各大企业几十年的努力，已经形成了比较成熟的BMS产品。来自美、日、韩、德国家的SK、DENSO、Preh、LGChem、Toyota、Bosch、Telsa等企业已经占据了BMS领域的半壁江山。中国开始研究BMS的时间较晚，在市场占有率上比不上美、日、韩、德。但在政府大力支持、高校的努力推动和企业的积极进取下，后发优势非常明显。通过校企互助，北京交通大学携手惠州亿能电子开发的BMS成功应用在2008年北京奥运的纯电动大巴上；哈尔滨冠拓依靠哈尔滨工业大学和北京理工大学己成功将BMS系统应用在众泰电动车一些车型上；安徽力高新能源与中国科技大学合作，产品己用于深圳市223路混动公交车上。一大批像比亚迪、宁德新能源、亿能电子、杰能动力的这样的优质企业已经在全球崭露头角。
目前，国内在BMS的功能和某些性能方面取得了一定的成果，但是和国外顶尖水平相比，还存在不小差距，特别是数据采集的可靠性、SOC的估算精度、均衡技术和安全管理和成本控制等方面。BMS仍然是我国电动汽车发展的一块短板。
3电池SOC估算的研究现状
电池SOC的估算主要分为两个方向：（1）基于电池内部电化学反应来估算电池的SOC；（2）基于外特性参数来估算电池的SOC。考虑到电池的电化学反应一般比较复杂，而电池的外特性参数较易测定，因此目前对电池SOC估算方法的研究主要集中在外特性参数估算电池SOC上。
利用外特性参数估算电池SOC的方法主要有安时法、开路电压法、内阻法、负载电压法、神经网络法和卡尔曼滤波法。安时法比较简单，但存在积累误差，适用于恒流工况或与其他估算方法联合使用；开路电压法也比较简单，但需要电池静置至稳定才可使用，适用于简写和长时间静置的工况；内阻法预测极值时精度较高，但内阻和SOC关系不稳定，所受影响因素多，很少使用；内载电压法比较简单，但仅限用于实验室，适用于电压的测量；神经网络法估算准确，但需要庞大的数据做基础，主要依赖经验，适用于变电流工况；卡尔曼滤波法估算准确，对SOC初值要求不高，但对模型依懒性强，适用于电流变化较快的工况。
针对各种估算方法的优缺点，许多研究员提出了各自的估算方法。例如蔡信等人在对电池荷电状态的影响因素归纳的基础上，提出了基于反向传播神经网络的动力电池荷电状态的估计方法，且估计值与输出值之间误差最大值为42；又如刘艳莉等人以二阶RC等效电路模型为基础，运用有限差分卡尔曼滤波算法对电池荷电状态进行估计，结果表明在估算过程中，该方法能很好的保证估算的精度3。
f龙源r