動力電池的靈魂，電池管理系統主要功能掃盲

電池管理系統（Battery Management System）是動力電池系統必不可少的一部分，電池從電芯成組最終打包裝車，有了好的硬體，還需要一個管理系統，才能保證動力電池安全而高效地執行。這裡就介紹一下電池管理系統的主要功能。

如下圖所示：

電池狀態監測

指的是對電池系統的電壓，電流，溫度等資料進行採集並監測，這是電池管理的最基本一個功能，其他功能都是以此為基礎進行互動。

電池狀態分析

荷電狀態（State of Charge）評估，即電池還剩多少電量，這是一項最基礎也是最有技術含量的功能，其評估的精度和準確性直接決定了電動汽車電池執行的效率，目前業內針對於SOC評估的文獻和研究都很多。

健康狀態（State of Health）評估，即隨著電池效能的下降，對電池的健康狀態進行評估，目前比較典型的指標是監測一定時間後電池容量衰減狀態等。

電池安全保護

相信大家對上圖中的電池著火事故都很關注和敏感，電池安全保護屬於電池管理中最重要的一個功能。

電池安全保護一般包括過流保護，過充過放保護，過溫保護等。如果系統監測到電池出現過流，過充過放以及過溫的異常，會及時採取措施，如切斷迴路，發出警告等。

能量控制管理

主要包含充電控制管理，放電控制管理，電池均衡管理等，目的使電池在最高效最節能的情況下執行。舉個簡單的例子，充同樣的電，搭載好的能量管理系統的電動汽車能夠多跑很多公里。

電池資訊管理

包括電池資訊顯示，即透過儀表將電池狀態資訊顯示出來，告知駕駛員；系統內外資訊互動，分為兩個部分，一個部分是電池系統內部資訊資料互動（內網），一個部分是與整車控制器/電機控制器進行互動（網路）；電池歷史資訊儲存，用於資料緩衝，電池狀態分析以及故障分析與排除。

電池管理系統是一個新興而且跨學科的領域，隨著電動汽車的火熱，市場上各種各樣的電池管理系統供應商也如雨後春筍般出現。正如本為所提到的，電池管理其基本功能是不變的，抓住了這個本質，那麼就不會擔心因為資訊太多而走偏。

汽車圈兒的清流

BMS電池管理系統一般由檢測功能單元與運算控制單元構成，如同智慧產品一樣，根據大量檢測訊號來協調整個系統的科學執行。

BMS中所指的檢測一般會包括電池組的電壓、電流和工作溫度資訊的採集，然後將資料傳送給運算模組，運算模組將根據核心演算法來處理這些資料，並給出下一步的策略和指令。那麼BMS的運算模組就像是人的大腦一樣重要，如同電腦的CPU一樣，是整個系統最核心的部分。運算模組通常包含運算晶片硬體、基礎軟體、執行環境（RTE）以及核心管理軟體。管理軟體則是各大BMS廠家最核心的技術，因為優秀的演算法即能保證系統的管理效率，又能將電池的效能發揮到極致。

圖1 BMS結構圖

BMS核心的功能一般包括：電池狀態的估算演算法和故障診斷以及保護。狀態估算包括SOC(State Of Charge)、SOP(State Of Power)、SOH(State of Health)以及均衡和熱管理。

SOC（State Of Charge）電池荷電狀態

SOC (荷電狀態)簡單的說就是電池還剩下多少電；SOC 是BMS中最重要的引數，因為其他一切都是以SOC為基礎的，所以它的精度和健壯性極其重要。如果沒有精確的SOC，加再多的保護功能也無法使BMS正常工作，因為電池會經常處於被保護狀態，更無法延長電池的壽命。SOC的估算精度也是十分重要的。精度越高，對於相同容量的電池，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需要的電池成本。

下圖是一個演算法健壯性的例子。鋰電芯採用的是磷酸鐵鋰電池。它的SOCvs OCV曲線在SOC從70%到95%區間大約只變化2-3mV。而電壓感測器的測量誤差就有3-4mV。在這種情況下，我們有意讓初始SOC有20%的誤差，看看演算法能不能夠把這20%的誤差糾正過來。如果沒有糾錯功能，SOC會按照SOCI的曲線走。演算法輸出的SOC是CombinedSOC也即是圖中的藍色實線。CalculatedSOC是根據最後的驗證結果反推回去的真正SOC。

