电池管理系统(Battery Management System,BMS)是电动汽车中动力电池高效安全工作的保证,是电动汽车可靠运行的前提,BMS的基本功能包括电池的状态监测、荷电状态(State of Charge,SOC)的估算、电池的安全保护、电池的能量管理等。在BMS的众多功能中,荷电状态的估算因其依赖于电池相关状态的监测结果,使得荷电状态的准确估算具有一定难度。SOC不仅作为BMS中其他功能如能量管理功能进行策略设计的判断依据,也对电动汽车的整车控制有着至关重要的影响,因此使得荷电状态的准确估算是目前该领域的研究热点。本文立足于SOC估算这一问题,开展了以下工作:出于尽可能全面描述三元锂电池的电气特性与计算量的考量,选择二阶RC等效电路模型对电池进行建模,并对电池进行间歇充放电试验与混合脉冲功率特性试验(HPPC,Hybrid Pulse Power Characteristic),基于试验结果分析锂离子电池的相关特性与进行参数辨识,在Matlab/simulink中建立电池模型并进行仿真试验。根据建立的二阶RC等效电路模型,采用带有系统噪声自适应匹配的无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)进行SOC估算,并在Matlab中编写算法程序,进行工况下的精度验证。进行了恒流充放电工况、动态应力测试工况(DST,Dynamic Stress Test)以及城市循环工况(UDDS,Urban Dynamometer Driving Schedule)下的UKF算法的仿真试验,仿真结果表明,在恒流充放电工况下,带有噪声自适应匹配模块的UKF算法的精度比UKF算法精度高,改进的UKF算法的整体误差可控制在4%以内;在DST工况下,改进的UKF算法的整体误差可控制在3.6%以内;在UDDS工况下,误差可控制在4.76%以内,因此带有噪声匹配模块的UKF算法具有较高的估算精度。UKF收敛性验证试验表明,改进的UKF算法具有良好的纠错能力,在初始值不准确的情况下可以很快将SOC收敛到实际值附近。