The battery is a component with significant impact on both the cost and environmental footprint of a full electric vehicle (EV). Consequently, there is a strong motivation to maximize its degree of utilization. Usage limits are enforced by the battery management system (BMS) to ensure safe operation and limit battery degradation. The limits tend to be conservative to account for uncertainty in battery state estimation as well as changes in the battery's characteristics due to aging. To improve the utilization degree, aging sensitive battery control is necessary. This refers to control that a) adjusts during the battery's life based on its state and b) balances the trade-off between utilization and degradation according to requirements from the specific application.  In state-of-the-art battery installations, only three signals are measured; current, voltage and temperature. However, the battery's behaviour is governed by other states that must be estimated such as its state-of-charge (SOC) or local concentrations and potentials. The BMS therefore relies on models to estimate states and to perform control actions. In order to realize points a) and b), the models that are used for state estimation and control must be updated onboard. An updated model can also serve the purpose of diagnosing the battery, since it reflects the changing properties of an aging battery. This thesis investigates identification of physics-based and empirical battery models from operational EV data. The work is divided into three main studies. 1) A global sensitivity analysis was performed on the parameters of a high-order physics-based model. Measured current profiles from real EV:s were used as input and the parameters' impact on both modelled cell voltage and other internal states was assessed. The study revealed that in order to excite all model parameters, an input with high current rates, large SOC span and longer charge or discharge periods was required. This was only present in the data set from an electric truck with few battery packs. Data sets from vehicles with more packs (electric bus) and limited SOC operating window (plug-in hybrid truck) excited fewer model parameters. 2) Empirical linear-parameter-varying (LPV) dynamic models were identified on driving data. Model parameters were formulated as functions of the measured temperature, current magnitude and estimated open circuit voltage (OCV). To handle the time-scale differences in battery voltage response, continuous-time system identification was employed. We concluded that the proposed models had superior predictive abilities compared to discrete and time-invariant counterparts.  3) Instead of using driving data to parametrize models, we also investigated the possibility to design the charging current in order to increase its information content about model parameters. This was formulated as an optimal control problem with charging speed and information content as objectives. To also take battery degradation into account, constraints on polarization was included. The results showed that parameter information can be increased without significant increase in charge time nor aging related stress. / Elekriska fordon utgör en allt större andel av världens fordonsflotta. Batteriet är en komponent med betydande påverkan både på fordonets kostnadoch dess miljö- och klimatpåverkan. Det är därför viktigt att försöka maximera batteriets utnytjandegrad. Användargränser upprätthålls av batterietsstyrsystem, såkallad BMS, för att garantera säker drift samt för att begränsabatteriets åldrande. Användargränserna tenderar att vara konservativa för attta höjd för osäkerhet i tillståndsestimeringen samt batteriets förändrade egenskaper under dess livstid. För att utöka utnyttjandegraden är ålderskänsligstyrning nödvändig. Med detta avses styrning som a) justeras under batterietslivstid och b) balancerar utnyttjande och prestanda på ett sätt som passar enspecifik applikation. Ombord på fordon mäts typiskt tre signaler; ström, spänning och temperatur. Batteriets beteende bestäms dock av andra tillstånd som måste estimeras, såsom dess laddnivåeller lokala koncentrationer och potentialer. BMS:enförlitar sig därför på modeller för att estimera interna tillstånd och utföra styrning. För att uppfylla punkterna a) och b) måste modellerna som användsuppdateras ombord i takt med att batteriet åldras. En uppdaterad modellkan också fungera som ett diagnostiskt verktyg eftersom det speglar batteriets förändrade egenskaper. Den här avhandlingen undersöker identifieringav fysikbaserade och empiriska modeller från kördata. Arbetet delas in i treseparata studier. 1) En global känslighetsanalys utfördes på parametrarna i en fysikbaseradmodell av hög ordning. Som inputsignal användes uppmätt ström från riktigaelfordon i drift. Parametrarnas effekt på både cellspänning och interna batteritillstånd analyserades. Studien visade att alla modellparametrar exciteradesav strömmen från ett helelektriskt fordon. Anledningen var att batteriernaanvändes inom ett brett SOC spann samt att den dragna strömmen var stor.I fordon med snävare SOC span och lägre strömmar var inte alla parametrarkänsliga. 2) Dynamiska parametervarierande modeller formulerades och identifierades från kördata. Den uppmätta temperaturen, samt strömmens storlekoch den estimerade tomgångsspänningen (OCV) användes till parameterberoenden. För att hantera skillnader i tidsskala mellan spänningssvarets olikakomponenter användes systemidentifiering i kontinuerlig tid. Vi kunde draslutsatsen att de föreslagna modellerna var överlägsna motsvarande diskretaoch konstanta modeller. 3) Istället för att använda kördata för att parametrisera modeller undersökte vi också möjligheten att designa laddförloppet för att öka dess informationsinnheåll. Detta formulerades som ett optimeringsproblem med laddtidoch informationsinnehåll i kostnadsfunktionen. För att även ta batteriets åldrande i beaktning, ansattses bivillkor på polariseringsspänningen. / <p>QC 20220516</p>

