锂离子电池因具有自放电率低、能量密度高、寿命长等优点而被广泛应用于电动汽车领域。为了建立准确的锂离子电池外电压模型，进而对状态参数进行准确估计，通常要将热模型耦合到电模型中。常用的热模型有集总参数热模型、有限元分析热模型、偏微分方程热模型等。电池的热学模型参数（热容和热阻）的准确性，会直接影响到热模型的精度，不同数量级的热参数差异将会导致电池温度预测出现较大的差异。

锂离子电池的热模型参数与热物性参数（比热容和导热系数）存在确定的换算公式，因此这两组参数具有等价关系，对热模型参数的研究可参考热物性参数的研究方法。但是，准确的电池比热容和导热系数测量需要借助昂贵的测试设备，成本较高且测试时间较长。采用优化算法辨识热学模型参数不仅成本低，且计算周期短。

为了准确快速地辨识锂离子电池热学模型参数（热容和热阻），北京交通大学等单位的孙丙香、宋东林等，提出了一种自产热和外传热相结合的方法。

图1 参数辨识实验设备示意图

他们以8 Ah软包锂离子电池为研究对象，通过建立锂离子电池沿厚度方向的分布式热学等效电路模型，将温度离散化处理，采用自适应粒子群算法（APSO），辨识了0℃、10℃、20℃三个温度点的热学模型参数，并将辨识后的参数等效处理为比热容和导热系数，比热容的平均值为0.996 J/(g·K)、导热系数平均值为0.377 W/(m·K)，对比不同文献的电池比热容和导热系数，均在合理范围内，且差异不超过8%。

图2 参数辨识实验设计图

研究者将辨识后的模型参数代入热路模型，并采用不同的策略进行验证，实测和仿真计算的电池表面温度吻合度较高，温度误差小于0.1℃，证明所提热学模型参数辨识方法精度较高，可以有效解决层叠式软包锂离子电池热学模型参数辨识难的问题。

图3 自适应粒子群算法流程

他们指出，该方法具有简便易行的优点，只需要两块相同规格的电池，无需借助其他器件，测试周期短，可以为层叠式软包锂离子电池热学模型参数辨识提供技术支撑。

本工作成果发表在2024年第1期《电工技术学报》，论文标题为“基于自产热和外传热的锂离子电池热学模型参数辨识方法”。