La precisión de la modelización de baterías suele determinarse por la identificación de parámetros del modelo, que depende de los datos característicos medidos externos de las baterías. Sin embargo, hay mucho ruido debido al ruido del entorno y al error de medición, lo que lleva a una baja precisión en la estimación de los parámetros del modelo. Este artículo propone un método de reconstrucción de respuesta teórica estocástica (STRR) para reconstruir los datos medidos de voltaje de la batería, que puede eliminar la interferencia del ruido y garantizar una identificación de parámetros de modelo de alta precisión. La relación entre el voltaje de la batería y la corriente se establece en base al modelo de circuito equivalente de segundo orden (ECM) mediante el teorema de convolución, y la función de impulso se calcula mediante la función de correlación entre el voltaje y la corriente medidos. Luego, el voltaje de la batería se reconstruye y se utiliza para identificar los parámetros del modelo con el algoritmo de mínimos cuadrados recursivos (RLS). Todos los datos para la identificación de los parámetros del modelo se producen a través de la señal de excitación de secuencia binaria pseudoaleatoria (PRBS). Finalmente, se realizan pruebas del Urban Dynamometer Driving Schedule (UDDS) y Federal Urban Driving Schedule (FUDS) para validar el rendimiento del método propuesto. Los resultados experimentales muestran que, en comparación con la solución tradicional que utiliza un filtro pasa bajos, el método propuesto puede eliminar la interferencia del ruido de manera más efectiva y tiene una mayor precisión de identificación.