电动汽车BMS关键技术研究进展

谭泽富，彭 涛，代妮娜，魏 健，邓 立

(重庆三峡学院信息与信号处理重点实验室，重庆 404000)

近年来国家大力发展新能源汽车。电池管理系统(BMS)是电动汽车的核心技术之一，它能够对电池的基本物理量进行监测，通过监测到的信息对电池荷电状态(state of charge，SOC)、健康状况以及故障状况进行分析，从而协调控制和优化电动汽车的电量分配。本文主要介绍了BMS 关键技术的最新研究进展，对电池均衡、荷电状态和热管理等BMS 关键技术进行详细介绍，并结合国内BMS 应用实例，对未来进行展望。

1 电池均衡

实际上电池组里面的每个电池都有差异，比如容量、剩余电量、电阻、电压等存在不一致性。主要有两个方面的原因：(1)每个电池在生产制造中受搅拌、研磨等工艺的影响，会存在一定的差异；(2)工作环境导致电池差异，其中温度影响是重要因素。随电池使用时间的增加这些差异逐渐放大，可能会出现电池安全性降低、寿命缩短等问题，因而加入均衡控制十分必要。均衡控制可以有效提升电池组的整体容量和控制单体电池的充放电深度，避免过充和过放，使电池衰老一致。

均衡技术从是否耗能的角度可以分为耗散型和非耗散型。

1.1 耗散型均衡

该技术主要使用电阻均衡(图1)，由n节单体电池(记为B1，B2，...，Bn)、n个电子开关和耗能电阻以及一个控制器构成。把电子开关和耗能电阻串联，再并联到单体电池上，定时检测电压，对达到均衡条件的单体电池，通过软件控制开关闭合，从旁路电阻进行放电。其特点是成本低、容易实现、放电速度快，但是其效率低下。另外电阻耗能会释放热量，流过电流越大，则累积热量越多，散热能力不足会有安全隐患，且消耗电池组本身的能量。因此，如今此方法不再作为主要研究方向。

图1 电阻均衡电路

1.2 非耗散型均衡

该策略是在电路中利用电容、电感、开关、多绕组变压器等器件，实现单体电池间的能量转移，以实现均衡目的。该方法不需要消耗电池组自身能量，因此，非耗散型是BMS 研究的重点。一般有电感均衡、电容均衡、DC-DC 变换器均衡等。

李军等[1]针对传统均衡系统速度慢的问题，基于反激式变压器，建立了模糊PID 控制的削峰填谷式均衡系统，实验结果表明，该系统可实现均衡电流的优化控制，降低电池的不一致性，并提高充放电过程中的均衡速度。刘征宇等[2]基于双向Cuk 分组均衡器，提出了可信度因子(C-F)推理的方法，以降低电池组电压、容量、内阻等不一致性，实验证明，该方法可提高电池组的能量利用率，通过控制电流大小和方向，降低单体电池的不一致性。单恩泽等[3]为解决锂电池在充放电过程中电量幅度变化大、精度低的问题，提出基于双阈值的主被动均衡策略，实验结果表明，该策略提高了充放电精度和效率，可抑制充电末期电流和电压的变化，从而提高稳定性。宫明辉等[4]提出了变论域双模糊控制器(VDF)均衡策略，该策略可以降低电压保护误动作，从而实现全程均衡，与传统模糊均衡方法相比，通过调整引入的自适应调节均衡电流，均衡速度提高了30%以上，在电池间差异较大时，均衡后的一致性也可提高20%。Song 等[5]提出基于充电电压曲线的锂离子电池组均衡，实验结果表明，该策略可以最大程度地提高电池组容量，适应不同的一致性场景，具有较高的精度和较低的计算量，适合电动汽车的在线均衡。

综上所述，当前BMS 中的均衡技术主要研究方向是改善单体电池之间容量、剩余电量、电阻、电压等存在的不一致性，提高均衡速度和效率。未来还需结合整体和局部的优化控制，进一步设计多层化和模块化的均衡结构，提高均衡系统抗扰能力。

