多物理场耦合下锂离子电池组可靠性研究现状与展望

锂离子电池因其能量/功率密度高，循环寿命长等突出优点，在大规模储能、电动汽车等领域应用广泛。在我国“双碳”目标制定的政策背景下，锂离子电池将会获得更为快速的发展。然而，现有锂离子电池存在一定的安全风险，电池在生产、装配、运输及使用等各个环节中都会有失效发生，失效形式种类多，主要包括内阻增大、容量衰减(跳水)、循环寿命短、电压异常、漏液、短路、变形、析锂、产气、热失控等，这些现象会降低锂离子电池的使用性能、安全性和可靠性。此外，电动车、储能电站等锂离子电池安全事故频发，危害和损失大，引起社会各界的广泛关注，锂离子电池安全性及可靠性的监测与评估也因此成为研究热点。

主流的锂离子电池可靠性研究多针对高温、针刺、过充放等温度、力学和电学滥用条件下电池的热失控及其机制。这种主动设计的、带预期的确定性热安全性试验，能够了解电池发生热失控后的危害程度和机制，但很难模拟电池因退化而逐步劣化的自发性产热情况。主动的热滥用引发的热失效行为与实际应用中发生的情况并不相同，后者失效的原因多为生产过程中的瑕疵造成的缺陷引起并经过长时间退化和复杂内外因素诱发内短路导致的电池热失控。这些瑕疵和后期造成的缺陷没有明显的外部信号特征，因此失效引起的安全事故具有无法探测、难以预测、事故情况不宜相互借鉴的特点。

此外，电池容量衰减、内阻增加、电压降低、自放电增加及倍率性能降低等也会造成电池失效，通过对锂离子电池的失效机理进行深入探究，能在一定程度上预防电池的失效，可以为锂离子电池在生产制造和使用过程中提供重要的技术保障，更能有效防治锂离子电池安全事故发生。但是，上述失效分析方法需要对电池进行拆解，具有明显的破坏性。而且，此种研究方法更加侧重于主动设计的、带有预期确定性试验与仿真的确定性分析，对于随机不确定性带来的可靠性问题考虑不足，无法对使用中的锂离子电池或电池组发生安全性事故的概率进行准确描述和预测。

利用统计或建模的方式对锂离子电池或电池组发生失效行为的概率进行描述，从而更好指导不同工况下锂离子电池的应用与事故防控，也是当前研究电池可靠性的有效方法

。可靠性是指产品在规定的条件下在规定的时间内完成规定功能的能力。对电池而言，可靠性越高其品质就越好，无故障工作的时间就越长，并且可以确保其在寿命期内的安全稳定运行。锂离子电池可靠性研究主要是考察电池的失效机制及失效引发的次生危害等，锂离子电池的失效主要有性能失效和安全失效两大类

。性能失效主要是指锂离子电池的使用性能达不到要求，主要有内阻增加、电压减低、自放电增大、容量衰减或跳水、倍率性能降低等；安全失效主要指锂离子电池由于制造缺陷、机械滥用、电滥用及热滥用等引发的具有一定人员伤害、环境破坏或重大经济损失风险的失效现象，包括：毛刺、析锂、枝晶、胀气、电解液泄漏、热失控、起火及爆炸等。对锂离子电池失效原因进行解析和追溯，收集失效信息、剖析失效原因、构建失效模型、探究失效机理、制定应对策略，是获得高可靠性锂离子电池的有效途径

。

锂离子电池可靠性研究方法主要分为实验和仿真。传统的锂离子电池可靠性研究轻仿真重试验，但由于锂离子电池故障发生原因的复杂性、不确定性和长时间周期性，很多潜在的问题仅仅依靠试验评估无法充分暴露，给将来实际应用带来隐患，因此近年来越来越重视基于仿真方法开展的可靠性分析。研究锂离子电池在整个应用层面的可靠性，不仅要从锂离子单体及电池组等多层级进行试验和评估可靠性，还要重点研究锂离子电池组可靠性建模、分析、评价、设计、分配和改进等各个环节。其中，科学准确的可靠性建模与分析是完成后期评价、改性环节的前提。基于准确合理的建模分析方法，才能够获得准确可靠的评价结果，并据此找到系统的薄弱环节，为后续的可靠性设计、分配、改进工作提供依据，从而制定相应的优化设计方案、分配策略和改进措施。Li 等

