电动汽车动力电池管理系统设计

董 伟

（1.纯电动轿车及关键零部件河南省工程实验室，三门峡 472000；2.三门峡职业技术学院，三门峡 472000）

动力电池为电动汽车直接提供能量来源，是电动汽车的重要组成部分。动力电池性能的优劣将直接影响整车的性能，比能量决定了纯电动驱动模式下的续航里程，比功率决定了整车的动力性，如最大爬坡度和最大车速等[1]。动力电池需要几十个甚至几千个电池单体串联和并联形成一串，以用于纯电动汽车，其中串联会提高电池电压，并联会提高电池容量。特斯拉ModeL S纯电动汽车的最高电压达400 V，总容量达84 kW·h，归功于采用了超过7 000个单体电池。如果只有一个电池的性能达到性能要求，并不意味着成组后依然可以很好地应用在纯电动汽车上。单体电池被制成电池组后，能量密度、循环寿命和安全性都会降低，电池组表现出来的特性将无法用类似单体电池的特性原理来衡量。此外，电动汽车的工作环境和工作条件相对复杂，环境温度和湿度、载荷量、气压、大气腐蚀、振动和冲击、输入和输出功率的突然变化和静态放置等方面的变化对动力电池提出了挑战。锂离子电池的高成本和它们对滥用的抵抗力差，因此电池组的管理至关重要。滥用电池（如过度充电、过度放电和过热）会导致电池寿命下降，严重时会导致安全事故。由于电池一致性的不同，成组锂离子电池的问题突出。目前，成组锂离子电池的安全问题成为锂离子电池使用和管理中的一个紧迫问题。

1 电池管理系统主要监测指标

在电动汽车中，电池管理系统（Battery Management System，BMS）在保障车辆安全运行、优化车辆管理策略、选择充电模式以及降低运营价格等方面发挥着重要作用。为了达到车辆的有效和经济运行，延长电池的使用寿命，电池管理系统应该具备以下功能。

1.1 实时采集电池系统运行状态参数

采集电池组内每个电池的终端电压和温度、充电和放电电流以及电池组总电压的实时状态。因为使用中的每个电池的性能和状态不一致，所以要监测电池组内每个电池的电压、电流和温度信息[2]。

1.2 确定电池的荷电状态

准确计算电池组的电池荷电状态（State of Charge，SOC），以便预测电动汽车能量电池的SOC，即能量电池的SOC还剩多少比例。

1.3 故障诊断与报警

当电池组温度过高不能正常工作时，及时报警或形成相应的管理动作，确认电池正常工作。

1.4 电池组的热平衡管理

电池热管理系统是电池管理系统的一个组成部分，作用是通过风扇和热阻加热装置等冷却系统将电池温度保持在传统的工作温度范围内。例如：北汽EV200通过热敏电阻（Positive Temperature Coefficient，PTC）预热设施电池；Prius通过冷却鼓风机冷却高压电池。电池组的温度通常不超过传统的范围[3]。

1.5 一致性补偿

一旦电池之间出现差异，需要有一定的措施来补偿，以确保电池组的性能，并且确定性能不佳的电池的位置，以便进行维修和更换。充电补偿是最常用的，设计了一个旁路分流电路，以确认每一个电池都是完全充电的，以减轻电池老化进度，延长电池的使用寿命[4]。

1.6 通过总线实现各检测模块和中央处理单元的通信

在新能源汽车上实施电池管理的问题和关键在于如何建立一个正确的数字模型，以支持收集到的电池电压、温度和充放电电流的正确值，即准确估计电动汽车动力电池的SOC状态[5]。

在上述BMS功能中，本文重点关注电池荷电状态估算。

2 电池荷电状态估算研究

2.1 电池SOC估算方法分析

常见的电池SOC估算方法有放电法、开路电压法、安时积分法、卡尔曼滤波法及神经网络法[6]。

2.1.1 放电法

在一个特定的温度下，电池以恒定的电流放电，直到电池的端电压达到最低值。在这个温度和电流下，放电容量是电流和时间的乘积，SOC值是放电容量占电池额定容量的比值。

2.1.2 开路电压法

开路电压法主要是用电池组的开路电压计算SOC的大小。开路电压技术在估计单体电池单元方面比电池组更准确，但是不适合有个体差异大的电池组。

2.1.3 安时积分法

这种技术是电池管理系统中最常用的估计SOC的方法。它不需要考虑电池模型，但是不可避免会产生误差，特别是SOC估计误差会随着时间的推移积累，因此必须对SOC进行修正。

2.1.4 卡尔曼滤波法

卡尔曼滤波法的核心是依靠已建立的电池状态模型，采用卡尔曼滤波原理，以电池的工作电流、电压和温度等为状态公式得到实时的SOC估计值，从而得到估计误差。需要注意的是，由于电池的动态模拟模型不是线性的，卡尔曼滤波规则通常需要对电池的动态模拟进行一些处理，以便更准确地估计电池SOC，这种技术被命名为扩展卡尔曼滤波规则。

2.1.5 神经网络法

电池具有非线性。神经网络方法的并行结构和大脑可以用来估计SOC。神经网络法的缺点是需要大量的参考数据，估计误差受参考数据和方法的影响很大[7]。

2.2 OCV-SOC曲线及关系式的确定

常见的用来表达SOC-OCV的数学关系包括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种公式只能对应部分情况下的SOC-OCV关系。针对这种情况，Gregory L.Plett将上述3种公式整合为一个数学模型：

2.3 SOC迭代算法理论分析和算法流程

由Thevenin等效电路模型，可知：

将等效电路模型公式进行等效变换后，可得：

联立解得离散状态SOC为：

SOC估算的流程如图1所示。

2.4 SOC估算测试实验

参考电池取SOC=0.5的电池，由参考电池在低电流下放电为模拟平衡条件，因此SOC的计算采用安培-时间-电流法。实验发现，当SOC的初始值通过一次迭代逐位接近真实值时，初始值高，后期误差较大，初始值低，后期误差较小，但误差大致保持在较低区间，满足SOC估算的指标要求。

图1 SOC迭代法框图

3 结语

良好的电池管理技术可以达到观察电池参数、估计电池状态、保证电池使用安全以及避免循环寿命快速衰减的目的，使电池在实际使用过程中达到安全、高效、耐用的效果。本项目对电池管理系统中的荷电状态估算技术进行研究，单体电池的荷电状态可以通过考虑均衡电流的SOC迭代算法规则计算出来。对设计的均衡电路和SOC估算分别进行运行测试，对实验数据进行处理，结果表明该电池管理系统可以达到预期的技术指标。

在电动汽车动力电池管理系统关键技术的研究中，SOC估计的准确性可以达到预期效果，但误差率仍有进一步降低的空间。在未来的估算算法程序中，将重点研究如何在程序算法复杂度、实时应用需求和SOC估算精度之间取得更好的平衡。