电池健康状态SOH（state-of-health）和荷电状态SOC（state-of-charge）估计是电池管理系统的核心功能。 目前，状态估计存在依赖大量历史数据以及单一状态估计适应性差的问题，因此提出一种基于DeepAR与特征选择的锂离子电池状态估计模型。首先，提取电池恒流充电过程中电压、温度及时间间隔数据，组成3组老化特征作为模型输入，用于估计SOH；然后，在估计SOC时考虑SOH估计值，消除了电池老化因素对SOC估算的负面影响； 最后，在不同工况下的牛津电池数据集上进行实验验证，并与其他两种算法模型进行误差与收敛性对比。结果表明，所提模型在冷启动估计方面具有较强的优势，SOH和SOC估计精度较高。