解决方案:新能源汽车的电池管理系统里，最核心的技术的是什么？-汽车销量排行-救险车-超级汽车网-移动端

解决方案:新能源汽车的电池管理系统里，最核心的技术的是什么？

2022-08-11 03:34 浏览:179

简单来说，电池管理的核心内容就是SOC（电池充电状态）和SOH（电池健康状态）。

车用蓄电池管理系统_严寒地区冬季户用蓄热式太阳能沼气发生装置的设计_福寿沟蓄排系统

严寒地区冬季户用蓄热式太阳能沼气发生装置的设计_车用蓄电池管理系统_福寿沟蓄排系统

SOC=充电状态。简单来说，SOC=电池的实时存储电量/充满电时的电量。 100% 表示电池已充满电，而 0% 表示电池已完全放电。

SOC的概念说起来很简单车用蓄电池管理系统，但实际上是电化学系统下的“满”和“空”的概念。理想情况下，电池应在剩余电量为 15%-20% 时开始充电，然后避免过度充电。

电芯SOC的预测是BMS最重要的工作，因为它可以显着帮助提高系统的可靠性和性能，改善电池的生命周期。

过度保守的 SOC 预测或余量储备会导致电池系统能量密度不足，而过于激进的 SOC 预测会导致电池过度充电，进而导致电池寿命显着降低，甚至发生极端事故，如电池热失控的出现。

广义上，电池的SOC预测主要包括以下几种方法：

电压法：电压法的原理是在相对可控的环境条件下，电芯的电压与SOC之间存在一定的放电曲线关系。因此，可以测量电池的电压，并检查写入 BMS 中的曲线。函数来推断电池的当前 SOC 状态。这种方法其实是很多简单的充电电池甚至充电宝预测电量的方法。它的优点是方便，缺点是在高能量密度汽车电池的长期使用下，难以随时获得有效且准确的单体电池实际放电曲线函数。甚至温度也会对结果产生重大影响，更不用说某些电池的化学系统不利于实现良好的电池一致性。因此，在实际使用中会考虑电压和温度的主要影响，以及大量的修正系数项；库仑计数法：这是电动汽车BMS soc预测的主要方法。它将根据之前预测的电池 SOC 计算电流强度和充放电持续时间，得到当前的 SOC，然后通过温度、电压、电压和电流等波动来更新 SOC 预测。然后，通过不断计算电量，更新预测SOC，检查当前SOC条件下的其他因素，更新SOC预测值，然后迭代逼近电池的真实SOC预测值。近年来也采用机器学习、神经网络等算法，考虑更多维度的影响因素，然后利用大量经过准确测试的实验样本作为训练库，更好地预测SOC。还有一些其他的方法，但是都比较小，我也不是很了解。

在实际的soc模型中，结合几种方法进行预测。即使是现在，按照我个人的理解车用蓄电池管理系统，还很难说一家公司已经完全掌握了在各种客户的真实场景中准确掌握任意电芯SOC的方法。此外，控制SOC的边际也是主机厂控制风险的主要手段。

对于电动汽车，客户会发现他的可用电量低于企业在其他场合宣传的总电池电量。因为部分电池电量用作安全余量，避免客户在使用过程中出现过放过充。

预留一点电量来避免过充比较容易，但是要预留足够的电量来避免过充就比较难了，特别是考虑到电芯的一致性和多次循环后电池的实际容量（有些SOH已经这里涉及部分内容）。一些 SOC 利用率比较激进的公司，以及发现电池可能存在隐藏制造缺陷的公司，一般会通过强制 OTA 或电池自燃后召回的方式将充满电限制在 90% 以内，以保护电池。

这里需要说明的是，将电池的充满电限制在 90% 不仅在公司 SOC 预测不准确的情况下有效，实际上电池充电水平低于 90% 本身可以显着降低热失控的电池风险。这就是为什么，电池的充电策略一般是在 90% 甚至更低的 SOC 条件下用更高的功率快充，达到 90% 后一般使用更低的功率充电，手机也是如此。这称为涓流充电。

我在实际测试结果中看到，相比SOC低于90%的电芯，soc 100%电芯，电芯的T1/T2/T3（电芯热失控进入温度阈值不同程度）温度阈值迅速下降。这也是为什么在过去几年电动车因各种原因起火的时候，不同的厂商都采取了限制同批次电动车充满电，降低车辆续航里程的策略。

最后说一下电池的SOC因素：

1. 温度快速变化

2.电池自放电率及自放电效果

3.电池寿命

4.充放电方式（电流？电压？…）

如果 SOC 是对电池当前容量的预测，那么 SOH (State of ) 是对电池健康状况或剩余寿命的预测。

SOC 本身是 SOH 监控的重要参考因素。例如，当BMS发现该电芯当前100% SOC充电容量仅为理想电池的90%甚至更低（如80%）时，则该电池的健康评估很差。

SOH 还可以识别新电池的问题。当SOH监测发现某电芯的相关指标与常规电芯存在偏差时，这种偏差包括电池的实际电压和电流与预测功能不匹配，电压和电流出现波动。，有异常的充放电特性等，SOH甚至可以根据之前的策略识别出当前电池组中哪些或哪些电芯有缺陷，并且可以提前隔离这些电芯，不再进行充放电操作。并报警提醒车主去维修。

目前，电池健康寿命预测是一个非常热门的话题。许多公司都在不断地监控电动汽车的电池相关数据并将其上传到云端。核心显示的数据变化。每一次火灾数据也非常珍贵。当火灾是由电池本身的热失控引起时，企业或研究机构会检查这些热失控车辆从新车启动到发生热失控的电池监测大数据，然后积累样本量和基于机器学习的大数据。对模型进行训练，得到一个经过明确的正负样本库训练的电池健康预测模型。该模型有助于在不损害客户安全的情况下尽可能长时间且充分地使用电池，从而使车辆能够安全地使用更长的时间。

目前国内除了很多公司都在做这样的车型，我比较了解的就是重庆汽车研究院（正确的名字其实是中国汽车工程研究院，和中国汽车的两个不同）研究院和中国汽车天津中心）。公司），目前基于大量企业上传数据的汽车健康研究有比较成熟的团队和模式来服务企业。将这样的模型引入电动汽车BMS和云平台，进行健康全生命周期跟踪和风险干预，更全面地保障客户的安全。