使用聚类分析方法对锂离子电池的可靠性进行预测。通过对规模化产品失效的宏观机理进行统计分析和研究，提出了提高LiFePO

电池可靠性的有效措施。并在实践中证明了该策略在批量化生产LiFePO

电池中的有效性。然而，国内外锂离子电池，尤其是电池组可靠性研究才刚刚起步，相关文献较少。在本综述中，我们首先总结近几年相关工作的进展与局限性，其次介绍了锂离子组多物理场仿真技术，最后对多物理场耦合下锂离子电池可靠性的研究进行展望。

1 锂离子电池组可靠性研究现状与不足

1.1 锂离子电池组故障监测

电池失效不是单一的原因，是多种失效原因的叠加和多种引发机制共同作用的结果，采用单一的退化机制模型不能准确预测锂离子电池的可靠性，通过多物理场耦合模型研究锂离子电池组的可靠性具有明显优势。通过解析电池失效的真实诱因，将多种失效诱因叠加，从多维度对锂离子电池的可靠性进行评估，并提出有针对性的应对方案，有助于提升电池在使用过程中的可靠性。

1.2 锂离子电池组可靠性评估

上述研究简单地应用系统可靠性建模与分析方法并不能科学准确地对锂离子电池组进行可靠性分析，这体现在现有研究在进行可靠性分析时通常假设锂离子电池组中电池单体之间互相独立，将其互联关系简化视为“导线”级连接，而没有考虑到在多种物理场作用下的相互耦合关系。然而锂离子电池组可靠性对单体电池的理化特性和退化特性、电池间的物理连接方式、耦合物理特性等因素都有高度敏感性，同时，锂离子电池内外环境特性也具有高度耦合性，这些因素都会影响电池单元的一致性，进而影响系统的可靠性。这就使得锂离子电池可靠性分析脱离了物理实际模型，无法科学准确地反映实际应用情况。

目前关于在多物理场耦合下锂离子电池组可靠性研究的文献报道较少，此前Xia 等

针对容量退化，提出了基于多物理场耦合的锂离子电池组寿命及可靠性建模、评估与优化设计方法。通过建立锂离子电池组的动态三维电化学-热-流耦合模型、条件下的随机退化模型和多状态系统可靠性模型

，开展仿真分析、评估并比较了不同冗余电池数量和排布的电池组的可靠性，发现由于热不一致性效应，电池组的可靠性不会随着冗余电池数量的增加而单调增加。合适的单体排布和优良的热量释放条件能够改善电池单体的温度不一致度，从而提高电池组的可靠性。对比笔直排布，交叉排布的电池组的SOH和可靠度都有提升(图2)。同时对等间距交叉布置的5×5电池组进行优化设计，以90%作为可靠性标准，采用最佳设计参数的电池组循环寿命由1989次提高到2933次(图3)

。这表明，冗余和布局的协同优化在提高电池组可靠性方面具有重要意义。

现有锂离子电池组系统可靠性评估方法主要包括可靠性框图(RBD)法、故障树分析(FTA)方法、马尔科夫(Markov)模型法、基于通用生成函数(UGF)的可靠性分析方法、Monte Carlo 仿真方法等。Wang 等

基于RBD 模型，引入Wiener 过程描述电池的退化，并用Copula 函数对各电池单体的退化分布进行耦合，进而分析考虑多个单体耦合的锂离子电池组可靠性，该方法能够获得系统在各个时刻(或状态)下的可靠度。Uy等

