CN114899523A - 一种锂离子电池单体热失控核心温度估计方法 - Google Patents

一种锂离子电池单体热失控核心温度估计方法 Download PDF

Info

Publication number
CN114899523A
CN114899523A CN202210550477.1A CN202210550477A CN114899523A CN 114899523 A CN114899523 A CN 114899523A CN 202210550477 A CN202210550477 A CN 202210550477A CN 114899523 A CN114899523 A CN 114899523A
Authority
CN
China
Prior art keywords
thermal runaway
lithium ion
ion battery
thermal
temperature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210550477.1A
Other languages
English (en)
Other versions
CN114899523B (zh
Inventor
俞小莉
徐一丹
黄瑞
陈俊玄
陈杰
包敏杰
吴启超
祝庆伟
张栢源
齐建斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202210550477.1A priority Critical patent/CN114899523B/zh
Publication of CN114899523A publication Critical patent/CN114899523A/zh
Application granted granted Critical
Publication of CN114899523B publication Critical patent/CN114899523B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/63—Control systems
    • H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/61—Types of temperature control
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/65—Means for temperature control structurally associated with the cells
    • H01M10/651—Means for temperature control structurally associated with the cells characterised by parameters specified by a numeric value or mathematical formula, e.g. ratios, sizes or concentrations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • General Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种锂离子电池单体热失控核心温度估计方法。所述方法包括：计算锂离子电池单体热失控过程中的产热功率；根据热失控过程中锂离子电池表面温度及热失控过程中的产热功率建立热失控集总参数热模型；基于建立的模型利用递推最小二乘法在线辨识模型参数，同时结合扩展卡尔曼滤波算法估计热失控过程中的核心温度。该方法采用电池表面温度测量与模型相结合的方式，可实现在锂离子电池发生热失控时，实时估计电池核心温度，为热失控抑制方案优化提供指导。

