電動汽車電池管理系統研究現狀與分析

阮超鵬 敖銀輝

（廣東工業大學機電工程學院，廣州510006）

主題詞：電池管理系統 能量均衡 SoC估算 結構功能

縮略語

BMS Battery Management System SoC Stateof Charge BMC Battery Monitoring Circuit BCU Battery Control Unit MCU Micro Controller Unit SoH Stateof Health SoP Stateof Power OCV Open-Circuit Voltage AHI Ampere-Hour Integration

ANN Artificial Neural Network SVM Support Vector Machine KF Kalman Filter EKF Extended Kalman Filter

1 引言

在當今時代，汽車作為重要的交通工具為人們的出行提供了極大的便利，日益凸顯了其重要的作用，然而人們在使用傳統燃油汽車的過程中會不可避免的產生大量的有害廢氣。為了應對環境污染與能源危機帶來的問題，選擇開發新能源汽車是一條可行的道路。隨著人們社會生活水平的不斷提升，人們越來越重視自然環境的保護。只有不斷的推廣新能源汽車，才能夠在根本上節能環保[1]。

電動汽車因其節能環保已成為目前汽車市場發展的主流趨勢。電動汽車與傳統燃油汽車最大的區別是用動力電池作為動力驅動。作為動力儲存系統，動力電池因其能高效地儲存和輸送能量，在動力儲存系統領域發揮著重要地作用。電動汽車的發展要求有逐漸增加的續駛里程，為了給電動汽車提供足夠的動力，現有的動力電池組由上百顆單體電池串并聯組成，對這龐大數量的電池進行管理工作則由電池管理系統（Battery Management System，簡稱BMS）完成。電池管理系統，可配備于任何使用電池的場合，可以是電子系統、機械系統或者其他能夠對電池進行管理的裝置，管理對象可以是單個電池，一個電池單元或者由電池單元組成的電池包。電動汽車電池管理系統（以下簡稱電池管理系統）與動力電池密切相關，不論車輛是在充電還是在正常運行使用，BMS都需要準確可靠的完成對各單體電池的電流、電壓、溫度等狀態進行實時檢測和診斷,確保電池組的安全。總體上說可分為檢測、管理和保護3大部分。圖1為電池管理系統功能框圖。

圖1 電池管理系統功能Fig.1 Function block diagram of battery management system

國外的汽車的電動汽車起步較早，因此他們對BMS的研究起步也早于國內。國外已經研制出了搭載BMS的多種電動汽車和概念車。比如，通用GM的EVI，福特的Think city,本田的EVPlus，豐田的RAV4。較早開出的比較成功的電池管理系統如下：德國Mentzer Electronic GmbH和Werner Ret-zlaff為首設計的BADICHEQ系統及BADICOACH系統；美國Aerovironment公司開發的Smart Guard系統,ACPropulsion公司開發的高性能電池管理系統BatOpt，Tesla公司自主研發的電池管理系統。通過對這些BMS進行研究，發現這些產品雖然基礎的功能相似，但是各自的實現方式存在較大差異：BADICHEQ[2]系統能夠實現對26個蓄電池進行電流、溫度和電壓等參數的采集，同時還能實現數據通訊、均衡控制和數據顯示功能。BADICOACH系統對BADICHEQ系統進行了改進，在數據采集方面使用非線性電路來測量每個電池單元的電壓，并通過一條信號線將各個單體電池電壓傳輸給系統，并能存儲24個充放電周期的數據；在安全管理方面顯示最差的單體電池的SoC并提供保護。美國的Smart Guard是通過采用了專用的集成芯片，來測量電池的電壓和溫度,并對電池參數數據進行了監控，記錄電池歷史。ACPropulsion公司的Batopt系統將BMS分為中心控制單元和電池監控回路組成，由電池監控回路通過twowire總線向中心控制單元進行通訊，中心控制單元接收信息后進行控制管理。Tesla的電池管理系統采用分層次管理動力電池組的方式，將一定數量的單體電池并聯并封裝組成一個電池磚，然后將這種電池磚串聯成動力電池組，實現以對每個電池磚都進行實時監控、管理。

