锂离子电池因其能量密度高,自放电率低等优点,成为最广泛使用的电池,成功应用于电动汽车、电子产品、储能装置、航空航天、军事通信等领域。伴随着科技的进步,对于锂离子电池的续航性、可靠性和使用寿命有了更高的要求,加之近年电池故障引起的安全事故频发,对电池使用情况的实时监测、对电池剩余电量和使用寿命的估计和预测变得愈加重要和必要。本文针对锂离子电池管理系统中最重要的两个问题:SOC估计和剩余寿命预测,在现有研究成果的基础上展开探索。首先对锂离子电池的结构、特性、退化机理和模型进行了分析,了解影响电池SOC和剩余寿命的各种因素。本文采用力神18650磷酸铁锂电池和新威公司高精度电池检测系统BTS研究电池在充放电过程中的SOC变化情况。充电过程采用恒流工况,基于BP神经网络法方法估计SOC,不同的充电电流条件下记录的SOC值、电压值和电流值训练网络,另选一组实验数据验证该方法的可行性;放电过程采用BBSDT动态工况,利用PNGV等效电路模型描述电池特性,通过在不同SOC值处进行11组HPPC实验,辨识等效电路模型参数,建立状态空间模型,基于EKF算法估算电池SOC。实验证明,以上两种SOC估计方法的误差均在5%以内,较传统方法有很大优势。根据锂离子电池的老化机理可知,电池容量的衰减可以表征电池的老化程度,通常,电池容量的失效阈值为额定容量的70%-80%。本文提出粒子滤波结合电池容量经验退化模型预测电池剩余寿命,并利用NASA PCoE研究中心的电池容量退化数据验证方法的可行性,最后将该方法成果应用于软包磷酸铁锂电池剩余寿命的预测,结果表明随着预测起始点的推移,预测精度更高。本文通过实验验证了所提出的锂离子电池SOC估计方法和剩余寿命预测方法的可行性,对于实际使用的电动车电池管理系统设计有一定的参考借鉴意义。