特斯拉電動汽車之所以成為業內佼佼者，一定程度上得益于強大的電池管理系統。只有對復雜而繁多的電池組進行有效的控制與管理，才能突破電動汽車推廣普及的瓶頸。一起來看看電池管理系統如何工作。

圖1鋰離子電池安全工作區域示意

1電池管理系統(BMS)定義

鋰離子電池的安全工作區域如圖1所示。BMS的主要任務是保證電池系統的設計性能：1)安全性;;2)耐久性;3)動力性。

BMS軟硬件的基本框架如圖2所示，應該具有的功能：1)電池參數檢測。2)電池狀態估計。3)在線故障診斷。4)電池安全控制與報警。5)充電控制。6)電池均衡。7)熱管理。8)網絡通訊。9)信息存儲。10)電磁兼容。

圖2車用BMS軟硬件基本框架

2電池管理系統關鍵技術

2.1電池管理系統對傳感器信號的要求

2.1.1單片電壓采集精度

一般地，為了安全監控，電池組中的每串電池電壓都需要采集。不同的體系對精度的要求不一樣。

圖3單體電池OCV曲線及其電壓采集精度要求

對于LMO/LTO電池，單體電壓采集精度只需達到10mV。對于LiFePO4/C電池，單體電壓采集精度需要達到1mV左右。但目前單體電池的電壓采集精度多數只能達到5mV。

2.1.2采樣頻率與同步

電池系統信號有多種，而電池管理系統一般為分布式，信號采集過程中，不同控制子板信號會存在同步問題，會對實時監測算法產生影響。設計BMS時，需要對信號的采樣頻率和同步精度提出相應的要求。

2.2電池狀態估計

電池各種狀態估計之間的關系如圖4所示。電池溫度估計是其他狀態估計的基礎。

圖4電池管理系統算法框架

2.2.1電池溫度估計及管理

溫度對電池性能影響較大，目前一般只能測得電池表面溫度，而電池內部溫度需要使用熱模型進行估計。根據估計結構對電池進行熱管理。

圖5電池內部溫度估計流程

2.2.2荷電狀態(SOC)估計

SOC算法主要分為單一SOC算法和多種單一SOC算法的融合算法。單一SOC算法包括安時積分法、開路電壓法、基于電池模型估計的開路電壓法、其他基于電池性能的SOC估計法等。融合算法包括簡單的修正、加權、卡爾曼濾波以及滑模變結構方法等。

卡爾曼濾波等基于電池模型的SOC估計方法精確可靠，是目前的主流方法。

2.2.3健康狀態(SOH)估計

SOH是指電池當前的性能與正常設計指標的偏離程度。圖6為電池性能衰減原理簡單示意圖。目前SOH估計方法主要分為耐久性經驗模型估計法和基于電池模型的參數辨識方法。

圖6鋰離子電池雙水箱模型

2.2.4功能狀態(SOF)估計

估計電池SOF可以簡單認為是在估計電池的最大可用功率。常用的SOF估計方法可以分為基于電池MAP圖的方法和基于電池模型的動態方法兩大類。

2.2.5剩余能量(RE)或能量狀態(SOE)估計

RE或SOE是電動汽車剩余里程估計的基礎，與百分數的SOE相比，RE在實際的車輛續駛里程估計中的應用更為直觀。

圖7電池剩余能量(RE)示意

圖8是一種適用于動態工況的電池剩余放電能量精確預測方法EPM(energypredictionmethod)。

圖8電池剩余放電能量預測方法(EPM)結構

2.2.6故障診斷及安全狀態(SOS)估計

故障診斷是保證電池安全的必要技術之一。安全狀態估計屬于電池故障診斷的重要項目之一，BMS可以根據電池的安全狀態給出電池的故障等級。

2.2.7充電控制

充電析鋰是影響電池壽命的主因，目前對于析鋰的機理已經有了研究，基于析鋰狀態識別的充電管理將是今后的主要研究方向，應在保證電池負極不發生析鋰情況下，盡可能增大充電電流，縮短充電時間。

2.2.8電池一致性與均衡管理

單體電池的不一致性將最終影響電池組的壽命，主要是由單體電池容量衰減差異(不可恢復)和荷電量差異兩者造成。后者可以通過均衡方法來補償。

電池均衡算法分為基于電壓一致的均衡策略、基于SOC一致的均衡策略和基于剩余充電電量的均衡策略。最后一種均衡算法約束較寬、效率較高(圖9)。

圖9基于剩余充電容量的耗散式均衡的示意

3結論

鋰離子電池管理系統的基本研究方法為：

1)對鋰離子電池機理進行研究，深入了解電池性能演變過程;

2)對鋰離子電池性能進行測試研究，確定影響電池性能的主次因素及規律;

3)采用基于機理、半經驗或經驗的建模方法，建立電池管理系統可實際應用的電池系統模型;

4)在運行過程中，根據可采集的數據，采用在線或離線識別電池系統參數，估計出電池狀態(SOC、SOH、SOF、SOE及故障)，并通過網絡通知整車控制器，保證車輛安全可靠運行。