Batterimodeller används för att representera batterier. För ändamål som batterihanteringssystem används idag främst empiriska modeller som representerar ett batteri med en motsvarande kretsmodell. Några nackdelar för dessa modeller ligger i dess oförmåga att simulera interna tillstånd och en tidskrävande parametriseringsprocess. Dessa nackdelar motiverar ingenjörer att vända sig till modeller som är baserade på fysiska lagar som ett alternativ eftersom de kan ge insikt i vad som händer inuti batteriet. Batterimodellerna som är baserade på de fysiska lagarna har alltför krävande beräkningar för att kunna användas för vissa applikationer, som batterihanteringssystem. Singel-partikelmodellen (SPM) är en fysikbaserad modell som används i detta avhandlingsprojekt. Syftet med projektet var att hitta en metod för att parametrisera SPM för nya kommersiella cylindriska HTPFR18650 1100mAh 3.2V litiumjärnfosfatceller. En litteraturundersökning och experiment användes för att extrahera parametervärdena. 17 parametrar valdes från litteraturundersökningen eftersom de kunde användas för att parametrisera modellen. Geometriska parametrar hittades genom en cellöppning. Tre typer av icke-destruktiva experiment som var inspirerade av litteraturen utfördes för att extrahera värden för de andra icke-geometriska parametrarna. Ett cykeltest med låg strömhastighet utfördes för att få en pseudo-OCV-kurva och för att extrahera kapacitetsrelaterade parametrarna. En känslighetsanalys genomfördes för galvanostatisk intermittent titreringsteknik testet (GITT) och pulstestet för de parametrar som var kopplade till transportoch kinetiska fenomen. Python matematisk batterimodellering (PyBaMM) användes för att simulera experimenten. Parametersamlingen Prada 2013 användes som standardvärden. Standardvärdena för de valda parametrarna ersattes av de värden som hittades genom experiment. Känslighetsanalysen visade att några av de valda parametrarna var känsliga för experimenten medan andra inte var det. Parametrarna extraherades genom fysiska relationer och genom att anpassa parametervärde för simuleringen så att den passar den experimentella datan under urladdningsförloppet. Värden för 14 av de 17 parametrarna extraherades i metoden. Den parametriserade modellen validerades mot två potentiella applikationer, en för ett batterielfordon och den andra för ett mild-hybridfordon. Den parametriserade modellen visade att den negativa partikelradien inte kan hittas med den föreslagna parametriseringsmetoden. Simuleringen visade sig också matchade den experimentella datan bättre under urladdning av cellerna jämfört till uppladdning. Flera förbättringar för framtida arbete har föreslagits, såsom att utvidgning av känslighetsanalysen, att erhålla OCV-kurvan från GITT istället för att använda pseudo-OCVkurvan, att använda strängare gränser vid kurvanpassningarna samt att skapa mer optimala tester för att extrahera parametervärdena. / Battery models are used to represent batteries. For purposes like battery management systems, empirical based models like the equivalent circuit models are widely used. These models have downsides regarding for example inability to simulate internal states and parametrization time that make engineers look at physics-based models as an alternative. The physics-based models are made up of physical relationships that offer insights into what is happening inside the battery. These are too computationally demanding to be used for certain applications, like battery managements systems. The Single Particle Model (SPM) is a physics-based model that is utilized in this thesis project. The aim of the project is to find a method to parametrize the SPM for fresh commercial cylindrical HTPFR18650 1100mAh 3.2V lithium iron phosphate cells. Literature survey and experiments were used to extract the parameter values. 17 parameters were selected from the literature survey since they could be used to parametrize the model. Geometrical parameters were found through a cell opening. Three types of nondestructive experiments inspired by literature were performed to extract values for the other non-geometric parameters. A low-rate cycling test was performed to get pseudo-OCV curve and to extract capacity related parameters. A sensitivity analysis is done for the GITT and the Pulse test for the parameters that were connected to the transport and kinetic phenomena. Python mathematical battery modelling (PyBaMM) was used to simulate the experiments. The Prada 2013 parameter set was be used as default values. The default values for the selected parameters were replaced by the values found through experiments. The sensitivity analysis showed that some of the selected parameters were sensitive while others were not. The parameters were extracted through physical relations and through curve fitting procedures during discharge. Values for 14 out of the 17 parameters were extracted in the method. The parametrized model was validated against two potential applications, one for a battery electric vehicle and the other for a mild hybrid. The parametrized model showed that the negative particle radius cannot be found through the proposed parametrization procedure. The simulation matched the experimental data better for discharging cells than charging cells. Several improvements for future work have been suggested such as extending the sensitivity analysis, obtaining the OCV-curve from GITT instead of low-rate cycling, having stricter bounds for the curve fitting as well as creating more optimal tests to extract the parameter values.