1、電動汽車電池管理系統(tǒng)電動汽車電池管理系統(tǒng) 報告人：陳峭巖報告人：陳峭巖一、當(dāng)今電動汽車的關(guān)鍵技術(shù) 當(dāng)今電動汽車三項關(guān)鍵技術(shù)尚未有突破性進展。 1、總體機電一體化匹配設(shè)計及車身技術(shù) 電動汽車由于車身質(zhì)量、空間和能源的矛盾，因此設(shè)計時采用輕質(zhì)材料以減輕汽車自身質(zhì)量；充分利用空間的情況下，盡可能增大車廂內(nèi)部成員空間的同時，最大限度地降低空氣阻力系數(shù)和滾動阻力系數(shù)，以求減小行駛阻力，利用機電一體化匹配設(shè)計，在具體工況條件下，求得電動汽車整車參數(shù)達到最優(yōu)設(shè)計。 2、電動機及其控制技術(shù)2.1、驅(qū)動電機 電動汽車用電動機主要有直流電動機、感應(yīng)電動機、永磁無刷電動機和開關(guān)磁阻電動機。要使電動汽車有良好的使用性

2、能，驅(qū)動電機應(yīng)具有較寬的調(diào)速范圍及較高的轉(zhuǎn)速，足夠大的啟動扭矩，體積小、質(zhì)量輕、效率高且有能量回饋的性能。目前電動汽車所采用的電動機中，直流電動機基本上已被交流電動機、永磁電動機或開關(guān)磁阻電動機所取代。電動汽車所用的電動機正在向大功率、高轉(zhuǎn)速、高效率和小型化方向發(fā)展。2.2、電機控制技術(shù) 隨著電機及驅(qū)動系統(tǒng)的發(fā)展，控制系統(tǒng)趨于智能化和數(shù)字化。變結(jié)構(gòu)控制、模糊控制、神經(jīng)網(wǎng)絡(luò)、自適應(yīng)控制、專家系統(tǒng)、遺傳算法等非線性智能控制技術(shù)，都將各自或結(jié)合應(yīng)用于電動汽車的電機控制系統(tǒng)。它們的應(yīng)用將使系統(tǒng)結(jié)構(gòu)簡單、響應(yīng)迅速、抗干擾能力強，參數(shù)變化具有魯棒性，可大大提高整個系統(tǒng)的綜合性能。 3、動力電池及其管理系統(tǒng)

3、3.1、動力電池 常用的動力電池為鉛酸電池、鎳氫電池和鋰離子電池。動力電池新品種不斷出現(xiàn)，性能不斷提高技術(shù)不斷進步，但動力電池仍然是動力汽車的瓶頸，具有能量密度低，快速充電能力差、價格昂貴等缺點。 3.2、電池管理系統(tǒng)： 電動汽車上對電池實施管理的具體設(shè)備就是電池管理系統(tǒng)（battery management system,BMS）,使電池工作在合理的電壓、電流、溫度范圍內(nèi)。BMS是電池組熱管理和SOC估計等技術(shù)的應(yīng)用平臺。BMS對于電池組的安全、優(yōu)化使用和整車能量管理策略的執(zhí)行都是必要的。 二、電池管理系統(tǒng) 1、電池模型 電動汽車電池性能模型又可分為簡化的電化學(xué)模型、等效電路模型、神經(jīng)網(wǎng)絡(luò)模

4、型、部分放電模型和特定因素模型 1.1 簡化的電化學(xué)模型 Peukert(普克特 )方程 （1） 式（1）中，I為放電電流；n為電池常數(shù)；為電流的放電時間常數(shù)inTIiT Shepherd模型 （2） 式2中，為電池端電壓；為電池完全充滿時的開路電壓；為歐姆內(nèi)阻；為極化內(nèi)阻；I為瞬時電流；為由安時積分法算得的電池凈放電量。)1/(1 (0fKIREEiittE0EiRfiK 1.2 等效電路模型 等效電路模型基于電池工作原理用電路網(wǎng)絡(luò)來描述電池的工作特性，適用于多種電池。根據(jù)電路元件的特點，可分為線性等效電路模型和非線性等效電路模型。 1.2.1 基本電路模型 基本電路模型是其他復(fù)雜等效電路模

5、型的基礎(chǔ)。Thevenin模型如圖1所示，是最有代表性的電路模型。電容C與電阻R2并聯(lián)（描述超電勢）后與電壓源Voc（描述開路電壓）、電阻R1（電池內(nèi)阻）串聯(lián)。由于隨著電池工作條件和內(nèi)部狀態(tài)的變化，Thevenin電池模型參數(shù)無法隨之變化，因此準(zhǔn)確性較差。圖1 Thevenin電池性能模型 1.2.2 線性電路模型 線性電路模型如圖2所示，此模型是對Thevenin電池模型的改進。開路電壓Voc為電壓源Eo和電容Cb兩端的電壓，與之串聯(lián)的是一個由3個電容C1、C2、C3和3個電阻R1、R2、R3組成的電路網(wǎng)絡(luò)（描述超電勢），與所有這些元件并聯(lián)的是自放電電阻Rp。線性電路模型的參數(shù)不受溫度等因素

