能源危机和北京雾霾等能源环境问题刺激了新能源电动汽车的飞速发展。18650动力电池具有稳定的安全性能和高容量等特点，被广泛应用于电动汽车中。SOC(State of charge,荷电状态)作为18650动力电池应用时的关键参数，对其准确估算显得极其重要。影响电池SOC的因素很多而且非常复杂，众多学者先后提出诸多SOC估算方法，但始终没有很好的解决精度和实用性等需求。近年来智能化方案被成功应用，可传统方案只考虑了单一条件下的学习模式，当遇到条件改变时，SOC估算误差波动较大。本课题一方面探索了基于LabVIEW平台对18650动力电池SOC进行虚拟估计的研究，另一方面重点展开采用基于神经网络的智能化方案对18650动力电池SOC的建模与估算的研究。主要内容有：(1)采用了一种新的基于LabVIEW平台对18650动力电池SOC进行估算的方法。通过设计简单实用的温度采集与管理程序模块、电压采集与管理程序模块、电流采集与管理程序模块和电池SOC的算法模块，进而设计了18650动力电池SOC估算系统的前面板，对实验电路总体结构分十个部分进行详细介绍，最后通过PCI-6251数据采集卡对温度、电压和电流的数据进行采集，实现了对18650动力电池SOC的虚拟估计，最后对实验结果进行分析，发现这种估算方法不仅便于实现，而且精度较高。(2)提出了一种新的18650动力电池SOC的实用性估算思想。通过深入研究有效电量、循环衰老和环境温度对18650动力电池SOC的影响，将外界条件划分为12种情况，利用MATLAB工具建立了一个BP(Back Propagation)神经网络模型，进而建立了一个适用于不同条件下的SOC智能估算模型，同时给出了模型的工作流程图。(3)将电量为1.3Ah、额定电压为3.7V的18650动力电池单体进行恒流放电实验，对建立的智能估算模型进行了验证和讨论。从实验中得到：样本数据在BP神经网络模型中训练次数不到500次时，均方误差便小于0.0001；实验测试结果曲线与模型测试结果曲线基本吻合；当电压小于保护电压时，SOC值为0%；该方法得到的误差明显小于与传统的智能算法方法。上述实验结果说明新建立的18650动力电池SOC的智能估算模型收敛性强，精度高，实用性和准确性都优于传统方法。