电动汽车能源管理系统

• 2.2 SOC的估算
• SOC的确定是BMS中的重点和难点,由于电 动汽车电池在使用过程中表现的高度非线性,使 准确估计SOC具有很大难度。传统的SOC基本 估算方法有开路电压法、内阻法和安时法等。近 年来又相继研发出许多对电池SOC的新型算法, 例如模糊逻辑算法模型、自适应神经模糊推断模 型、卡尔曼滤波估计模型算法以及新出现的线性 模型法和阻抗光谱法等。
络中的电阻R1由两个反向理想二极管并联来模
拟，表示在放电和充电时过压阻抗的差异；
R1表示内阻，RS与R1-C1并联网络、RP -Cb并
联网络串联。电池内阻是R1与RS的和,RS表示
电解液、极板和流动内阻, R1表示电解液扩散的
内阻；和R1一样，RS由两个理想二极管反向并 联，用以描述充电和放电状态的差异。模型中
• 其SOC估算精确度在±3%内。
• 2.2.2 动力电池SOC的神经网络估计
• 电动汽车的运行情况是十分复杂的，电池的 SOC受到环境温度、初始电压、电池内阻、工 作时间等很多因素的影响。理想的神经网络模型 当然是输入量越多越全面，输出结果的映射就越 好，也就越接近实际的工况。下面建立两个输入 量的电池神经网络模型。以放电电压V 和放电时 间T，作为一组输入变量，采用三层BP神经网络 ，即输入层、输出层和一个隐层。在V－T 神经 网络模型中采用了50个神经元，输出层采用的 是线性输出，因为这种输出可以得到比较准确的 映射结果。
• 1.2.1 基本电路模型
• 基本电路模型是其他复杂等效电路模型的基 础。Thevenin模型如图1所示，是最有代表性的 电路模型。电容C与电阻R2并联（描述超电势） 后与电压源Voc（描述开路电压）、电阻R1（电 池内阻）串联。由于随着电池工作条件和内部状 态的变化，Thevenin电池模型参数无法随之变 化，因此准确性较差。
3、动力电池及其管理系统
3.1、动力电池
常用的动力电池为铅酸电池、镍氢电池和 锂离子电池。动力电池新品种不断出现，性能不 断提高技术不断进步，但动力电池仍然是动力汽 车的瓶颈，具有能量密度低，快速充电能力差、
价格昂贵等缺点。
3.2、电池管理系统：
电动汽车上对电池实施管理的具体设备就是 电池管理系统（battery management system,BMS）,使电池工作在合理的电压、电流、 温度范围内。BMS是电池组热管理和SOC估计 等技术的应用平台。BMS对于电池组的安全、 优化使用和整车能量管理策略的执行都是必要的。
图6：动力电池SOC估计两输入神经网络模型
ⅰ）神经网络模型建立后，首先用C/3 放电的实 验数据来训练神经网络模型，经过多次的训练可 以得到比较好的仿真结果。图7是C/3 放电时的 容量仿真曲线和实验曲线的对比情况，吻合得非 常好，可见该神经网络模型上是正确的。
图7：C/3 放电实验曲线和仿真曲线的对比
Cb、RS、RP和R1都是电压的函数，RP随温度
的变化而变化，只有C1为常数。
C1 RS ib vb R1 RSd R1d voc Cb
RP
图3 非线性等效电路模型
• 1.3 神经网络模型
•
电池是一个高度非线性的系统，神经网络具 有非线性的基本特性，具有并行结构和学习能力 ，对于外部激励能给出相对应的输出响应，适合 进行电池建模。如图所示，采用三层神经网络来 估计电池SOC，此神经网络采用BP算法来训练 1 L ，中间层神经元响应函数为 1 e 。神经网络输 入变量的选择和数量影响模型的准确性和计算量 。神经网络方法的误差受训练数据和训练方法的 影响很大，所有的电池试验数据都可用来训练模 型并优化模型性能。
• 2.4 安全管理和控制
• BMS在安全方面主要侧重于对电池的保护, 以及防止高电压和高电流的泄漏,其所必备的功 能有:过电压和过电流制、过放电控制、防止温 度过高、在发生碰撞的情况下关闭电池。安全管 理系统最重要的是及时准确地掌握电池各项状态 信息,在异常状态出现时及时发出报警信号或断 开电路,防止意外事故的发生。
