纯电动汽车动力电池的电池状态是电池管理系统的重要数据，电池状态可以通过荷电状态（SOC）与能量状态（SOE）来描述。SOC反映了电池的容量状态，SOE反映了电池的能量状态。纯电动汽车上电池组与电机相连接并为电机提供能量，电池的剩余能量能表征电机的工作能力，也能反映电池的工作能力。相比容量状态，能量状态更能反映电池的放电能力。本研究课题来源于吉林省高新电动汽车公司承担的吉林省重点科技项目“纯电动高档商务客车研制”。电池管理系统的研制是项目中一项重要技术，电池管理系统实现车载电池的数据采集、管理、保护等功能。电池能量状态的估算对电池管理系统有重要的意义，依据能量状态可以在充放电过程中保护电池组不发生过充、过放等，以能量状态为依据可实现电池组内单体的均衡与整车能量优化，同时也是预测续驶里程的重要数据。目前国内外对电池容量状态的研究较多，对能量状态的研究较少，能量状态的定义存在差异。一般电池放电较为平稳，剩余能量的计算容易且准确，而纯电动汽车用动力电池使用工况复杂，电流、环境温度变化较大，这使得电池工作过程中电压波动较大，导致能量状态的获取难度增大。研究人员利用多种估算方法对电池容量状态进行研究，估算结果各有优缺点，选择合适的滤波算法估算电池能量状态也成为一个重点。要实时、准确预测电池的能量状态有三个关键因素：第一，获得准确的SOE表达式；第二，建立合适的电池模型；第三，选择合适的SOE估算算法。在分析了关于电池状态估算的国内外研究现状后，本文针对SOE估算主要做如下四方面工作：1．通过电池试验分析影响电池充放电能量、充放电内阻的因素，分别研究环境温度，充放电倍率，健康状态与充放电能量的关系，环境温度、充放电倍率与内阻的关系。根据能量守恒定律获得SOE的计算表达式。2．对比分析目前常用的电池模型，综合考虑模型的计算量、精度、实用范围选取合适的电池模型。以试验数据建立电池模型的数学表达式，制定不同放电工况对模型的精度与适应范围进行仿真验证。3．以无迹卡尔曼滤波算法作为SOE估算的基本算法建立SOE估算模型，通过不同放电工况对估算结果进行验证。在UKF算法中引入Sage—Husa自适应滤波算法对参数进行了自适应调整，提高估算精度。4．利用纯电动汽车远程监控系统平台对SOE估算进行实车验证。远程监控系统具有接收与发送电池电压、电流、温度的功能，利用组态王软件调用电池数据到Matlab环境下编译的SOE估算模型中，对实车运行过程中SOE的估算结果进行验证。以改进的能量状态计算表达式与简化电化学组合模型为基础，利用UKF算法原理建立SOE估算模型，同时将自适应算法引入UKF算法对参数自适应调整，通过试验与实车验证可得基于AUKF算法估算SOE精度较高。