鉅大LARGE | 點擊量：399次 | 2024年01月12日
什么才是動力鋰離子電池管理系統（BMS）的核心技術
新能源汽車與傳統汽車最大的差別是用電池作為動力驅動，所以動力鋰電池方面的技術是新能源汽車的核心。
什么是BMS的核心技術？
最近看到國內某公司的宣傳牌，因為采用AUTOSAR的軟件構架這樣的底層軟件而聲稱全面掌握動力鋰電池管理系統（BMS）軟硬件技術、達到世界先進水平、采用多重均衡控制能力。很能夠吸引眼球。這些東西是BMS的核心技術嗎？
通常BMS系統通常包括檢測模塊與運算控制模塊。
檢測是指測量電芯的電壓、電流和溫度以及電池組的電壓，然后將這些信號傳給運算模塊進行處理發出指令。所以運算控制模塊是BMS的大腦。控制模塊一般包括硬件、基礎軟件、運行時環境（RTE）和應用軟件。其中最核心的部分應用軟件。關于用Simulink開發的環境的一般分為兩部分：電池狀態的估算算法和故障診斷以及保護。狀態估算包括SOC（StateOfCharge）、SOP（StateOfPower）、SOH(StateofHealth）以及均衡和熱管理。
符合Exic IIB T4 Gc防爆標準
充電溫度：0~45℃
-放電溫度：-40~+55℃
-40℃最大放電倍率：1C
-40℃ 0.5放電容量保持率≥70%
電池狀態估算通常是估算SOC、SOP和SOH。SOC（荷電狀態）簡單的說就是電池還剩下多少電；SOC是BMS中最重要的參數，因為其他一切都是以SOC為基礎的，所以它的精度和魯棒性（也叫糾錯能力）極其重要。假如沒有精確的SOC，加再多的保護功能也無法使BMS正常工作，因為電池會經常處于被保護狀態，更無法延長電池的壽命。
此外，SOC的估算精度也是十分重要的。精度越高，關于相同容量的電池，可以有更高的續航里程。所以，高精度的SOC估算可以有效地降低所要的電池成本。比如克萊斯勒的菲亞特500eBEV，可以一直放電SOC=5%。成為當時續航里程最長的電動汽車。
下圖是一個算法魯棒性的例子。電池是磷酸鐵鋰離子電池。它的SOCvsOCV曲線在SOC從70%到95%區間大約只變化2-3mV。而電壓傳感器的測量誤差就有3-4mV。在這種情況下，我們有意讓初始SOC有20%的誤差，看看算法能不能夠把這20%的誤差糾正過來。假如沒有糾錯功能，SOC會按照SOCI的曲線走。算法輸出的SOC是CombinedSOC也即是圖中的藍色實線。CalculatedSOC是根據最后的驗證結果反推回去的真正SOC。
SOP是下一時刻比如下一個2秒、10秒、30秒以及持續的大電流的時候電池能夠供應的最大的放電和被充電的功率。當然，這里面還應該考慮到持續的大電流對保險絲的影響。
SOP的精確估算可以最大限度地提高電池的利用效率。比如在剎車時可以盡量多的吸收回饋的能量而不傷害電池。在加速時可以供應更大的功率獲得更大的加速度而不傷害電池。同時也可以保證車在行駛過程中不會因為欠壓或者過流保護而失去動力即使是在SOC很低的時候。這么一來，所謂的一級保護二級保護在精確的SOP面前都是過眼云煙。不是說保護不重要。保護永遠都是要的。但是它不可能是BMS的核心技術。關于低溫、舊電池以及很低的SOC來說，精確的SOP估算尤其重要。例如關于一組均衡很好的電池包，在比較高的SOC時，彼此間SOC可能相差很小，比如1-2%。但當SOC很低時，會出現某個電芯電壓急速下降的情況。這個電芯的電壓甚至比其他電池電壓低1V多的情況。要保證每一個電芯電壓始終不低于電池供應商給出的最低電壓，SOP必須精確地估算出下一時刻這個電壓急速下降的電芯的最大的輸出功率以限制電池的使用從而保護電池。估算SOP的核心是實時在線估算電池的每一個等效阻抗。
