高能量比、良好的安全性能以及较长的循环寿命使得纯电动汽车越来越青睐使用磷酸铁锂电池作为其动力电池组,磷酸铁锂电池组的荷电状态(State-of-Charge, SOC)估计精度是搭建动力电池系统(Battery-Management-System, BMS)必要的基础性工作之一,不论从提高纯电动汽车的安全性方面还是经济方面均有着重要意义。本论文主要研究了磷酸铁锂电池组容量和与内阻特性、容量衰减和内阻增加模型以及电池组放电末端SOC估计方法。电池在一个充放电循环内可分为放电平台和放电末端两个阶段。电池的容量和内阻特性随着环境和实际工况的呈现高度非线性。影响电池容量和内阻特性的主要因素有环境温度、循环次数、充放电倍率和充放电深度(Depth-of-Discharge, DOD)。温度越高容量越大,循环次数增加时容量发生衰减,而充放电倍率和放电深度对容量的影响比较小。温度升高电池内阻减小,循环次数增多内阻增大,内阻在放电末端发生较大的增长。电池组的特性由电池组中性能最差的单体决定,将电池组的研究转化为对加速衰减条件下的单体研究。设计包含关键影响因素的实验,建立基于Arrhenius规律的容量衰减和内阻增加模型,验证容量估计均方差最大为0.6,内阻估计均方差为0.048。在容量衰减和内阻增加模型基础上建立SOC估计非线性状态空间模型,使用无迹卡尔曼滤波算法(Unscented-Kalman-Filter, UKF)估计3个不同温度下电池组SOC,其最大的估计误差为0.0787%。因此本文研究的SOC算法能够在一定程度上满足磷酸铁锂电池组放电末端的SOC估计。