目前,由于化石能源的不足以及环境问题的需要,电动汽车广泛应用于日常生活中,电动汽车的动力电源也越来越受到关注,为了提高电动汽车动力系统的可靠性,扩大电动汽车的使用范围,对动力电池的荷电状态(State of Charge,SoC)的实时准确估计具有十分重要的意义。由于锂离子电池是目前应用最广并且最有前景的一种动力电池,因此本文选用锂离子电池作为研究对象,对其结构和性能进行了分析,并对其SoC估计方法以及估计精度进行了分析。本文主要研究内容可分为以下几个部分。第一,对锂离子电池的内部结构和工作原理进行了分析,对电池的极化效应进行了解释,并根据极化效应产生的原因将其分为三类;对电池可用容量的影响因素进行了分析总结(充放电倍率、自放电率、环境温度、电池老化程度);通过相关试验,得到了电池的荷电状态—电池电动势(Electromotive Force,EMF)曲线,并根据曲线拟合得到了电池SoC和EMF的函数关系。第二,分析了电池常用的四种等效电路模型的优缺点,并对其中的内阻等效(Rint)模型、戴维宁(Thevenin)模型、双极化(Dual Polarization,DP)模型根据混合动力脉冲能力特性(Hybrid Pulse Power Characteristic,HPPC)试验结果进行了基于最小二乘法的参数辨识以得到各个模型中的所有待辨识参数;并搭建了三种模型的仿真电路,使用试验测得的开路电压与模拟得到的开路电压之间的误差对模型的精准度进行了比较,并对仿真得到的结果进行分析:Rint模型估计得到的开路电压平均误差明显比其他两种模型大,Thevenin模型与DP模型在两次验证中的误差均十分接近,但综合考虑模型的精准度和使用该模型的计算量(保证实时估计),Thevenin模型最终被作为电池SoC估计的等效电路模型。第三,对扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法和烟花算法进行了介绍,并将烟花算法应用到了电池SoC的估计中,得到了改进EKF算法。之后,设计试验对改进EKF算法的性能进行了验证。在DST工况下,首先对改进前后的两种算法估计得到的电池SoC与电池真实SoC进行了比较;其次在两种算法的输入电流上加入了一定程度的高斯噪声,以验证算法的抗干扰能力;最后,将不同的数值作为电池SoC的初值,但仍完成SoC的后续估计,以验证算法的鲁棒性。试验结果表明,两种算法均有较好的鲁棒性,与EKF算法相比,改进EKF算法拥有更高的SoC估计精度,并且在噪声干扰情况下,改进EKF算法仍然具有较高的估计精准度。