Description

一种锂离子电池单体热失控核心温度估计方法
技术领域
本发明涉及一种锂离子电池单体热失控核心温度估计方法，属于锂离子电池热安全技术领域。
背景技术
世界范围内环境和能源问题愈发突出。中国采取了很多节能减排举措，其中就包括政策引导新能源汽车的发展。新能源汽车在我国乃至全球都处于高速发展时期，锂离子电池因其高能量密度、长寿命、技术相对成熟等诸多优点，成为新能源汽车最有竞争力的动力源。用户对于新能源汽车续航里程的担心，促使电池科技工作者向高能量密度、大容量动力电池方向努力，而能量密度的提升是以牺牲安全性为代价的，锂离子电池系统安全问题是目前制约新能源汽车普及的重要问题之一。对于目前使用广泛的锂离子动力电池来说，热失控是其安全问题的核心科学问题。
“热失控”是指电池内部出现放热连锁反应引起电池温升速率急剧变化的过热现象。锂离子电池单体的能量密度高一旦发生短路，其内部的化学能将以热能方式迅速释放，电池温度急剧上升最高可至上千摄氏度。
当前针对锂离子电池热失控的研究实验中多采用在电池单体外壳上固定热电偶的形式记录热失控过程中的温度变化，但锂离子电池热失控过程反应剧烈，产热功率较高，极易产生较大的内外温度梯度，而在实际工况中，很难通过测量的手段得到热失控过程中锂离子电池内部的核心温度，因此迫切需要提出一种估计方法用于获得锂离子电池的核心温度，从而为后续热失控抑制方案的研究提供指导。
发明内容
鉴于上述现有技术的不足之处，本发明的目的在于提供一种锂离子电池单体热失控核心温度估计方法，通过将物理建模与算法估计相结合的手段实现热失控过程中电池单体核心温度的准确获取。
本发明提出的一种锂离子电池单体热失控核心温度估计方法，具体包括如下步骤：
步骤一：计算电池单体热失控过程中的产热功率
根据锂离子电池单体热失控过程的电化学及内短路反应，计算随反应时间变化的产热功率；
步骤二：建立热失控集总参数热模型
根据锂离子电池热失控表面温度及热失控过程的产热功率，结合锂离子电池结构特性，建立锂离子电池单体热失控集总参数热模型；
步骤三：基于模型估计热失控过程中的核心温度
根据所述热失控集总参数热模型，利用递推最小二乘法在线辨识模型参数；用状态空间方程对热失控集总参数热模型进行描述，以核心温度TC作为系统状态变量，表面温度TS作为观测向量，总产热功率Q作为系统输入，同时联立状态方程和观测方程建立状态空间模型；结合扩展卡尔曼滤波算法，利用热失控集总参数热模型输出的表面温度与通过实际测量获得的热失控过程电池表面温度的差值不断修正系统状态变量，估计电池单体热失控核心温度。
作为本发明的优选方案，所述步骤一具体包括:
根据所述锂离子电池单体热失控过程的电化学反应计算反应的产热功率Qchem：
Qchem＝QSEI+QAnode+QElectrdyte+QCathode (1)
根据所述锂离子电池单体热失控过程的内短路过程计算电能释放产热功率Qele：
Figure BDA0003650481580000021
根据所述锂离子电池单体热失控过程中的化学反应产热功率Qchem和电能释放产热功率Qele计算总产热功率Q：
Q＝Qchem+Qele (3)
其中，QSEI代表SEI膜分解反应的产热功率，QAnode代表负极材料分解反应的产热功率，QElectrdyte代表电解液分解反应的产热功率，QCathode代表正极分解反应的产热功率，ΔHele代表内短路发生时所具有的总电能，csoc代表不同荷电状态下锂离子的归一化浓度。
作为本发明的优选方案，所述步骤二具体包括：
假设热失控电池单体的产热功率是从电池核心产生，传递路线为电池核心-电池表面-电池所处环境，且该路线中的产热功率为均匀传递，结合锂离子电池结构特性可建立热失控集总参数热模型：
Figure BDA0003650481580000031
其中，CC为锂离子电池核心热容、CS为锂离子电池表面外壳热容、RC为锂离子电池核心热阻、RS为锂离子电池表面外壳热阻，TC、TS为锂离子电池核心温度和表面温度，TA为环境温度。
作为本发明的优选方案，所述步骤三具体包括：
对式(4)进行拉普拉斯变换，整理后得锂离子电池热失控集总参数热模型的传递函数式：
Figure BDA0003650481580000032
将电池热失控的总产热功率Q作为输入，电池内外温差ΔT作为输出，将其离散化可得：
ΔT(k)＝aΔT(k-1)+bΔT(k-2)+cQ(k-1)+dQ(k-2) (6)
Figure BDA0003650481580000033
其中，ΔT为锂离子电池内外温差，a、b、c、d为系统待辨识参数，k为采样点，t为采样时间，θ(k)为系统待辨识的参数矩阵，h(k)为输入量和输出量的历史集合矩阵，根据递推最小二乘法的递推公式(8)实现模型参数的在线辨识与更新；
Figure BDA0003650481580000034
其中，
