電動汽車動力電池需要高功率密度、高能量密度、壽命長、環(huán)保等要求，而鋰電池具有上述優(yōu)點，因此在電動汽車中得到廣泛應用，今天就來說說這鋰電池和管理他們的系統(tǒng)。

常用電池類型及其應用要求

車用鋰電池主要有等類型。

電池放電溫度在-20~55℃。充電溫度在0~45℃。如果以為負極材料，充電溫度可以達到-30℃，通常鋰電池的使用電壓范圍為1.5V~4.2V(C/NCA、C/NCM，C/LMO為2.5V~4.2V、LTO/C/LMO為1.5V~2.7V、C/LFP為2.0V~3.7V)。

圖1 電池安全工作區(qū)域

通常溫度為90~120℃，SEI膜開始進入放熱分解(圖1)。有些電解質(zhì)甚至會在更低的溫度下進行分解；當溫度超過120℃，SEI膜無法保護碳負極與有機電解質(zhì)副反應產(chǎn)生氣體；當溫度超過130℃，隔膜開始融化并切斷電池反應。當溫度溫度更高，正極材料開始分解（），當溫度超過200℃，電解質(zhì)開始分解產(chǎn)生可燃氣體。分解的可燃氣與氧氣會發(fā)生劇烈的化學反應并導致熱失控。充電溫度小于0℃會導致金屬鋰在碳負極表面沉積，因此降低電池的循環(huán)壽命。在低溫極端情況下，會導致電池負極刺穿從而引起短路情況的發(fā)生。如果電壓過低或者電池過放，相變導致電池晶格崩潰從而影響電池的性能。甚至會引起負極集流片溶解在電解質(zhì)中。極端的過放同樣會導致電解質(zhì)的減少并產(chǎn)生易燃氣體并因此造成潛在的安全風險。高電壓和過充會破壞正極構(gòu)成并導致大量的熱產(chǎn)生。同樣會導致金屬鋰沉積在負極表面并加速容量衰減和導致電池內(nèi)部短路并引發(fā)安全問題，電池電壓在4.5V左右電解質(zhì)開始分解。

鋰電池在電動汽車上的應用情況

目前有多種類型的動力電池用在電動汽車上，廣泛應用的動力電池一般以LMO、LFP、NCM、NCA為正極材料，同時采用碳負極材料，同時LTO也被開發(fā)用于提高電池的續(xù)航里程和快充能力。

表1 電動汽車的鋰電池應用情況

BMS功能及其關鍵技術

目前商用電池必須要有BMS。通過BMS能夠控制和管理電池更加有效率，每一個電池工作在可運行的區(qū)間范圍內(nèi)，避免電池的過充過放和熱失控問題發(fā)生。單個電芯的容量比較低，需要很多個電芯集成成模組、一個電池系統(tǒng)包含多個模組。通常一個電池系統(tǒng)中包含上百個，甚至上千個電芯。如何保持電芯工作在合適的區(qū)間內(nèi)，BMS發(fā)揮著重要的作用。

BMS功能為監(jiān)視電池狀態(tài)，建立電池狀態(tài)、保護電池、上報數(shù)據(jù)、均衡等。BMS在整車中主要任務有：

1、保護電芯和電池包不受到損害；

2、使電池工作在合適的電壓和溫度范圍內(nèi)；

3、在保持電池在合適的條件運行后，滿足整車的需求。

當然BMS同時需滿足相關標準法規(guī)要求。BMS基本的硬件架構(gòu)如圖2。

圖2 BMS基本硬件架構(gòu)

4、電池參數(shù)檢測：包括總壓、總電流、單體電壓檢測、溫度檢測、絕緣檢測、碰撞檢測、阻抗檢測、煙霧檢測等等。

5、電池狀態(tài)建立：包括SOC、SOH、SOF。

6、在線診斷：故障包括傳感器故障、網(wǎng)絡故障、電池故障、電池過充、過放。過流，絕緣故障等等。

7、電池安全保護和告警：包括溫控系統(tǒng)控制和高壓控制，當診斷出故障、BMS上報故障給整車控制器和充電機，同時切斷高壓來保護電池不受到損害、包括漏電保護等。

8、充電控制：BMS慢充和快充控制。

9、電池一致性控制：BMS采集單體電壓信息、采用均衡方式使電池達到一致性、電池的均衡方式有耗散式和非耗散式。

10、熱管理功能：電池包各點的采集溫度，在充電和放電過中，BMS決定是否開啟加熱和冷卻。

11、網(wǎng)絡功能：包括在線標定和健康，在線程序下載。通常采用CAN網(wǎng)絡。

12、信息存儲：BMS需要存儲關鍵數(shù)據(jù)如SOC、SOH、充放電安時數(shù)、故障碼等。

BMS關鍵技術

BMS的關鍵技術有電池單體電壓的精確測量、電池狀態(tài)的建立、電池的一致性均衡、電池的故障診斷技術等。

1、單體電壓測量：

單體電壓測量的難點：

a、電池系統(tǒng)中有很多電池串聯(lián)在一起，需要多通道對電池電壓進行采集。每個電池的電壓可能不同，這給硬件電路設計帶來困難。

b、電芯電壓的測量需要有很高的采集精度（如），特別是建立電池的SOC狀態(tài)時。

下面以C/LPF和C/NCM為例：圖3反應了不同的開路電壓與SOC的對應關系，從圖中可以看出C/NCM的OCV取消斜率比較抖，最大每mv電壓對應的soc變化率為0.4%(除了60~70%)，如果電池的測量精度在10mv，那么SOC根據(jù)OCV的對應關系建立的狀態(tài)誤差不會超過4%。對于C/NCM電池，電芯的測量精度在10mv以內(nèi)，但是對于C/LFP的OCV曲線比較平坦，電壓對應的soc變化率為都超過了4%，所以需要單體電壓的采集精度要很高，然而大多數(shù)采集芯片的精度只能達到5%左右。目前單體電壓采集主要采用集成芯片的方式進行采集，在表2中列出了一些集成芯片。

