电动汽车动力电池的健康状态是保障其高效运行与延长使用寿命的关键因素。然而,由于电动汽车在实际使用中充电模式复杂多变,单次充放电循环的采样间隔大且伴随部分特征信息缺失,导致动力电池SOH的精准评估面临极大挑战。为此,本研究针对实车运行数据提出了一种基于软-动态时间规整(soft-dynamic time warping, Soft-DTW)算法与多源特征融合的SOH估算模型。首先,通过Soft-DTW算法对每周充电片段的容量增量(incremental capacity, IC)曲线进行动态参数融合,随后提取每周总体IC融合特征,并构建融合IC曲线特征与统计学特征的多源特征集。基于此,提出基于双向门控循环单元-极端梯度提升(bidirectional gated recurrent unit-extreme gradient boosting, BiGRU-XGBoost)实车SOH估算模型,该模型在由20辆电动汽车组成的实车数据集上进行了K折交叉验证,结果表明提出的SOH估算方法均方根误差在1.21%以内,均绝对误差低于0.9%。同时与GRU-XGBoost、LSTM进行多模型对比实验,均方根误差降低了36.1%和47.6%,验证了BiGRU-XGBoost模型更强的稳健性和泛化能力。