针对标准无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法本身存在着因状态误差协方差矩阵无法实现Cholesky分解而导致滤波发散的隐患,以及在电池状态估计过程中由离线标定的电池等效模型参数而造成的累积误差的问题,本文发展了一种平方根无迹卡尔曼滤波(Square-root unscented Kalman filter, SR-UKF)算法,并设计了一种电池状态联合估计策略。首先快速SR-UKF算法通过对观测方程进行准线性化处理,降低了每次无迹变换时的计算开销;然后在迭代过程中,用状态误差协方差矩阵的平方根代替状态误差协方差矩阵,该平方根是由QR分解与 Cholesky因子的一阶更新得到,解决了UKF 算法迭代过程中可能由计算累积误差引起状态误差协方差矩阵负定而导致滤波结果发散的问题,保证了电池荷电状态(State of charge,SOC)在线滚动估计的数值稳定性;最后采用联合估计策略,对电池等效模型参数进行实时辨识,保证了电池等效模型的准确性与有效性,从而提高了电池SOC的估计精度。仿真对比结果验证了快速SR-UKF算法以及电池状态联合估计策略的可行性与鲁棒性