6、影響。圖2 線性等效電路模型 1.2.3 非線性電路模型 線性電路模型經(jīng)過非線性化得到,圖3所示的非線性模型。模型中電池容量用電容Cb表示；電阻Rp與Cb并聯(lián)，表示電池自放電；開路電壓Voc為Cb和Rp兩端的電壓；超電動勢由電容、電阻并聯(lián)網(wǎng)絡(luò)模擬，該網(wǎng)絡(luò)與Cb和Rp串聯(lián)，網(wǎng)絡(luò)中的電阻R1由兩個反向理想二極管并聯(lián)來模擬，表示在放電和充電時過壓阻抗的差異； R1表示內(nèi)阻，RS與R1-C1并聯(lián)網(wǎng)絡(luò)、RP -Cb并聯(lián)網(wǎng)絡(luò)串聯(lián)。電池內(nèi)阻是R1與RS的和,RS表示電解液、極板和流動內(nèi)阻, R1表示電解液擴散的內(nèi)阻；和R1一樣，RS由兩個理想二極管反向并聯(lián)，用以描述充電和放電狀態(tài)的差異。模型中Cb、RS、R

7、P和R1都是電壓的函數(shù)，RP隨溫度的變化而變化，只有C1為常數(shù)。圖3 非線性等效電路模型 1.3 神經(jīng)網(wǎng)絡(luò)模型 電池是一個高度非線性的系統(tǒng)，神經(jīng)網(wǎng)絡(luò)具有非線性的基本特性，具有并行結(jié)構(gòu)和學(xué)習(xí)能力，對于外部激勵能給出相對應(yīng)的輸出響應(yīng)，適合進行電池建模。如圖所示，采用三層神經(jīng)網(wǎng)絡(luò)來估計電池SOC，此神經(jīng)網(wǎng)絡(luò)采用BP算法來訓(xùn)練，中間層神經(jīng)元響應(yīng)函數(shù)為 。神經(jīng)網(wǎng)絡(luò)輸入變量的選擇和數(shù)量影響模型的準(zhǔn)確性和計算量。神經(jīng)網(wǎng)絡(luò)方法的誤差受訓(xùn)練數(shù)據(jù)和訓(xùn)練方法的影響很大，所有的電池試驗數(shù)據(jù)都可用來訓(xùn)練模型并優(yōu)化模型性能。xSeL11圖4 用于估計電池SOC的典型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 1.4、溫度模型 電池在其最佳工作溫度范圍

8、外工作時容量會發(fā)生衰減，(3)式是描述溫度對電池容量影響的最常用模型。 (3) 式3中，C為電池在溫度T時的容量；C25為電池在25時的容量; 為溫度系數(shù)Ah/，不同種類或型號電池的溫度系數(shù)不同， 需要通過試驗得到；T為電池工作溫度。還有以其它影響因素為研究對象的電池模型，如循環(huán)壽命、容量衰減。由于電池性能影響因素多，且具有高度非線性，至今還沒有建立起涵蓋了所有影響因素的高精度通用電池性能模型。)25(1 (25TCC 2、電池管理系統(tǒng) 圖5所示，BMS的主要工作原理可簡單歸納為:數(shù)據(jù)采集電路首先采集電池狀態(tài)信息數(shù)據(jù),再由電子控制單元(ECU)進行數(shù)據(jù)處理和分析,然后根據(jù)分析結(jié)果對系統(tǒng)內(nèi)的相關(guān)

9、功能模塊發(fā)出控制指令,并向外界傳遞信息。增設(shè)熱管理系統(tǒng)、安全裝置、充電系統(tǒng)以及與PC機的通信聯(lián)系。另外還增加與電動機控制器的通信聯(lián)系,實現(xiàn)能量制動反饋和最大功率控制。 圖5：BMS結(jié)構(gòu)示意圖 BMS通常包含以下功能組成部分: 數(shù)據(jù)采集、剩余容量(SOC)的估算、電氣控制(充放電控制、均衡充電等) 、熱管理、安全管理和數(shù)據(jù)通信。 2.1 數(shù)據(jù)采集 在BMS中,采集到的數(shù)據(jù)是對電池作出合理有效管理和控制的基礎(chǔ)。因此電壓、電流、溫度數(shù)據(jù)的采樣精度、采樣頻率和數(shù)據(jù)過濾就非常重要。 2.2 SOC的估算 SOC的確定是BMS中的重點和難點,由于電動汽車電池在使用過程中表現(xiàn)的高度非線性,使準(zhǔn)確估計SOC具