、Levy等

利用FTA方法，对电池的可靠性和安全性进行了研究，研究发现电池灾难性故障的概率可以减少到一百万分之一。Brik 等

将因果树和FTA 方法结合，并将其用于分析电池退化过程中的可靠性。Thein等

提出了基于Markov 决策模型的电池老化状态监测技术，该检测技术采用具有选择策略的Markov 决策过程(MDP)对电池退化每个阶段的概率进行度量。但是，该方法没有考虑温度对电池健康状态(SOH)的影响，使得检测的精准度出现偏差。Chatzinikolaou等

提出一种基于Markov模型的并网蓄电池储能系统的可靠性评估方法，该方法综合考虑系统的内置冗余以及故障导致的性能下降。Pham等

提出了一种基于Markov模型的分析方法来评估微电网中聚合电池储能系统在运行中的可靠性。Li 等

将UGF 引入分析电池组的可靠性分析，该方法能够充分考虑电池单体的退化对电池组及系统可靠性造成的影响。Liu 等

提出了一种基于UGF 的电动车锂离子电池组(LIBPs)的可靠性分析方法，并基于电池容量退化，分析了不同冗余方案LIBPs 的寿命及可靠性。Chen 等

基于Markov 模型的分析方法评估配电网中移动式储能系统的可靠性，并通过Monte Carlo 仿真方法对其进行验证并拓展到更复杂的配电网系统中去。Markov分析方法和Monte Carlo仿真方法得到了相互验证。Li等

研究了电池在不同运行条件下的性能和可靠性，尤其是不同电池单元在充放电过程中相互作用以及单个电池退化对电池组退化的影响。

锂离子电池组是一种较为复杂的电化学网络系统，在多种电化学反应、质量传递、电荷运动、热量传导以及材料退化等多种物理效应耦合作用下工作。温度、电流和电池状态（SOC）等很多因素都会影响电池组的寿命及可靠性。对锂离子电池组可靠性进行建模分析并优化设计需要应用多学科的理论和方法，包括材料学、物理学、电化学等。因此多物理场耦合分析是锂离子电池组可靠性分析及优化设计的重要方法。

2 基于多物理场耦合的锂离子电池组可靠性研究进展

目前，研究者多从电池组及其应用故障预警层面研究如何提高电池组的可靠性

。Xia等

提出了一种基于电压测试的电池模组诊断方法，该方法通过测试多个电池单体的电压总和，有效识别电池单体和传感器失效的差异，利用了传感电路中的重复元件，并对其进行交织，提高了故障检测的可信度和电池组层面的故障预警及监测能力。但是，该方法使得传感器的占比增大，在成本增加的同时，增加了测试噪音。Kang 等

提出了一种基于交错电压测量拓扑和改进相关系数的多故障诊断策略，该策略可以诊断多种类型的故障(即内/外部短路、传感器故障和连接故障)。其所用到的电压测量方法通过使用两个不同的传感器可以关联每个电池及其接触电阻，从而可以准确识别故障的位置和类型。该方法可有效避免混叠现象，具有较高的灵敏度和鲁棒性。但是，其对应的相关性分析需要相同的输入电流，更多电压监测数据，降低了其快速监测和分析能力。

2.1 锂离子电池组多物理场仿真技术

二是优化居家公共服务。完善社区党群服务中心阵地功能，将社会保障、公共卫生、社会救济、法律援助、卫生保健等16大类52项政府公共服务项目下移到社区，实行“一条龙”服务、“一站式”办理、确保群众小事不出社区就能尽快办结。推行社区干部便民事务代办机制，对不涉及对上协调的即办类事项，由社区干部根据群众申请，现接现办；对涉及对上协调的代办类事项，由社区干部下载、帮代填写相关资料后，指导帮办；对老弱病残等弱势群体、特殊事项，由社区干部根据群众申请，全程陪同办理，开启为民服务“直通车”。

