由于全球石油资源的紧缺,汽车技术也逐渐向着节能和环保方向发展,因此我国积极鼓励新能源汽车的开发和使用。电池模型和状态估计等是当下动力电池技术的研究热点,其中电池峰值功率（State of Power,SOP）和能量状态（State of Energy,SOE）与电动汽车的加速制动和续航里程密切相关,其在线准确估计是电池管理系统研究的重点问题。本课题依托国家重点研发计划“高精度、高可靠电池管理系统关键技术研究”,重点研究了基于分数阶模型的模型参数在线辨识和SOP、SOE的联合在线估计方法,并应用于d SPACE进行半实物仿真验证,全文内容如下:首先,分别介绍了整数阶等效电路模型和分数阶等效电路模型,阐述了分数阶扩展卡尔曼滤波算法（Fractional Extended Kalman Filter,FEKF）和分数阶带遗忘因子的递归最小二乘算法（Recursive Least Squares Method with Forgetting Factor,FFRLS）的推导过程,建立了基于三种算法的参数在线辨识方法,利用三种动态测试工况,在不同条件下对比分析了三种参数辨识方法的优劣。结果表明,FEKF算法在宽温区、大倍率和全SOC区间参数辨识的整体误差和最大误差均优于其他两种方法。其次,介绍了三种常用峰值功率离线测试方法,分析了离线测试方法存在的缺陷并提出了动态峰值功率测试方法;以动态峰值功率测试方法为基准值,研究了基于分数阶模型的SOP在线估计方法,并在不同条件下验证了估计方法的准确性,估计误差在40W以内;在此基础上提出了以峰值功率为核心评价指标锂离子电池性能评价方法,利用四块不同状态的电池说明了评价方法的可行性。然后,介绍了基于FEKF算法的SOE估计原理,推导了FEKF算法估计SOE的状态空间方程,提出了分数阶双扩展卡尔曼滤波的模型参数和SOE在线估计方法;分析了不同记忆长度和模型阶次对SOE估计精度的影响特性,确定了记忆长度和模型阶次的值;在不同温度和不同倍率条件下,对比分析了分数阶模型EKF算法和整数阶模型EKF算法的SOE估计精度。结果表明,分数阶模型在宽温区、大倍率和全SOC区间SOE估计结果的稳定性和精度均优于整数阶模型,分数阶模型估计精度在4%以内。最后,构建基于分数阶模型的锂离子电池模型参数、SOC、SOP和SOE联合在线仿真模型。将整数阶联合仿真模型嵌入到d SPACE硬件在环仿真平台验证复杂工况下估计方法的适用性和稳定性。