为了缓解环境污染、提高能源利用率且满足电压等级要求,将电动汽车退役锂离子电池串联应用于直流微电网中。本文针对串联电池荷电状态(State of Charge,SOC)在线估计的问题,分别对单体和串联电池进行参数辨识、SOC估计方法的研究。论文具体内容如下:针对单体锂离子电池,在分析二阶RC等效电路模型的基础上,首先讨论基于递推最小二乘(Recursive Least Squares,RLS)算法的参数辨识过程,指出RLS算法影响模型参数辨识精度的原因,对此,提出了一种改进的RLS算法,该算法在传统RLS中加入了多次更新估计参数向量的内环,提高了辨识精度;其次分析了无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)用于单体电池SOC估计的流程,指出UKF算法存在不稳定的因素以及该算法对SOC估计精度及运算量的影响,提出将线性卡尔曼滤波器(Kalman Filter,KF)与平方根无迹卡尔曼滤波器(Square Root Unscented Kalman Filter,SRUKF)组成的KFSRUKF算法应用于电池SOC估计;最后利用电池测量设备和专用软件组建的电池测试平台进行了测试,结果表明,所提改进算法均具有更好的跟踪能力、更小的预测误差和较小的计算量。针对串联锂离子电池,考虑到各单体间的差异性、算法复杂度和算法实时性,进行了基于Rint模型的各个单体的SOC估计。首先采用端电压估计值与真实值相等的思想进行各单体内阻的辨识,且将流程较为简单的KF算法应用于SOC的估计;其次通过处理测试数据证明了所采用模型与算法在算法执行时间明显降低的同时,实现了各单体电池SOC的较高精度估计;最后搭建了含有串联锂离子电池的小容量直流微电网的硬件实验平台,设计了抑制直流微电网母线电压波动的控制策略,完成串联锂离子电池在该硬件平台中的应用,实现了串联锂电池各个单体在线参数辨识和SOC估计,验证了所采用模型与算法的正确性和有效性。