无传感器电池膨胀估计模型

RMSE低于1kPa

融合机电耦合模型与机器学习，实现无传感器下对电池膨胀力的精确估计。

蔡雪 · 张彩萍 · Jue, Chen · Zeping, Chen · 张琳静 · Sauer, Dirk Uwe · Li, Weihan

Journal of Energy Chemistry 2025

参数信息

膨胀力估计均方根误差

<1 kPa

模拟电压平均绝对误差降低

20 mV

荷电状态估计误差降低

2 %

技术优势

无需新增传感器

通过电化学阻抗与机械模型的耦合，仅利用电流、电压和温度信号即可估计膨胀力。

误差低于1 kPa

在最大膨胀力30–120 kPa范围内，估计均方根误差小于1 kPa，且优于标定刚度模型和其他机器学习方法。

电压误差降20 mV

敏感性分析表明，用压力更新阻抗模型参数可将模拟电压的平均绝对误差降低20 mV。

应用场景

• 电池状态监测：用估计的膨胀力代替压力传感器，进行电池机械状态监测和异常检测。
• 锂离子电池管理：将膨胀力估计与SOC估计结合，提高电池管理状态的估计精度。
• 电池数字孪生：为数字孪生提供机械状态仿真量，提高模拟精度。
• 机器人电源系统：让机器人电源系统在无传感器条件下实现膨胀与压力监测。