基于高斯过程回归,在不同环境条件下实现具有安全意识的锂离子电池实时内部温度估算与热管理

《Process Safety and Environmental Protection》:Safety-aware real-time internal temperature estimation and thermal management of lithium-ion batteries using Gaussian process regression under diverse ambient profiles

【字体: 大 中 小 】 时间:2026年07月11日 来源:Process Safety and Environmental Protection 7.9

编辑推荐:

  阿卜杜勒哈迪·埃尔卡克|埃尔·梅赫迪·拉迪西|梅里姆·莫萨德克•GPR通过电流和环境温度来估算锂离子电池的内部温度。•通过未知环境参数的估算,得到的RMSE值为0.44°C和0.65°C。•对实际电池的验证显示,其RMSE值为2.1°C。•该低复杂度框架可实现电池管理系统的全实时

  
阿卜杜勒哈迪·埃尔卡克|埃尔·梅赫迪·拉迪西|梅里姆·莫萨德克
  • •
    GPR通过电流和环境温度来估算锂离子电池的内部温度。
  • •
    通过未知环境参数的估算,得到的RMSE值为0.44°C和0.65°C。
  • •
    对实际电池的验证显示,其RMSE值为2.1°C。
  • •
    该低复杂度框架可实现电池管理系统的全实时运行。

引言

锂离子电池是各种能源存储系统中的关键组件,被广泛应用于智能汽车、太阳能电网以及航空领域(Goodenough和Park,2013;Zhao等人,2021;Zhou等人,2020)。然而,由于其复杂的内部化学和物理机制,锂离子电池容易发生热失控,从而增加电池故障的风险。因此,有必要对其热安全管理进行研究(Balakrishnan等人,2006;Feng等人,2014)。
电动汽车之所以选用锂离子电池,是因为它们具有出色的性能和较高的能量密度。不过,包括内部温度、健康状态以及充电状态在内的关键电池参数仍然难以精确控制。如果对这些参数监测和管理不当,就可能导致电池性能下降、寿命缩短,甚至出现热失控和起火等安全问题(Tabine等人,2025;Tabine等人,2024a;Tabine等人,2024b;Elachhab等人,2024)。将电池的电压、温度和电流维持在适宜范围内,对于确保其稳定安全地运行至关重要(Lu等人,2013)。为了实现安全可靠的运行,电池管理系统和电池热管理系统对于监测和控制电池的关键状态参数而言极为重要。尽管锂离子电池在新能源车辆市场中的应用越来越广泛,但诸多热管理问题依然制约着它们的进一步普及。这些问题包括低温环境下能量和功率输出下降、高温下性能受损,以及过热带来的安全隐患(Lyu等人,2020;Lin等人,2021)。温度会显著影响锂离子电池的性能、使用寿命和安全性,这使得有效管理电池变得十分困难。虽然锂离子电池通常可以在-20°C到60°C的范围内工作,但其理想的最佳工作温度范围实际上要窄得多,一般在15°C到35°C之间(Ji等人,2013;Ma等人,2022;Laadissi等人,2018;Laadissi等人,2020;El Mehdi Laadissi等人,2018)。如果电池在运行过程中产生的热量无法有效散发,就会导致温度持续上升并过度积聚。在极端情况下,这种不受控制的温度升高可能会引发内部短路和热失控(Li等人,2024a;Ren等人,2021)。此外,低温也会严重影响锂离子电池的性能,因为此时电池内部的电化学反应速度会变慢,从而导致效率降低、响应变迟(Zhu等人,2015;El Mehdi Laadissi等人,2018)。随着温度的下降,电池的可用能量和输出功率都会明显下降,进而限制其整体性能(Zhu等人,2019;Fly等人,2021)。当锂离子电池在非理想温度范围内工作时,其性能和使用寿命都会受到影响。在较低温度下,电池的电化学反应速率会降低,从而导致功率输出和容量下降,这可能会增加电动汽车的续航里程方面的担忧。另一方面,长期处于低温环境中还可能在负极上形成锂沉积物,增加内部短路的风险;而温度上升则可能加速固态电解质界面层的形成,进而导致正极材料损坏,造成容量损失和安全问题。这些由温度引起的电池性能衰退现象,凸显了高效热管理对于保持电池健康以及确保电动汽车安全运行的重要性(Edge等人,2021;Che等人,2023)。
监测锂离子电池的核心温度对于保障其安全性、性能和使用寿命具有重要意义。图1总结了现有文献中提到的主要技术方法,这些方法可分为直接法和间接法两类。直接测量方法,如热电偶、光纤布拉格光栅传感器以及电阻温度检测器,需要将传感器直接集成到电池结构中才能获取准确的温度数据。尽管这些方法效果不错,但往往具有侵入性,不适合大规模应用。间接方法则提供了一种非侵入式的替代方案,它通过利用可观测的信号来估算电池内部温度。其中,基于卡尔曼滤波的算法能够结合电气和温度测量数据,电化学阻抗谱分析则用于研究电池的频率响应特性,而数据驱动模型则借助机器学习技术来预测温度变化趋势。在本研究提出的框架中,GPM方法兼具高精度和良好的适应性,能够有效应对电池老化以及不同工作条件下的温度变化问题。
近年来,电池热监测领域的进展越来越多地集中在机器学习和深度学习方法上(Al Tahhan等人,2025;Prabu等人,2025;Pang等人,2023a;Das Goswami等人,2024)。人工神经网络、长短期记忆网络以及其他类型的循环神经网络架构,在捕捉锂离子电池的非线性及动态热行为方面展现出了强大的能力。这些方法已被成功应用于电池温度预测、热失控检测以及电池管理系统的相关功能中(Pang等人,2023a;Das Goswami等人,2024)。此外,将基于物理模型的方法与机器学习算法相结合的混合电热框架也受到了广泛关注,因为这类框架能够在提升预测精度的同时,保留物理意义上的可解释性(Xu等人,2024;Yuan等人,2024;Teng等人,2025)。最近,物理信息神经网络作为一种将电热知识融入数据驱动学习框架的新兴工具,也展现出巨大的潜力(Pang等人,2023b;Kim等人,2023)。另外,基于相变材料、两相传热机制以及智能温度调节策略的先进电池热管理系统也得到了深入研究,这些系统旨在进一步提升电池的安全性和热性能(Rajamony等人,2026;Yaw等人,2025;Zhao等人,2024)。尽管这些方法具有出色的预测性能,但很多方法都需要大量的训练数据,还需要电压、充电状态、健康状态以及阻抗等多种输入参数,同时还需要强大的计算资源以及复杂的超参数调优过程。这些要求可能会限制它们在资源有限的嵌入式电池管理系统中的应用。因此,目前仍需要一些计算效率更高的温度估算方法,这类方法能够在使用较少的、易于测量的输入参数的同时,仍在不同的环境条件下保持较为满意的预测精度。
本研究的主要贡献可总结如下:
  • •
    本研究提出了一种基于高斯过程回归的框架,仅需以电池电流和环境温度作为输入,即可估算锂离子电池的内部温度。
  • •
    与许多依赖电压测量值、充电状态信息、表面温度传感器或复杂电热模型的现有方法不同,所提出的方法仅需两个容易获取的参数即可实现精准的温度估算,从而降低了传感和实现的复杂度。
  • •
    该方法可以直接根据易获取的测量数据来估算内部温度,无需进行中间状态估算或识别特定的电池电化学参数,因此便于在电池管理系统中实际应用。

