基于参数辨识等效电路热老化模型的电池温度预测方法及其健康状态适应性研究

本文提出了一种创新的等效电路热老化（ECT-aging）模型，通过多项式函数拟合可测参数（如SOC、电压、电流）实现热生成的精准表征，并引入基于健康状态（SoH）和循环次数的老化因子。该模型无需专用实验设备即可从单次充放电曲线中直接辨识参数，为电池管理系统（BMS）提供高精度温度预测解决方案。

　　

亮点（Highlights）

• •
  提出简化等效电路热（ECT）模型，可直接从单次充放电曲线中辨识参数
• •
  通过可测量参数（SOC、端电压、电流）的多项式函数逼近复杂热生成过程
• •
  引入基于健康状态（SoH）和循环次数的老化因子构建ECT-老化模型
• •
  整合ECV与ECT-老化模型实现端电压与温度的同步预测

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

本研究通过类比前述ECV模型，构建了创新性ECT模型（图1b）。该模型采用简化的集总热模型结构，用于分析热分布并预测温度状态（SOT）。我们假设热生成在电池内部均匀分布，且温度在结构上保持均一。需说明的是，虽然增加RC单元可提升模型精度，但会显著增加计算复杂度。因此，本模型采用单RC结构实现复杂度与精度的最佳平衡。

实验设置（Experiment setup）

选用圆柱形磷酸铁锂（LFP）电池（额定容量2Ah，尺寸65.2mm×18.2mm，重量45g）生成老化验证数据。图3展示实验配置：采用Neware BTS 8.0.0测试系统进行充放电操作，通过主机Neware BTSDA软件管理数据采集，恒温箱确保环境条件一致性。

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

首先验证基于SOC、电压、电流的热生成模型（公式16）。通过在MATLAB Simulink中利用Simscape电池框架构建高保真物理热模型[38]，对LFP方形电池进行恒流充放电循环模拟。利用输出的端电压和总热生成数据拟合多项式热生成模型，所得参数将用于后续温度预测验证。

结论（Conclusion）

本研究提出的ECT-老化模型能高精度预测电池温度并量化老化带来的动态特性变化。通过基于物理机制的数据驱动函数（SOC、电流、端电压）简化复杂热生成过程，并采用最小二乘拟合框架直接从实验数据中辨识参数。