Figure BDA0003650481580000041
为模型参数估计值矩阵，K(k)为增益矩阵，P(k)为协方差矩阵，f(k)为遗忘因子，E为单位矩阵；
用状态空间方程对热失控集总参数热模型进行描述，以核心温度TC作为系统状态变量，表面温度TS作为观测向量，总产热功率Q作为系统输入，则状态方程与观测方程分别用式(9)(10)表示：
Figure BDA0003650481580000042
Figure BDA0003650481580000043
将状态空间方程转化为规范形式：
Figure BDA0003650481580000044
其中，所述
Figure BDA0003650481580000045
Dk＝0，x(k)＝TC(k)，y(k)＝TS(k)，u(k)＝Q(k)；wk、vk为k时刻的过程噪声和测量噪声；
根据扩展卡尔曼滤波算法递推公式(12)，利用热失控集总参数热模型输出的表面温度与通过实际测量获得的热失控过程电池表面温度的差值不断修正系统状态变量，从而实现热失控过程中锂离子电池核心温度的准确估计
Figure BDA0003650481580000046
其中，S(k)为实际测量获得的电池表面温度，
Figure BDA0003650481580000047
为状态预测与更新，
Figure BDA0003650481580000048
Figure BDA0003650481580000049
为误差协方差预测与更新，Zk为系统卡尔曼滤波增益。
与现有技术相比，本发明所具有的有益效果有：
(1)本发明采用了电池表面温度测量与模型相结合的方式估计热失控过程的电池核心温度，克服了现有热失控核心温度测量技术中需要对电池结构进行改造以安装内部温度传感器从而影响电池性能的问题，为实际工况下电池热失控事故核心温度的获取奠定了基础。
(2)本发明采用了递推最小二乘法对热失控集总参数热模型的参数进行在线辨识，克服了实际工况下电池表面与环境之间换热条件实时变化的问题，为实际工况下电池热失控事故核心温度的获取提供了技术支持。
(3)本发明采用了扩展卡尔曼滤波算法对热失控核心温度进行估计，在热失控过程温度发生突变时能够快速跟随并收敛，保证方法的估计精度。
附图说明
图1是本发明提供的锂离子电池单体热失控核心温度估计方法的流程图。
图2是锂离子电池单体热失控过程中总产热功率变化曲线。
图3是本发明提供的圆柱形锂离子电池单体热失控集总参数热模型。
图4是锂离子电池单体热失控过程核心及表面测量温度对比曲线。
图5是锂离子电池单体热失控过程核心估计温度与核心测量温度对比曲线。
图6是锂离子电池单体热失控核心温度估计方法的绝对误差与相对误差。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明涉及一种锂离子电池单体热失控核心温度估计方法，流程详见图1，本实施例以圆柱型锂离子电池热失控过程的核心温度估计为例进行说明：
步骤一：计算圆柱型锂离子电池单体热失控过程中的产热功率，根据所述锂离子电池单体热失控过程的电化学反应计算反应的产热功率Qchem，根据内短路过程计算电能释放产热功率Qele，累加后可得总产热功率Q，具体变化曲线如图2所示。
Qchem＝QSEI+QAnode+QElectrdyte+QCathode (1)
Figure BDA0003650481580000051
Q＝Qchem+Qele (3)
其中，QSEI代表SEI膜分解反应的产热功率，QAnode代表负极材料分解反应的产热功率，QElectrdyte代表电解液分解反应的产热功率，QCathode代表正极分解反应的产热功率，ΔHele代表内短路发生时所具有的总电能，csoc代表不同荷电状态下锂离子的归一化浓度。
步骤二：建立热失控集总参数热模型，根据锂离子电池热失控表面温度及热失控过程的总产热功率，结合圆柱型锂离子电池结构特性，假设热失控电池单体的产热功率是从电池核心产生，传递路线为电池核心-电池表面-电池所处环境，且该路线中的产热功率为均匀传递，建立锂离子电池单体热失控集总参数热模型，如图3所示，模型表达式为：
Figure BDA0003650481580000061
其中，CC为锂离子电池核心热容、CS为锂离子电池表面外壳热容、RC为锂离子电池核心热阻、RS为锂离子电池表面外壳热阻，TC、TS为锂离子电池核心温度和表面温度，TA为环境温度。
步骤三：基于模型估计热失控过程中的核心温度，首先对所建热失控集总参数热模型进行在线参数辨识，对式(4)进行拉普拉斯变换，整理后可得锂离子电池热失控集总参数热模型的传递函数式：
Figure BDA0003650481580000062
将电池热失控的总产热功率Q作为输入，电池内外温差ΔT作为输出，将其离散化可得：
ΔT(k)＝aΔT(k-1)+bΔT(k-2)+cQ(k-1)+dQ(k-2) (6)