SOH是指電池的健康狀態。它包括兩部分：安時容量和功率的變化。一般認為：當安時容量衰減20%或者輸出功率衰減25%時，電池的壽命就到了。但是，這并不是說車就不能開了。關于純電動汽車EV來說安時容量的估算更重要一些因為它與續航里程有直接關系而功率限制只是在低SOC的時候才重要。關于HEV或者PHEV來說，功率的變化更為重要這是因為電池的安時容量比較小，可以供應的功率有限尤其是在低溫。關于SOH的要求也是既要高精度也要魯棒性。而且沒有魯棒性的SOH是沒有意義的。精度低于20%，就沒有意義。SOH的估算也是基于SOC的估算。所以SOC的算法是算法的核心。電池狀態估算算法是BMS的核心。其他的都是為這個算法服務的。所以當有人聲稱突破了或者掌握了BMS的核心技術，應該問問他到底做了BMS的什么？是算法還是主動均衡或者只做BMS的硬件和底層軟件？或者只是提出一種BMS的結構方式？
有人說特斯拉之所以牛，是因為它的BMS可以管理7104節電池。這是它牛的地方嗎？它真的是管理7104節電池嗎？特斯拉modelS確實用了7104節電池，但是串聯在一起的只有96節，并聯的只能算一節電池不管你并聯多少節。為何？因為其他公司的電池組也是只計算串聯的個數而不是并聯的個數。特斯拉憑什么要特殊呢？事實上，假如你了解特斯拉的算法，你就會了解特斯拉的算法不僅要大量的工況數據定標，而且還不能保證在任何情況下尤其是在電池老化以后的估算精度。當然，特斯拉的算法比幾乎所有國內的BMS算法還是好很多。國內的BMS算法幾乎都是電流積分加開路電壓的方法用開路電壓計算初始SOC，然后用電流積分計算SOC的變化。問題是假如啟始點的電壓錯了，或者安時容量不準，豈不是要一錯到底直到再次充滿才能糾正？啟始點的電壓錯會出錯嗎？相關經驗告訴我們，會的，盡管概率很低。假如要保證萬無一失，就不能只靠精確的啟始點的電壓來保證啟始SOC的正確。
我國新能源汽車均衡問題出在哪里？
去年經過專家評選的某主動均衡技術榮獲某鋰電金球獎。其理由是它的核心技術--主動均衡技術能夠延長電池壽命30%續航里程20%。這一看就不靠譜。因為根本無法定量。你和誰比能夠延長壽命30%？和自己比有意義嗎？和沒有均衡比嗎？那你的水平就差遠了。和別人比，應該與最好的比才有意義。世界上不說最好的至少還可以的BMS都沒有均衡問題。你怎么延長壽命30%呀？延長續航里程也是相同的道理。比如克萊斯勒的Fiat500e,它的SOC容許一直放到5%。請問你還怎么延長20%的續航里程呀？再進一步說，主動均衡難嗎？硬件2008年TI就向我當時所在的公司推銷它的主動均衡IC了。算法不外乎是同模組到電池相互均衡和不同模組之間的電池相互均衡。通用汽車公司早在6-7年前就已經完成了仿真驗證。連文章都有了。從算法角度講完全沒有難度可言。而且主動均衡根本也不是網上說的是主動均衡功能一直以來是國外產品的殺手锏。國外為何基本上不用主動均衡呢？重要是考慮到成本問題。假如被動均衡就能夠搞定，為何要用主動均衡呢？國內為何極力鼓吹主動均衡呢？筆者認為重要是被動均衡搞不定。說起被動均衡，絕大多數人告訴筆者說是因為國內電池質量太差一致性不好。但是通過交談筆者發現根本原因在于概念不清、方法不對。要不然怎么會開車時均衡會越均衡越差？均衡的效果是可以計算出來的。所謂多重均衡技術，分明是沒有一種手段可以搞定均衡。有人說被動均衡浪費了很多電。所以不好。以96節串聯的電池組為例，我們可以算出在最差情況下，被動均衡到底浪費了多少電。假如均衡電流是0.1A，一節電池在被均衡時大約要浪費0.4W。最差的情況是有95節電池都要放電，所以，最差情況是有0.4X95=38W。還不如汽車的一個大燈（大約45瓦）費電。