目前,混合动力电动汽车技术发展的关键问题是研制安全、高效和环境友好的动力电池。以磷酸铁锂电池为代表的先进动力电池技术取得突破性进展,为电动汽车发展注入了活力。为最大限度发挥动力电池的性能并延长电池使用寿命,对电池进行良好管理至关重要,而准确地获得电池的荷电状态(SOC)已成为电池管理的重要环节。由于电池内部结构复杂,一般是通过电池端电压、放电电流、电池温度等参数间接对电池的SOC进行估算。本文介绍磷酸铁锂电池的工作原理,对磷酸铁锂电池的电气特性和化学特性进行分析。在分析磷酸铁锂电池特性基础上,探讨电池SOC的定义及其影响因素。分析几种常用SOC估算方法的适用范围,选择采用BP神经网络用于估算电池SOC。结合SOC估算具体情况分析,设计了电池SOC估算的网络结构,以电池的电压、电流和温度为输入参数,输出参数直接设置为电池SOC,在MATLAB上对网络进行训练,经过大量试探实验确定网络中间层的节点数。使用训练好的网络对基于恒流放电实验测得的样本数据进行SOC估算,验证BP神经网络估算电池SOC的可行性,而且SOC估算的精度及适用范围都得到了较大提高。目前,关于电池SOC估算的研究大多集中在恒流放电情形,而对变流放电状态时电池SOC的估算研究还不是很多。本文中采用模拟工况的放电循环波形,获取用于改进后网络的训练样本。优化改进后网络结构参数,在网络的输入中加入前几个时刻的电池信息,探求输入向量中最优时间点个数并讨论各时间点对SOC估算值影响权重。使用遗传算法优化BP网络的权值,重新获取改进后网络的隐含层节点数。最后,使用改进后的网络对恒流放电和变电流放电两种情况进行电池SOC估算,经对比分析,测试结果验证改进后的网络对SOC的估算要优于改进前网络。