Figure BDA0003650481580000063
其中，ΔT为锂离子电池内外温差，a、b、c、d为系统待辨识参数，k为采样点，t为采样时间选用0.1s，θ(k)为系统待辨识的参数矩阵，h(k)为输入量和输出量的历史集合矩阵，根据递推最小二乘法的递推公式(8)，取得每一次新的ΔT(k)后，就在前一次参数估计结果
Figure BDA0003650481580000064
的基础上，利用递推算法对前次参数估计结果
Figure BDA0003650481580000065
进行修正，从而递推地得出模型新的参数估计值，这样达到模型参数实时更新的目的。
Figure BDA0003650481580000071
其中，
Figure BDA0003650481580000072
为模型参数估计值矩阵，K(k)为增益矩阵，P(k)为协方差矩阵，f(k)为遗忘因子取值0.98，E为单位矩阵。
然后，用状态空间方程对热失控集总参数热模型进行描述，以核心温度TC作为系统状态变量，表面温度TS作为观测向量，总产热功率Q作为系统输入，则状态方程与观测方程分别用式(9)(10)表示：
Figure BDA0003650481580000073
Figure BDA0003650481580000074
将状态空间方程转化为规范形式：
Figure BDA0003650481580000075
其中，所述
Figure BDA0003650481580000076
Dk＝0，x(k)＝TC(k)，y(k)＝TS(k)，u(k)＝Q(k)；wk、vk为k时刻的过程噪声和测量噪声。
根据扩展卡尔曼滤波算法，首先设定
Figure BDA0003650481580000077
及
Figure BDA0003650481580000078
初值，随后利用递推公式(12)进行状态预测与误差协方差预测，确定增益矩阵后，利用热失控集总参数热模型输出的表面温度与通过实际测量获得的热失控过程电池表面温度的差值不断修正系统状态变量，从而实现热失控过程中锂离子电池内部温度的准确估计。
Figure BDA0003650481580000079
其中，S(k)为实际测量获得的电池表面温度，
Figure BDA00036504815800000710
为状态预测与更新，
Figure BDA00036504815800000711
Figure BDA0003650481580000081
为误差协方差预测与更新，Zk为系统卡尔曼滤波增益。
估计结果：
如图4所示，为了对本发明的方法进行验证，本发明通过对圆柱型锂离子电池进行改造，分别在其几何中心处及表面中心处固定热电偶，引发电池热失控获得锂离子电池单体从自产热直至热失控最高温度过程的电池核心测量温度及表面测量温度，其中核心测量温度仅作为方法验证参考值(本发明方法实际应用中，无需对锂离子电池进行改造，无需布置内部热电偶)，表面测量温度作为方法输入值。
如图5所示，本发明提出的锂离子电池单体热失控核心温度估计方法获得的核心估计温度与实验测得的核心测量温度非常接近，仅在电池发生喷阀时及热失控极速升温时有所偏差但迅速收敛；通过图6可以看出热失控极速升温过程中绝对误差最大为25.6℃，相对误差最大为5.8％，符合热失控瞬间突变的特性，热失控过程最高温度绝对误差仅为8.9℃，相对误差1.1％，误差均在可接受范围内。
综上，本发明提出的锂离子电池单体热失控核心温度估计方法，在不破坏电池结构的前提下，可以很好的反映出锂离子电池单体热失控过程核心温度变化情况，同时对热失控过程最高温度的准确估计可为热失控抑制方案优化提供指导。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，依然可以有各种修改。凡在本发明的的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种锂离子电池单体热失控核心温度估计方法，其特征在于，所述的估计方法包括以下步骤：
步骤一：计算电池单体热失控过程中的产热功率
根据锂离子电池单体热失控过程的电化学及内短路反应，计算随反应时间变化的产热功率；
步骤二：建立热失控集总参数热模型
根据锂离子电池热失控表面温度及热失控过程的产热功率，结合锂离子电池结构特性，建立锂离子电池单体热失控集总参数热模型；
步骤三：基于模型估计热失控过程中的核心温度
根据所述热失控集总参数热模型，利用递推最小二乘法在线辨识模型参数；用状态空间方程对热失控集总参数热模型进行描述，以核心温度TC作为系统状态变量，表面温度TS作为观测向量，总产热功率Q作为系统输入，同时联立状态方程和观测方程建立状态空间模型；结合扩展卡尔曼滤波算法，利用热失控集总参数热模型输出的表面温度与通过实际测量获得的热失控过程电池表面温度的差值不断修正系统状态变量，估计电池单体热失控核心温度。
