電動汽車動力電池管理系統設計

董 偉

（1.純電動轎車及關鍵零部件河南省工程實驗室，三門峽 472000；2.三門峽職業技術學院，三門峽 472000）

動力電池為電動汽車直接提供能量來源，是電動汽車的重要組成部分。動力電池性能的優劣將直接影響整車的性能，比能量決定了純電動驅動模式下的續航里程，比功率決定了整車的動力性，如最大爬坡度和最大車速等[1]。動力電池需要幾十個甚至幾千個電池單體串聯和并聯形成一串，以用于純電動汽車，其中串聯會提高電池電壓，并聯會提高電池容量。特斯拉ModeL S純電動汽車的最高電壓達400 V，總容量達84 kW·h，歸功于采用了超過7 000個單體電池。如果只有一個電池的性能達到性能要求，并不意味著成組后依然可以很好地應用在純電動汽車上。單體電池被制成電池組后，能量密度、循環壽命和安全性都會降低，電池組表現出來的特性將無法用類似單體電池的特性原理來衡量。此外，電動汽車的工作環境和工作條件相對復雜，環境溫度和濕度、載荷量、氣壓、大氣腐蝕、振動和沖擊、輸入和輸出功率的突然變化和靜態放置等方面的變化對動力電池提出了挑戰。鋰離子電池的高成本和它們對濫用的抵抗力差，因此電池組的管理至關重要。濫用電池（如過度充電、過度放電和過熱）會導致電池壽命下降，嚴重時會導致安全事故。由于電池一致性的不同，成組鋰離子電池的問題突出。目前，成組鋰離子電池的安全問題成為鋰離子電池使用和管理中的一個緊迫問題。

1 電池管理系統主要監測指標

在電動汽車中，電池管理系統（Battery Management System，BMS）在保障車輛安全運行、優化車輛管理策略、選擇充電模式以及降低運營價格等方面發揮著重要作用。為了達到車輛的有效和經濟運行，延長電池的使用壽命，電池管理系統應該具備以下功能。

1.1 實時采集電池系統運行狀態參數

采集電池組內每個電池的終端電壓和溫度、充電和放電電流以及電池組總電壓的實時狀態。因為使用中的每個電池的性能和狀態不一致，所以要監測電池組內每個電池的電壓、電流和溫度信息[2]。

1.2 確定電池的荷電狀態

準確計算電池組的電池荷電狀態（State of Charge，SOC），以便預測電動汽車能量電池的SOC，即能量電池的SOC還剩多少比例。

1.3 故障診斷與報警

當電池組溫度過高不能正常工作時，及時報警或形成相應的管理動作，確認電池正常工作。

1.4 電池組的熱平衡管理

電池熱管理系統是電池管理系統的一個組成部分，作用是通過風扇和熱阻加熱裝置等冷卻系統將電池溫度保持在傳統的工作溫度范圍內。例如：北汽EV200通過熱敏電阻（Positive Temperature Coefficient，PTC）預熱設施電池；Prius通過冷卻鼓風機冷卻高壓電池。電池組的溫度通常不超過傳統的范圍[3]。

1.5 一致性補償

一旦電池之間出現差異，需要有一定的措施來補償，以確保電池組的性能，并且確定性能不佳的電池的位置，以便進行維修和更換。充電補償是最常用的，設計了一個旁路分流電路，以確認每一個電池都是完全充電的，以減輕電池老化進度，延長電池的使用壽命[4]。

1.6 通過總線實現各檢測模塊和中央處理單元的通信

在新能源汽車上實施電池管理的問題和關鍵在于如何建立一個正確的數字模型，以支持收集到的電池電壓、溫度和充放電電流的正確值，即準確估計電動汽車動力電池的SOC狀態[5]。

在上述BMS功能中，本文重點關注電池荷電狀態估算。

2 電池荷電狀態估算研究

2.1 電池SOC估算方法分析

常見的電池SOC估算方法有放電法、開路電壓法、安時積分法、卡爾曼濾波法及神經網絡法[6]。

2.1.1 放電法

在一個特定的溫度下，電池以恒定的電流放電，直到電池的端電壓達到最低值。在這個溫度和電流下，放電容量是電流和時間的乘積，SOC值是放電容量占電池額定容量的比值。

2.1.2 開路電壓法

開路電壓法主要是用電池組的開路電壓計算SOC的大小。開路電壓技術在估計單體電池單元方面比電池組更準確，但是不適合有個體差異大的電池組。

2.1.3 安時積分法

這種技術是電池管理系統中最常用的估計SOC的方法。它不需要考慮電池模型，但是不可避免會產生誤差，特別是SOC估計誤差會隨著時間的推移積累，因此必須對SOC進行修正。

2.1.4 卡爾曼濾波法

卡爾曼濾波法的核心是依靠已建立的電池狀態模型，采用卡爾曼濾波原理，以電池的工作電流、電壓和溫度等為狀態公式得到實時的SOC估計值，從而得到估計誤差。需要注意的是，由于電池的動態模擬模型不是線性的，卡爾曼濾波規則通常需要對電池的動態模擬進行一些處理，以便更準確地估計電池SOC，這種技術被命名為擴展卡爾曼濾波規則。

2.1.5 神經網絡法

電池具有非線性。神經網絡方法的并行結構和大腦可以用來估計SOC。神經網絡法的缺點是需要大量的參考數據，估計誤差受參考數據和方法的影響很大[7]。

2.2 OCV-SOC曲線及關系式的確定

常見的用來表達SOC-OCV的數學關系包括Shepherd公式、Unnewehr universal公式及Nernst公式等。

Shepherd公式：

Unnewehr universal公式：

Nernst公式：

上面3種公式只能對應部分情況下的SOC-OCV關系。針對這種情況，Gregory L.Plett將上述3種公式整合為一個數學模型：

2.3 SOC迭代算法理論分析和算法流程

由Thevenin等效電路模型，可知：

將等效電路模型公式進行等效變換后，可得：

聯立解得離散狀態SOC為：

SOC估算的流程如圖1所示。

2.4 SOC估算測試實驗

參考電池取SOC=0.5的電池，由參考電池在低電流下放電為模擬平衡條件，因此SOC的計算采用安培-時間-電流法。實驗發現，當SOC的初始值通過一次迭代逐位接近真實值時，初始值高，后期誤差較大，初始值低，后期誤差較小，但誤差大致保持在較低區間，滿足SOC估算的指標要求。

圖1 SOC迭代法框圖

3 結語

良好的電池管理技術可以達到觀察電池參數、估計電池狀態、保證電池使用安全以及避免循環壽命快速衰減的目的，使電池在實際使用過程中達到安全、高效、耐用的效果。本項目對電池管理系統中的荷電狀態估算技術進行研究，單體電池的荷電狀態可以通過考慮均衡電流的SOC迭代算法規則計算出來。對設計的均衡電路和SOC估算分別進行運行測試，對實驗數據進行處理，結果表明該電池管理系統可以達到預期的技術指標。

在電動汽車動力電池管理系統關鍵技術的研究中，SOC估計的準確性可以達到預期效果，但誤差率仍有進一步降低的空間。在未來的估算算法程序中，將重點研究如何在程序算法復雜度、實時應用需求和SOC估算精度之間取得更好的平衡。