相對于國外，國內的BMS研究起步較晚。我們國家也正在加大對電池管理系統的研究力度，投入了大量的資金、資源和人才，目前研究機構和企業在電池管理系統方面的研究也取得了一定的成果。北京交通大學[3]針對鉛酸蓄電池開發出了相應的電池管理系統，主要成果是用智能的神經網絡方法估算電池的荷電狀態，實驗結果表明該神經網絡算法是比較有效的。重慶大學也對鎳氫電池的管理系統進行了深入的研究，主要研究電池管理系統的C A N網絡性能并分析了電池荷電狀態，融合卡爾曼濾波的方法和安時積分法方法，對電池的荷電狀態進行估算，經過實驗分析，驗證了該算法的有效性。惠州億能電子有限公司的產品EV02。主要應用于電動汽車領域，采用分布式拓撲結構設計，每個BMS由一個主控單元和多個從控單元組成。科列技術公司研發的BMS產品強調主動均衡與無線傳輸功能來解決電池組中各單體電池不一致性的問題[4]。

2 電池管理系統拓撲結構分析

為了向電動汽車提供足夠的能源，動力電池組由多個單體動力電池串并聯而成。要對多個電池進行實時地檢測和有效管理，就必須對電池管理系統的拓撲結構進行研究。電池管理系統的硬件電路可劃分為2個功能模塊，即電池檢測回路（Battery Monitoring Circuit,BMC）與電池控制單元（Battery Control Unit,BCU）。從2個層面來對電池管理系統的拓撲結構進行選擇。

（1）BMC與各個單體電池之間的拓撲關系，即BMC檢測的是一個還是多個電池；

（2）BCU與BMU之間拓撲關系。

常見的拓撲結構有3種：集中式、分布式和半分布式[5]。

（1）集中式結構，是將所有的采集單體電壓，溫度等的采集單元全部集中在一塊BMS板中，這時由MCU負責實現BCU與BMC的功能，對所有的動力電池進行管理。集中式結構使得BMS結構簡潔，成本較低，適用于動力電池個數較少，電池管理系統規模相對較小的情況。

（2）分布式結構，BCU與BMC分離，BMC負責采集電池單體模組的電壓、溫度、電路總電流以及均衡管理，熱管理等，BCU負責收集并處理BMC上傳的數據，控制電池組的充放，對電池組進行故障診斷以及與整車、充電樁進行信息交互。分布式結構使得多個BMC能夠共享通信通道，便于對多個動力電池進行控制，適用于管理大量動力電池的場合，但通信線路較長，需要進行隔離設計。

（3）半分布式BMS，是上述2種方式的折中，適用于部件不少而且功能集中度也高一些的場合，是3種方案里面成本較高的方案[6]。

3 電池管理系統功能分析

動力電池常見為鋰電池，具有高比能量、高效率、使用壽命長的優點，這些獨特的性能使其成為電子市場中的首選電源,但動力電池處于過放電或過充電狀態下，只要超過一定閾值，便會對電池造成不可扭轉的損壞[7]。再者，電池在高溫下運行時無法充滿甚至發生漏液、爆炸，過低溫導致電解液凝固，不能最大限度地利用能量。電池管理系統通過對動力電池進行電池狀態檢測，實現對電池的狀態分析、安全保護，對電動汽車的動力源實施了有效保障，從而確保電動汽車安全高效運行。

3.1 電池狀態檢測

電池狀態檢測包括對動力電池組的總電壓、電流、溫度和單體電池的電壓數據的采集[8]。動力電池組的總電壓與電流是動力電池組剩余容量估算的重要參數，對其進行采集用于電池狀態分析。為了保證動力電池組健康地運行，還要對溫度進行檢測。溫度檢測除了單體電池溫度進行檢測還要對整個電池系統進行檢測。電池狀態檢測是BMS實現其他功能的基礎，是保障動力電池包安全運行必不可少的功能。

3.1.1 電池電壓檢測

BMS需要對動力電池組的總電壓和各單體電池電壓進行檢測，現對常見的電池電壓檢測方法進行分析。

（1）共模測量和差模測量

共模測量是指使用精密電阻等比例衰減來實現對相對同一參考點電壓的測算，并分別求得不同電池對應的電壓值。這種方法的特點就是操作簡便，但是其測量效果很難滿足需求。差模測量是通過繼電器選通單節電池進行直接測量，測量精度相對較高。

