电池管理系统（BMS）是电动汽车的核心系统之一,高效稳定的电池管理系统可以有效保证动力电池系统的性能、安全和寿命,而电池模型和SOC估算的精确度会直接影响电池管理系统的性能,因此,对电池模型和SOC估算进行研究具有重要的理论意义和实用价值。动力电池是一个高度非线性的时变系统,其在使用过程中会随着温度、循环次数等发生状态改变,因此锂离子动力电池的建模和管理具有极大的挑战性。本文针对锂离子电池建模及管理开展了研究工作,具体内容包括:（1）建立了气液动力学电池模型并对其进行改进。采用气液系统对电池进行模拟并通过气液动力学方程建模,然后通过建立电池热模型以获得当前电池内部的温度分布,进而获得电池内部的等效平均温度,并将其输入至原始模型实现对原始模型的改进。最后采用遗传算法对最终的模型进行了参数辨识,完成了动力电池的精确建模。（2）采用带遗忘因子的递推最小二乘算法（Forgetting Factor Recursive Least Square Algorithm,FFRLS）对模型参数进行在线估算和实时修正,以保证模型参数的实时准确性。基于卡尔曼滤波理论,结合气液动力学模型,建立了模型状态方程和观测方程,分别设计了基于扩展卡尔曼（Extended Kalman Filter,EKF）和容积卡尔曼（Cubature Kalman Filter,CKF）的SOC估计算法。最后提出了基于FFRLS和卡尔曼滤波（Kalman Filters,KFs）的联合估计算法,以保证SOC估算的精确度和鲁棒性。（3）搭建测试台架对动力电池进行了基础容量标定和多工况测试,对电池模型和SOC估计算法的估算精度、鲁棒性等方面进行了分析研究。结果表明,应用FFRLS-CKF滤波器的SOC估算算法的综合性能最为优异,最大估算误差为2.34%,具有最好的估算效果和算法稳定性。4)设计了一款主从一体式的电池管理系统。根据开发流程,先后完成了BMS的硬件设计、基础软件设计、主要控制逻辑设计,并基于UDS协议完成了控制器引导程序的设计与编写。依据法规要求对电池管理系统的基本功能进行了验证,结果表明,所设计的电池管理系统符合国标要求,具有良好的工业应用价值。然后对所提算法在电池管理系统中的表现进行了测试分析,结果表明,FFRLS-CKF算法在BMS中的估算误差虽然有所扩大,但仍然能保持在4%以内,且其计算成本相对较低,因此具有较好的先进性和工业应用价值。