2.根据权利要求1所述的锂离子电池单体热失控核心温度估计方法，其特征在于，所述步骤一具体包括:
2.1根据所述锂离子电池单体热失控过程的电化学反应计算反应的产热功率Qchem：
Qchem＝QSEI+QAnode+QElectrdyte+QCathode (1)
2.2根据所述锂离子电池单体热失控过程的内短路过程计算电能释放产热功率Qele：
Figure FDA0003650481570000011
2.3根据所述锂离子电池单体热失控过程中的化学反应产热功率Qchem和电能释放产热功率Qele计算总产热功率Q：
Q＝Qchem+Qele (3)
其中，QSEI代表SEI膜分解反应的产热功率，QAnode代表负极材料分解反应的产热功率，QElectrdyte代表电解液分解反应的产热功率，QCathode代表正极分解反应的产热功率，ΔHele代表内短路发生时所具有的总电能，csoc代表不同荷电状态下锂离子的归一化浓度。
3.根据权利要求1所述的锂离子电池单体热失控核心温度估计方法，其特征在于，所述步骤二具体包括：
假设热失控电池单体的产热功率是从电池核心产生，传递路线为电池核心-电池表面-电池所处环境，且该路线中的产热功率为均匀传递，结合锂离子电池结构特性可建立热失控集总参数热模型：
Figure FDA0003650481570000021
其中，CC为锂离子电池核心热容、CS为锂离子电池表面外壳热容、RC为锂离子电池核心热阻、RS为锂离子电池表面外壳热阻，TC、TS为锂离子电池核心温度和表面温度，TA为环境温度。
4.根据权利要求3所述的锂离子电池单体热失控核心温度估计方法，其特征在于，所述步骤三具体包括：
4.1对式(4)进行拉普拉斯变换，整理后得锂离子电池热失控集总参数热模型的传递函数式：
Figure FDA0003650481570000022
将电池热失控的总产热功率Q作为输入，电池内外温差ΔT作为输出，将其离散化可得：
ΔT(k)＝aΔT(k-1)+bΔT(k-2)+cQ(k-1)+dQ(k-2) (6)
Figure FDA0003650481570000023
其中，ΔT为锂离子电池内外温差，a、b、c、d为系统待辨识参数，k为采样点，t为采样时间，θ(k)为系统待辨识的参数矩阵，h(k)为输入量和输出量的历史集合矩阵，根据递推最小二乘法的递推公式(8)实现模型参数的在线辨识与更新；
Figure FDA0003650481570000031
其中，
Figure FDA0003650481570000032
为模型参数估计值矩阵，K(k)为增益矩阵，P(k)为协方差矩阵，f(k)为遗忘因子，E为单位矩阵；
4.2用状态空间方程对热失控集总参数热模型进行描述，以核心温度TC作为系统状态变量，表面温度TS作为观测向量，总产热功率Q作为系统输入，则状态方程与观测方程分别用式(9)(10)表示：
Figure FDA0003650481570000033
Figure FDA0003650481570000034
将状态空间方程转化为规范形式：
Figure FDA0003650481570000035
其中，所述
Figure FDA0003650481570000036
Dk＝0，x(k)＝TC(k)，y(k)＝TS(k)，u(k)＝Q(k)；wk、vk为k时刻的过程噪声和测量噪声；
4.3根据扩展卡尔曼滤波算法递推公式(12)，利用热失控集总参数热模型输出的表面温度与通过实际测量获得的热失控过程电池表面温度的差值不断修正系统状态变量，从而实现热失控过程中锂离子电池核心温度的准确估计
Figure FDA0003650481570000037
其中，S(k)为实际测量获得的电池表面温度，
Figure FDA0003650481570000041
为状态预测与更新，
Figure FDA0003650481570000042
Figure FDA0003650481570000043
为误差协方差预测与更新，Zk为系统卡尔曼滤波增益。
CN202210550477.1A 2022-05-18 2022-05-18 一种锂离子电池单体热失控核心温度估计方法 Active CN114899523B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210550477.1A CN114899523B (zh) 2022-05-18 2022-05-18 一种锂离子电池单体热失控核心温度估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210550477.1A CN114899523B (zh) 2022-05-18 2022-05-18 一种锂离子电池单体热失控核心温度估计方法

