全钒液流电池(Vanadium Redox Flow Battery,VRB)因其安全、可靠等特点,在储能领域备受关注。荷电状态(State of Charge,SOC)作为评价电池性能、表征剩余电量的参数,其准确测定对于电池能量管理与控制具有重要意义。本文采用双卡尔曼滤波(Double Kalman Filter,DKF)算法估计电池SOC。首先,以5kW/30kWh VRB为对象,通过充放电实验,对电池电流电压、瓦时能量、SOC、单体电压一致性、内阻等基本特性进行测试分析。同时,依据电位滴定法得到开路电压(Open Circuit Voltage,OCV)-SOC曲线,并通过三阶逼近与最小二乘法对其进行线性拟合。然后,基于VRB工作原理,建立带支路电流的等效损耗电路模型。结合实验数据与递推最小二乘法(Recursive Least Squares,RLS)对模型进行参数辨识,并通过对比相同输入下模型与实验的输出,验证了模型的准确性。接着,基于电池模型分别设计了安时积分、扩展卡尔曼滤波(Extended Kalman Filter,EKF)与DKF估计器。其中DKF算法是在EKF算法与安时积分法的基础上,利用卡尔曼滤波对两者估计结果进行加权处理,进而得到最终估计结果。并通过恒流恒压充电、恒功率放电以及给定初始值误差实验,将三种估计器的估计结果与参考SOC进行对比,验证了DKF算法的精确性与鲁棒性。最后,设计并搭建了VRB充放电控制平台对算法进行在线验证。该平台由VRB、电池管理系统(Battery Management System,BMS)、电能表、充电机、变频器与PLC控制器组成。通过软件平台给定工作模式,由硬件平台将采集的电池数据传至MATLAB图形用户界面(Graphical User Interface,GUI)中,对SOC进行在线估计。通过分析实验结果,验证了DKF算法的有效性与可行性。