In this paper, the thermal runaway features of a 25 Ah large format prismatic lithium ion battery with Li(NixCoyMnz)O2 (NCM) cathode are evaluated using the extended volume-accelerating rate calorimetry (EV-ARC). 4 thermocouples are set at different positions of the battery. The temperature inside the battery is 870 °C or so, much higher than that outside the battery. The temperature difference is calculated from the recorded data. The temperature difference within the battery stays lower than 1 °C for 97% of the test period, while it rises to its highest, approximately 520 °C, when thermal runaway happens. The voltage of the battery is also measured during the test. It takes 15–40 s from the sharp drop of voltage to the instantaneous rise of temperature. Such a time interval is beneficial for early warning of the thermal runaway. Using a pulse charge/discharge profile, the internal resistance is derived from the quotient of the pulse voltage and the current during the ARC test. The internal resistance of the battery increases slowly from 20 mΩ to 60 mΩ before thermal runaway, while it rises to 370 mΩ when thermal runaway happens indicating the loss of the integrity of the separator or the battery swell.

When lithium-ion batteries age with cycling, the battery capacity decreases and the resistance increases. The aging mechanism of different types of lithium-ion batteries differs. The loss of lithium inventory, loss of active material, and the increase in resistance may result in battery aging. Generally, analysis of the battery aging mechanism requires dismantling of batteries and using methods such as X-ray diffraction and scanning electron microscopy. These methods may permanently damage the battery. Therefore, the methods are inappropriate for the battery management system (BMS) in an electric vehicle. The constant current charging curves while charging the battery could be used to get the incremental capacity and differential voltage curves for identifying the aging mechanism; the battery state-of-health can then be estimated. This method can be potentially used in the BMS for online diagnostic and prognostic services. The genetic algorithm could be used to quantitatively analyze the battery aging offline. And the membership function could be used for onboard aging mechanism identification.

We demonstrate herein that not only internal short circuiting, but also chemical crossover, is the mechanism behind thermal runaway that can occur in lithium-ion batteries due to abuse conditions. In situ experiments showed that during thermal runaway, the cathode releases oxygen by a phase transition, and this oxygen is consumed by the lithiated anode. The released highly oxidative gas reacts with reductive LiCx with tremendous heat generation centered at 274.2°C with heat flow of 87.8 W g−1. To confirm the proposed mechanism, we froze a battery undergoing the thermal runaway process by liquid nitrogen and subjected it to detailed post-test analysis. Our results revealed the hidden thermal runaway mechanism of chemical crossover between the battery components without a severe internal short circuit. These findings provide an important insight into the rational design of automotive lithium-ion batteries as well as solid-state batteries.

This paper investigates the mechanisms of penetration induced thermal runaway (TR) propagation process within a large format lithium ion battery pack. A 6-battery module is built with 47 thermocouples installed at critical positions to record the temperature profiles. The first battery of the module is penetrated to trigger a TR propagation process. The temperature responses, the voltage responses and the heat transfer through different paths are analyzed and discussed to characterize the underlying physical behavior. The temperature responses show that: 1) Compared with the results of TR tests using accelerating rate calorimetry (ARC) with uniform heating, a lower onset temperature and a shorter TR triggering time are observed in a penetration induced TR propagation test due to side heating. 2) The maximum temperature difference within a battery can be as high as 791.8 °C in a penetration induced TR propagation test. The voltage responses have a 5-stage feature, indicating that the TR happens in sequence for the two pouch cells packed inside a battery. The heat transfer analysis shows that: 1) 12% of the total heat released in TR of a battery is enough to trigger the adjacent battery to TR. 2) The heat transferred through the pole connector is only about 1/10 of that through the battery shell. 3) The fire has little influence on the TR propagation, but may cause significant damage on the accessories located above the battery. The results can enhance our understandings of the mechanisms of TR propagation, and provide important guidelines in pack design for large format lithium ion battery.

This paper proposes a co-estimation scheme of state of charge (SOC), state of health (SOH), and state of function (SOF) for lithium-ion batteries in electric vehicles. The co-estimation denotes that the SOC, SOH, and SOF are estimated simultaneously in real-time application. The model-based SOC estimation is fulfilled by the extended Kalman filter. The battery parameters related with the battery SOH and SOF are online identified using the recursive least square algorithm with a forgetting factor. The capacity and the maximum available output power are then estimated based on the identified parameters. The online update of the capacity and correlated parameters help improve the accuracy of the state estimation but with limited increase in the computation load, by making good use of the correlations among the states. The co-estimation scheme is validated in a real battery management system with good real-time performance and convincible estimation accuracy.

Sate of charge (SOC) estimation is generally acknowledged as one of the most important functions in battery management system for lithium-ion batteries in new energy vehicles. Though every effort is made for various online SOC estimation methods to reliably increase the estimation accuracy as much as possible within the limited on-chip resources, little literature discusses the error sources for those SOC estimation methods. This paper firstly reviews the commonly studied SOC estimation methods from a conventional classification. A novel perspective focusing on the error analysis of the SOC estimation methods is proposed. SOC estimation methods are analyzed from the views of the measured values, models, algorithms and state parameters. Subsequently, the error flow charts are proposed to analyze the error sources from the signal measurement to the models and algorithms for the widely used online SOC estimation methods in new energy vehicles. Finally, with the consideration of the working conditions, choosing more reliable and applicable SOC estimation methods is discussed, and the future development of the promising online SOC estimation methods is suggested.

