协方差在递归过程中不能渐渐减小至收敛到0,影响了SOC估计的精度。为减少估计误差,本文提出了一种修正协方差扩展卡尔曼滤波器（MVEKF）,该算法利用修正后的状态估计值更新过程增益,重新计算迭代过程中的协方差,并将新的过程增益值用于下一状态估计以确保滤波器的稳定性。最后通过对锂电池进行恒电流放电,恒脉冲放电和动态应力测试（DST）等实验,验证了所提出的方法。结果表明,MVEKF滤波算法优于EKF算法,尤其是电动汽车动态充放电条件下,MVEKF算法估计的优势更加明显。在DST条件下,EKF会有较大的偏差且不稳定,尤其是在充电过程中,而MVEKF算法可以稳定地估计SOC,精度高,鲁棒性强,适用于电动汽车复杂多变的工作条件。均衡拓扑结构是均衡管理系统（EMS）进行均衡控制的平台。常用的均衡电路拓扑结构往往需要大量的开关和复杂的控制算法,存在效率低,体积大、成本高、可靠性低等问题,难以满足动力电池高效、安全均衡的需求。本文基于传统的零电流LC谐振电路,提出了一种任意电池对任意电池的主动非耗散均衡拓扑结构,同时考虑到在电池全周期工作范围内,将均衡变量阈值设置为固定值可能会导致误均衡的问题,提出了一种使均衡阈值动态变化的算法。最后通过恒流脉冲仿真验证了所提出的均衡结构和算法,结果说明所提出的均衡结构实现了零电流开关的功能,减少了电路中的开关应力,延长了电路中元件的寿命,所提出的算法可以减少开关开闭的次数,避免了重复均衡和误均衡。优秀的均衡控制算法是提高均衡速度的重要保障。电动汽车动力锂电池在实际工作中对能量的需求多变,考虑单一的均衡变量（SOC、电压）来进行均衡控制,输出均衡电流,无法满足真实的需求,可能会出现误均衡,过均衡等情况。本文制定了一种考虑电压和SOC的多变量融合模糊均衡策略,模糊控制器可以根据当前电池箱SOC的高低和充放电电流的大小选取电压和SOC的比例进行融合共同决定均衡电流。最终通过Simulink模型仿真对比验证了该算法能依据电池箱实际的状态实时地调节均衡电流,使电路工作在较优的工作点附近,减少了均衡时间,同时在均衡过程中均衡电流较稳定,没有较大的起伏,保护了电路中的元器件,延长了均衡电路的使用寿命。