基于卡尔曼滤波与四态集总热模型的锂电池温度估计

在保证电池包安全运转的电池热管理系统中，温度估计至关重要，但目前在实车中所用的温度传感器采集温度的方法，不仅采集不到电池的内部温度，而且还带来了成本和安全问题的增加。为此本文提出一种基于卡尔曼滤波算法和四态集总热模型的锂电池温度估计方法估算方壳锂电池的内部和表面温度。通过四态集总热模型反应由电池内部和表面以及环境的热传递引起的温度梯度，再通过卡尔曼滤波算法对模型结果进行优化校正。估计出来的温度再反应给产热模型更新随温度变化的内阻，形成一个闭环估计。结果表明模型的误差可以控制在0.6˚C以内，该模型对热管理系统的设计起到了很好的指导意义。

近年来，电动汽车成为汽车发展的新方向，而锂电池因为其高能量密度、长循环寿命、低自放电率等优点被广泛应用于电动汽车上[1]。作为电动汽车的核心部件之一，其工作性能受温度的影响很大，最合适的温度工作范围为10℃~35℃ [2]， 超过其范围， 如温度过高， 达到其临界温度会引发电池的热失控， 而温度过低，电池内部阻抗增大，可能形成锂枝晶刺穿隔膜，造成电池内短路，引发安全问题。所以让电池工作在合适温度工作范围的热管理系统(BTMS)的设计至关重要[3]，而使BTMS 做出调控策略的关键输入为电池的温度。

目前实车中主要采用在电池表面贴温度传感器的形式得到电池的温度[4]， 然而随着能量密度的提升， 现在的电池包是由很大数量的电池通过串并联组成，所以传感器数量的增加造成了成本的增加，并且线束增多也会产生安全隐患。所以针对电池包中电池进行热模拟，得到电池的温度估计结果很有必要。针对此问题，目前文献中有很多相关报道，然而大部分文献停留在电池表面温度的估计，忽略了电池的厚度[5]，并且研究的多为如18650 圆柱电池类似的小容量电池[6]。而实际电池内部和表面会产生一个温度梯度，这导致只研究电池的表面温度往往会低估电池的最高温度值。对此，本文针对方壳锂电池，提出了一种卡尔曼滤波器与四态集总热模型相结合使用的方法来估计电池的内部和表面温度，仿真结果表明该方法对BTMS 的设计起到了很好的指导意义。

2. 温度估计模型 2.1. 产热模型 锂电池在充放电工作过程中会产生一定的热量致使电池温度升高。本文所建立的集总热模型，故热量均匀的从电池内部产生。根据Bernardi 等人提出的产热方程[7]，可将电池产生的热量划分为四类：可逆热、不可逆热、混合热和相变热。因为混合热和相变热占总产热的比例非常小，后续普遍使用其简化后的产热方程，即：