针对组合算法在初值标定存在偏差时，荷电状态SOC( state-of-charge)估计效果不理想的问题，提出了一种基于BP-多时间尺度UKF优化算法的SOC预测方法。该方法将多时间尺度理论应用到组合算法中，首先， 利用多时间尺度无迹卡尔曼滤波器UKF(unscented Kalman filter)初步得到SOC。其次，构建BP模型对滤波算法产生的数据进行训练，并利用BP算法良好的自学习和适应能力进行误差补偿，进一步降低误差。所提算法通过多时间尺度扩展卡尔曼滤波器EKF(extended Kalman filter)建模，不仅在一定程度上降低了参数变化引起的SOC估计误差，同时也为误差补偿提供了可靠数据，提高了模型的泛化能力，从而降低了数据驱动部分对数据的依赖程度。仿真结果表明，该算法对数据量依赖小且在估计精度、泛化能力和鲁棒性方面均表现优异，其均方根误差与平均绝对误差小于1%，最大绝对误差为1%左右。