集群化是无人系统发展的必然趋势,且无人集群能量管理对集群任务规划具有至关重要的作用。但是,电动无人集群终端由于功耗约束苛刻导致其机载算力和存储容量不足,无法通过提升模型精度和算法复杂度增强其电池管理水平。本文通过在地面站中构建无人集群的电池数字孪生系统提高终端电池模型精度,借助高性能地面站在算力和存储容量方面的优势,实现对电动集群终端电池的全状态、全生命周期的集群管理。本文主要研究内容如下:首先,根据无人集群电池数字孪生系统需求分析进行功能设计和指标论证,确定无人集群电池孪生系统总体设计方案。以作战、植保和电力巡检为应用场景,对一线操纵人员和供应商等利益攸关方的需求进行分析,梳理出集群状态监测、故障预警和预测性维护等核心需求;依据需求设计电池参数实时监测、集群电池全生命周期管理等功能与相关指标;以数字孪生五维模型为基础,制定属于无人集群电池数字孪生系统的总体设计方案。其次,分别从电域和热域构建和仿真验证电池数字孪生系统,并构建电域和热域联合电池数字孪生系统,提高孪生系统的精度。分析电池在电域的工作机理,在宽温域中基于等效电路法搭建电域孪生系统,并验证系统精度;基于电池的产热与散热原理,建立电池热域孪生系统,并标定其热特性参数;通过电池温度和产热量这两个中间变量,将电域和热域孪生系统耦合起来,构建基于电域和热域的多域联合电池孪生系统。最后,通过麦克马斯特大学的开源电池数据集和自测电池数据对多域联合电池数字孪生系统的电池参数估算有效性进行验证。在多域联合电池孪生系统中,利用双卡尔曼滤波算法完成电池孪生系统的温度以及电池荷电状态（SOC）的估算。其中,利用卡尔曼滤波（KF）算法矫正耦合模型的输出温度后,将估算温度作为电域孪生系统的输入;在此基础上,利用扩展卡尔曼滤波（EKF）完成对电池SOC的估算。电池状态的估算精度相较之前有所提高,可以实现对集群中所有电池的全生命周期的无缝管理。通过构建无人集群电池数字孪生系统为后期研究基于任务的集群分群方法、基于集群能量状态的终端决策方法、集群维护的预测方法奠定了理论基础和数据支持。