锂离子电池组多物理场仿真建模技术的发展现状如图1所示。锂离子电池组的多物理场主要包括电场、化学场、热场、流场等。从20世纪90年代开始，就有学者开始对锂离子电池的热场进行研究

，随着多物理场分析技术的发展，学者们对锂离子电池及电池组的多物理场及耦合展开了大量的研究，逐渐提出并完善了电池模型，如准二维(P2D)电化学模型、三维热模型和等效电路模型等。

2.2 两组治疗前后空腹、餐后2h血糖及HbA1 c水平的比较 治疗后，两组空腹血糖、餐后2h血糖及HbA1 c较治疗前比较，均有显著改善（P＜0.05），但两组治疗后FPG、2hPG、HbA1c相比较，差异无统计学意义（P＞0.05）。见表2。

Interventional Cardiologist,Holy Family Hospital,Okhla,New Delhi 110025,India.

锂离子电池组仿真分析与单体的区别主要在于各个单元之间复杂的耦合影响关系，主要表现形式为温度不一致和电流不平衡。多场模型应用多学科理论和方法，能精确分析LIBPs物理化学过程，可对各类复杂载荷情况进行高保真度仿真。近年来，已有学者针对锂离子电池组开展了基于多物理场耦合的确定性仿真分析，并对其进行了优化设计，经整理如表1所示。

2.2 基于多物理场耦合的锂离子电池组可靠性研究与展望

此外，考虑到锂离子电池组在实际应用层面的可靠性时，不能简单考虑锂离子电池组本身的可靠性，还要考察电池组服役条件对电池组可靠性的影响。Arnaud等

对电动汽车锂离子电池组进行可靠性评估的同时，还考虑了车辆对电网(V2G)和电网对车辆(G2V)策略的影响。电动汽车锂离子电池系统是一个复杂的多相系统。锂离子电池组受电池系统连接器、电池管理系统(BMS)控制器、电力电子组件、信号检测组件等多系统控制。因此，在考虑电动汽车锂离子电池组可靠性时还需考察电池系统任何一个故障导致的锂离子电池组的安全性。Liu等

提出了一种电池储能系统的可靠性评估方法。基于锂离子电池单体(组)的健康状态，利用通用生成函数方法开发了电池组的可靠性模型。此外，为了评估不同控制条件下的可靠性，该研究团队还建立了一种电力电子变换器的可靠性模型。利用该评估方法对具有不同拓扑、运行方案和应用的电池储能系统进行研究。结果表明，拓扑结构以及功率输出大小都对锂离子电池组可靠性有很大影响，获得优良可靠性的锂离子电池组需要综合考虑电池串、并联拓扑结构、输出电压和电池单体自身可靠性等多种因素。

总之，目前的基于多物理场耦合下的锂离子电池可靠性研究刚刚起步，各个方面研究空白较多。首先是电池系统级的实验验证工作复杂性强，而老化、退化实验时间周期较长，可靠性验证难度较大。其次，目前关于锂离子电池组的安全性研究主要关注确定性的热安全试验与仿真以及热失控后的危害程度和机制，而对于多物理场耦合作用下的安全事故发生的风险评估则鲜有关注；另外，目前的研究多着眼于由容量退化导致的故障，而实际工程中电池的故障还包括短路、断路等确定性与随机故障，这些故障的机理同样与锂离子电池组的物理过程有关，因此基于物理过程融合多模式故障能够较全面地对锂离子电池组在实际应用中的可靠性进行研究。

随机性的计算是通过随机性检测函数t=t(z)来实现，z是样本空间中Z的有限集，t(z):Zn→[0,1]，n为样本序列的长度。然而该理论定义的随机性检测函数是不可计算的，因此必须建立满足随机性检测函数条件的可计算的随机性检测函数，即奇异函数。实现奇异函数有三种方法，分别是距离奇异描述函数，支持奇异描述函数和应变奇异描述函数，本实验因在KNN算法中嵌入直推式置信机，故采用距离奇异描述函数，对每一个样本x定义一个奇异值ri表示用该函数描述如下：

