一个典型的动力锂离子电池管理系统，什么功能要实现-储能电池加工-叉车锂电池_叉车锂电池加工

电动汽车用储能电池加工企业生产的锂离子电池容量大、串并联节数多，体系杂乱，加之安全性、耐久性、动力性等功用要求高、完成难度大，因而成为影响电动汽车推行普及的瓶颈。锂离子电池安全作业区域遭到温度、电压窗口约束，超越该窗口的规模，电池功用就会加快衰减，乃至产生安全问题。现在，大部分车用锂离子电池，要求的牢靠作业温度为，放电时-20~55C，充电时0~45C（对石墨负极），而关于负极LTO充电时最低温度为-30C；作业电压一般为1.5~4.2V左右（关于LiCoO2/C、LiNi0.8Co0.15Al0.05O2/C、LiCoxNiyMnzO2/C以及LiMn2O4/C等资料体系约2.5~4.2V，关于LiMn2O4/Li4Ti5O12资料体系约1.5~2.7V，关于LiFePO4/C资料体系约2.0~3.7V）。

温度对锂离子电池功用尤其安全性具有决议性的影响，依据电极资料类型的不同，锂离子电池（C/LiMn2O4，C/LMO，C/LiCoxNiyMnzO2，C/NCM，C/LiFePO4，C/LiNi0.8Co0.15Al0.05O2，C/NCA）典型的作业温度如下：放电在-20-55℃，充电在0-45℃；负极资料为Li4Ti5O12或许LTO时，最低充电温度往往能够到达-30℃。

当温度过高时，会给电池的寿数构成晦气影响。当温度高至必定程度，则或许构成安全问题。如图所示图1中，当温度为90~120℃时，SEI膜将开端放热分化[1~3]，而一些电解质体系会在较低温度下分化约69℃[4]。当温度超越120℃，SEI膜分化后无法维护负碳电极，使得负极与有机电解质直接反响，呈现可燃气体将[3]。当温度为130℃，隔阂将开端熔化并封闭离子通道，使得电池的正负极暂时没有电流活动[5,6]。当温度升高时，正极资料开端分化（LiCoO2开端分化约在150℃[7]，LiNi0.8Co0.15Al0.05O2在约160℃[8,9]，LiNixCoyMnzO2在约210℃[8]，LiMn2O4在约265℃[1]，LiFePO4在约310℃[7]）并呈现氧气。当温度高于200℃时，电解液会分化并呈现可燃性气体[3]，并且与由正极的分化呈现的氧气剧烈反响[9]，从而导致热失控。在0℃以下充电，会构成锂金属在负极外表构成电镀层，这会削减电池的循环寿数。[10]

过低的电压或许过放电，会导致电解液分化并呈现可燃气体从而导致潜在安全风险。过高的电压或许过充电，或许导致正极资料失掉活性，并呈现许多的热；普通电解质在电压高于4.5V时会分化[12]

为了处理这些问题，人们试图开发能够在十分恶劣的状况下进行作业的新电池体系，另一方面，现在商业化锂离子电池有必要衔接办理体系，使锂离子电池能够得到有用的控制和办理，每个单电池都在适当的条件下作业，充沛确保电池的安全性、耐久性和动力性。

2电池办理体系意义

电池办理体系的重要任务是确保电池体系的规划功用，能够分化成如下三个方面：

1）安全性，维护电池单体或电池组免受损坏，避免呈现安全事故；

2）耐久性，使电池作业在牢靠的安全区域内，延长电池的运用寿数；

3）动力性，保持电池作业在满意车辆要求的状况下

BMS由各类传感器、履行器、控制器以及信号线等组成，为满意相关的规范或规范，BMS应该具有以下功用。

1）电池参数检测。包含总电压、总电流、单体电池电压检测（避免呈现过充、过放乃至反极现象）、温度检测（最好每串电池、要害电缆接头等均有温度传感器）、烟雾探测（监测电解液走漏等）、绝缘检测（监测漏电）、磕碰检测等。

2）电池状况估量。包含荷电状况（SOC）或放电深度（DOD）、健康状况（SOH）、功用状况（SOF）、能量状况（SOE）、毛病及安全状况（SOS）等。

3）在线毛病诊断。包含毛病检测、毛病类型判断、毛病定位、毛病信息输出等。毛病检测是指经过收集到的传感器信号，选用诊断算法诊断毛病类型，并进行前期预警。电池毛病是指电池组、高压电回路、热办理等各个子体系的传感器毛病、履行器毛病（如接触器、电扇、泵、加热器等），以及网络毛病、各种控制器软硬件毛病等。电池组自身毛病是指过压（过充）、欠压（过放）、过电流、超高温、内短路毛病、接头松动、电解液走漏、绝缘降低一级。

4）电池安全控制与报警。包含热体系控制、高压电安全控制。BMS诊断到毛病后，经过网络告诉整车控制器，并要求整车控制器进行有用处理（超越必定阈值时BMS也能够切断主回路电源），以避免高温、低温、过充、过放、过流、漏电等对电池和人身的损害。

5）充电控制。BMS中具有一个充电办理模块，它能够依据电池的特性、温度高低以及充电机的功率等级，控制充电机给电池进行安全充电。

6）电池均衡。不共同性的存在使得电池组的容量小于组中最小单体的容量。电池均衡是依据单体电池信息，选用自动或被迫、耗散或非耗散等均衡办法，尽或许使电池组容量挨近于最小单体的容量。

7）热办理。依据电池组内温度散布信息及充放电需求，决议自动加热/散热的强度，使得电池尽或许作业在最适合的温度，充沛发挥电池的功用。

8）网络通讯。BMS要与整车控制器等网络节点通讯；一起，BMS在车辆上拆开不方便，要在不拆壳的状况下进行在线标定、监控、自动代码生成和在线程序下载（程序更新而不拆开产品）等，一般的车载网络均选用CAN总线技能。

