等效电路热老化模型：基于数据驱动的锂离子电池温度状态精准预测与健康管理新策略

本文提出了一种创新的等效电路热老化（ECT-aging）模型，通过将热生成机制简化为可测量参数（如SoC、电压、电流）的多项式函数，实现了无需专用实验的电池温度高精度预测。模型引入老化因子（基于SoH和循环次数）以动态反映电池退化效应，并结合等效电路电压（ECV）模型形成集成框架，为电池安全管理提供高效计算解决方案。

　　

Highlight

本研究开发了一种新型等效电路热老化（ECT-aging）模型，通过数据驱动方法精准预测电池温度，并动态捕捉电池老化带来的特性变化。

等效电路热模型（Equivalent-circuit thermal model）

本研究受等效电路电压（ECV）模型启发，提出了一种新颖的等效电路热（ECT）模型。该模型采用简化、均匀的集总热结构，用于分析热分布并预测电池温度状态（SOT）。我们假设热量在电池内部均匀生成，且温度在结构上分布一致。尽管增加更多RC单元可提升模型精度，但也会提高计算复杂度。因此，本研究在模型简洁性与预测准确性之间寻求平衡。

实验设置（Experiment setup）

实验选用圆柱形磷酸铁锂（LFP）电池，其额定容量为2 Ah，尺寸为65.2 mm × 18.2 mm，重量为45 g，用于生成电池老化数据以验证所提出的模型。图3展示了实验配置，其中采用Neware BTS 8.0.0测试系统进行电池充放电操作。数据收集通过主机上的Neware BTSDA软件管理，并使用恒温箱维持环境条件一致性。

热生成模型验证（Validation of the heat generation model）

我们首先验证了公式（16）中描述的热生成模型——该模型是SoC、电压和电流的函数。通过MATLAB Simulink中的Simscape电池模块构建高保真物理热模型，并对一个方形LFP电池进行恒流充放电循环测试。仿真输出包括端电压和总热生成量，这些数据用于拟合多项式热生成模型。拟合参数进一步通过实验数据校准，以确保模型在实际条件下的适用性与准确性。

结论（Conclusion）

本研究提出了一种新型ECT-aging模型，能够高精度预测电池温度，并有效反映因老化引起的动态变化。我们通过基于物理机制的数据驱动函数（以SoC、电流和端电压为变量）简化了复杂的电池内部热生成过程。此外，研究将问题构建为数据拟合的最小二乘框架，从而可直接从实验数据中识别模型参数。