特斯拉电动汽车之所以成为业内佼佼者，一定程度上得益于强大的电池管理系统。只有对复杂而繁多的电池组进行有效的控制与管理，才能突破电动汽车推广普及的瓶颈。一起来看看电池管理系统如何工作。

图1锂离子电池安全工作区域示意

1电池管理系统(BMS)定义

锂离子电池的安全工作区域如图1所示。BMS的主要任务是保证电池系统的设计性能：1)安全性;;2)耐久性;3)动力性。

BMS软硬件的基本框架如图2所示，应该具有的功能：1)电池参数检测。2)电池状态估计。3)在线故障诊断。4)电池安全控制与报警。5)充电控制。6)电池均衡。7)热管理。8)网络通讯。9)信息存储。10)电磁兼容。

图2车用BMS软硬件基本框架

2电池管理系统关键技术

2.1电池管理系统对传感器信号的要求

2.1.1单片电压采集精度

一般地，为了安全监控，电池组中的每串电池电压都需要采集。不同的体系对精度的要求不一样。

图3单体电池OCV曲线及其电压采集精度要求

对于LMO/LTO电池，单体电压采集精度只需达到10mV。对于LiFePO4/C电池，单体电压采集精度需要达到1mV左右。但目前单体电池的电压采集精度多数只能达到5mV。

2.1.2采样频率与同步

电池系统信号有多种，而电池管理系统一般为分布式，信号采集过程中，不同控制子板信号会存在同步问题，会对实时监测算法产生影响。设计BMS时，需要对信号的采样频率和同步精度提出相应的要求。

2.2电池状态估计

电池各种状态估计之间的关系如图4所示。电池温度估计是其他状态估计的基础。

图4电池管理系统算法框架

2.2.1电池温度估计及管理

温度对电池性能影响较大，目前一般只能测得电池表面温度，而电池内部温度需要使用热模型进行估计。根据估计结构对电池进行热管理。

图5电池内部温度估计流程

2.2.2荷电状态(SOC)估计

SOC算法主要分为单一SOC算法和多种单一SOC算法的融合算法。单一SOC算法包括安时积分法、开路电压法、基于电池模型估计的开路电压法、其他基于电池性能的SOC估计法等。融合算法包括简单的修正、加权、卡尔曼滤波以及滑模变结构方法等。

卡尔曼滤波等基于电池模型的SOC估计方法精确可靠，是目前的主流方法。

2.2.3健康状态(SOH)估计

SOH是指电池当前的性能与正常设计指标的偏离程度。图6为电池性能衰减原理简单示意图。目前SOH估计方法主要分为耐久性经验模型估计法和基于电池模型的参数辨识方法。

图6锂离子电池双水箱模型

2.2.4功能状态(SOF)估计

估计电池SOF可以简单认为是在估计电池的最大可用功率。常用的SOF估计方法可以分为基于电池MAP图的方法和基于电池模型的动态方法两大类。

2.2.5剩余能量(RE)或能量状态(SOE)估计

RE或SOE是电动汽车剩余里程估计的基础，与百分数的SOE相比，RE在实际的车辆续驶里程估计中的应用更为直观。

图7电池剩余能量(RE)示意

图8是一种适用于动态工况的电池剩余放电能量精确预测方法EPM(energypredictionmethod)。

图8电池剩余放电能量预测方法(EPM)结构

2.2.6故障诊断及安全状态(SOS)估计

故障诊断是保证电池安全的必要技术之一。安全状态估计属于电池故障诊断的重要项目之一，BMS可以根据电池的安全状态给出电池的故障等级。

2.2.7充电控制

充电析锂是影响电池寿命的主因，目前对于析锂的机理已经有了研究，基于析锂状态识别的充电管理将是今后的主要研究方向，应在保证电池负极不发生析锂情况下，尽可能增大充电电流，缩短充电时间。

2.2.8电池一致性与均衡管理

单体电池的不一致性将最终影响电池组的寿命，主要是由单体电池容量衰减差异(不可恢复)和荷电量差异两者造成。后者可以通过均衡方法来补偿。

电池均衡算法分为基于电压一致的均衡策略、基于SOC一致的均衡策略和基于剩余充电电量的均衡策略。最后一种均衡算法约束较宽、效率较高(图9)。

图9基于剩余充电容量的耗散式均衡的示意

3结论

锂离子电池管理系统的基本研究方法为：

1)对锂离子电池机理进行研究，深入了解电池性能演变过程;

2)对锂离子电池性能进行测试研究，确定影响电池性能的主次因素及规律;

3)采用基于机理、半经验或经验的建模方法，建立电池管理系统可实际应用的电池系统模型;

4)在运行过程中，根据可采集的数据，采用在线或离线识别电池系统参数，估计出电池状态(SOC、SOH、SOF、SOE及故障)，并通过网络通知整车控制器，保证车辆安全可靠运行。