根据本课题组前期研究经验与锂离子电池主要失效机制，我们提出锂离子电池全生命周期的层级追溯与多物理场耦合可靠性建模的评估方法(图4)。从电池组的安全风险出发，基于贝叶斯理论，从电池安全失效和性能退化失效两方面进行追溯。除电池发生安全失控引发电池失效外，电池在长期使用过程中发生的容量、内阻、电压、自放电、倍率等性能的退化同样会引起电池失效。进一步分析电池安全失效和性能退化失效的原因可以构建两者在贝叶斯网络中的叶节点。依次类推，追溯至机理层面，完成电池失效研究框架的构建。基于此研究框架，通过确定叶节点的发生概率和传递的条件概率就能向上逐层计算出各节点的发生概率，最终获得根节点的概率，即电池的失效概率。

建议针对电池的失效原因及机理，开展可靠性建模研究，包括基于模型、数据驱动和模型-数据融合的方法等。通过可靠性建模分析，获得贝叶斯网络模型中叶节点的概率和传递的条件概率。例如：针对电/机械/热滥用引起的电池安全失效，容量、内阻等衰减引发的失效这一层级，可采用多物理场耦合建模分析与随机模型结合的方法。针对生产工艺缺陷、偶然因素等引发的失效以及失效机理层级，可基于数据驱动研究其可靠性，通过对试验、运行等历史数据进行分析，可以确定各节点的发生概率。尤其值得注意的是，若要将可靠性研究从定性上推到定量研究并能合理地反映实际情况，需要在电池多物理场耦合下失效机制及性能衰变研究方面积累更多的实验数据，并综合各种SOH 计算模型对各种失效与性能衰减机制的相对权重进行评估和验证，才能有效支撑电池器件及模组层面可靠性的定量研究。

近年来，在国家食品药品监管总局及黑龙江省局领导下，黑龙江省食品药品稽查局以“四个最严”为统领，以“三抓”为核心，强化稽查工作，不断提升稽查执法能力建设和稽查队伍能力建设，稽查执法体系建设和打假治劣工作都取得了新突破、新进展，极大地促进了全省食品药品市场秩序的持续稳定好转。

锂离子电池可靠性研究方面近期的研究重点同时也是挑战包括：①电池的安全失效与电池性能退化失效存在着较强的耦合影响，换言之，以性能为代表的SOC的退化将影响着电池的安全边界，这需要在多物理场耦合的安全建模中考虑基于退化的可靠性建模，开展可靠性安全性耦合建模仿真分析，可以更加准确地确定电池的安全失效概率。②针对引发失效的事件发生的概率，需要基于已发生的电池失效事件开展故障原因分析、归纳与总结，以获得各个故障原因发生的先验概率。③在失效机理层级，需要针对各种失效机理开展相应的理论和实验研究，以建立各种失效机理模型。基于失效机理模型，引入随机变量，通过随机抽样仿真，可以获得机理层级的节点失效概率。④在锂离子电池组可靠性评估方法研究的基础上，还需要开展锂离子电池组可靠性的在线监测及其数字孪生技术的研究和应用，包括数据采集技术、数据分析方法、在线估计与预测技术、数字孪生技术、模型进化方法、可视化展示等，以实现对锂离子电池组安全性可靠性状态的动态实时监测，为电池系统的运维管理提供依据，保证其安全可靠运行。

[1] 王莉,谢乐琼,田光宇,等.锂离子电池安全事故:安全性问题,还是可靠性问题[J].储能科学与技术,2021,10(1):1-6.WANG L, XIE L, TIAN G, et al. Safety accidents of Li-ion batteries: Reliability issues or safety issues[J]. Energy Storage Science and Technology,2021,10(1):1-6.

[2] NITTA N, WU F, LEE J T, et al. Li-ion battery materials: present and future[J].Materials Today,2015,18:252-264.