（2）基于繼電器的采集方式

電池正負極各自都是連接對應的光耦，并連接到對應的A／D芯片模擬輸入2側，單片機則主要控制繼電器，從而實現單體電池電壓值向數字信號的轉化，然后使用單片機對這些信號進行處理。但是，這種方案需要用到大量的光繼電器，占用體積大，成本較高。

（3）基于專用芯片的電壓檢測方式

使用半導體公司生產應用于電池管理系統的芯片。用于電壓檢測的專用芯片可以對串聯的多個電池進行電壓檢測，當串聯的電池總電壓高于芯片的檢測上限閾值時，可采用多個芯片來實現電壓檢測。每一個芯片對低于其電壓檢測上限閾值的串聯電池進行檢測，然后將每個芯片檢測得到的電壓值相加得到串聯電池的總電壓。使用這種方法可以實現大量電池串聯情況的高電壓檢測。這種方式省去了大量光繼電器，節約了開發板面積，但開發成本較高，導致應用成本上升。

3.1.2 電池電流檢測

在動力電池組中，電池大多采用串聯結構，工作電流相同，因此只需要對總電流進行檢測[9]。由于是對總電流進行檢測，故采樣值會比較大，鑒于電流對于電池組剩余電量估算以及整車安全有重大影響，電流的采樣頻率應盡可能提高。可以看出電流檢測的特點是采樣通道少，頻率高，采樣值大。現對常見的電流檢測方法進行分析。

（1）基于串聯電阻的電流檢測法

在動力電池組的主回路上串聯一個分流器（阻值小、精度高且溫漂小的電阻），當動力電池組處于工作狀態時，測量分流器兩端壓降得到主回路總電流。這種檢測方式成本低廉，但分流器會產生熱損耗，需要考慮散熱問題。

（2）基于霍爾傳感器的電流檢測法

霍爾傳感器能利用霍爾效應來檢測電流，可以檢測直流或交流，同時將檢測對象與檢測元件分離開來，屬于隔離檢測，增強了回路抗干擾能力并且做到了無損耗檢測。

3.1.3 溫度檢測

上文中已提及電池對溫度極為敏感，任何動力電池都有合適的工作溫度范圍，只有在合適的溫度中才能最好地發揮作用，所以需要檢測的不僅是單體電池的溫度，還有電池箱和工作環境的溫度。現對常見的溫度檢測方法進行分析。

（1）熱敏電阻檢測法

作為最常用的檢測溫度元件，熱敏電阻的電阻值幾乎隨著溫度呈線性變化，將其與一個已知阻值的電阻串聯，便可以通過兩者間壓差得到溫度。這種方法有一定的精度，而且成本低廉。

（2）基于芯片的溫度采集方式

專門設計應用于電池管理的芯片，不僅有電壓檢測的功能，還集成有溫度檢測的功能，例如凌力爾特公司的LTC6813。采用這種方法能夠節約了開發板面積，節省空間，但提高開發成本和應用成本，對產品而言降低了利潤空間。

3.2 電池狀態分析

電池狀態分析是指對電池的剩余電量進行估算、電池老化程度估算和峰值功率估算，即是SoC（State of Charge）估算、SoH(State of Health)估算[10]和SoP(State of Power)估算。在傳統汽車上駕駛員需要知道油量剩余來判斷是否需要補給，同樣電動汽車的駕駛員也需要知道電量剩余來判斷是否需要充電，這是BMS的SoC估算功能。為了讓駕駛員獲得更加直觀的信息，SoC狀態可以將百分比表示轉換為等效路程或者等效時間表示。隨著電池循環使用的時間增加，電池的最大可用電量會下降，即發生電池老化現象。對電池的最大可用電量進行估算，這是BMS的SoH估算功能。在不同的SoC和SoH下，動力電池有著不一樣的工作表現。保證動力電池組安全的情況下，在一定的時間段內，估算動力電池充電或放電的極限功率，可以最大限度地發揮動力電池組處于不同SoC和SoH時的性能，實現整車最優動力匹配，這是BMS的SoP估算功能[11]。