9）信息存储。用于存储要害数据，如SOC、SOH、SOF、SOE、累积充放电Ah数、毛病码和共同性等。车辆中的实在BMS或许只要上面提到的部分硬件和软件。每个电池单元至少应有一个电池电压传感器和一个温度传感器。关于具有几十个电池的电池体系，或许只要一个BMS控制器，或许乃至将BMS功用集成到车辆的主控制器中。关于具稀有百个电池单元的电池体系，或许有一个主控制器和多个仅办理一个电池模块的隶属控制器。关于每个具稀有十个电池单元的电池模块，或许存在一些模块电路接触器和平衡模块，并且从控制器像丈量电压和电流相同办理电池模块，控制接触器，均衡电池单元并与主控制器通讯。依据所报告的数据，主控制器将履行电池状况估量，毛病诊断，热办理等。

10）电磁兼容。因为电动汽车运用环境恶劣，要求BMS具有好的抗电磁搅扰能力，一起要求BMS对外辐射小。电动汽车BMS软硬件的根本框架如图2所示。

图2车载BMS的软硬件根本框架

3BMS的要害问题

尽管BMS有许多功用模块，本文仅剖析和总结其要害问题。现在，要害问题触及电池电压丈量，数据采样频率同步性，电池状况估量，电池的均匀性和均衡，和电池毛病诊断的精确丈量。

3.1电池电压丈量（CVM）

电池电压丈量的难点存在于以下几个方面：

（1）电动汽车的电池组稀有百个电芯的串联衔接，要许多通道来丈量电压。因为被丈量的电池电压有累积电势，而每个电池的堆集电势都不同，这使得它不或许选用单向补偿办法消除差错。

图3OCV曲线和每毫伏电压的SOC的改变（在25℃丈量，休息时间3小时）

（2）电压丈量要高精度（特别是关于C/LiFePO4电池）。SOC预算对电池电压精度提出了很高的要求。这里咱们以C/LFP和LTO/NCM型电池为例。图3显现了电池C/LiFePO4和LTO/NCM的开路电压（OCV）以及每mV电压对应的SOC改变。从图中咱们能够看到LTO/NCM的OCV曲线的斜率相对陡峭，且大大都SOC规模内，每毫伏的电压改变对应的最大SOC率规模低于0.4％（除了SOC60~70％）。因而，假定电池电压的丈量精度为10mV，那么经过OCV估量办法取得的SOC差错低于4％。因而，关于LTO/NCM电池，电池电压的丈量精度要小于10mV。但C/LiFePO4OCV曲线的斜率相对平缓，并且在大大都规模内（除了SOC<40％和65~80％），每毫伏电压的最大相应SOC改变率到达4％。因而，电池电压的收集精度要求很高，到达1mV左右。现在，电池电压的大部分收集精度仅到达5mV。在文献[47]和[48]中，别离总结了锂离子电池组和燃料动力电池组的电压丈量办法。这些办法包含电阻分压器办法，光耦合隔离放大器办法，离散晶体管的办法[49]，散布式丈量方[50]，光耦合中继办法[51]等等。现在，电池的电压和温度采样已构成芯片产业化，表1比较了大大都BMS所用芯片的功用。

表1核算电池办理和均衡芯片

3.2数据采样频率同步性

信号的采样频率与同步对数据实时剖析和处理有影响。规划BMS时，要对信号的采样频率和同步精度提出要求。但现在部分BMS规划进程中，对信号采样频率和同步没有明确要求。电池体系信号有多种，一起电池办理体系一般为散布式，假定电流的采样与单片电压采样别离在不同的电路板上；信号收集进程中，不同控制子板信号会存在同步问题，会对内阻的实时监测算法呈现影响。同一单片电压收集子板，一般选用巡检办法，单体电压之间也会存在同步问题，影响不共同性剖析。体系对不同信号的数据采样频率和同步要求不同，对惯性大的参量要求较低，如纯电动汽车电池正常放电的温升数量级为1℃/10min，考虑到温度的安全监控，一起考虑BMS温度的精度（约为1℃），温度的采样间隔可定为30s（对混合动力锂电池，温度采样率要更高一些）。

电压与电流信号改变较快，采样频率和同步性要求很高。由沟通阻抗剖析可知，动力锂电池的欧姆内阻呼应在ms级，SEI膜离子传输阻力电压呼应为10ms级，电荷转移（双电容效应）呼应为1~10s级，扩散进程呼应为min级。现在，电动汽车加快时，驱动电机的电流从最小改变到最大的呼应时间约为0.5s，电流精度要求为1%左右，归纳考虑变载工况的状况，电流采样频率应取10~200Hz。单片信息收集子板电压通道数一般为6的倍数，现在最多为24个。一般纯电动乘用车电池由约100节电池串联组成，单体电池信号收集要多个收集子板。为了确保电压同步，每个收集子板中单体间的电压采样时间差越小越好，一个巡检周期最好在25ms内。子板之间的时间同步能够经过发送一帧CAN参阅帧来完成。数据更新频率应为10Hz以上。

后边两天的文章中还会触及的BMS的要害功用还有：电池状况估量，包含SOC估量办法概述，SOH估量办法概述，SOF估量办法概述，电池共同性和均衡办法概述，毛病诊断概述几个部分。

参阅文献

一个典型的动力锂电池办理体系，要完成什么功用（中篇）

上回书提到，锂离子电池体系巨大，要电池办理体系的监督和优化，以维护其安全性、耐久性和动力性。上篇中提及的BMS功用需求包含电池电压丈量、数据采样频率同步性。本文持续，中篇讲述温度估量和SOC估量。预报，明天的下篇中会包含电池状况包含SOH（健康状况估量）、SOS（安全状况估量）、SOF（功用状况估量）及SOE（可用能量状况估量）。这些功用是期望BMS具有的，但实践运用中，出于客户要求、车型要求以及本钱等等的考虑，实践规划到体系中的或许仅仅其间的几个。

3.3电池状况估量

电池状况包含电池温度、SOC（荷电状况估量）、SOH（健康状况估量）、SOS（安全状况估量）、SOF（功用状况估量）及SOE（可用能量状况估量）。各种状况估量之间的联系如图4所示。电池温度估量是其他状况估量的根底，SOC估量遭到SOH的影响，SOF是由SOC、SOH、SOS以及电池温度共同确认的，SOE则与SOC、SOH、电池温度、未来工况有关。

