فیلتر کالمن دو بعدی تعمیم یافته به منظور تخمین دمای درونی باتری بدون استفاده از حسگر

دیدگاه‌ها و روش‌های متداول برای تخمین دمای داخلی باتری از مدل‌های عددی الکتریکی حرارتی استفاده می‌کنند که در آنها نیاز به حسگر دما ضروری است. به منظور تضمین استفاده ایمن و درست از باتری‌های لیتیوم یون در طول عمل، برآورد دقیق از درجه حرارت باتری از اهمیت ویژه‎ای برخوردار است. در این مقاله روشی برای تخمین دمای هسته سلول باتری و سطح باتری با استفاده از یک مدل حرارتی کوپل شده با مدل امپدانس الکتریکی بدون اندازه‌گیری مستقیم دمای سطح ارائه می‌شود. بدین منظور یک فیلتر کالمن دو بعدی توسعه یافته (dekf) متشکل از یک مدل حرارتی مرتبه کاهش یافته به همراه اندازه‌گیری جریان، ولتاژ و امپدانس می تواند با دقت زیادی دمای هسته سلول و سطح باتری را تخمین بزند. کارایی این روش از طریق آزمایش بر روی یک سلول 2.3 آمپر ساعتی یون لیتیومی شامل فسفات آهن با ترموکوپل های سطح و هسته نشان داده شده است.

Sensorless Estimation of Battery Internal Temperature Using Dual Extended Kalman Filter

Abstract: The conventional approaches for estimating internal battery temperature use numerical electricthermal models in which a temperature sensor is required. In order to ensure safe and proper use of lithiumion batteries during operation, accurate estimation of battery temperature is very important. In this paper, a method for estimating the surface and core temperature of the battery cell is presented using a coupled thermal model with an electrical impedance model without direct measurement of surface temperature. For this purpose, a dual extended Kalman filter (DEKF) consisting of a reduced thermal model along with battery current, voltage and impedance measurement can accurately estimate the temperature of the battery surface and core. The performance of the method is demonstrated experimentally on a 2.3Ah lithiumion iron phosphate cell fitted with surface and core thermocouples for validation. The performance of the method is demonstrated experimentally on a 2.3Ah lithiumion iron phosphate cell fitted with surface and core thermocouples for validation