电池管理系统是保证锂电池安全稳定运行的关键,电池状态估计又是电池管理系统最重要的组成部分,包括电池荷电状态估计（State of Charge,SOC）、电池健康状态估计（State of Health,SOH）、电池功率状态估计（State of Power,SOP）等。然而,动力电池具有很强的时变非线性,在电动汽车应用中,又受到工况、环境等随机因素的影响,对其状态的精准估计具有挑战性。本文研究如何采用改进的梯度算法和改进的Kalman滤波方法,分别进行电池参数和状态估计,取得了一些成果,主要研究内容包括以下几部分:第1,基于锂电池特性,研究建立锂电池的二阶RC等效电路模型以及容量模型,并构造以电池SOC和极化电阻电压为变量的状态空间方程。另外,基于电池差分方程,采用遗忘因子随机梯度算法（Forgetting Factor Stochastic Gradient Algorithm,FFSG）辨识锂电池模型参数;进一步,扩展SG算法的新息数量,提出多新息遗忘因子随机梯度算法（Multi-innovation Forgetting Factor Stochastic Gradient,MI-FFSG）,以提高参数辨识的精度。第2,为了提高扩展Kalman滤波算法精度,提出锂电池SOC估计的多新息扩展Kalman滤波（Multi-innovation Extended Kalman Filter,MI-EKF）算法,通过将当前时刻的单个新息扩展到包含当前和历史时刻新息的多重新息,增加了新息量,获得更准确的SOC估计值。通过对电池状态空间方程进行转换,建立电池容量模型,从而将电池SOH与SOC联合,提出多新息双扩展Kalman滤波（Multi-innovation Dual Extended Kalman Filter,MI-DEKF）联合估计算法,用于电池容量估计。第3,针对电池峰值功率估计问题,对单一约束以及多约束条件下持续峰值功率得到的结果进行探讨,为了解决单一约束下的峰值功率估计结果过于保守或者难以保证电池安全使用的问题,因此采用多约束持续峰值功率估计方法。约束条件包括:电池本身充放电限值约束、电池SOC约束、电池模型约束。第4,使用新威电池测试平台对18650锂电池在脉冲循环工况、DST循环工况、UDDS循环工况下进行放电实验,采集实验数据。利用脉冲放电实验数据在MATLAB软件中验证了模型有效性以及参数辨识结果的准确性;利用UDDS以及DST循环工况实验数据在MATLAB软件中验证了联合估计算法估计电池SOC与SOH的有效性和准确性;通过MATLAB软件验证了电池持续峰值充放电功率在多约束条件下能够被准确估计,多约束持续峰值功率估计方法具有实用性。