10、有很大難度。傳統(tǒng)的SOC基本估算方法有開路電壓法、內(nèi)阻法和安時法等。近年來又相繼研發(fā)出許多對電池SOC的新型算法,例如模糊邏輯算法模型、自適應(yīng)神經(jīng)模糊推斷模型、卡爾曼濾波估計模型算法以及新出現(xiàn)的線性模型法和阻抗光譜法等。 2.2.1 安時法 安時法是目前最常用的傳統(tǒng)方法,且常與其它方法組合使用,如安時內(nèi)阻法、安時-Peukert方程法、安時開路電壓法等。SOC狀態(tài)可由公式（4）計數(shù)。 （4） 式中， 為起始狀態(tài)； 為額定容量；I為電池電流； 為充放電效率。tNIdCSOCSOC0010SOCNC 為了更準(zhǔn)確估算SOC,在算法中還需要考慮對電池的溫度補償、自放電和老化等多方面因素。例如,對電池S

11、OC 的估算中考慮電池的實際可用容量(包含了對溫度的考慮) 、自放電率和電池老化對容量的影響,提出了SOC計算公式為： SOC (% ) = 100% (額定容量+容量補償因數(shù)+自放電效應(yīng)+老化效應(yīng)- 放電量+充電量) /額定容量 (5) 其SOC估算精確度在3%內(nèi)。 2.2.2 動力電池SOC的神經(jīng)網(wǎng)絡(luò)估計 電動汽車的運行情況是十分復(fù)雜的，電池的SOC受到環(huán)境溫度、初始電壓、電池內(nèi)阻、工作時間等很多因素的影響。理想的神經(jīng)網(wǎng)絡(luò)模型當(dāng)然是輸入量越多越全面，輸出結(jié)果的映射就越好，也就越接近實際的工況。下面建立兩個輸入量的電池神經(jīng)網(wǎng)絡(luò)模型。以放電電壓V 和放電時間T，作為一組輸入變量，采用三層BP神

12、經(jīng)網(wǎng)絡(luò)，即輸入層、輸出層和一個隱層。在VT 神經(jīng)網(wǎng)絡(luò)模型中采用了50個神經(jīng)元，輸出層采用的是線性輸出，因為這種輸出可以得到比較準(zhǔn)確的映射結(jié)果。圖6：動力電池SOC估計兩輸入神經(jīng)網(wǎng)絡(luò)模型 ）神經(jīng)網(wǎng)絡(luò)模型建立后，首先用C/3 放電的實驗數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過多次的訓(xùn)練可以得到比較好的仿真結(jié)果。圖7是C/3 放電時的容量仿真曲線和實驗曲線的對比情況，吻合得非常好，可見該神經(jīng)網(wǎng)絡(luò)模型上是正確的。圖7：C/3 放電實驗曲線和仿真曲線的對比 ）利用神經(jīng)網(wǎng)絡(luò)模型最終希望得到的是能夠估計任意放電電流的情況下電池組的剩余容量情況。所以對V-T 模型用1C 和2C 放電的試驗數(shù)據(jù)大量訓(xùn)練，模型訓(xùn)練結(jié)束以后，

13、用它來估計電池組其他放電電流時的放電容量。本文是在知道電池組1C 放電容量和2C 放電容量的情況下，利用該模型估計1.5C 的放電容量，估計結(jié)果如圖8，從圖8中可以看出，估計曲線與實驗曲線基本吻合，最大值百分誤差小于8，可以滿足使用要求。 該模型估計出1.5C的放電容量，就可以估計出任意放電電流時的電池組的放電容量。可見該模型在理論上是正確的，可以用作電池組的SOC 估計。圖8：利用V-T神經(jīng)網(wǎng)絡(luò)模型估計1.5C放電容量 2.3 電氣控制 電氣控制需要實現(xiàn)的功能有:控制充電過程,包括均衡充電，根據(jù)SOC、電池健康狀態(tài)( SOH ) 和溫度來限定放電電流。電氣控制中需要結(jié)合所使用的電池技術(shù)和電池

14、類型來設(shè)定一個控制充電和放電的算法邏輯,以此作為充放電控制的標(biāo)準(zhǔn)。 2.4 安全管理和控制 BMS在安全方面主要側(cè)重于對電池的保護,以及防止高電壓和高電流的泄漏,其所必備的功能有:過電壓和過電流制、過放電控制、防止溫度過高、在發(fā)生碰撞的情況下關(guān)閉電池。安全管理系統(tǒng)最重要的是及時準(zhǔn)確地掌握電池各項狀態(tài)信息,在異常狀態(tài)出現(xiàn)時及時發(fā)出報警信號或斷開電路,防止意外事故的發(fā)生。 2.5 熱管理 電池在不同的溫度下會有不同的工作性能。溫度的變化會使電池的SOC、開路電壓、內(nèi)阻和可用能量發(fā)生變化,甚至?xí)绊懙诫姵氐氖褂脡勖囟鹊牟町愐彩且痣姵鼐鈫栴}的原因之一。熱管理系統(tǒng)的主要任務(wù)有:使電池工作在適當(dāng)?shù)臏囟确秶鷥?nèi)，降低各個電池模塊之間的溫度差異。使用車載空調(diào)器可以實現(xiàn)對電池溫度的控制,這也是電動汽車常用的溫度控制方法。 2.6