电池SOC和SOH的准确估计,能够有效提高整车动力性与安全性。为了能够实现对SOC和SOH进行准确估计,改进其估计算法是当前的研究热点。本文专注于从电池模型误差的角度出发,提出一种改进的EKF算法,实现电池容量误差的实时在线估计,同时补偿SOC估计值,从而提高SOC的估计精度,并且及时修正可用容量信息,了解电池老化状态。本文研究首先从电池的工作原理出发,研究了容量衰减现象发生的机理以及对电池性能参数的影响,了解容量误差出现的原因以及特点,可以为后续建立模型误差观测器估计容量误差提供依据。然后研究锂离子电池的建模问题,在电池建模阶段,首先归纳总结了用于电池SOC估计的ECM,在权衡复杂度和模型精度以后,选择一阶RC模型进行研究。随后,基于LSM的离线分步参数辨识和基于带遗忘因子的最小二乘法思想的在线参数辨识被提出用于参数辨识工作,选择适用性更广的第二种方法进行参数辨识工作。最后,处理DST工况数据进行参数辨识及验证参数辨识的精度。随后引入KF和EKF理论,通过公式推导和仿真验证论证了电池容量误差的存在对SOC估计精度的影响,也说明研究估计容量误差的重要性。接着引入了基于KF和EKF的状态量与模型误差量的解耦估计算法,并针对电池的容量误差将解耦后的并行滤波算法应用至电池SOC估计问题,得到用于SOC估计的标准EKF算法与用于估计容量误差的模型误差观测器,在Matlab/Simulink平台搭建仿真验证模型并开展了详细的验证与分析工作。验证结果表明,相较于标准EKF算法,改进算法既可以提高SOC的估计精度,又能够实现追踪容量误差,及时了解电池的老化状态。本文所提算法表现出更好的预测精度以及鲁棒性。