作为电动汽车的核心部件之一,动力电池在电动汽车的动力性、安全性等方面占据着重要作用。动力电池的内核温度不仅影响电池的内阻、容量等参数,而且也是电池管理系统及整车控制策略的必要输入之一。因此,准确地获取动力电池的内核温度是动力电池高效、安全使用的基础。传统的基于温度传感器的动力电池内核温度监测方法,不能对动力电池的内核温度进行准确表示,且在数据采样过程中,传感器噪声等随机干扰会对动力电池的温度估计产生影响。考虑到卡尔曼滤波(Kalman Filter,简称KF)算法在系统状态估计中的诸多优势,因此,本文将电池热模型与卡尔曼滤波算法相结合,提出一种基于卡尔曼滤波的动力电池内核温度估计方法,对动力电池的内核温度进行在线估计。在本文的研究中,首先对锂离子电池的特性和电池管理系统的功能进行介绍,为提高动力电池的使用性能和安全性能提供理论支撑。然后对锂离子电池进行建模,分别建立锂离子电池的电化学模型和等效电路模型,且在综合模型精度、复杂度和研究目标后,选定等效电路模型中一阶RC模型作为电池系统模型;并基于最小二乘法对一阶RC等效电路模型进行参数辨识。随后对锂离子电池的生热机理进行分析,分别建立电池的电芯生热速率模型和极耳生热速率模型;对锂离子电池的散热机理进行分析,分别建立电池的电芯散热速率模型和极耳散热速率模型;基于能量守恒定律建立锂离子电池的电芯热模型和极耳热模型。最后对经典卡尔曼滤波算法进行介绍;对锂离子电池热模型的状态空间方程的推导过程进行详细说明,并结合卡尔曼滤波算法建立锂离子电池内核温度估计器;选取不同实验工况,在MATLAB/Simulink平台下基于KF算法对锂离子电池内核温度进行在线估计,并根据电池温度实验结果对算法的准确性进行验证。验证结果表明:基于卡尔曼滤波的动力电池内核温度估计算法具有很好的准确性和可靠性。