3.3 電池安全保護

電池安全保護是電動汽車BMS最重要的功能，也是設置BMS的目的[12]。電池安全保護功能的實現依賴于電池狀態檢測和電池狀態分析2大功能，其常見內容為過流保護、過充過放保護和過溫保護。過流保護是指當動力電池處于充放電工程中時，工作電流超過了限定閾值，必須采取相應的安全措施來保護電池，如對電池進行限制放電。過充過放保護是指當充電過程中檢測到電池的單體電壓已經達到最大上限電壓時，切斷充電回路對其進行保護；而當在放電過程中，單體電池的電壓已經下降到最低下限時，為防止繼續放電對電池造成損壞，采取切斷放電回路來進行保護。過溫保護是指當溫度超過預定的合適工作溫度范圍的時候對動力電池采取保護措施。

3.4 電池信息管理

當電動汽車處于行駛或充電過程中，電池組各單體電池的實時參數都在發生著變化，同時BMS根據采集參數也會產生大量數據，這些數據根據需求由BMS將其傳輸或者保存起來。電池信息管理功能[10,12]包括了電池信息顯示、系統內外信息交互和電池歷史信息存儲。

電池信息顯示是通過儀表盤或著顯示屏將BMS采集的電池實時參數顯示出來，一般顯示內容有：電池組總電壓、總電流、最高單體電壓、最低單體電壓和電池組剩余電量（相當于傳統汽車的剩余油量）。當電池組出現安全問題或者潛在安全隱患時，還應輸出報警信號。

系統內外信息交互是指BMS自身內部的信息交流以及與其他控制器之間的交流。由于電池組中是由大量的單體動力電池串并聯而成，采集大量的電池參數需要合適的BMS拓撲結構，采集功能與處理功能由不同的BMS結構負責，這些結構間的通信就是系統內部信息交互。除了處理內部信息之外，BMS還要將相應數據與其它部件進行通信，如整車控制器、電機控制器等，同時接收其他控制器發出的指令。通信方式常見有CAN通信。

電池歷史信息存儲是對采集數據和運算數據的保存，從時效上分為臨時存儲和永久存儲。電池歷史信息存儲能夠給予BMS數據緩沖時間，有助于對動力電池狀態進行估算，提高分析精度。同時存儲的信息能用于排除故障和性能優化。

4 電池能量控制管理策略研究

4.1 電池能量控制管理策略簡介

能量控制管理屬于優化電池應用的范疇，不屬于電池管理系統的必備功能。但隨著對電池應用的要求越來越高，BMS也配備了能量管理控制功能[10]。能量控制管理[13]包括電池充電控制管理、電池放電控制管理和電池均衡控制管理。電池充電控制管理是指在動力電池的充電過程中，BMS采用優化的充電策略對動力電池的充電電壓、充電電流進行控制，實現提高充電效率，飽滿充電程度的目的。電池放電控制管理是指在動力電池的放電過程中，BMS檢測動力電池的實時狀態來調節放電電流的大小。當電池電量處于較低的閾值時，適當地減小放電電流，盡管限制地電動汽車的最高速度，但這樣能延長電池的使用壽命。電池均衡控制管理是指當電池組存在單體電池不一致性時，BMS采取相應措施來減小電池組的不一致性，達到優化整體放電性能的效果。

4.2 電池的均衡控制

在BMS的能量管理功能中，電池的均衡控制管理最富有挑戰性。由于生產工藝或使用材質不均勻的因素，各單體電池的初始容量、電池內阻、自放電率參數都存在差異。隨著電池使用時間的增長，初始的差異會不斷變大，而不適宜的工作溫度會加劇電池進一步不一致性，從而導致“木桶效應”，即是性能較差的電池會被消耗的更為迅速，加速電池的老化，降低電池的使用壽命，嚴重時甚至會導致電池變形、爆炸[14]。因此減小電池的不一致性能保護電池，延長電池的使用壽命。

為了減小電池的不一致性，電池均衡控制應運而生[15]。電池均衡控制管理是指當電池組存在單體電池不一致性時，BMS采取相應措施來減小電池組的不一致性達到優化整體放電性能的效果。目前主要的均衡方法分為被動均衡和主動均衡2種方法[16]。

4.2.1 被動均衡

被動均衡[17]是通過接入電阻等耗散元件的方式來消耗電池組中電量較高的電池，達到電池組中各電池電量均衡的目的。被動均衡存在耗散電流，會造成能量損失和發熱，當電池組的不一致性嚴重時，電路熱效應會進一步破壞電池組穩定性，但因結構簡單，控制方便，成本低廉，目前仍是工業控制中最為常用的均衡方式[18]。以乘用車為例[15]，特斯拉、寶馬i系和福特VOLT等為代表的國外電動汽車，與以比亞迪為代表的國內電動汽車對其動力電池組多采用被動均衡，其給定的均衡電流通常在100～200 mA之間。