图4.BMS状况估量算法框架

3.3.1电池温度估量

温度对电池功用影响较大，现在一般只能测得电池外表温度，而电池内部温度要运用热模型进行估量。常用的电池热模型包含零维模型（集总参数模型）、一维乃至三维模型。零维模型能够大致核算电池充放电进程中的温度改变，估量精度有限，但模型核算量小，因而可用于实时的温度估量。一维、二维及三维模型要运用数值办法对传热微分方程进行求解，对电池进行网格区分，核算电池的温度场散布，一起还需考虑电池结构对传热的影响（结构包含内核、外壳、电解液层等）。一维模型中只考虑电池在一个方向的温度散布，在其他方向视为均匀。二维模型考虑电池在两个方

向的温度散布，对圆柱形电池来说，轴向及径向的温度散布即可反映电池内部的温度场。二维模型一般用于薄片电池的温度剖析。三维模型能够彻底反映方形电池内部的温度场，仿真精度较高，因而研讨较多。但三维模型的核算量大，无法运用于实时温度估量，只能用于在实验室中进行温度场仿真。为了让三维模型的核算成果实时运用，研讨人员运用三维模型的温度场核算成果，将电池产热功率和内外温差的联系用传递函数表达，经过产热功率和电池外表温度估量电池内部的温度，具有在BMS中运用的潜力。图5所示为电池内部温度的估量流程。

图5电池内部温度估量流程

一般地，锂离子电池适合的作业温度为15~35℃，而电动汽车的实践作业温度为-30～50℃，因而有必要对电池进行热办理，低温时要加热，高温时要冷却。热办理包含规划与控制两方面，其间，热办理规划不归于本文内容。温度控制是经过测温元件测得电池组不同方位的温度，归纳温度散布状况，热办理体系控制电路进行散热，热办理的履行部件一般有电扇、水/油泵、制冷机等。比方，能够依据温度规模进行分档控制。Volt插电式混合动力锂电池热办理分为3种方式：自动（制冷散热）、被迫（电扇散热）和不冷却方式，当动力锂电池温度超越某预先设定的被迫冷却方针温度后，被迫散热方式发动；而当温度持续升高至自动冷却方针温度以上时，自动散热方式发动。

3.2荷电状况（SOC）估量

SOC（StateofCharge），可用电量占据电池最大可用容量的比例，一般以百分比表明，100％表明彻底充电，0％表明彻底放电。

这是针对单个电池的意义，关于电池模块（或电池组，因为电池组由多个模块组成，因而从模块SOC核算电池组的SOC就像电池电池单体SOC估量模块SOC相同），状况有一点杂乱。在SOC估量办法的最终一节评论。

现在，对SOC的研讨现已根本老练，SOC算法重要分为两大类，一类为单一SOC算法，另一类为多种单一SOC算法的交融算法。单一SOC算法包含安时积分法、开路电压法、依据电池模型估量的开路电压法、其他依据电池功用的SOC估量法等。交融算法包含简略的批改、加权、卡尔曼滤波（或扩展卡尔曼滤波）以及滑模变结构办法等。

1）放电测验办法

确认电池SOC的最牢靠办法是在受控条件下进行放电测验，即指定的放电速率和环境温度。这个测验能够精确的核算电池的剩下电量SOC，但所耗费的时间适当长，并且在测验完毕今后电池里面的电量全部放掉，因而这个办法只在实验室中用来标定验证电池的标称容量，无法用于规划BMS做车辆电池电量的在线估量。

2）安时积分法

安时积分核算办法为:

式中，SOC为荷电状况；SOC0为开始时间（t0）的荷电状况；CN为额定容量（为电池当时规范状况下的容量，随寿数改变）；η为库仑功率，放电为1，充电小于1；I为电流，充电为负，放电为正。

在开始荷电状况SOC0比较精确状况下，安时积分法在一段时间内具有适当好的精度（重要与电流传感器采样精度、采样频率有关）。可是，安时积分法的重要缺陷为：开始SOC0影响荷电状况的估量精度；库仑功率η受电池的作业状况影响大（如荷电状况、温度、电流巨细等），η难于精确丈量，会对荷电状况差错有累积效应；电流传感器精度，特别是差错会导致累计效应，影响荷电状况的精度。因而，单纯选用安时积分法很难满意荷电状况估量的精度要求。

3）开路电压（OCV）法

锂离子电池的荷电状况与锂离子在活性资猜中的嵌入量有关，与静态热力学有关，因而充沛静置后的开路电压能够以为到达平衡电动势，OCV与荷电状况具有一一对应的联系，是估量荷电状况的有用办法。可是有些种类电池的OCV与充放电进程（历史）有关，如LiFePO4/C电池，充电OCV与放电OCV具有滞回现象（与镍氢电池类似），并且电压曲线平坦，因而SOC估量精度遭到传感器精度的影响严重，这些都要进一步研讨。开路电压法最大的优点是荷电状况估量精度高，可是它的明显缺陷是要将电池长时静置以到达平衡，电池从作业状况恢复到平衡状况一般要一按时间，与荷电状况、温度等状况有关，低温下要数小时以上，所以该办法单独运用只适于电动汽车驻车状况，不适合动态估量。

4）依据电池模型的开路电压法

经过电池模型能够估量电池的开路电压，再依据OCV与SOC的对应联系能够估量当时电池的SOC。等效电路模型是最常用的电池模型。

关于这种办法，电池模型的精度和杂乱性十分重要。华等人收集了12个常用等效电路模型，包含组合模型，Rint模型（简略模型），具有零状况滞后模型的Rint模型，具有单态滞后模型的Rint模型，具有两个低通滤波器增强型自校对（ESC）模型，具有四个低通滤波器的ESC模型，一阶RC模型，一个状况滞后的一阶RC模型，二阶RC模型，具有单态滞后的二阶RC模型，三阶RC模型和具有单态滞后的三阶RC模型。