• 2、电池管理系统
• 图5所示，BMS的主要工作原理可简单归纳 为:数据采集电路首先采集电池状态信息数据,再 由电子控制单元(ECU)进行数据处理和分析,然 后根据分析结果对系统内的相关功能模块发出控 制指令,并向外界传递信息。增设热管理系统、 安全装置、充电系统以及与PC机的通信联系。 另外还增加与电动机控制器的通信联系,实现能 量制动反馈和最大功率控制。
ib
C R1 R2 voc
vb
图1 Thevenin电池性能模型
• 1.2.2 线性电路模型
•
线性电路模型如图2所示，此模型是对 Thevenin电池模型的改进。开路电压Voc为电压 源Eo和电容Cb两端的电压，与之串联的是一个 由3个电容C1、C2、C3和3个电阻R1、R2、R3 组成的电路网络（描述超电势），与所有这些元 件并联的是自放电电阻Rp。线性电路模型的参 数不受温度等因素影响。
ⅱ）利用神经网络模型最终希望得到的是能够 估计任意放电电流的情况下电池组的剩余容量情 况。所以对V-T 模型用1C 和2C 放电的试验数据 大量训练，模型训练结束以后，用它来估计电池 组其他放电电流时的放电容量。本文是在知道电 池组1C 放电容量和2C 放电容量的情况下，利 用该模型估计1.5C 的放电容量，估计结果如图8 ，从图8中可以看出，估计曲线与实验曲线基本 吻合，最大值百分误差小于8％，可以满足使用 要求。
• 2.5 热管理
• 电池在不同的温度下会有不同的工作性能。 温度的变化会使电池的SOC、开路电压、内阻 和可用能量发生变化,甚至会影响到电池的使用 寿命。温度的差异也是引起电池均衡问题的原因 之一。热管理系统的主要任务有:使电池工作在 适当的温度范围内，降低各个电池模块之间的温 度差异。使用车载空调器可以实现对电池温度的 控制,这也是电动汽车常用的温度控制方法。
• 2.6 数据通信
• 数据通信是BMS的重要组成部分之一。在 BMS中,目前数据通信方式主要采用CAN总线通 信方式。另外，每个BMS基本上都留有与计算 机的通信接口,便于在计算机上对电池数据信息 进行分析。
与电机、电机控制技术、电池技术相比, BMS还不是很成熟。BMS作为电动汽车最关键 的技术之一,有些部分仍然不够完善,尤其是在采 集数据的可靠性、SOC的估算精度和安全管理 等方面都有待进一步改进和提高。
该模型估计出1.5C的放电容量，就可以估计出任 意放电电流时的电池组的放电容量。可见该模型 在理论上是正确的，可以用作电池组的SOC 估 计。
图8：利用V-T神经网络模型估计1.5C放电容量
• 2.3 电气控制
• 电气控制需要实现的功能有:控制充电过程, 包括均衡充电，根据SOC、电池健康状态( SOH ) 和温度来限定放电电流。电气控制中需要结合 所使用的电池技术和电池类型来设定一个控制充 电和放电的算法逻辑,以此作为充放电控制的标 准。
S x
图4 用于估计电池SOC的典型神经网络结构
• 1.4、温度模型
•
电池在其最佳工作温度范围外工作时容量会 发生衰减，(3)式是描述温度对电池容量影响的 最常用模型。
C C 25 (1 (25 T ))
(3)
式3中，C为电池在温度T时的容量；C25为电池 在25℃时的容量; 为温度系数Ah/℃，不同种类 或型号电池的温度系数不同， 需要通wk.baidu.com试验得 到；T为电池工作温度。还有以其它影响因素为 研究对象的电池模型，如循环寿命、容量衰减。 由于电池性能影响因素多，且具有高度非线性， 至今还没有建立起涵盖了所有影响因素的高精度 通用电池性能模型。
二、电池管理系统
1、电池模型
• 电动汽车电池性能模型又可分为简化的电化 学模型、等效电路模型、神经网络模型、部分放 电模型和特定因素模型