根據被動均衡的控制方式，常見的被動均衡有固定電阻分流器法和開關電阻分流器法,分別如圖2、圖3所示。

圖2 固定電阻分流器法Fig.2 Fixed resistanceshunt method

圖3 開關電阻分流器法Fig.3 Switch resistor shunt method

圖4 基于電容的主動均衡方案Fig.4 Active equilibriumscheme based on capacitance

圖5 基于變壓器的主動均衡方案Fig.5 Activeequalization scheme based on voltagetransformer

4.2.2 主動均衡

主動均衡[19]是利用一些儲能元件和開關元件，將電池組中較高電量電池的能量轉移到較低電量電池中，實現電池組各單體電池電量的均衡。主動均衡能提高能量的使用效率，增加電池組單次充電的使用時間，但主動均衡方案的控制邏輯較為復雜，成本較高，而且實際上能量轉化過程中存在損耗，目前主動均衡的研究仍有著巨大挑戰。根據主動均衡的結構，可將其分為基于電容的均衡結構、基于電感的均衡結構和基于變壓器的均衡結構（圖4、圖5）。

（1）基于電容的均衡結構[19-20]是利用電容能夠儲存電荷的特性來轉移電荷，通過開關來選通存在電壓差的相鄰單體電池，在電容的幫助下電荷從高電壓的電池轉移到低電壓的電池，從而實現電池的能量轉移。這種均衡結構相對簡單，易于實現，其局限性是這種均衡結構是基于相鄰單體電池的電壓差來進行均衡，而非根據參考電壓均衡，而且電池的均衡速率較低。

（2）基于電感的均衡結構[19-20]是利用電感電流不能突變的特點，借助電感將存在電壓差的電池以電流的方式實現能量轉移。這種均衡結構以電流的形式來實現均衡，即使是很小的電壓差也能起均衡作用，但是均衡的速度和效率會隨著單體電池串聯個數的增加而下降，不適用于大量單體串聯的情況。

（3）基于變壓器的均衡結構[15,19-20]是利用變壓器作為能量轉移的載體，將單體電池或者電池組的部分能量儲存在繞組中，并通過互感傳遞到另一個繞組，最后通過開關將能量傳遞到需要均衡的電池組或電池單體中。這種均衡結構屬于隔離型均衡，均衡速度較快，但隨著單體電池串聯個數的增加將導致變壓器線圈繞組變得笨重負責，使得占用空間和應用成本也上升。

5 動力電池剩余電量（SoC）估算方法

動力電池剩余電量估算是電動汽車電池管理系統的一個重要功能，同時也是電池管理系統開發過程中最有挑戰性的問題之一。動力電池[21]的剩余電量指從當前時刻起動力電池通過化學反應能夠釋放出來的電荷量，分為廣義剩余電量和狹義剩余電量。廣義剩余電量是在合適的溫度與放電倍率下，所能放出的電荷最大值；狹義剩余電量指在限定的溫度和放電倍率下，動力電池所能放出的最大電荷，即狹義SoC是溫度與放電倍率的函數。從狹義剩余電量看來，當在惡劣的環境下，會出現電池充滿電但SoC為零的情況，如在-30℃電池充滿電但無法工作。在日常使用中，這2個概念往往不加區分的使用，但必須注意在極端環境時的剩余電量估算指哪一種。

對于SoC并不存在一個被所有人都接受的定義，這里采用最經典的SoC定義，可用式(1)表示。

式（1）中，Qremain指的是動力電池目前的電荷量，Qrated指的是動力電池額定的電荷量。這里用百分比來表示SoC，100%表示充滿電的狀態，0%表示完全放電后的狀態。SoC估算是BMS的核心問題之一，接下來討論幾種常見的SoC估算方案。

