随着电动汽车行业的快速发展,作为电动汽车三大核心技术之一的电池技术已经成为全球汽车行业与各大院校研究的热点。动力电池荷电状态(State Of Charge,SOC)的估算是电池管理系统(Battery Management System,BMS)的关键技术之一,精确的SOC不仅能保障动力电池系统安全可靠的工作、优化动力电池系统、延长使用寿命,还是动力电池健康状态(State Of Health,SOH)和峰值功率状态(State Of Power,SOP)估算的基础。但是,动力电池SOC是隐性变量,不能被直接测量,且车用锂离子动力电池具有强非线性、耦合性,这给动力电池SOC的在线估算带来了很大困难。为此,本文把锂离子动力电池的SOC和SOP作为研究对象,主要完成了如下研究工作:(1)介绍了车用锂离子动力电池的发展现状,并提出了基于查表插值的离线参数辨识算法以及基于带遗忘因子的递推最小二乘的模型参数辨识算法,然后针对目前车用锂离子动力电池多状态联合估计算法的研究难点与不足,提出了动力电池的SOC-SOP联合估计算法。(2)为获得准确的电池状态信息,搭建了动力电池测试平台开展电池外特性测试实验获取SOC估算模型的输入。通过分析对比n-RC模型(n=0,1,2,3,4,5)的输出电压与实测电压的误差权衡动力电池模型的复杂度与运算时间成本,选取适当的电池模型,并建立基于DST循环工况的电流、电压等数据驱动的在线参数辨识模型,然后与采用传统查表插值法得到的离线参数辨识结果作对比。结果表明:离线查表插值法的精度低于在线参数辨识精度,且采用在线辨识方法的一阶RC模型具有良好的预测精度,可以用作动力电池SOC估算的基础模型。(3)针对安时积分法、开路电压法等开环设计算法无法实时准确地估算电池SOC的问题,提出了基于模型的动力电池SOC闭环估算方法。该方法不仅能提高闭环系统对不精确SOC初值的反馈调节精度,还可以基于移动估算窗口的新息协方差矩阵实时修正系统噪声和观测噪声,进而影响系统的状态变量(SOC、极化电压)与输出变量(端电压)。结果表明:基于模型的动力电池SOC闭环估计算法的估算误差在3%以内,且具有较好的鲁棒性。(4)由于传统的动力电池峰值功率估算结果精度不足,且只能估算瞬态峰值功率。提出了基于电压约束、SOC约束和单体峰值电流约束的多约束条件下瞬态峰值功率估算方法,然后基于瞬态峰值功率推导出多时间尺度下的峰值功率数学模型,最后建立基于自适应扩展卡尔曼滤波法的电池SOC-SOP联合估算模型。(5)为了验证动力电池SOC估算模型在实时系统中的估算精度,搭建BMS半实物仿真平台,建立HIL测试模型。结果表明:该模型的输出电压精度较高,体现出较高的SOC的估算精度,具有重要的工程应用价值。