电化学模型是树立在传质、化学热力学、动力学根底上，触及电池内部资料的参数较多，并且很难精确取得，模型运算量大，一般用于电池的功用剖析与规划。

假定电池模型参数已知，则很简单找到电池OCV。然后运用经过实验得出的OCV-SOC查找表，能够简单地找到电池SOC。研讨人员运用这种办法，并别离采取RINT模型，一阶RC，二阶RC模型，发现运用二阶RC模型的最大估量差错是4.3％，而均匀差错是1.4％。

图6充放电C/的LiFePO的OCV曲线4（在25℃丈量，休息时间3小时）

5）神经网络模型办法

神经网络模型法估量SOC是运用神经网络的非线性映射特性，在树立模型时不必详细考虑电池的细节问题，办法具有普适性，适用于各种电池的SOC估量，可是要许多样本数据对网络进行练习，且预算差错受练习数据和练习办法的影响很大，且神经网络法运算量大，要强大的运算芯片（如DSP等）。

6）含糊逻辑办法

含糊逻辑法根本思路便是依据许多实验曲线、相关经历及牢靠的含糊逻辑理论依据，用含糊逻辑模拟人的含糊思想，最终完成SOC猜测，但该算法首要要对电池自身有足够多的了解，核算量也较大。

7）依据电池功用的SOC估量法

依据电池功用的SOC估量办法包含沟通阻抗法、直流内阻法和放电实验法。沟通阻抗法是经过对沟通阻抗谱与SOC的联系进行SOC估量。直流内阻法经过直流内阻与电池SOC的联系进行估量。

沟通阻抗及直流内阻一般仅用于电池离线诊断，很难直接运用在车用SOC实时估量中，这是因为，选用沟通阻抗的办法要有信号产生器，会新增本钱；电池阻抗谱或内阻与SOC联系杂乱，影响要素多（包含内阻共同性）；电池内阻很小，车用电池在毫欧级，很难精确取得；锂离子电池内阻在很宽规模内改变较小，很难识别。

8）交融算法

现在交融算法包含简略批改、加权、卡尔曼滤波或扩展卡尔曼滤波（EKF）、滑模变结构等。简略批改的交融算法重要包含开路电压批改、满电批改的安时积分法等。

关于纯电动汽车电池，工况较为简略，车辆运转时除了少数制动回馈充电外重要处于放电态，站上充电时电池处于充电态，开路电压的滞回效应比较简单估量；电池容量大，安时积分的差错相对较小；充满电的机率大，因而，选用开路电压标定初值和满电批改的安时积分办法能够满意纯电动汽车电池SOC的估量精度要求。

关于混合动力车电池，因为工况杂乱，运转中为了保持电量不变，电流有充有放；泊车时除了维护外，没有站上充电的机会；电池容量较小，安时积分的相对差错大。因而，简略的开路电压批改办法还不能满意混合动力车电池SOC的估量精度要求，要其他交融办法处理。

加权交融算法是将不同办法得到的SOC按必定权值进行加权估量的办法。MarkVerbrugge等选用安时积分取得SOCc与选用具有滞回的一阶RC模型取得SOCv的加权办法估量SOC，核算公式为

式中，w为权值。该算法现已在GM混合动力体系中运用。

卡尔曼滤波是一种常用的交融算法。因为SOC不能直接丈量，现在一般将两种估量SOC的办法交融起来估量。SOC被当成电池体系的一个内部状况剖析。又因为电池体系为非线性体系，因而选用扩展的卡尔曼滤波办法，一般选用安时积分与电池模型组成体系进行核算。Plett等研讨了安时积分与组合模型、Rint模型（简略模型）、零状况滞回Rint模型、一状况滞回Rint模型、加强自批改模型的卡尔曼滤波交融算法。Wang等研讨了安时积分与二阶RC模型的卡尔曼滤波交融算法。

夏超英等研讨了安时积分与一阶RC模型的卡尔曼滤波算法，指出EKF作为一个状况观测器，其意义在于用安时积分法核算SOC的一起，估量出电容上的电压，然后得到电池端电压的估量值作为校对SOC的依据，一起考虑噪声及差错的巨细，确认每一步的滤波增益，得到开路电压法在核算SOC时应占的权重，然后得到SOC的最优估量。这样就把安时积分法和开路电压有机地结合起来，用开路电压克服了安时积分法有累积差错的缺陷，完成了SOC的闭环估量。一起，因为在核算进程中考虑了噪声的影响，所以算法对噪声有很强的抑制用处。这是当时运用最广的SOC估量办法。

Charkhgard等选用卡尔曼滤波交融了安时积分与神经网络模型，卡尔曼滤波用于SOC核算的中心是树立合理的电池等效模型，树立一组状况方程，因而算法对电池模型依赖性较强，要取得精确的SOC，要树立较为精确的电池模型，为了节省核算量，模型还不能太杂乱。Ouyang等提出一种实时性好的依据电化学机理的等效电路模型的SOC卡尔曼滤波算法，在确保核算速度根底上，进步了SOC的估量效果，尤其是低SOC区的估量精度。可是卡尔曼滤波法的缺陷还有卡尔曼增益欠好确认，假定选择欠好状况将发散。Kim等提出选用滑模技能克服卡尔曼滤波的缺陷，据称该办法关于模型参数不确认和搅扰具有较强的鲁棒性。

9）电池组SOC估量

电池组由多节电池串并联组成，因为电池单体间存在不共同性，成组后的电池组SOC核算更为杂乱。由多个电芯并联衔接的电池模块能够被以为是具有高容量的单个电池，并且因为并联衔接的自平衡特性，能够像单个电池相同估量SOC。

图7电池模块的无用容量和剩下容量（以2个电池的电池模块为例）

在串联衔接条件下，粗略的估量电池模块的SOC也能够像单体电池相同，但考虑到电池的均匀性，景象会有些不同。假定电池模块中每个单体电池的容量和SOC是已知的。假定有一个十分高效且无损的能量均衡设备，则电池模块的SOC：