5.1 開路電壓法

SoC與活性物質中鋰離子的嵌入量以及與靜態熱力學有關,因此開路電壓（Open-Circuit Voltage,OCV）在電池獲得充足靜止休息時被認為與SoC存在一一對應得關系。這種關系與電池壽命無關，所以在僅是進行SoC估算來說，這是一種有效實用的方法[21]。開路電壓法[22]（Open-Circuit Voltage Method）,當UOC為開路電壓，剩余電量為SoC時，根據SoC定義，若此時工作電流為零，電池處于平衡狀態時，UOC與SoC之間存在對應關系。當工作電流為零，可通過測量動力電池的OCV來估算動力電池的SoC。開路電壓法雖然測量簡單而且準確可靠，但是以工作電流為零并且電池獲得充足休息作為前提的。動力電池從工作狀態恢復到平衡狀態需要一段時間，以磷酸鐵鋰電池為例，需要至少3 h來恢復平衡。電動汽車無論是行駛途中還是處于充電時工作電流都不為零，所以目前開路電壓法一般用于停車后而很少用于電動汽車行駛或者充電的情況[21]。

5.2 安時積分法

安時積分法[23]（Ampere-Hour Integration,AHI），對一段時間內充、放電電流進行積分得到充入、放出的電荷，根據上一時刻的剩余電量，計算得到當前的剩余電量。安時積分法公式如式（2）、（3）所示：

式中，i為一段時間t0-t內的充、放電的工作電流，Q(t)為一段時間t0-t內工作電流作用的累計電荷與電池額定容量的比值，Qrated為電池的額定容量，η為庫倫效率，SoC(t0)為上一時刻t0的剩余電量，SoC(t)為當前時刻t的剩余電量[24]。當電池在放電時，i取正；充電時，i取負。

采用安時積分法能夠得到一段時間內電池電量的變化，但安時積分法是一個開環的估算系統，依賴上一時刻SoC(t0)的準確性。若SoC(t0)存在誤差，安時積分法自身無法修正誤差，一旦電流傳感器精度不足，誤差會一直積累下去，使得誤差越來越大。常將安時積分法與OCV法配合使用，可以提高SoC估算準確性[25]。

5.3 卡爾曼濾波算法

在基于濾波法估算SOC的方法中，卡爾曼濾波（Kalman Filter，KF）法是最為常用的一種方法。KF是由美國數學家Rudolf Emil Kalman在1960年所提出的一種新型濾波算法，中心思想是在已知系統狀態空間模型、噪聲統計特性及初始狀態值的前提下，依據最小均方誤差原則，利用實際的輸出觀測數據對系統的狀態變量進行修正，實時的獲得被估計狀態量的最優估計值[26]。

在卡爾曼濾波算法中[27-28]，將誤差分為預測誤差和觀測誤差兩種，統稱為噪聲。卡爾曼濾波算法將噪聲納入計算范圍，通過反饋調節計算得到當前的最優狀態估計值，并對下一時刻的最優狀態估計值進行預測。總共分為2個過程，第一步是通過預測得到初始狀態的狀態估計值和協方差矩陣；第二步是根據觀測變量對預測量進行反饋，從而得到最優狀態估計值，并對協方差矩陣進行更新，以便于預測下一時刻最優估計。經典的KF法需要滿足式（4）、（5）所示線性模型。

其中，xk是系統的狀態變量，zk是系統的觀測變量,uk-1是系統激勵或者控制函數,wk-1和vk分別表示系統的過程激勵噪聲和觀測噪聲。根據KF法定義，將安時積分法中的公式設為狀態方程，令SoC為狀態變量，用電流i作為系統激勵，把電池端電壓作為觀測變量。但是電池端電壓與SoC之間不存在顯式關系，這里引入等效電路模型來描述電池各參數的關系。目前常見的等效電路模型有Rint模型、Thevenin模型、二階RC模型和PNGV模型等[26,29-31]。選擇較為常用的Thevenin模型為例，圖6為Thevenin等效電路模型，圖中E為電源電動勢與OCV相等。R1,R2,C,uRC,ubat分別是電池內阻，電池極化內阻，電池極化電容，極化電壓和電池的端電壓。根據等效電路模型建立的表達式如式（6）、（7）所示[32]：

結合式（2）、（3）、（6）和（7），以SoC和模型中極化電容的電壓作為狀態量，以電池端電壓作為觀測量，得到離散狀態與觀測方程，分別如（8）、（9）所示：

圖6 Thevenin等效電路模型Fig.6 Thevenin equivalent circuit model

式中△t為采樣步長，i(k)為時刻tk的電流值,uk是時刻tk的電池端電壓。

卡爾曼濾波算法的突出特點是能在動態過程中利用觀測值和測量值進行數據估算，且誤差始終獨立存在，不受測量數據的影響，在抵抗干擾數據影響方面存在優勢，通過觀測前一時刻得到觀測值，實現狀態估計的優化遞歸。此估算方法相對較為準確，但卡爾曼濾波算法是一種線性的方程，電池的等效電路模型大多不是線性的，實現起來較為復雜，而且計算量比較大，當應用于多輸入系統時，對處理器提出更高的要求。

