Moderna električna cestovna vozila opremljena su litij-ionskim baterijskim paketima koje odlikuje visoka gustoća energije i isporučive snage. S druge strane, eksploatacija baterije treba biti u dopuštenim okvirima koji ne narušavaju njen životni vijek i sigurnost putnika, pa su stoga one opremljene sustavima upravljanja baterijom (BMS), koji osiguravaju optimalno korištenje paketa. Među ključne komponente BMS-a, koje predstavljaju temu istraživanja u ovom radu, spadaju estimatori varijabli stanja baterije te prediktivni model starenja. Estimatori se koriste za estimaciju stanja napunjenosti (SoC), impedancijskih parametara nadomjesnog modela i nabojskog kapaciteta. U radu se prvo daje opći opis litij-ionskih baterija, uključujući i bazični postupak projektiranja ćelije. Potom se opisuju temeljni pristupi modeliranju baterija: fizikalni model te modeli u obliku nadomjesnih električnih krugova (ECM), gdje su potonji izdvojeni kao kompromis između kompleksnosti i točnosti, te su odabrani kao temelj razvoja predloženih estimacijskih algoritama. Prvo se postavlja estimator SoC-a i impedancijskih parametara ECM-a koji se temelji na dualnom proširenom Kalmanovom filtru (DEKF), te se provodi analiza osmotrivosti impedancijskih parametara. Potom se predlaže proširenje opisanog DEKF-a estimacijom karakteristike napona otvorenog kruga. Zbog izražene nelinearnosti i spore dinamike modela proračuna nabojskog kapaciteta, estimator kapaciteta temelji se na Kalmanovom filtru zasnovanom na sigma točkama (SPKF) te se odvaja u zaseban estimator i izvodi na dva reda veličine sporijoj vremenskoj skali. Pritom se poseban naglasak daje na uspostavljanje i analitičku parametrizaciju adaptivne sprege DEKF i SPKF estimatora kako bi se osigurala točnost i brza konvergencija sporog estimatora. Predloženi estimatori varijabli stanja i impedancijskih parametara ispituju se eksperimentalno, koristeći pritom snimljene podatke gradskih vožnji električnog mopeda opremljenog baterijom s C-NMC ćelijama. Konačno, predlaže se metoda podacima vođenog modeliranja starenja baterija, koja se temelji na sintezi velikog broja opteretnih ciklusa temeljem snimljenih podataka s električnog mopeda, te korištenju tako kreiranih ciklusa za simulaciju visokopreciznih fizikalnih modela starenja zbog rasta sloja na granici čvrste tvari i elektrolita (SEI) i zbog platiranja litija (LPL), koji su raspoloživi unutar GT-Suite/AutoLion simulacijskog okruženja. Predlaže se širok skup značajki opteretnih ciklusa te se temeljem simuliranih profila starenja i uz primjenu podacima vođenih metoda izdvajaju one najznačajnije, koje se potom koriste za tvorbu i parametriranje modela linearne regresije (LR) i neuronske mreže (NN). Predloženi model starenja u konačnom obliku sastoji se od LR modela rasta SEI sloja, NN klasifikatora za procjenu aktivacije LPL-a te LR modela pada kapaciteta zbog platiranja litija.