The rate of degradation of a lithium-ion battery depends on its use i.e. how it is charged and discharged. Physics-based models are used to represent the processes inside a cell as well as the degradation mechanisms. This thesis aimed to compare how the battery lifetime is affected when charging with different charging protocols using different battery models and degradation mechanisms. The investigated models are the Single Particle Model (SPM), the Single Particle Model with electrolyte (SPMe), and the Doyle-Fuller Newman model (DFN). The degradation mechanisms are solid electrolyte interphase (SEI), and lithium plating (LP). The used charging protocols are constant-current constant voltage(CCCV), positive pulsed current (PPC), and constant current (CC). Pulsed charging was included to investigate if the battery lifetime can be improved as in an experiment by Huang where pulsed charging increased the battery lifetime by 60%. To perform the simulations using the physics-based models, PyBaMM (PythonBattery Mathematical Modeling) was used. The simulations were performed for a lithium cobalt oxide (LCO) cell. Two types of SEI were implemented, solvent-diffusion limited and reaction limited. For the LP only irreversible LP was used.1200 cycles were simulated. Comparing the PPC and CC protocols, there were no significant changes between the degradation mechanisms for the different protocols. The results were the same for all the models, except for the results of the internal resistance. The conclusion is that for the PPC and CC protocols, the cell degrades the same although the PPC protocol used twice the C-rate. The PPC charging did not increase the battery lifetime. For the CCCV and CC protocols, there were some bigger differences between the protocols, but between the different models, there weren’t any significant differences. The CCCV degrades the cell faster for all degradation mechanisms and all models. Simulating one degradation submodel at a time resulted in a very small capacity fade for some submodels. Therefore, for future work, it is suggested to use several degradation submodels at the same time but also to try other degradation mechanisms or try PPC protocols with different frequencies and duty cycles. / Hur snabbt litiumjonbatterier degraderas beror på hur de används, laddas och laddas ur. Fysikbaserde modeller används för att representera processerna inuti cellen och även degraderingsmekanismerna. Denna studie har genomförts för att undersöka hur batteriets livslängd påverkas av olika laddningsprotokoll genom att använda olika batterimodeller och degraderingsmekanismer. Modellerna som användes är Singel-partikelmodellen (SPM), Singel-partikelmodellen med elektrolyt (SPMe) och Doyle-Fuller Newman-modellen (DFN). Degraderingsmekanismerna är fast elektrolytinterfas (SEI) och litiumplätering (LP). Laddningsprotokollen som användes är konstant ström konstant spänning (CCCV), positiv pulserande ström (PPC) och konstant ström konstant (CC). Protokollet för pulsad laddning inkluderades för att undersöka om batteriets livslängd kan förbättras som i ett experiment av Huang, där pulsad laddning ökade batteriets livslängdmed 60%. För att utföra simuleringar med fysikbaserade modeller användes PyBaMM(Pyhton Battery Mathematical Modeling). Simuleringarna utfördes för en lithiumkobaltoxid-cell (LCO). Två typer av SEI implementerades, lösningsmedelsdiffusion-begränsad och reaktions-begränsad SEI. För LP användes endast irreversibel LP.1200 cykler simulerades. Jämförande PPC- och CC-protokollen fanns det inga signifikanta förändringar mellan degraderingsmekanismerna för de olika protokollen. Resultaten vardesamma för alla modellerna, förutom resultaten av den interna resistansen. Slutsatsen är att för både PPC- och CC-protokollen så degraderades cellen på samma sätt, trots att PPC-protokollet använde dubbelt så hög C-faktor. PPC-protokollet ökade inte batteriets livslängd. För CCCV- och CC-protokollen fanns det några större skillnader mellan protokollen, men mellan de olika modellerna fanns det inga signifikanta skillnader. CCCV-protokollet försämrade cellen snabbare för alla degraderingsmekanismer och alla modeller. Att simulera en degraderingsmodell i taget resulterade i mycket små kapacitetsförluster. Därmed föreslås det att i framtida arbete använda flera degraderingsmodeller samtidigt men även testa andra degraderingsmekanismer eller PPC-protokoll med olika frekvenser och arbetscykler