Thermal runaway, a critical problem that hinders the application of lithium-ion battery, is always a thermal-electrical coupled process where exothermic chemical reactions and internal short circuit coincide and interact with each other. Clarifying the contributions of chemical reactions and internal short circuit to thermal runaway is crucial for developing safer lithium-ion battery. In this paper, the relationship between internal short circuit and thermal runaway of lithium-ion battery under thermal abuse condition is investigated through experimental and modeling approaches. Internal short circuit is observed to happen before thermal runaway but leads to little heat generation during thermal abuse test of a lithium-ion battery with Li(NiCoMn)1/3O2 cathode. Liquid-nitrogen-ceased thermal runaway test and postmortem analysis are designed to characterize the cause of internal short circuit. Thermal shrinkage of the separator is found responsible for the occurrence of internal short circuit. However, the joule heat from internal short circuit is limited by the sharp-increased battery resistance and thus contributes little to battery thermal runaway. Moreover, exothermic reactions between the anode and electrolyte are determined as the trigger of thermal runaway of the Li(NiCoMn)1/3O2–based battery, in contrast to the conventional views that the highly reactive oxygen released from cathode or internal short circuit is the critical factor for thermal runaway of lithium-ion battery. Finally, a model-based discussion on the effect of internal short circuit on the thermal runaway of batteries with different designs is presented. The results provide new insights into battery thermal runaway mechanism and can benefit the safety design of lithium-ion battery.

This paper presents an electrochemical-thermal coupled overcharge-to-thermal-runaway (TR) model to predict the highly interactive electrochemical and thermal behaviors of lithium ion battery under the overcharge conditions. In this model, the battery voltage equals the difference between the cathode potential and the anode potential, whereas the temperature is predicted by modeling the combined heat generations, including joule heat, thermal runaway reactions and internal short circuit. The model can fit well with the adiabatic overcharge tests results at 0.33C, 0.5C and 1C, indicating a good capture of the overcharge-to-TR mechanism. The modeling analysis based on the validated model helps to quantify the heat generation rates of each heat sources during the overcharge-to-TR process. And the two thermal runaway reactions including the electrolyte oxidation reaction and the reaction between deposited lithium and electrolyte are found to contribute most to the heat generations during the overcharge process. Further modeling analysis on the critical parameters is performed to find possible solutions for the overcharge problem of lithium ion battery. The result shows that increasing the oxidation potential of the electrolyte, and increasing the onset temperature of thermal runaway are the two effective ways to improve the overcharge performance of lithium ion battery.

In this paper, a 3D thermal runaway (TR) propagation model is built for a large format lithium ion battery module. The 3D TR propagation model is built based on the energy balance equation. Empirical equations are utilized to simplify the calculation of the chemical kinetics for TR, whereas equivalent thermal resistant layer is employed to simplify the heat transfer through the thin thermal layer. The 3D TR propagation model is validated by experiment and can provide beneficial discussions on the mechanisms of TR propagation. According to the modeling analysis of the 3D model, the TR propagation can be delayed or prevented through: 1) increasing the TR triggering temperature; 2) reducing the total electric energy released during TR; 3) enhancing the heat dissipation level; 4) adding extra thermal resistant layer between adjacent batteries. The TR propagation is successfully prevented in the model and validated by experiment. The model with 3D temperature distribution provides a beneficial tool for researchers to study the TR propagation mechanisms and for engineers to design a safer battery pack.

Thermal runaway (TR) propagation in a large format lithium ion battery pack can cause disastrous consequences and thus deserves study on preventing it. A lumped thermal model that can predict and help prevent TR propagation in a battery module using 25 Ah LiNixCoyMnzO2 large format lithium ion batteries has been built in this paper. The TR propagation model consists of 6 fully-charged single batteries connected through thermal resistances and can fit experiment data well. The modeling analysis focuses on discussing the influences on the TR propagation process caused by changes in different critical modeling parameters. The modeling analysis suggests possible solutions to postpone and prevent TR propagation. The simulation shows that it might be better to choose proper parameters that help prevent TR propagation rather than just postpone it, because a delay in the TR propagation process leads to a higher level of heat gathering which may cause severer thermal hazards. To prevent TR propagation, the model provides some substantial quantified solutions: (1) raise the TR triggering temperature to higher than 469 °C; (2) reduce the total electric energy released during massive internal short circuit to 75% or less of its original value; (3) enhance the heat dissipation by increasing the heat dissipation coefficient to higher than 70 W m−2 K−1; (4) add extra thermal resistant layers between adjacent batteries with a thickness of 1 mm and a thermal conductivity less than 0.2 W m−1 K−1. One implementation, which is verified by experiment, is to insert thermal resistant layer between adjacent batteries to prevent TR propagation in the battery module.