进入二十一世纪后,由于环境污染与能源短缺问题的日益加剧,绿色环保与节能低碳的理念逐渐推广开来。在此背景下,新能源电动汽车将在未来几十年内逐渐取代燃油汽车成为主流交通工具。作为新能源电动汽车的核心,电池技术决定了其生产成本、动力性能和行驶里程。荷电状态（State of Charge,SOC）估计则是电池技术的关键一环,影响着电池的工作策略、安全性能与循环寿命等多个方面,具有重要的研究价值。本文以目前市场占比最高的三元锂电池为研究对象,对电池的荷电状态预测进行了研究分析,主要工作内容如下:首先对锂离子电池的外形结构、工作原理及几项主要性能指标进行了简要阐述,并设计实验对样本电池的容量特性、放电倍率特性、温度特性以及循环寿命特性进行了研究,分析了几项特性对电池SOC估计的影响。然后对常见电池模型进行了对比分析,从中选取了二阶Thevenin等效电路模型。通过脉冲放电实验完成了电池模型参数的拟合辨识,并在Matlab/Simulink仿真环境中完成了电池模型的搭建。利用恒流放电以及自定义动态放电工况验证了电池模型的精度,绝对误差不超过0.04V。接下来依次阐述并分析了四种卡尔曼滤波器的原理及特点。以容积卡尔曼滤波器（Cubature Kalman Filter,CKF）为基础,先融入了改进型Sage-Husa自适应滤波算法,通过噪声自适应提高了滤波精度;后融入了平方根滤波,提高了算法程序运行的稳定性。最终提出了改进型自适应平方根容积卡尔曼滤波器（Adaptive Square-Root Cubature Kalman Filter,ASRCKF）,并设计了算法流程将其用于电池SOC估计。最后分别在Matlab/Simulink仿真环境与现场实验环境下,通过DST工况、UDDS工况、恒流放电以及自定义动态放电工况对改进型ASRCKF算法的收敛性能与滤波精度进行了验证,并与EKF算法、UKF算法以及CKF算法进行了比较。实验结果表明改进型ASRCKF算法相较于其他算法优势明显,既具有良好的收敛性能,在不同初始误差下均能迅速收敛;同时兼有较高的滤波精度,预测误差不超过2.7%。