5.4 擴展卡爾曼濾波算法

卡爾曼濾波算法[33]僅適用于線性系統，由于電池模型中OCV與SoC間存在非線性關系，使用卡爾曼濾波算法會導致非線性誤差。此時通過在濾波過程中加入線性化步驟來減少誤差，從而實現更加精準地估算SoC。此處引入擴展卡爾曼濾波算法（Extended Kalman Filter,EKF）。對于非線性系統，以f(xk-1,uk-1)為系統狀態方程函數、h(x,u)為系統觀測函數，得到狀態方程和觀測方程分別如式（10）、（11）所示：

式中，xk為狀態變量,yk為系統的觀測變量，uk-1是系統激勵或者控制函數,ωk-1為系統白噪聲，均值為零，協方差為Qk;υk-1是均值為零的觀測噪聲序列，協方差為Rk。

對于每一個系統時刻k,總存在一個xkˉ為系統時刻k的先驗狀態估計值，它是通過上一個時刻的狀態值根據狀態方程預測的值；xk表示系統時刻k的后驗狀態估計值，由觀測方程與實際觀測值誤差修正后得到[34]，進行以下步驟[29]：

對f（xk,uk）和h(xk,uk)進行一階泰勒線性化展開：

計算雅克比矩陣：

將式（12）、（13）、（14）、（15）代入到式（11）、（12）中，得到非線性系統線性化后的系統狀態方程和觀測方程，如式（16）、（17）所示[29]：

EKF法[25]通過在每個采樣點進行系統方程的一階泰勒展開，得到近似的線性系統方程來實現局部線性化，稱此過程為雅克比矩陣的求解。EKF法能夠對非線性系統模型進行線性化，從而進行更精確的計算，相比起KF法，適用范圍更為廣泛。其缺點是算法的運算量相對更大，對處理器要求更高，同時若系統的非線性函數不可導，EKF將無法展開。

5.5 數據驅動方法

使用卡爾曼濾波系列算法來對電池的SoC進行估算必須建立電池模型，為了獲得精確的電池模型常常需要進行大量的實驗和計算，同時電池內部的反應會出現難以使用數學模型進行表達的情況。當目標系統難以用數學模型表達或不清楚內部實際情況時，可以選擇使用數據驅動方法，根據數據輸入與輸出間的映射關系可以得到系統的預測模型。常用的數據驅動方法有人工神經網絡法（Artificial Neural Network,ANN）以及支持向量機法（Support Vector Machine,SVM）。

ANN[35]是通過模擬人腦神經元和神經系統對數據及信息的處理過程從而建立起數學模型。典型的人工神經網絡通常包括輸入層、隱藏層和輸出層，借助包含有輸入與輸出的數據集來對神經網絡進行訓練，目的是形成輸入與輸出之間的非線性映射，從而實現由輸入到輸預測。在電池的SoC估算應用中，通常由電池的電流、電壓和溫度實時量測數據構成網絡的輸入，SoC作為輸出[36]。ANN[26]具有結構簡單、參數可調性強、可靠性高等優點，然而對初始權值和閾值的敏感性使ANN容易陷入局部最小值[37]，這使得單一的神經網絡難以滿足高精度估算SoC的要求。SVM是針對二分類任務而設計數據驅動模型的方法，其核心思想是將輸入向量映射到高維空間并構造最優分離的超平面[38]。由于其求解通常是借助凸優化技術，求得的解必定是全局最優的，因此相比于ANN，SVM具有更好的泛化能力。