2 SOC 估算

2.1 SOC 定义

SOC用来反映电池的剩余容量，即在一定放电倍率条件下，电池剩余电量与其额定容量的比值，数学表达式如下：

式中：Qt为剩余电量；Q为额定容量。

2.2 SOC 估算方法

SOC的准确估算能够避免电池过充、过放，提高电池均衡效果，并为电动汽车续航里程的计算提供重要数据。国内外研究人员对SOC进行了深入研究，一般常用的估计方法[6]有：

(1)安时积分法(AH)。AH 法是一种最常用的方法，但是在使用AH 法时存在一些问题，比如累积误差，由于电流传感器精度不足，随时间的推移，误差变大。另外，基本上二次电池都有自放电的现象，由于自放电的电流小，普通的电流传感器难以准确测量，并且有一部分自放电电流不会经过工作电流的回路，无法检测。

(2)开路电压法(OCV)。由于OCV 和SOC之间有函数关系，所以可用来估计SOC。OCV 操作方便、易于实现，但需在电池工作后，等待一段时间静置至稳定，才会有较高精确度，因此该方法通常离线使用。

(3)扩展卡尔曼滤波(EKF)。该方法最大的优点在于可以有效解决AH 法随时间推移带来累积误差的问题，能够不断地修正初始误差；其缺点在于对电池等效模型十分依赖[7]。由于电池模型具有时变特性和非线性，以及存在噪声近似处理的问题，卡尔曼滤波估算SOC值的精确度会受到影响。

(4)神经网络法。类似于大脑，能够接收、传导和处理信息。神经网络法不关心电池内部结构，只需根据实际情况确定输入量与输出量，通过大量样本数据进行学习，并记忆输入-输出模式映射关系，来处理SOC估算这一非线性动态过程。其优点在于能够迅速、高精度地估算电池SOC；但需庞大的数据实验做基础，估算结果受训练方法和数据影响[8]。由于神经网络算法的计算量很大，对硬件设备有更高的要求。

实际应用中通常是融合多种算法或模型，解决单一算法的缺陷。刘兴涛等[9]针对单一SOC估计算法无法同时满足多项指标要求的问题，提出一种基于EKF 支持向量机(EKFSVM)的组合算法，算例表明，该组合算法结合了EKF 和SVM两种算法的优势，改善了SOC估算的鲁棒性和泛化性，且最大估计误差小于1%。谢思宇等[10]基于传统小波神经网络(WNN)，结合主成分分析(PCA)和遗传算法(GA)提出了一种PCA-GA-WNN 模型，仿真结果表明，该模型具有较强的全局搜索能力和收敛能力，以较少的迭代次数可达到较高的SOC估算精度。封居强等[11]基于Thevenin 等效电路模型，提出遗忘因子最小二乘法(FFRLS)结合自适应扩展卡尔曼滤波(AEKF)的算法估算SOC，结果表明，该算法实现了对模型系统闭环修正，较单独的FFRLS 精度有所提高，SOC误差在1.5%～2%范围内。莫易敏等[12]基于传统EKF 和结合最小二乘法，提出模型参数实时变化的改进型扩展卡尔曼滤波算法(I-EKF)，以降低模型参数变化对算法的影响，仿真结果表明，I-EKF 算法相较于传统的EKF，在电池放电末期，误差降低了1.5%。刘继超等[13]提出基于改进粒子群算法对电池各项参数进行辨识，以克服局部最优、提高收敛速度和精度，该算法比基本粒子群相对误差下降了3%。

综上所述，在SOC估算的精确度以及各项指标要求上，理论研究已取得重要进展。但是，上述文献以及其他一些研究人员主要在实验平台或仿真工具等较为理想的环境下进行实验，所得结果对实际行驶的电动汽车电池SOC估算指导意义有限。实验对象大部分是单体电池，电池串并联使用后，电荷量、寿命、自放电率等参数都会有差异，所以在应用到电池组整体SOC估算时效果不理想，需考虑电动汽车实际行驶工况的复杂性和多变性。为避免实际应用中SOC估算的复杂性，可尝试研究一种不需考虑电池的电化学和非线性特性以及物理结构的SOC估算新模型，将动力电池组系统看作整体处理。