其间，SOCM表明电池模块的SOC，SOCi表明第i个电池单元的SOC，Ci表明第i个电池单体的容量。假定平衡设备不是那么有用，真实的电池模块的SOC与该平衡设备的实践功用有关。假定只要耗散式的被迫均衡功用或许没有均衡功用，则电芯中存在一部分无法运用的容量如图6所示，并且随着电池差异性的加重，这种糟蹋的容量的比例会越来越大。因而，电池模块的容量表明为：

电池模块可用容量表明为：

电池模组的荷电状况表明为：

由此，在每一节电池单体SOC都可估量的前提下，就能够得到电池组的SOC值。要获取单体的SOC值，最直接的办法便是运用上述SOC估量办法中的一种，别离估量每一个单体的SOC，但这种办法的核算量太大。为了减小核算量，部分文献[43~45]在估量电池成组的SOC办法上做了一些改善研讨。Dai等[44]选用一个EKF估量电池组均匀SOC，用另一个EKF估量每个单体SOC与均匀SOC之差ΔSOC。估量ΔSOC的EKF中要估量的状况量只要一个，因而算法的核算量较小。另外，考虑到ΔSOC的改变很慢，选用双时间尺度的办法能够进一步减小核算量。Zheng等提出了一种M+D模型，即一个相对杂乱的电池单体均匀模型M，和一个简略的单体差异模型D，运用最小二乘法核算单体与均匀单体之间的差值ΔOCV，经过ΔSOC与ΔOCV的联系，能够核算每个单体的SOC值。

表2各种SOC估量办法比较

表3不同SOC估量办法的SOC估量差错。

表2中比较了不同的SOC预算算法。表3总结了每种办法的SOC估量差错。

归纳比较上述常用的SOC估量办法，卡尔曼滤波等依据电池模型的SOC估量办法精确牢靠，合作开路电压驻车批改是现在的干流办法。

参阅文献

下篇

昨天和前天的两篇文章中，介绍的BMS功用需求包含电池电压丈量、数据采样频率同步性，温度估量和SOC估量。本文，是《一个典型的动力锂电池办理体系，要完成什么功用》的最终一个部分，内触及SOH（健康状况）估量、SOF（功用状况）估量及SOE（可用能量状况）估量、SOS（安全状况）估量。

3.3健康状况（SOH）估量

健康状况是指电池当时的功用与正常规划指标的偏离程度。电池老化是电池正常的功用衰减，不能彻底代表其健康状况。而现在大都SOH的意义仅限于电池老化的领域，没有真实触及电池的健康状况（如健康、亚健康、细微问题、严重问题等），因而现在的算法应该称为寿数状况。

耐久性是当时业界研讨热点，表征电池寿数的重要参数是容量和内阻。一般地，能量型电池的功用衰减用容量衰减表征，功率型电池功用衰减用电阻改变表征。为了估量电池的衰减功用，首要要了解电池的衰减机理。

锂离子电池衰减机理。锂离子电池为摇椅式电池，正负极的活性资料能够看作包容锂离子的两个水桶，锂离子适当于桶里的水。电池的功用衰减能够理解为水变少（即活性锂离子丢失），或桶变小（正极或负极活性物质变少），如下图所示。导致活性锂离子丢失的重要原因是：电极与电解液副反响构成钝化膜（如SEI膜）；因为充放电电池膨胀收缩疲惫导致电极龟裂，导致电极与电解液副反响构成新的SEI膜，耗费锂离子；不当充电导致的析锂与电解液反响耗费锂离子。导致活性资料丢失的重要原因包含：资猜中的锰、铁或镍等离子溶解；活性资料颗粒掉落；活性资料晶格塌陷。现在SOH估量办法重要分为耐久性相关经历模型估量法和依据电池模型的参数辨识办法。

锂离子电池双水箱模型

1）耐久性相关经历模型估量法

耐久性相关经历模型估量法是依据电池耐久性测验数据标定取得的模型，直接猜测容量衰减和内阻的改变。电池的耐久性模型能够分为耐久性机理模型和耐久性外特性模型，两者的重要不同在于，前者侧重于对电池内部副反响机理的研讨，并以SEI膜内阻、离子浓度等微观量为观测目标；而后者从实验规则动身，要点重视电池循环进程中表现出来的容量衰减与内阻新增。有文献依据正负极衰老机理，依据循环锂离子丢失机理以及电池内部的资料腐蚀机理，树立了电池SEI膜内阻新增模型以及循环衰减后的端电压模型。因为详细的锂离子电池衰减机理十分杂乱，现在还很难精确确认模型的参数，一起运算量也较大，一般不必于车用电池办理中。

依据电池外特性的模型，现已有较多文献触及，最常见的功用衰减模型是依据Arrhenius规则的模型。Toshiba的手册中给出了钴酸锂离子电池储存寿数模型

式中，Closs为容量丢失百分比，%；T为温度，K；t为时间，月。Bloom等进行了不同环境温度下电池衰减率的实验与剖析，实验了以温度为加快应力的电池容量衰减模型，评论了电池容量保持率与环境温度和循环时间的联系，提出

式中，Qloss为阻抗新增率（areaspecificimpedance，ASI）或最大输出功率，W/s或W；A为常数；Ea为反响活化能，J；R是气体常量，J/(molK)；T是绝对温度，K；t是时间，h；z是时间模态，简略状况下可取1/2。其间A、Ea/R、z都能够经过实验数据用拟合的办法得到。

Wang等依据Bloom等的作业，提出了以Ah循环总量为变量的双要素模型，将放电倍率乘入原有的时间项，得到以温度和放电倍率为加快应力的电池寿数模型，完成了双应力加快下20%以内的猜测差错，即

式中，Qloss为容量丢失百分比，%；Ah为安时循环总量，Ah；其他参数的意义与前面公式相同。

Matsushima研讨了大型锂离子电池的功用衰减，发现容量的衰减与时间呈1/2次方联系，即Qloss=Kf×t^(1/2)，并发现容量衰减在30%以内时的系数Kf与容量衰减大于30%时的系数Kf不相同。前者较大，阐明前30%容量衰减的速度快。Kf遵守阿伦尼乌斯定律。进一步地，依据Arrhenius模型的扩展模型，如黎火林、苏金然依据对钴酸锂离子电池循环寿数的实验，提出了如下的Arrhenius扩展模型：

