随着能源危机和环境问题日益严峻,电动汽车因其节能,零排放和对环境友好等优点逐渐成为未来汽车的发展方向。作为电动汽车三大关键技术之一的电池管理技术,对电动汽车的正常运行具有指导意义。其中,电池荷电状态(State of charge,SOC)的估计即SOC的估计是电池管理技术的核心工作。本文以锂离子电池为研究对象,进行了SOC估算的研究,主要研究内容如下:首先,为了更好的了解锂离子电池的基本性能,本文对SOC定义进行了描述,进而介绍了锂离子电池的相关特性,并研究了环境温度,电池老化和放电倍率对SOC的影响。其次,分析了等效电路模型和电化学模型的优缺点,选择了随温度变化的电化学组合模型作为电池模型。根据实验得到的数据,使用最小二乘法对模型参数进行辨识,同时在不同温度下验证了模型的准确性。然后,介绍了卡尔曼滤波算法及其几种演变算法,针对无迹卡尔曼滤波算法在模型失配和状态突变时跟踪能力差的问题,引入强跟踪卡尔曼滤波算法中的两个多重次优渐消因子矩阵强迫新息序列保持正交,从而提高无迹卡尔曼滤波算法的跟踪能力。并在此基础上,采用带多重次优渐消因子的强跟踪无迹卡尔曼滤波(Multiple Fading Factors Strong Tracking Unscented Kalman Filter,MSTUKF)算法估算 SOC。最后,在simulink中搭建相应的模型,并对模型进行了仿真分析,将仿真结果与SOC参考值进行比较,表明该方法能有效的实现SOC的估算。