• 1.1 简化的电化学模型
• Peukert(普克特 )方程
I n Ti 常数
（1）
i
式（1）中，I为放电电流；n为电池常数；为电流 T 的放电时间
• Shepherd模型
• 为了更准确估算SOC,在算法中还需要考虑对电 池的温度补偿、自放电和老化等多方面因素。例 如,对电池SOC 的估算中考虑电池的实际可用容 量(包含了对温度的考虑) 、自放电率和电池老化 对容量的影响,提出了SOC计算公式为： • SOC (% ) = 100% ×(额定容量+容量补偿因数+ 自放电效应+老化效应- 放电量+充电量) /额定容 量 (5)
谢谢！ 祝各位老师同学 元旦快乐！
• 2.2.1 安时法
• 安时法是目前最常用的传统方法,且常与其
它方法组合使用,如安时内阻法、安时-Peukert
方程法、安时开路电压法等。SOC状态可由公 式（4）计数。
•
0
SOC SOC0
1 CN
Id
0
t
（4）
SOC 为起始状态； • 式中， C 为额定容量；I为电池电
N
流； 为充放电效率。
2.2、电机控制技术
随着电机及驱动系统的发展，控制系统趋 于智能化和数字化。变结构控制、模糊控制、神 经网络、自适应控制、专家系统、遗传算法等非 线性智能控制技术，都将各自或结合应用于电动 汽车的电机控制系统。它们的应用将使系统结构 简单、响应迅速、抗干扰能力强，参数变化具有 鲁棒性，可大大提高整个系统的综合性能。
ib ip vb Rp R1
R2 C1 Cb EO C2
R3 C3
图2 线性等效电路模型
• 1.2.3 非线性电路模型
•
线性电路模型经过非线性化得到,图3所示的
非线性模型。模型中电池容量用电容Cb表示；
电阻Rp与Cb并联，表示电池自放电；开路电压
Voc为Cb和Rp两端的电压；超电动势由电容、 电阻并联网络模拟，该网络与Cb和Rp串联，网
电动汽车电池管理系统
报告人：陈峭岩
一、当今电动汽车的关键技术 1、总体机电一体化匹配设计及车身技术 • 电动汽车由于车身质量、空间和能源的矛 盾，因此设计时采用轻质材料以减轻汽车自身 质量；充分利用空间的情况下，尽可能增大车 厢内部成员空间的同时，最大限度地降低空气 阻力系数和滚动阻力系数，以求减小行驶阻力 ，利用机电一体化匹配设计，在具体工况条件 下，求得电动汽车整车参数达到最优设计。
•
Et E0 Ri I Ki (1/(1 f ))
t 0
（2）
E E • 式2中，为电池端电压；为电池完全充满时的开 R K 路电压；为欧姆内阻；为极化内阻； I为瞬时电 f 流；为由安时积分法算得的电池净放电量。
i
i
• 1.2 等效电路模型
• 等效电路模型基于电池工作原理用电路网络 来描述电池的工作特性，适用于多种电池。根据 电路元件的特点，可分为线性等效电路模型和非 线性等效电路模型。
图5：BMS结构示意图
BMS通常包含以下功能组成部分: 数据采集、剩 余容量(SOC)的估算、电气控制(充放电控制、 均衡充电等) 、热管理、安全管理和数据通信。
• 2.1 数据采集
• 在BMS中,采集到的数据是对电池作出合理 有效管理和控制的基础。因此电压、电流、温度 数据的采样精度、采样频率和数据过滤就非常重 要。
当今电动汽车三项关键技术尚未有突破性进展。
• •
2、电动机及其控制技术 2.1、驱动电机
•
电动汽车用电动机主要有直流电动机、感应电动 机、永磁无刷电动机和开关磁阻电动机。要使电动汽 车有良好的使用性能，驱动电机应具有较宽的调速范 围及较高的转速，足够大的启动扭矩，体积小、质量 轻、效率高且有能量回馈的性能。目前电动汽车所采 用的电动机中，直流电动机基本上已被交流电动机、 永磁电动机或开关磁阻电动机所取代。电动汽车所用 的电动机正在向大功率、高转速、高效率和小型化方 向发展。