式中，Cτ为容量衰减率，%；nc为充放电循环寿数，次；T为绝对温度，K；I为放电电流，A；a、b、c、l、m、f、α、β、λ、η均为常数，能够经过实验拟合确认。

Li等考虑了电池寿数的多个影响要素，如环境温度、放电倍率、放电截止电压、充电倍率和充电截止电压等，提出了依据耦合强度判断和多要素输入的寿数建模办法（模型中温度的影响也参阅了Arrhenius建模办法、电物理量的影响参阅逆幂规则），并依据模型的要素敏感性剖析了各要素对电池寿数影响的权重，耐久性模型对电池寿数的猜测差错为15%以内。

Han等在剖析电池功用衰减根底上，以为以石墨为负极的锂离子电池的功用衰减重要是因为负极SEI膜增厚耗费活性锂离子，正常的SEI膜增厚耗费的锂离子与时间呈1/2次方联系，但一般电池存在疲惫龟裂耗费了更多的活性锂离子，因而功用衰减与时间的联系大于1/2次方。依据Arrhenius模型树立了4款以石墨为负极的锂离子电池的功用衰减离散模型，并提出依据该离散模型的闭环参数批改办法，经过几次容量批改后，模型参数趋于稳定。

其他外特性建模办法还有神经网络模型，如Jungst等在研讨以LiNi0.8Co0.15Al0.05O2为正极资料的电池储存寿数时树立的神经网络模型。学习机械疲惫研讨成果，Safari等选用机械疲惫研讨中常用的Palmgren-Miner（PM）规则猜测电池容量在简略和杂乱工况下的衰减状况，并与损害时间累计法（capacity-lossaccumulationovertime，LAT）进行比较，成果表明PM法好于LAT法。

2）依据电池模型参数辨识法

参数辨识办法重要依据已有的电池模型，选用最优状况估量技能，如最小二乘法、卡尔曼滤波等算法，依据运转的数据，对电池模型参数如容量、内阻等进行辨识，然后取得电池的寿数状况。

Plett将内阻和容量作为体系状况参数，构建了内阻估量状况方程和容量估量状况方程。选用扩展的双卡尔曼滤波办法取得内阻和容量。Gould也依据卡尔曼滤波办法和线性拟合办法辨识电池模型中的容量，继而取得容量随运转循环数的衰减状况。还有将电池等效电路模型中的内阻视为低频阻抗，选用滑模控制技能进行辨识。Remmlinger介绍了一种用于混合动力车的电池内阻在线辨识办法，为了完成在线运用，改善了二阶RC模型，然后依据特别的负载信号（发动机发动时的时间短电压及电流），选用线性最小二乘法取得电池模型的内阻值。Verbrugge以为假定对体系状况参数、丈量参数和噪音的演变进程比较了解，选用卡尔曼滤波优化算法来递归辨识是最具有代表性的办法。假定缺乏对状况参数、丈量参数、噪音的全面了解，选用具有时间指数忘掉因子的加权递推最小二乘法将是一个较为务实的办法。Wang发现Verbrugge选用叠加积分核算电压的电池模型递推算法在采样频率较高时变得不是很稳定。据此改善了电池模型的算法，并相同也选用指数忘掉因子的加权递推最小二乘法辨识电池参数（开路电压及内阻等）。Chiang选用线性或非线性体系控制中常用的自适应控制办法，树立了依据电池等效电路模型的参数估量框架，其间为了便于选用自适应控制技能，锂离子电池等效电路模型选用状况方程来描述，可用于在线监测电池内阻及OCV，别离用于确认SOH和SOC。Einhorn依据ΔSOC=ΔAh/C的联系，估量容量的巨细，办法为：

式中，恣意两个时间（α，β）的SOC由OCV查表得到，该办法可在实践中运用，能够取若干个点，两两调配核算出多个容量值，再取均匀值或中位数。这种办法比较简略，但要害在于OCV能否精确辨识。

3）电池组SOH估量

在不进行均衡的条件下，电池组的容量衰减将远大于单体的容量衰减，郑岳久等提出用两维散点图解释电池组容量衰减的机理，指出电池组的容量衰减量为剩下充电电量最小单体的容量丢失与单体间负极的活性锂离子丢失差异之和。为了得到电池组的容量，要首要取得单体的容量。单体容量获取能够经过上述依据模型参数的辨识办法取得，也能够经过充电电压曲线改换办法获取。

3.4功用状况（SOF）估量

估量电池SOF能够简略以为是在估量电池的最大可用功率。一般而言，电池的最大可用功率遭到电流、电压、SOC、温度等参数的约束，还与电池的老化程度、毛病状况等有关。常用的SOF估量办法能够分为依据电池MAP图的办法和依据电池模型的动态办法两大类。

1）依据MAP图算法

依据电池测验（一般为HPPC测验）数据和最大、最小电压约束，能够取得在不同SOC下的最大充放电功率。在不同温度、不同衰减程度下进行电池测验，能够树立最大充放电功率与温度、SOC、SOH的联系，得到最大充放电功率MAP图。依据MAP图，实车BMS能够经过插值得到电池的最大充放电功率，完成SOF估量。

Do等别离研讨了不同SOC、温度、累计放电容量下的最大充放电功率，并树立了最大充放电功率的函数解析式，完成了对SOF的猜测。依据MAP图的估量办法简略直接，但要存储多维MAP图，并且只考虑了静态特性，而对动态工况下的充放电功率估量有必定的局限性。

