近年来,随着我国经济实力的不断增强,城市人口不断增加,城市交通拥堵问题日益突出,城市轨道交通由于具有运量大、准点、高效、舒适性好等优势越来越受到人们的青睐,无接触网供电城轨车辆具有特殊的优势。本课题依据国家重点研发计划《城轨交通新型供电制式车辆及其车载储能技术质量检测监测与运维保障技术》,以无接触网供电城轨车辆复合动力储能系统为研究对象,评估其系统的健康状态,为城轨车辆安全可靠准点运行提供保障。论文首先完成了列车复合储能系统储能元件等效电路模型的构建。分析蓄电池和超级电容器的基本工作原理和特性,对比常用的等效电路模型,结合城轨车用工况的特点,分别建立了适当的等效电路模型。针对建立的等效电路模型,采用遗忘因子最小二乘算法(FFLS)辨识其模型参数,基于Matlab/Simulink平台搭建了蓄电池二阶RC等效电路模型和超级电容器时变等效仿真模型,在设定的试验工况下对模型进行验证,结果表明,本文所建立的两种等效电路模型其仿真电压与实际测量电压误差较小(5%以内),能满足进一步研究的要求。其次,完成对蓄电池的健康状态(State-of-health,SOH)与超级电容器的荷电状态(State-of-charge,SOC)的估计。根据对蓄电池和超级电容器分别建立的等效电路模型,应用扩展卡尔曼滤波算法估计其SOC值,由于扩展卡尔曼滤波算法(EKF)对非线性系统采用Taylor公式展开造成的SOC估计误差较大的缺点,本文采用自适应无迹卡尔曼滤波算法(AUKF)对其改进,试验结果表明AUKF算法相比EKF算法其估算精度大大提高。另外,根据蓄电池SOH的三种评价指标,本文从蓄电池的实际容量和欧姆内阻两个角度出发应用自适应无迹卡尔曼滤波算法联合估计其SOC和SOH值,以SOC作为系统的状态变量,其欧姆内阻和容量视为定值,估计电池的SOH,实验验证了AUKF算法能有效的预测电池的内阻和容量退化情况。最后,采用粒子滤波算法估计蓄电池的充放电循环次数。电池的充放电循环次数为电池SOH的另一个重要评价指标,随着充放电次数的增加,其容量逐渐衰减,本文以4组蓄电池监测数据为基础,采用粒子滤波算法跟踪其电池退化情况,并引入遗传算法解决粒子滤波算法中的粒子退化问题,通过Matlab平台编写程序进行仿真实验,实验结果表明,遗传粒子滤波的融合算法相比于传统的粒子滤波算法,能较好的预测电池容量的衰减过程,并且在预测结果的精确度上有明显的优势,对其充放电循环次数的预测精度可达到3%以内。