La estimación del estado de carga (SOC) de la batería es una de las funciones importantes del sistema de gestión de baterías del vehículo eléctrico, y la estimación precisa del SOC es de gran importancia para la operación segura del vehículo eléctrico y la vida útil de la batería. Entre los métodos de estimación de SOC existentes, el algoritmo de filtro de Kalman insensato (UKF) se utiliza ampliamente para la estimación del SOC debido a su transformación sin pérdidas y alta precisión de estimación. Sin embargo, el algoritmo UKF tradicional se ve muy afectado por el ruido del sistema y el ruido de observación durante la estimación del SOC. Por lo tanto, tomamos la batería de óxido de cobalto de litio como objeto de análisis y diseñamos un algoritmo de filtro de Kalman insensato adaptativo (AUKF) basado en innovación y residuos para estimar el SOC. En primer lugar, se estableció un modelo de circuito equivalente RC de segundo orden de acuerdo con las características físicas de la batería, y se utilizó el método de mínimos cuadrados para identificar los parámetros del modelo y verificar la precisión del modelo. Luego, se utilizó el algoritmo AUKF para la estimación del SOC; el algoritmo AUKF monitorea los cambios de innovación y residuo en el filtro y actualiza la covarianza de ruido del sistema y la covarianza de ruido de observación en tiempo real utilizando innovación y residuo, para ajustar la ganancia del filtro y realizar la estimación óptima. Finalmente, se realizó un análisis de comparación de errores de los resultados de estimación del algoritmo UKF y el algoritmo AUKF; los resultados demuestran que la precisión del algoritmo AUKF es un 2.6% mejor que la del algoritmo UKF.