6 電池管理系統設計示例

BMS功能的實現必須依賴硬件結構設計，結合本研究團隊研究的電動賽車動力需求，針對動力電池組設計一個BMS方案進行分析。本研究團隊研究的電動賽車車重274 kg，額定功率49.2 kW，峰值功率為120 kW,創新采用四輪分布機構與輪邊減速機構結合，同時加入基于滑模變結構的直接橫擺力矩控制系統，對電機實現有效控制的同時，優化了車輛的動態表現。為了滿足本團隊設計電動賽車的動力需求，經過對電池性能的分析，選擇型號為A875175-15C-16 000 mA·h，單體電壓為3.7 V的鈷酸鋰軟包電池作為動力電池。動力電池組由136個單體動力電池串聯而成。為了有效管理，結合車身設計結構，在動力電池組中將每17個單體電池串聯成一個電池單元，整個電池組被分成8個電池單元。根據上述BMS的結構分析，現對設計的BMS采用分布式結構。主控單元BMU負責控制管理整個動力電池組，一個電池單元由一個BMC負責進行檢測。由一個BCU管理8個從控單元BMC，BMC對電池狀態參數進行采集，將采集到的信息通訊到BMU進行處理。根據控制需求，該電池管理系統的BMU選用了智能芯片STM32主控芯片作為微控單元（Micro Controller Unit，MCU），數據處理和算法控制都由BMU完成。對于用于采集數據的BMC選用LTC6813來實現從控板功能。

圖7 BMCFig.7 BMCblock diagram

圖8 BMUFigure 8 BMUblock diagram

在硬件設計時采用劃分功能模塊的方法進行硬件電路設計。BMS通過BMC對各單體電池進行檢測來獲得電池狀態參數，BMC將狀態參數通訊到BMU來進行狀態分析和控制、保護。所以對BMC設計有電池電壓采集模塊、電池電流采集模塊和溫度采集模塊。為了實現能量控制，把能量均衡模塊也配備到BMC上。BMC上采集電壓由電池管理專用芯片LTC6813來實現。LTC6813帶有19個電池電壓采集端口，將電池單元中每個單體電池的正極分別接到相應的LTC6813電壓采集端口上，由于電池串聯，只需要讀出第一個電池的電壓便可以得到電池單元的總電壓，借助2個電池電壓采集端口便可以得到上一個電池的單體電壓。同時每個相鄰的電池電壓采集端口間都帶有電池均衡端口，電池均衡端口外接對應的單體電池正極，并設有均衡模塊。當相鄰的2個單體電池間的電壓高于設定閾值時，電池均衡回路導通，令電壓偏高的電池借助均衡模塊放電，達到均衡電池單元的目的。BMC將采集到的電池狀態參數通過iso-SPI通訊到BMU，由BMU根據控制算法設定來進行狀態分析。BMU也通過isoSPI將控制操作通訊到BMC來對電池組進行管理和保護，從而完成對動力電池組的控制管理。圖7、圖8分別為BMC結構框圖、BMU結構框圖。

7 結束語

新能源汽車已成為目前汽車市場發展的主流趨勢，電池管理系統作為保障電動汽車安全、高效運行的重要系統，是電動汽車的開發中不可或缺的一環。電池管理系統的研究對電動汽車發展起到了積極推動和重要的安全保障作用。本文首先結合BMS的當前應用實例，探討了電池管理系統的結構和和特點。其次系統地對BMS拓撲結構、功能及實現方法進行了綜述，重點對BMS研究熱點中的能量均衡控制和SoC估算進行了探討分析。最后結合了本研究團隊的電動賽車的動力需求實際情況，分析和設計了一個BMS方案。

在電動汽車的發展過程中，電池管理系統正扮演著重要的角色，且功能將更加完善，能量均衡結構會越來越優化，SoC估算也會更加準確可靠，電池管理系統將更好地服務于電動汽車，促進新能源汽車產業的發展。本文關于電動汽車電池管理系統的綜述和分析不僅對目前電池管理系統的功能結構、電池能量均衡控制和SoC估算進行了系統地梳理，還為電池管理系統的功能完善和新型設計提供了一定的理論指導，有利于電池管理系統的優化和創新。

新能源汽車的發展已成為必然趨勢，BMS作為電動汽車動力源保障的重要一環，必然是未來研究的重點。結合本文的探討和分析，對未來BMS的發展提出3點展望：

(1)開發設計更加符合電池特性的電池模型并降低復雜度，用于更好地實現SoC估算；

(2)對現有的SoC算法進行適度簡化，在保證估算精度的同時減輕硬件負擔；

(3)實現均衡方案的組合優化，將主動均衡和被動均衡進行組合設計，開發出具備多種均衡方法優點的均衡方案。