3 热管理

电池热管理是根据温度对电池性能的影响，结合电池的电化学特性和产热机理，基于电化学、材料学等多门学科，通过合理的设计，避免电池温度过高或过低，使其处于最佳的充放电温度区间的过程。

电池的工作特性在一定程度上体现了整车的性能，且与温度有密切关系，不同的温度环境会让电池表现出不同的性能。温度过低时，内阻和极化电压增加，容量下降，放电能力明显下降，能量利用效率变低[14]。温度过高时，虽然电池能量和容量可以充分使用，但是其安全性下降，寿命减短，随着时间的增加以及空间范围的限制，其内部的热量慢慢累积起来，导致热量分布不均匀，使得每个电池的工作状态存在差异，电池模块整体性能下降。

3.1 热管理系统功能

热管理系统功能主要包括：(1)对电池温度进行实时监测；(2)电池组温度过低(或过高)时通过加热装置升温(或散热器件降温)，使其处于正常温度范围内；(3)将产生的有毒气体尽快排出；(4)平衡电池组的温度，防止电池因温度不均对整车性能造成影响。

3.2 热管理系统分类

3.2.1 空气冷却系统

该方法的工作原理是让空气流过电池组设定的通道，带走热量[15]。图2 为有源空气冷却/加热工作原理图，其原理是可预先对外部空气进行预热或冷却，再经过电池组，通过风扇或鼓风机及时排出。该系统设计相对简单，易于实施，适用于多种电池，无漏液现象，得到了广泛应用。但是，该系统也存在一些缺陷：由于空气本身热容较低、导热系数小，导致电池组温度均衡效果较差。提高空气冷却系统制冷效果，可以通过优化电池间距、摆放位置、提高空气流速和扩大通道尺寸等，其目的在于增大空气与电池组的有效接触面积。上述参数在一定程度上都有最优值，获得最合适的参数成为空气冷却系统进一步发展的关键。

图2 有源空气冷却/加热

3.2.2 液体冷却系统

液体冷却采用比热容更高、传热效率更快的液体作为介质，相较于空气冷却，该方法有更好的效果，使电池组内部的热量分布更加均匀。但该方式需要增加盛放液体介质的装置和循环系统，使系统变得更复杂，成本较高；同时电池本身并不防水，对密封性要求较高。在液体冷却系统中，冷却液的循环通常依赖液体泵，液冷的进行可以通过换热设备来实现，一般冷却系统通过管道和电池相连，将冷却液注入管道中，通过管道中冷却液的循环流动吸收电池释放的热量，确保电池温度的均匀分布，图3 为有源液体冷却/加热结构示意图。这项技术在未来发展过程中，可以增加自动控制系统来控制液体流量，提高效率。

图3 有源液体冷却/加热

3.2.3 基于相变材料的冷却系统

相变材料(PCM)是一种绿色、高效、环保的储能材料[16]，有良好的蓄冷蓄热能力。在相变时，自身温度变化幅度很小，广泛应用于温控和储能领域，其工作原理为PCM 通过改变自身物理形态来吸收或者释放热量。当电池工作时释放的热量达到PCM 的临界温度时，PCM 吸收并存储热量，当电池温度过低时，PCM 释放热量，使电池处于正常温度。

热管和均热板技术是基于PCM 蒸发吸热、冷凝放热这一特性发展起来的一种高效控温技术[17]。热管工作原理为：PCM 在蒸发端吸收热量，由液态转变为气态，在微小压强差的影响下气态PCM 到达冷凝端，在冷凝端液化放热，通过毛细作用重新回到蒸发端[18]。均热板是一种真空超导热器件，其原理与热管相同。