章节节选

用于内部温度估算的开发方法

本研究建立了一种方法,用于在动态及实际工况条件下估算型号锂离子电池的核心温度。该方法将LA92统一动力测试循环中的电流信号与高斯过程回归模型相结合,以此根据电气负载和环境温度来预测电池的核心温度,整个工作流程如图2所示。
第一步是应用LA92城市驾驶循环中的实际电流曲线

仿真结果

该仿真工作流程旨在模拟锂离子电池在现实世界中的运行条件,同时考虑动态电气负载以及不同的温度环境。这一完善的框架确保了仿真场景能够真实反映电池在整个使用寿命期间所面临的电流波动和温度变化情况。仿真的有序步骤体现了系统的

实际温度变化条件下的验证

为了评估高斯过程模型的泛化能力和稳定性,本研究采用了如图6所示的系统性验证方法。首先,使用仿真阶段获得的输入数据,也就是LA92驾驶循环中的电流曲线以及一系列真实的環境温度曲线,进而为高斯过程模型构建训练数据集,该模型采用了指数核函数以及恒定基函数作为模型结构

内部温度估算方法的对比分析

对比分析结果表明,所提出的高斯过程模型在估算锂离子电池内部温度方面具有更优异的性能。该模型的RMSE值在0.44°C到0.65°C之间,而其他方法的RMSE值通常在0.8°C到1.0°C之间。具体来说:
  • •
    LETECM方法虽然采用了分层热建模技术,但其RMSE值仍然较高,为0.8°C。
  • •
    那些结合卡尔曼滤波的简化热模型则需要依赖表面温度测量数据,其RMSE值约为1.0°C。
  • •

结论

本研究提出了一种基于高斯过程回归的方法,该方法能够高精度且低复杂度地估算锂离子电池的内部温度。与传统的热模型不同,那些传统模型往往需要详细的电化学数据或嵌入式传感器,而所提出的方法仅依赖于电池电流和环境温度,从而大大降低了硬件需求和计算成本。
本研究的一项重要贡献就是开发出一种低复杂度、仅需少量输入参数的

CRediT作者贡献说明

阿卜杜勒哈迪·埃尔卡克:验证工作、项目管理、方法设计、概念构思。埃尔·梅赫迪·拉迪西:指导工作、验证工作。梅里姆·莫萨德克:指导工作、文章撰写与修改。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号