圖3 不同開路電壓與SOC關系以及每mv電壓對SOC的影響(實驗溫度在25℃，靜置3h)

表2 不同單體電壓采集芯片及其采集精度

2、電池狀態(tài)建立

電池狀態(tài)包括SOC、SOF、SOH。它們之間的關系如圖4，

圖4 BMS狀態(tài)建立算法框架

3、Soc算法有：

1) 放電測試法；

2) 累積安時法；

3) 開路電壓法，根據(jù)OCV與SOC一一對應的關系，精度比較高，但是需要有電池較長時間的靜置(同時需考慮電壓遲滯現(xiàn)象，如圖5)；

圖5 磷酸鐵鋰充放電OCV曲線(測量溫度為25℃，靜置3h)

4、電池模型建模：開路電壓法需要有很長的時間進行靜置，在線等到電池的開路電壓需要采用電池模型。通常采用的電池模型有等效電路模型、電化學模型，其中等效電路模型可以用下面進行表示：

如果電池模型參數(shù)是已知，很容易得到電池的開路電壓，根據(jù)OCV-SOC曲線表，查詢得到電池的SOC狀態(tài)。通常電池模型采用Rint模型，一階RC模型、二階模型，其中二階模型SOC最大誤差為4.3%，最小誤差為1.4%采用電池模型方法，精度和模型復雜度是需要考慮的重點，目前等效電路模型有12種，電池模型可以用于動態(tài)進行建立SOC，SOC的精度取決與模型的精度和信號采集的精度。根據(jù)相關文獻對12種等效電路模型進行參數(shù)識別、模型的精度和復雜程度比較發(fā)現(xiàn)一階模型加入遲滯比較適合磷酸鐵鋰電池，模型簡單同時精度比較高。

電化學模型建立在物質(zhì)傳遞的基礎上，涉及化學熱力學理論和電化學理論。跟電池內(nèi)部很多材料的參數(shù)息息相關很難進行精確的表達，通常用于電池性能分析以及電池設計中。

5、神經(jīng)網(wǎng)絡模型：通過神經(jīng)網(wǎng)絡模型的非線性映射特性、不考慮電池的詳細信息，并且具有普遍適用性，適合建立不同電池的SOC狀態(tài)。然而需要大量的訓練樣本數(shù)據(jù)以及訓練數(shù)據(jù)和訓練方法大大影響電池SOC的精度。神經(jīng)網(wǎng)絡模型需要進行大量的數(shù)據(jù)計算，需要有高性能的CPU芯片。

6、模糊算法：需要對電池有足夠的認知和理解，同時計算量比較大。

7、根據(jù)電池的其它特性進行SOC估計：比較交流內(nèi)阻和直流內(nèi)阻(如圖6)。

圖6 電池直流內(nèi)阻與SOC關系(測量溫度為25℃，HPPC測試方法)

8、基于以上2種或多種的集成算法。

目前集成算法包括簡單的校正，加權融合算法，卡爾曼濾波(或者擴展卡爾曼濾波，EKF)，滑模觀測器等。

簡單的校正集成算法主要包括：

1.) 安時積分算法和開路電壓校正：安時積分算法充滿后對SOC進行標定等。

對于純電動汽車：a. 工作條件簡單，在車輛行駛過程中，除了再生制動，主要處于放電狀態(tài)，當車輛在充電過程中，電池處于充電狀態(tài)，開路電壓的遲滯很容易進行建立。b. 電池包的容量比較大，安時積分相對與電池包容量來說還是比較小。c. 滿充的概率比較大，通過開路電壓對初始SOC的標定，能夠滿足純電動車SOC的精度要求。

2.) 加權融合算法：

目前加權融合算法已經(jīng)運用在通用公司混動汽車上。

圖7 加權算法

不同的SOC算法的比較如下表3、表4：

表3 SOC算法特點比較

表4 SOC算法精度比較

BMS是管理和控制動力電池工作在合適的溫度和電壓范圍內(nèi)在，可以看出BMS對于電動車輛續(xù)航里程、電池壽命、電池安全性的重要性。

今天對BMS的硬件架構(gòu)和軟件功能，以及重要關鍵點SOC的幾種算法，及其相關復雜度以及算法精度進行了簡單介紹。后續(xù)我們會對NCA、NCM、LFP電壓遲滯以及SOC的算法基礎OCV～SOC曲線變化情況再進行進一步討論探討，歡迎大家一起交流。

參考資料：

1、Languang Lu , Xuebing Han , Jianqiu Li. A review on the key issues for lithium-ion battery management in electric vehicles. Journal of Power Sources, 2013 (226) : 272-288.

返回第一電動網(wǎng)首頁 >