2）依据电池模型的动态算法

依据电池模型，归纳考虑电池的电流、电压、SOC、功率等约束，能够得到最大充放电电流，然后核算得到电池的最大充放电功率。韩雪冰依据电池模型，给出不同电流输入状况下电池的端电压状况，经过迭代核算，取得电池单体在电压约束条件下所答应的最大电流Imax,voltage和最小电流Imin,voltage，并且从电池的机理动身，考虑了电池副反响速率约束下的最大最小电流，其办法类似于求取端电压约束下的最大充放电电流。最终归纳考虑上述约束，取得电池单体的最大最小电流。Sun等剖析比较了几种最大可用功率猜测办法，包含HPPC法、SOC约束法、电压约束法，以及依据动态模型的多参数估量法，并经过HPPC测验得到充放电电阻，依据Rint模型，运用端电压约束，估量电池的最大充放电功率。但这种办法估量的实践上是瞬时最大功率。并且因为Rint模型不够精确，或许过于达观地估量了功率，还或许引起过充过放。与前述办法根本相同，Sun等以为若答应的SOC改变规模很大，核算出的最大最小电流或许很大，并不合理，应与其他办法联合运用。电压约束法考虑在端电压约束下一段时间内的最大充放电功率，但仍运用了Rint模型，原理上与前述办法类似，仅仅算法上并没有选用迭代估量的办法，而是依据模型直接核算电流限值。依据动态模型的多参数估量办法实质上是依据Thevenin模型的电压约束法，归纳SOC与电流的约束，从而得到最大充放电电流。

以上是取得电池单体最大充放电电流的办法。实车上电池组由许多电池单体组成，因为单体之间存在不共同性，若要单独核算每个电池单体的最大可用功率，核算量太大，

韩雪冰提出了充、放电要害电池单体的概念，以削减核算量。归纳考虑各种约束条件，能够得到最终的最大最小电流Imax,total和Imin,total，将Imax,total、Imin,total代入电池模型中可核算得到对应的端电压Umax,total，Umin,total，进一步能够得到最大充放电功率，即

3.5剩下能量（RE）或能量状况（SOE）估量

剩下能量（RE）或能量状况（SOE）是电动汽车剩下路程估量的根底，与百分数的SOE相比，RE在实践的车辆续驶路程估量中的运用更为直观。在电动汽车运用进程中，电池的剩下能量（RE）是指以某一工况行进时，从当时时间直至电池放电截止进程中，电池累计供给的能量。RE能够由电池端电压Ut与相应的累积放电容量Qcum组成的坐标系上的面积表明，如下图所示。

电池剩下能量示意图

当时时间t的电池端电压为Ut(t)，放电截止时间记为tlim，对应的端电压为电池答应的最低放电电压Ut(tlim)。当时时间的荷电状况为SOC(t)，已累积的放电容量为Qcum(t)。放电截止时间tlim对应的SOC和累积容量别离记为SOClim和Qcum(tlim)。图中，端电压改变表明为绿色曲线，曲线下围成的（绿色斜线）面积对应电池当时时间在此种工况下的剩下能量RE(t)，其核算进程对应公式如下。

因为不同的充放电状况对应的端电压呼应不同，使得电池在同一时间t供给的剩下能量RE(t)也不相同。此处用一组规范电流倍率下的放电状况作对照，规范状况的端电压Ut,st如图中蓝色曲线（Qcum-Ut,st）所示。由电池SOC和规范放电容量的意义，此刻放电截止方位的SOC值SOClim,st为0，累积放电容量Qcum,st等于电池规范容量Qst。规范放电工况下对应的剩下能量REst(t)与之前的RE(t)有明显的差距。电池剩下放电能量的差异相同能够由当时的RE(t)与理论上最大的剩下放电能量（电池开路电压OCV曲线围成的面积，图中黑色虚线所示）进行比较。

不同放电工况下电池的能量丢失不同，因而只要猜测某一特定功率需求下的电池电压呼应进程，才能取得精确的RE猜测值。因为锂离子电池的特色，其电压输出遭到许多变量的影响，如当时SOC、温度、衰减程度SOH，因而在能量猜测进程中除传统的SOC估量模型外，还要一个专门的电压猜测模型。刘光明等提出一种适用于动态工况的电池剩下放电能量精确猜测办法EPM（energypredictionmethod），如下图所示，该办法依据当时的电池状况和未来的电流输入，依据电池模型对未来放电进程的电压改变进行猜测，并核算放电进程中的累积能量。猜测进程中，依据当时的电压、电流丈量值对模型参数进行批改，对端电压序列与RE的猜测成果进行更新。

电池剩下放电能量猜测办法（EPM）结构

3.6毛病诊断及安全状况（SOS）估量

毛病诊断是确保电池安全的必要技能之一。安全状况估量归于电池毛病诊断的重要项目之一，BMS能够依据电池的安全状况给出电池的毛病等级。现在导致电池严重事故的是电池的热失控，以热失控为中心的安全状况估量是最火急的需求。导致热失控的重要诱因有过热、过充电、自引发内短路等。研讨过热、内短路的热失控机理能够取得电池的热失控鸿沟。Feng等研讨了一款三元电池的热失控行为，取得了3个特色温度。Ouyang等研讨了一款复合三元资料电池的过充电热失控行为，取得了4个过充电特色阶段。这些研讨为电池的安全状况估量供给了根底。

毛病诊断技能现在已开展成为一门新型交叉学科。毛病诊断技能依据目标作业原理，归纳核算机网络、数据库、控制理论、人工智能等技能，在许多领域中的运用现已较为老练。锂离子电池的毛病诊断技能尚归于开展阶段，研讨重要依赖于参数估量、状况估量及依据相关经历等办法（与上述SOH研讨类似）。Bohlen等经过电池内阻模型的在线辨识完成了电池在线诊断。Sun等铅酸电池的健康状况（SOH）上，假定正常状况的恒流充放电电压曲线是光滑的，经过调查其充放电曲线的改变辨识电池组或许存在的毛病。电动汽车动力往往由成百上千个电池单体串并联构成，个体之间存在必定的差异，即不共同性。一般地，不共同性遵守核算散布规则，这为电池组的毛病诊断供给了一种理论依据。