[3] 王其钰,禹习谦,李泓,等.锂离子电池失效分析概述[J].储能科学与技术,2017,6(5):1008-1025.WANG Q, YU X, LI H, et al. Overview of the failure analysis of lithium ion batteries[J]. Energy Storage Science and Technology,2017,6(5):1008-1025.

[4] NAGPURE S C, BHUSHAN B, BABU S S. Multi-scale characterization studies of aged Li-ion large format cells for improved performance:An overview[J]. Journal of the Electrochemical Society,2013,160(11):A2111-A2154.

[5] 孙兴伟, 王龙龙, 崔光磊, 等. 固态聚合物锂离子电池失效机制及其表征技术[J].储能科学与技术,2019,8(6):1024-1032.SUN X, WANG L, CUI G, et al. Failure mechanisms and characterization techniques for solid state polymer lithium batteries[J].Energy Storage Science and Technology,2019,8(6):1024-1032.

[6] Li R, WU J, WANG H Y, et al. Reliability assessment and failure analysis of lithium iron phosphate batteries[J]. Information Sciences,2014,259:359-368.

[7] XIA Q, WANG Z, REN Y, et al. A reliability design method for a lithium-ion battery pack considering the thermal disequilibrium in electric vehicles[J].Journal of Power Sources,2018,386:10-20.

[8] GANDOMAN F H, AHMADI A, BOSSCHE P V D, et al. Status and future perspectives of reliability assessment for electric vehicles[J]. Reliability Engineering & System Safety, 2019, 183:1-16.

[9] XIA B, MI C. A fault-tolerant voltage measurement method for series connected battery packs[J]. Journal of Power Sources,2016,308:83-96.

[10]KANG Y, DUAN B, ZHOU Z, et al.A multi-fault diagnostic method based on an interleaved voltage measurement topology for series connected battery packs[J]. Journal of Power Sources,2019,417:132-144.

[11]WANG L, SUN Y, WANG X, et al. Reliability modeling method for lithium-ion battery packs considering the dependency of cell degradations based on a regression model and copulas[J].Materials,2019,12(1054):1-15.

[12]UY O M, MAURER R H. Fault tree safety analysis of a large Li/SoCl

, spacecraft battery[J]. Journal of Power Sources, 1987, 21 (3):207-225.

[13]LEVY. Fault tree analysis: A tool for battery safety and reliability studies[C]//Annual Battery Conference on Applications and Advances,Long Beach,CA(USA),1990,Jan.

[14]BRIK K, AMMAR F B. The Fault tree analysis of the lead acid battery's degradation[J]. Journal of Electrical Systems, 2008,4(2):145-159.

[15]THEIN S, CHANG Y S. Decision making model for lifecycle assessment of lithium-ion battery for electric vehicle: A case study for smart electric bus project in Korea[J]. Journal of Power Sources,2014,249(3):142-147.

[16]CHATZINIKOLAOU E, ROGERS D J. A comparison of gridconnected battery energy storage system designs[J]. IEEE Transactions on Power Electronics,2016,99:1.

[17]PHAM T T, KUO T C, BUI D M. Reliability evaluation of an aggregate battery energy storage system in microgrids under dynamic operation[J].Electrical Power and Energy Systems,2020,118:1-22.

[18]LI C Y, CHEN X, YI X S. Reliability analysis of primary battery packs based on the universal generating function method[J].Structure,2009,223:251-257.

[19]LIU Z, TAN C M, LENG F. A reliability-based design concept for lithium-ion battery pack in electric vehicles[J]. Reliability Engineering and System Safety,2015,134:169-177.

[20]CHEN Y, ZHENG Y, LUO F, et al. Reliability evaluation of distribution systems with mobile energy storage systems[J]. Iet Renewable Power Generation,2017,10(10):1562-1569.

[21]LI Y, OMAR N, NANINI-MAURY E, et al. Performance and reliability assessment of NMC lithium ion batteries for stationary application[C]//2016 IEEE Vehicle Power Propulsion Conference VPPC 2016-Proc,2016.

