本课题由上海交通大学和上海捷能汽车技术有限公司共同承担.。

秘书处于2021年3月29日组织来自上汽商用车技术中心、上汽大众、泛亚技术中心、联合电子、上海机动车检测中心共5名资深工程技术人员，对该课题进行了结题验收评审。

针对某量产车型动力电池物理模型开发的BMS系统存在电芯参数标定周期长、高低温，及老化适应性相对较差等问题，课题组基于原位表征的电池电化学机理建立的简化电化学-老化-热耦合模型，能降低电池包研发初期电池标定匹配所需时间和降低测试费用、以及车辆实际运行状态下SOH的有效监控；基于T-Box上传的实车电池数据和机器学习方法，建立了一种基于循环神经网络系统辨识的电池SOH估计，对电池的关键电化学老化参数进行辨识，最终估计误差可保证在1.965 %以内；通过对电池老化和热失控机理的深入剖析，研究电池热失控预测方法，同时建立起基于电池电化学机理模型的优化充电算法，在不增加电池快充所需时间的同时，能有效抑制电池老化，延长电池寿命，具有工程应用基础。其中，融合电化学机理和大数据分析的算法已嵌入到原量产车型BMS系统，并在上海和黑河两地进行了实车路试，在常温及极端低温条件下（-20 ℃），端电压估算精度可保持在10mV以内，有效提升了BMS系统电池状态估计精度，处于行业领先水平。课题组在研制过程中联合发表SCI?顶刊2篇，申请受理发明专利1项。

经专家评定，综合得分80.5分。

电池电化学模型实车BMS 嵌入结构图