近年来,锂离子电池作为新一代环保型储能电池在各个领域都得到了广泛地发展及应用,而对其在当下以及未来的应用和发展,也始终是学界所关注的热门问题。这其中,关于如何提高锂离子电池荷电状态在线估计精度的问题一直是锂离子电池研究领域的重点,也是难点问题。本文首先对锂离子电池的工作原理以及特性进行详细介绍,与当前常见动力电池性能进行对比,说明了锂离子电池作为动力电池的优势,并针对锂离子电池荷电状态在线估计的问题,着重对当前国内外常见荷电状态估计方法进行详细的分析比较,说明了各种方法的优缺点。其次,本文使用MATLAB/Simulink模块库中的锂离子电池构建放电仿真模型,分别获取两组不完全相同的电池电压、电流及锂离子电池荷电状态数据,为后续研究提供数据上的支持。本文重点对提高锂离子电池荷电状态的估计精度做出以下几点研究。首先,为提高锂离子电池荷电状态的在线估计精度,本文对安时积分法进行研究,针对该方法的估计误差随时间不断累积的问题,以机器学习中的极限学习机算法为基础,通过对电池电流及相同电流下由安时积分法估计得到的荷电状态的估计误差的学习,得到安时积分法的误差预测模型,并将其输出值作为校正项,对安时积分法进行误差校正,建立了带误差校正的安时积分法。通过对仿真结果的分析可知,相比于传统安时积分法,带误差校正的安时积分法可有效减小锂离子电池荷电状态的估计误差,使安时积分法估计结果的精度不再受误差累积的影响。其次,为了将电池电压对SOC估计精度的影响一并考虑在内,使估计结果更精确,本文又进一步对等效电路模型法进行研究,针对等效电路模型法对电池模型依赖度高,以及电压、电流传感器在测量时产生的误差对荷电状态估计值造成的影响,本文对锂离子电池等效电路模型进行参数辨识及扩展卡尔曼滤波算法的改进,建立了递推最小二乘法与改进扩展卡尔曼滤波算法联合的估计方法。最后,本文利用锂离子电池的电压电流及联合估计法所得到的估计误差离线训练误差预测模型,对等效电路模型的估计结果进行修正,建立了基于物理-数据融合模型的锂离子电池荷电状态估计方法。本文基于MATLAB平台,证明了改进后的扩展卡尔曼滤波算法的精确度得到提高,而物理模型与数据模型相融合的锂离子电池荷电状态在线估计的方法减小了由参数测量所导致的估计误差,克服了等效电路模型法中为保证精度而需要采取高精度的模型,从而导致计算困难的问题,有效提高了锂离子电池荷电状态的在线估计精度。