电池管理系统(Battery Management System,BMS)作为新能源汽车技术的重要组成部分,受到国内外科研人员的广泛关注。随着BMS研究的不断深入,电池状态预测精度逐步提高,但电池模型结构也变得更加复杂。为解决电池模型结构复杂度和预测精度之间的平衡问题,本文基于赤池信息量准则(Akaike’s Information Criterion,AIC)判断三元锂离子电池最优模型。考虑到模型参数时变特性和电池老化特性,本文通过研究电池模型参数与荷电状态(State of Charge,SOC)联合估计的关键技术,提高电池SOC估计精度。本文主要围绕三元锂离子动力电池基本特性分析、单体电池最优模型研究、并联电池最优模型研究以及基于EKF-CKF的模型参数与荷电状态联合估计四个方面展开研究,具体工作如下:首先,本文对三元锂离子电池基本特性进行深入研究,以江苏某公司生产的额定容量为40 Ah的动力电池为研究对象,对试验用电池进行了容量标定及循环老化试验、恒流放电工况(Constant Current Discharge,CCD)试验、混合脉冲功率特性(Hybrid Pulse Power Characteristic,HPPC)工况试验、动态应力测试(Dynamic Stress Test,DST)工况试验、纯电动乘用车用能量型蓄电池主放电工况试验、霍尔电流传感器标定试验、电池并联测试试验。基于试验数据对电池的容量特性、电压特性和内阻特性进行了分析。然后,以n阶RC等效电路模型为基础,基于赤池信息量准则提出定量评价模型结构复杂度和预测精度综合性能函数,判断锂离子单体电池最优模型。通过离线和在线建模方法对不同RC阶次的等效电路模型进行AIC分析,得到一阶RC等效电路模型最适合描述三元锂离子电池特性。在此基础上,针对并联电池模型提出了使用min-max归一化处理AIC残差数据中电压及支路电流,通过修正赤迟信息量准则提出时-频域调谐意义上的并联电池模型复杂度与预测精度综合性能函数以指导并联电池最优模型阶次的确定,并在动态循环工况下和电池极端差异状态下验证了最优模型的适用性。最后,在研究了电池基本特性及最优模型的基础上,以一阶RC等效电路模型为基础建立状态空间方程,分别对比了扩展卡尔曼滤波(Extended Kalman Filter,EKF)、无迹卡尔曼滤波(Unscented Kalman Filter,UKF)及容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法估计SOC的结果,验证CKF算法具有更高的精度。进而,提出了考虑模型参数时变特性和电池自身老化特性的EKF-CKF联合估计算法,对并联电池SOC进行了估计,在纯电动乘用车用能量型蓄电池主放电工况下验证了EKF-CKF算法的精度和稳定性。