Zheng等树立了一种考虑接触电阻的电池分频模型，以代表低频的电池均匀模型研讨电池组总体行为，以代表高频的差异模型研讨电池组共同性问题，成功辨识了电池组内的接触电阻毛病。Ouyang等相同选用分频模型，经过内短路电池构成共同性变差特性来诊断内短路的产生。

参阅文献

纯电动乘用车总安置规划研讨

旺材电动汽车

随着以石油为代表的不行再生矿物能源的逐步耗费,能源危机、环保、可持续开展成了摆在人们面前亟待处理的问题。在占国际能源耗费大约1/3的汽车方面,国际规模内,以美国、日本、欧洲等发达国家为首,国际上大部分有实力的国家都投入巨资进行电动汽车的研制,日本三菱的i?miev及日产的leaf等纯电动乘用车将于近一两年内逐步上市。纯电动汽车以其环保、高效和可持续开展的巨大优势吸引着人们的目光。

因为跟传统汽车不同较大,纯电动乘用车在结构方面要较大改变的规划和安置才能满意必定的功用需求。本文将从纯电动乘用车几个要害部件及体系的总安置方面进行论述,一起结合项目实践进程中的一些问题进行阐述。

1纯电动乘用车全体结构

图1所示为纯电动乘用车的要害部件方位。纯电动乘用车重要由电池ESS体系总成、驱动电机及减速箱总成、电机控制器、充电器、充电口及其他相关隶属部件组成。

在实践规划的进程中,兼顾空间和轴荷匹配、高压安全等方面考虑,要害部件的安置显得特别重要。一方面,这些部件大部分作业在高压状况,假定安置在很简单变形或许磕碰的地方,那么或许会构成体系的漏电,对人员安全构成极大要挟;另一方面,这些部件遍及分量较大,假定不进行整车特别是底盘的动力、控制功用的全面剖析,部件分量散布不合理,对整车的功用和安全相同会留有很大的危险。

因而,依据对底盘和整车功用的剖析,以及对高压安全等角度的考虑,对纯电动乘用车的要害部件进行了多轮的验证性安置,逐步趋于图1所示方位。

整车选用前置动力前驱的办法,电机及减速箱、电机控制器安置在前舱内,有利于进步驱动功率;电池安置于底板下面,有利于平衡前后轴荷,进步控制功用,一起,利于电池的装置,为今后电池快换技能留有可研讨的余地;充电器放在后部,在防水和防尘方面具有很大的优势。充电口放在原加油口方位,有利于削减车身的改变量,进步与传统车的兼容功率。

2整车动力体系选型核算及安置

2.1整车动力功用核算

本车定位为A00级车型,相关参数需求见表1。

2.2电机选用及相关传动方式定型

现在,电动乘用车驱动电机干流有两种方式的驱动电机:永磁同步沟通电机和永磁异步沟通电机。

电机是电动汽车最为中心的零部件之一,依据电动汽车的需求,对驱动电机有以下要求:结构紧凑、尺度小,分量轻,牢靠性高、失效方式可控,功率高,本钱低,低噪声、低震动,恒功率调速规模宽。

受电流以及电压的约束,以及依据以上要求和核算的成果,选用永磁同步沟通电机。并经过规划特别的水冷体系和匹配相应的电力电子体系尽量满意电动乘用车对驱动电机的要求。在相同功率输出的状况下,匹合作理的减速机,有利于进步输出扭矩,增强电动汽车的加快功用和优化传动功率,依据核算匹配,本车专门规划了一个单级减速器,完成上述功用;一起,因为不同于传统的内燃机,电动机无法完成辅佐制动的功用,减速器还规划了驻车锁止组织以及倒车组织。

3前舱要害零部件的安置规划

在传统汽油机车上,前舱是中心部件的集成地,发动机、变速器等要害零部件根本都安置在前舱里面。相同,电动汽车也把必定的要害部件放在了前舱,重要有:电机控制器、电机、减速器、电动真空泵、电动空调等,重要是因为以下几个方面的原因。

(1)电动汽车专用零部件比较多,整车内其它方位根本现已没有空间,而前舱去掉了发动机、变速器等相关零部件后,空出了必定的空间。

(2)关于电动乘用车来说,前置动力前驱依然是比较有用的驱动方式,因而现在大部分车型均将驱动电机安置在前舱内。

(3)电机控制器、电机等都是大体积零部件,并且集成在一起愈加有利于全体的作业功率,加上减速器,要一个愈加有用的安置办法,因而,根本选择在前舱。

当然,在实践的项目规划进程中,因为A00级纯电动乘用车前舱空间有限,一起,因零部件多、高压走线等方面的原因,安置起来十分困难,要进行多轮协谐和相关零部件不断改善。现在因为国内的技能水平原因,驱动电机以及电力电子箱遍及在分量和体积方面要比国外(欧美等国家)超支许多,并且接口技能不老练,构成空间需求过大,一起,电动汽车额定新增了电动真空泵、电动空调压缩机、高压电器盒等部件,这些部件根本都安置在前舱,对空间需求提出了很大的应战,怎么做好前舱的安置作业十分要害。这些零部件的安置,不仅联系到各个部件功用的完成,一起也联系到整车功用,比方,对整车轴荷的影响、转向功用的影响、制动功用的影响、电子电器元件的电磁搅扰影响。各部件的间隔,对高压电的电磁防护、运动干涉、磕碰安全、高压安全等都对前舱的总安置作业提出了十分严苛的要求。

依据本项目的实践安置相关经历,重要依据以下准则进行:

(1)重要零部件按等级区分、依照重要程度进行优先安置;

(2)依照占据空间的程度进行;

(3)对有高压电磁搅扰要求的零部件进行隔离或许安置在安全间隔;

(4)依据制造、装置、修理的相关要求;

(5)依据磕碰的要求;

(6)相关零部件集成的可行性剖析;

(7)国家法规中行人维护的要求;

(8)避开运动件的要求;

(9)机械振动的要求。

4动力锂电池体系的安置

动力锂电池是电动汽车上最中心的部件,动力锂电池是纯电动汽车唯一的能源供给者,它决议了电动汽车的续驶路程、输出动力最为要害的两个参数。