圖2 BMS電池管理系統實時糾錯修復

如上圖中：磷酸鐵鋰電池演算法強大的糾錯能力：估算出的SOC（紅色），安時積分法SOC（綠色），真正的SOC（藍色）之間的曲線對比。即使是在電壓極難測準的SOC 70%~90%區間（在此SOC區間開路電壓僅僅變化2~3mV），開始SOC資料中20%的誤差，本演算法也能將其糾正在SOC為40~50%的區間，開路電壓僅僅變化1mV，此時SOC估算誤差小於4%，可見演算法非常地優秀。

SOP(State Of Power) 電池能源狀態

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提供的最大的放電和被充電的功率。當然，這裡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。比如在剎車時可以儘量多的吸收回饋的能量而不傷害電池。在加速時可以提供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。這麼一來，所謂的一級保護二級保護在精確的SOP面前都是過眼雲煙。不是說保護不重要。保護永遠都是需要的。但是它不可能是BMS的核心技術。對於低溫、舊電池以及很低的SOC來說，精確的SOP估算尤其重要。例如對於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於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的核心是實時線上估算電池的每一個等效阻抗。

SOH(State of Health) 電池健康狀態

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，這並不是說車就不能開了。對於純電動車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係而功率限制只是在低SOC的時候才重要。對於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，可以提供的功率有限尤其是在低溫。對於SOH的要求也是既要高精度也要健壯性。而且沒有健壯性的SOH是沒有意義的。精度低於20%，就沒有意義。SOH的估算也是基於SOC的估算。所以SOC的演算法是演算法的核心。電池狀態估算演算法是BMS的核心。其他的都是為這個演算法服務的。

目前國內很多BMS廠商仍然在使用電流積分加開路電壓的方法用開路電壓計算初始SOC，然後用電流積分計算SOC的變化。這樣如果啟始點的電壓錯了，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？經驗告訴我們，會的，儘管機率很低。如果要保證萬無一失，就不能只靠精確的啟始點的電壓來保證啟始SOC的正確。

關於電池均衡

最近國內關於”主動均衡“技術非常關注，我們知道均衡的意義在於讓所有的電池，保持一樣的容量、電壓狀態。主動均衡的演算法無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年前就已經完成了模擬驗證，那國外廠商為什麼基本上不用主動均衡呢？主要是考慮到成本問題。其實如果被動均衡就能夠搞定，主動均衡的成本效益意義就不大啦。

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。如果均衡電流是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節電池都需要放電，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。如果不是最差的情況，也許只要十幾瓦甚至幾瓦就夠了。所以，儘管被動均衡浪費了一點電，但是它如果能夠極大地延長電池的壽命，何樂不為呢？還有人說，對於比較大的安時容量的電池來說0.1A電流太小。如果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。如果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。也需要從自身找原因。

筆者曾經做過的車裡有兩款PHEV的車，開了才幾個月電池組內的SOC相差高達45%。而且由於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演算法，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於電池問題出了事故。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。

圖3 動態均衡減小SOC差從45%到3%

目前國外大公司都在用線上實時估算開路電壓來實現線上實時糾錯。為什麼在這裡要強調實時線上估算？它的好處在哪裡？透過實時線上估算估算出電池的所有等效引數，從而精確地估算出電池組的狀態。實時線上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。實時線上估算使得無論是新電池還是老化後的電池，都能保持高精度(Accuracy)和超強的糾錯能力(Robustness or error correction capability)。

目前世界上BMS做得最好的應該有什麼特點呢？它可以線上實時估算電池組的電池引數從而精確估算出電池組的SOC、SOP、SOH，並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演算法的健壯性：將3串並聯在一起的電池組拿掉一串，這時內阻增加1/3、安時容量減小1/3。但是BMS並不知道。結果是SOC、SOP 在不到1分鐘就全部糾正SOH隨後也被精確地估算出來。這不僅說明演算法的強大的糾錯能力，而且說明演算法可以在電池的整個生命週期中始終保持估算精度不變。

汽車電子需要保證在任何情況下都能工作。做一個好的演算法需要化極大精力去解決那些發生機率只有千分之一、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，大家所知道電池模型都會失效。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。