[22]ARNAUD D, DUBARRY M. Durability and reliability of electric vehicle batteries under electric utility grid operations. Part 1: cell-tocell variations and preliminary testing[J].Batteries,2016,2:28-32.

[23]LIU M, LI W, WANG C, et al. Reliability evaluation of large scale battery energy storage systems[J]. IEEE Transactions on Smart Grid,2016(99):1-11.

[24]CHEN Y, EVANS J W. Thermal analysis of lithium polymer batteries by a two dimensional model-thermal behavior and design optimization[J].Electrochemical Acta,1994,39(4):517-526.

[25]CHEN Y, EVANS J W. Three-dimensional thermal modeling of lithium polymer batteries under galvanostatic discharge and dynamic power profile[J]. Journal of The Electrochemical Society,1994,141(11):2947-2955.

[26]CHEN S C, WAN C C, WANG Y Y. Thermal analysis of lithiumion batteries[J].Journal of Power Sources,2005,140(1):111-124.

[27]杨志刚, 黄慎, 赵兰萍. 电动汽车锂离子电池组散热优化设计[J]. 计算机辅助工程,2011,20(3):1-5.YANG Z, HUANG S, ZHAO L. Optimization design on heat dissipation of lithium-ion battery pack in electric vehicle[J].Computer Aided Engineering,2011,20(3):1-5.

[28]SUN H, WANG X, TOSSAN B, et al. Three-dimensional thermal modeling of a lithium-ion battery pack[J]. Journal of Power Sources,2012,206:349-356.

[29]LIU Z M, WANG Y X, ZHANG J, et al. Shortcut computation for the thermal management of a large air-cooled battery pack[J].Applied Thermal Engineering,2014,66:445-452.

[30]FATHABADI H.A novel design including cooling media for lithium-ion batteries pack used in hybrid and electric vehicles[J]. Journal of Power Sources,2014,245(1):495-500.

[31]SEVERINO B,GANA F,PALMA-BEHNKE R.Multi-objective optimal design of lithium-ion battery packs based on evolutionary algorithms[J].Journal of Power Sources,2014,267:288-299.

[32]BRUEN T, MARCO J. Modelling and experimental evaluation of parallel connected lithium ion cells for an electric vehicle battery system[J].Journal of Power Sources,2016,310:91-101.

[33]SAW L H, YE Y, TAY A A O, et al. Computational fluid dynamic and thermal analysis of lithium-ion battery pack with air cooling[J].Applied Energy,2016,177(1):783-792.

[34]TORCHIO M, MAGNI L, GOPALUNI R B, et al. LIONSIMBA: A matlab framework based on a finite volume model suitable for Li-ion battery design, simulation, and control[J]. Journal of the Electrochemical Society,2016,163(7):A1192-A1205.

[35]罗伟林,周少云,刘辉,等.48 V/50 Ah磷酸铁锂电池组热仿真[J].装备环境工程,2018,15(12):6-15.LUO W L, ZHOU S Y, LIU H, et al.Thermal simulation for a 48 V/50 Ah lithium-ion battery pack[J]. Equipment Environmental Engineering,2018,15(12):6-15.

[36]李望, 卢耀辉, 李振生, 等. 车用锂离子电池组冷却系统传热仿真分析[J].装备环境工程,2021,18(2):6-12.LI W, LU Y H, LI Z S, et al. Simulation analysis of heat transfer in cooling system of Li-ion battery pack for vehicles[J]. Equipment Environmental Engineering,2021,18(2):6-12.

[37]XIA Q, WANG Z, REN Y, et al. Performance reliability analysis and optimization of lithium-ion battery packs based on multiphysics simulation and response surface methodology[J]. Journal of Power Sources,2021,490:229567.

[38]XIA Q, WANG Z, REN Y, et al. A modified reliability model for lithium-ion battery packs based on the stochastic capacity degradation and dynamic response impedance[J]. Journal of Power Sources,2019,423:40-51.