假如不是最差的情況，也許只要十幾瓦甚至幾瓦就夠了。所以，盡管被動均衡浪費了一點電，但是它假如能夠極大地延長電池的壽命，何樂不為呢？還有人說，關于比較大的安時容量的電池來說0.1A電流太小。假如能夠把不均衡消滅在萌芽狀態，就不會有無能為力情況的出現。假如電芯本身已經不能正常工作了，無論是主動均衡還是被動均衡都是無能為力的。所以，不能完全責怪電池的一致性不好。也要從自身找原因。筆者曾經做過的車里有兩款PHEV的車，開了才幾個月電池組內的SOC相差高達45%。而且由于SOC、SOP的問題，車在路上經常拋錨。公司一致認為是電池質量問題而且一致同意更換電池供應商。但是我僅僅只是更改了算法，就把均衡的問題解決了。而且是在公司明確規定不許充電的情況下做的。因為已經有一輛車由于電池問題出了事故。電池組中電芯SOC的差別由45%降到了3%。現在車已經行駛了十幾萬公里了。拋錨的問題再也沒有發生過。
怎么樣的算法才算核心技術？
從控制的角度來說，一個好的算法應該有2個標準：準確性和魯棒性（糾錯能力）。精度越高越好的道理在這里就不多說了。前面提到的電流積分加開路電壓實際上是用開路電壓糾錯，但是這種方法與在線實時糾錯相比，顯然魯棒性差遠了。這是為何國外大公司都在用在線實時估算開路電壓來實現在線實時糾錯的原因。
為何在這里要強調實時在線估算？它的好處在哪里？通過實時在線估算估算出電池的所有等效參數，從而精確地估算出電池組的狀態。實時在線估算極大的簡化了電池的標定工作。使得對一致性不太好電池組狀態的精確控制成為現實。實時在線估算使得無論是新電池還是老化后的電池，都能保持高精度(Accuracy)和超強的糾錯能力(Robustnessorerrorcorrectioncapability)。
國內一些人往往不了解別人的算法是什么，一看某個廠家為某名廠生產BMS的某些零部件就認為掌握了BMS核心技術，這樣說法是欠妥的。那些要花成千上萬塊錢去買的大部頭的出版物評論各個廠家BMS優劣的卻不管各個BMS算法或者說在核心技術方面的差別，實際意義太小。只看是不是為某個有名的OEM供應BMS就認為牛，也不了解到底供應BMS里面的什么東西。不了解有沒有一種崇洋的心理。
目前世界上BMS做得最好的應該有什么特點呢？它可以在線實時估算電池組的電池參數從而精確估算出電池組的SOC、SOP、SOH，并且能夠在短時間內糾正初始SOC超過10%的誤差以及超過20%的安時容量的誤差或者百分之幾的電流測量誤差。美國通用汽車公司在6年前研發沃藍達時就做過一個實驗來測試算法的魯棒性：將3串并聯在一起的電池組拿掉一串，這時內阻新增1/3、安時容量減小1/3。但是BMS并不了解。結果是SOC、SOP在不到1分鐘就全部糾正SOH隨后也被精確地估算出來。這不僅說明算法的強大的糾錯能力，而且說明算法可以在電池的整個生命周期中始終保持估算精度不變。
關于電腦而言，假如出現藍屏，我們一般只要重新啟動電腦就算了。可是，關于汽車，那怕拋錨的概率只有萬分之一也是難以容忍的。所以，與發表文章不同，汽車電子要保證在任何情況下都能工作。做一個好的算法要化極大精力去解決那些發生概率只有千分之一、萬分之一的情況。只有這樣才能保證萬無一失。比如說當車高速行駛在盤山公路上，大家所了解電池模型都會失效。這是因為持續的大電流會很快消耗掉電極表面的帶電離子，而內部的離子來不及擴散出來，電池電壓會急劇下降。估算出SOC會有較大的誤差甚至會有10%以上的誤差。精確的數學模型就是數學物理方法教科書上講的擴散方程。但是它無法用在車上因為數值解的運算量太大。BMS的CPU運算能力不夠。這不僅是一個工程難題，也是一個數學和物理的難題。解決這樣的技術難題，可以化解已知的幾乎所有影響電池狀態估算的極化問題。