姚程宁等[19]研究了微通道热管阵列在高热功率密度下的传热性能。实验表明，热功率密度为0.365 8 W/ cm2时，该技术可实现热源处温度45 ℃以下，温差1.3 ℃以下。增大槽道尺寸可改善微通道热管阵列的导热系数。与烧结热管组相比，采用微通道热管阵列的热管理系统在热源处最大表面温度降低了12.3 ℃。Huang 等[20]基于苯乙烯-丁二烯-苯乙烯(SBS)、石蜡(PA)、膨胀石墨(EG)研制了新型柔性复合材料SBS@PA/EG。研究发现，该材料可以改善PCM 的柔韧性和弹性，提高PCM 的抗冲击性和热导率，有效抑制电池组温度升高的增长速率并平衡电池之间的温度。Li 等[21]提出基于石蜡(PW)和膨胀石墨(EG)的新型复合相变材料(CPCM)，将PW/EG CPCM 侵入硅胶中，硅胶包裹石蜡形成覆盖物，防止液态石蜡泄露，有良好的密封性。ZOU 等[22]对多壁碳纳米管(MWCNT)和石墨烯基复合PCM 进行研究，获得的添加量可提高导热性，减缓液体PCM 的升温速度。

综上所述，基于PCM 的冷却系统，不需要液体泵、风扇、鼓风机等器件，大大降低了系统成本，简化系统结构，解决了体积庞大的问题。但是PCM 存在热导率低、热稳定性差、力学性能差、液态PCM 泄露、相变膨胀、相变延迟等问题，严重阻碍PCM 在商业中的大规模应用和普及。基于PCM 的冷却系统是热管理重要研究重点，未来的主要工作是提高材料的性能和开发新型PCM。

4 BMS 应用实例

2020 年在广州车展威马展台上，展示了威马EX6 PLUS(图4)。该车配备了威马公司推出的电池热管理2.0 系统，可将续航里程由400 公里提升至520 公里。该系统通过独立液冷设计、零下30 ℃极地加温系统(柴油加温)，可以自主加温和降温，让电池包处于恒温状态。在0 ℃以下，威马热管理1.0 系统电动汽车空调消耗电量为14.53 kWh，而2.0 系统中耗电量仅为1.29 kWh。威马工程师分析称，该车实际行驶16 万公里后，电池衰减在5%内，比特斯拉多出6 万公里。

图4 威马EX6 PLUS

2020 年ADI 推出首款用于电动汽车的无线BMS，将在通用汽车的Ultium 电池平台使用。该技术使电动汽车平台可应用于其他车型，并大量生产。无线BMS 不再受传统通信线束的限制，节省了90%的线束，减小了体积，设计灵活性增加，能改善单体电池的能量利用率，优化车辆续航性能。未来还可以与人工智能和大数据技术结合，为客户提供更好的智能化服务，实现电池从生产到回收整个生命周期的监测。

5 结论与展望

电池管理系统是电动汽车的关键技术之一，主要适用对象为锂电池。虽然近年来在这方面取得了较大的进步，投入实际运用中也有显著效果，但是发展时间较短，仍有许多要改良和完善的地方。

(1)SOC估算技术仍是今后的研究重点之一。目前SOC估算的算法很多，但是都有各自的缺陷。研究人员可考虑以下方面：电动汽车电池工作状态和环境复杂多变，明确各种算法的优缺点，根据电动汽车运行状态动态特性，在不同阶段引入适合且效果最优的算法对SOC进行估算，来提高准确度与电池组适配度；从硬件方面入手，根据电动汽车实际运行工况数据，提高各种仪器对电池的电流、电压、温度等参数的测量精度，确保适用于运行状态下的电池组。

(2)电动汽车的安全性是BMS 的重要研究部分，主要是提高电池的热管理技术、抗干扰技术、以及异常报警和预警等。

(3)均衡控制能力有待提高，结合整体和局部的优化控制，进一步设计多层化和模块化的均衡结构，提高均衡系统抗扰能力。

(4)基于PCM 的热管理系统未来的主要工作是提高材料的性能和开发新型PCM。