Publications (2)

Publication Number Publication Date
CN114899523A true CN114899523A (zh) 2022-08-12
CN114899523B CN114899523B (zh) 2023-05-02

Family

ID=82723058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210550477.1A Active CN114899523B (zh) 2022-05-18 2022-05-18 一种锂离子电池单体热失控核心温度估计方法

Country Status (1)

Country Link
CN (1) CN114899523B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115291115A (zh) * 2022-08-30 2022-11-04 北京航空航天大学 一种液冷电池模组核心温度在线估计方法
CN116315189A (zh) * 2023-05-25 2023-06-23 澄瑞电力科技(上海)股份公司 一种基于数据融合的电池包热失控预测方法和系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120109554A1 (en) * 2010-10-28 2012-05-03 Gm Global Technology Operations, Inc. Onboard adaptive battery core temperature estimation
US20140372055A1 (en) * 2013-06-14 2014-12-18 Hrl Laboratories, Llc Methods and apparatus for sensing the internal temperature of an electrochemical device
US20150147608A1 (en) * 2012-05-23 2015-05-28 The Regents Of The University Of Michigan Estimating core temperatures of battery cells in a battery pack
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
CN109581223A (zh) * 2018-11-29 2019-04-05 吉林大学 基于卡尔曼滤波的锂离子电池组的核心温度估计方法
CN110596593A (zh) * 2019-08-26 2019-12-20 浙江大学 基于智能自适应扩展卡尔曼滤波的锂离子电池soc估计方法
CN110690533A (zh) * 2019-09-18 2020-01-14 北京理工大学 一种锂离子电池正弦交流电低温加热策略
CN110823410A (zh) * 2019-11-21 2020-02-21 北京理工大学 一种确定电池核心温度的方法和系统
CN111397751A (zh) * 2020-02-19 2020-07-10 清华大学 锂离子动力电池内部温度测试方法及测试系统
CN113049962A (zh) * 2021-03-24 2021-06-29 国网浙江省电力有限公司电力科学研究院 一种基于lstm的储能装置运行态势推演方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120109554A1 (en) * 2010-10-28 2012-05-03 Gm Global Technology Operations, Inc. Onboard adaptive battery core temperature estimation
US20150147608A1 (en) * 2012-05-23 2015-05-28 The Regents Of The University Of Michigan Estimating core temperatures of battery cells in a battery pack
US20140372055A1 (en) * 2013-06-14 2014-12-18 Hrl Laboratories, Llc Methods and apparatus for sensing the internal temperature of an electrochemical device
CN105264709A (zh) * 2013-06-14 2016-01-20 Hrl实验室有限责任公司 用于感测电化学装置的内部温度的方法和设备
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
CN109581223A (zh) * 2018-11-29 2019-04-05 吉林大学 基于卡尔曼滤波的锂离子电池组的核心温度估计方法
CN110596593A (zh) * 2019-08-26 2019-12-20 浙江大学 基于智能自适应扩展卡尔曼滤波的锂离子电池soc估计方法
CN110690533A (zh) * 2019-09-18 2020-01-14 北京理工大学 一种锂离子电池正弦交流电低温加热策略
CN110823410A (zh) * 2019-11-21 2020-02-21 北京理工大学 一种确定电池核心温度的方法和系统
CN111397751A (zh) * 2020-02-19 2020-07-10 清华大学 锂离子动力电池内部温度测试方法及测试系统
CN113049962A (zh) * 2021-03-24 2021-06-29 国网浙江省电力有限公司电力科学研究院 一种基于lstm的储能装置运行态势推演方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115291115A (zh) * 2022-08-30 2022-11-04 北京航空航天大学 一种液冷电池模组核心温度在线估计方法
CN115291115B (zh) * 2022-08-30 2024-06-04 北京航空航天大学 一种液冷电池模组核心温度在线估计方法
CN116315189A (zh) * 2023-05-25 2023-06-23 澄瑞电力科技(上海)股份公司 一种基于数据融合的电池包热失控预测方法和系统
CN116315189B (zh) * 2023-05-25 2023-08-11 澄瑞电力科技(上海)股份公司 一种基于数据融合的电池包热失控预测方法和系统

Also Published As

Publication number Publication date
CN114899523B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
Zuo et al. Effect analysis on SOC values of the power lithium manganate battery during discharging process and its intelligent estimation
CN109143097B (zh) 一种计及温度和循环次数的锂离子电池soc估计方法
CN105954679B (zh) 一种锂电池荷电状态的在线估计方法
CN112615075B (zh) 电池快速充电方法及计算机设备
CN114899523B (zh) 一种锂离子电池单体热失控核心温度估计方法
CN112964991A (zh) 电池内部温度信息处理方法、计算机设备和存储介质
CN104849675A (zh) 锂离子电池电化学和热耦合模型的获取方法
CN112883531B (zh) 锂离子电池数据处理方法、计算机设备和存储介质
CN111144029B (zh) 一种针对锂离子动力电池热电耦合特性的建模方法
CN113657011B (zh) 一种锂离子电池电极活性材料表面锂浓度的实时估计方法
CN111929581A (zh) 一种动力锂电池内外部温度预测方法
CN112580289B (zh) 一种混合电容器功率状态在线估计方法及系统
CN115587512A (zh) 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法
CN108508370A (zh) 一种基于温度校正的开路电压-安时积分soc估计方法
CN110690533A (zh) 一种锂离子电池正弦交流电低温加热策略
CN112580284A (zh) 一种混合电容器等效电路模型及在线参数辨识方法
CN113125969B (zh) 基于aukf的电池数据处理方法、设备和介质
CN115656838A (zh) 一种基于布谷鸟算法的电池soc估算方法
CN116500444B (zh) 一种面向运行安全的电动飞行汽车电池多状态联合估计方法
CN105974320A (zh) 一种液态或半液态金属电池荷电状态估计方法
Liu et al. Online estimation of lithium‐ion batteries state of health during discharge
CN115877232A (zh) 一种基于卡尔曼滤波的锂离子电池内部温度估计方法
CN113109726B (zh) 一种基于误差补偿的多因素动态内阻模型估算锂离子电池内阻方法
CN113900027A (zh) 电池soc估算方法、装置以及控制单元和计算机可读存储介质
CN117592259A (zh) 一种电池模型构建方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant