随着全球经济快速发展,汽车需求量剧增,由此引起对能源和环境等问题的关注。为此,各国提出可持续发展的绿色出行策略。相比于传统内燃机车辆,新能源车辆以其经济环保的优势得到快速发展,逐渐占据汽车市场的一席之地。动力电池技术作为新能源汽车的关键技术之一,为保证其能够在复杂的路况和环境下安全高效工作,一个有效的电池管理系统将是非常必要的。通过估计电池的内部荷电状态（State of Charge,SOC）,可以防止电池在使用过程中发生过充或过放,缓解里程担忧。车用动力电池由众多的单体通过串联或并联而成,由于制造工艺误差和使用环境的不同,单体间会存在差异,电池组出现不一致性问题。电池组的性能受单体的限制,快速准确地估计所有单体的SOC将有利于电池组的SOC估计和电池管理系统的高效运行。为满足电池组SOC不一致估计结果的精度并降低计算复杂度,本文融合了聚类算法与电池模型,提出一种新的锂离子电池组SOC不一致估计方法。分析了电池组不一致性的影响因素和参数演化机制,为建立电池组模型提供依据;利用二分k-means算法将众多单体分为不同等级,减小需要考虑的对象;建立考虑参数不一致的电池组模型,从仿真数据和实车数据两方面验证所提方法的有效性,并与其他模型对比,旨在体现本方法的优势。本论文的具体研究内容包括:首先,将电池组的不一致性产生的原因分为内因和外因,分别从单体层面和包的层面分析了内部参数不一致和外部参数不一致的产生机理、主要影响因素和具体表现形式。进一步详细总结了内部参数间的相互耦合、外部参数间的相互耦合,以及内外参数间交叉耦合的演化机制,分析对电池组性能有较大影响的不一致性参数,有利于明确电池管理的方向。然后,结合商业化软件Autolion-st和Matlab构建12串的电池组仿真模型,设置初始SOC不一致,且SOC分布为常见的正态分布和威尔分布两组,施加恒流充电和动态放电工况（城市工况和高速工况）,模拟实车运行,建立电池组仿真充放电数据库。针对某款新能源汽车实时采集的电池组（2p86s）充放电数据进行数据去重、数据补漏等预处理操作,根据数据特点和开路电压与SOC的关系推算出电池的实时容量和参考SOC,建立电池组实车数据库。最后,对仿真充电数据提取4个特征组成12×4的样本集,采用二分k-means聚类,通过误差平方和（Sumof Squared Error,SSE）和轮廓系数的变化选择最佳聚类个数为3;建立考虑SOC不一致的电池组模型,估计各单体SOC。对实车数据提取6个特征组成86×6的样本集,采用二分k-means聚类,通过SSE和轮廓系数的变化选择最佳聚类个数为7;建立考虑SOC不一致和内阻不一致的电池组模型,估计各单体SOC。同时与其他3种电池组模型对比估计精度和计算复杂度,凸显本方法在电池管理中的有效性。