电能是当今社会最主要的能源。随着科技的进步,电能存储技术不断完善,在工农业生产和消费电子领域应用广泛。磷酸铁锂电池是一种新兴的锂电池技术,具有寿命长和可靠性高的优点。当今商品化的磷酸铁锂电池通常以密封单体电池的形式存在,电池本身并不具有防止过充和过放的能力。为了保证由锂电池构成的电能存储设备的正常运行,需要对锂电池进行管理。而对锂电池电荷状态的准确估计,是对锂电池进行管理的基础。在论文中,使用无迹卡尔曼滤波算法,解决了磷酸铁锂电池电荷状态估计的问题。设计出了精确的,抗干扰能力强的,具有一定自适应性的锂电池电荷状态的估计算法。论文的内容主要包括以下几个方面。(1).分析了现有的锂电池模型的原理。对锂电池建立了分数阶的等效电路模型,并通过对锂电池频率阻抗谱参数的拟合,对分数阶等效电路模型的参数进行了辨识。作为比较,又选取了一种典型的模型——Thevenin等效电路模型,对锂电池进行了建模。(2).对以上两种模型进行了离散化,以锂电池的电荷状态为估计对象,设计了相应的无迹卡尔曼滤波算法,并编写了在MATLAB环境下的算法程序。(3).搭建了对锂电池进行充放电的实验平台,设计了充放电电压电流测量电路。模拟电动汽车的行驶状况,对锂电池进行了大电流充放电实验,把采集到的实验数据存储在计算机上。计算出了参考的锂电池电荷状态。(4).在MATLAB环境下对无迹卡尔曼滤波算法进行了验证,以图表的形式展示了锂电池电荷状态的估计结果。把算法写成了通用编程语言的形式,在嵌入式系统上进行了实现,设计了锂电池电荷状态估计实验样机。算法的计算结果表明,在模型参数准确的情况下,基于两种模型而设计的无迹卡尔曼滤波器都能够精确的估计锂电池的电荷状态。当无迹卡尔曼滤波器的初始值偏差较大时,电荷状态的估计值能够迅速的收敛于真实值。当锂电池发生老化,内阻增加而容量缩减时,算法仍旧能收敛。在锂电池接近充满电或放完电时,算法的误差很小,能够满足防止锂电池过充电和过放电的要求。在嵌入式系统上,算法每次执行的时间只有几毫秒,能实时且准确的估计出锂电池的电荷状态。实验表明该方法具有较好的估计效果。