電動汽車電池管理系統(tǒng)及其荷電狀態(tài)估計算法研究.pdf

1、全球能源與環(huán)境危機(jī)使得新能源汽車取代傳統(tǒng)燃油汽車成為必然的趨勢，然而車載動力電池的成本與使用安全問題目前仍然是限制電動汽車技術(shù)發(fā)展與應(yīng)用的最大阻礙。電池管理系統(tǒng)(BMS)作為連接動力電池與電動汽車的紐帶，是確保動力電池安全與高效利用，延長電池使用壽命的重要保障，其在整車電控中的地位舉足輕重。
　　基于分布式架構(gòu)的BMS在搭載大容量電池的純電動汽車中應(yīng)用最為廣泛。然而該種架構(gòu)需要多個從控制器與主控制器配合，通訊網(wǎng)絡(luò)較為復(fù)雜，成本較高

2、，且存在主、從控制器之間任務(wù)與資源分配不甚合理的問題。隨著BMS中狀態(tài)估計等功能越來越復(fù)雜，傳統(tǒng)的分布式BMS架構(gòu)仍然存在諸多待改進(jìn)之處。
　　狀態(tài)估計算法、均衡策略等軟件是BMS的核心技術(shù)。庫倫計數(shù)與開路電壓標(biāo)定是BMS發(fā)展的初級階段應(yīng)用最多的荷電狀態(tài)(SOC)估計方法，這些開環(huán)估計方法因其自身缺陷正逐漸滯后于行業(yè)技術(shù)的發(fā)展。以神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)為代表的黑箱算法也曾被應(yīng)用到SOC估計中，但是其計算量大的特點(diǎn)并不適用于嵌入式微處理

3、器的應(yīng)用?；跔顟B(tài)空間模型的方法應(yīng)用最為廣泛，以何種方法辨識模型參數(shù)，提高SOC估計的精度，是目前BMS研究中有待解決的問題。此外，電池組中串并聯(lián)的成百上千節(jié)單體在生產(chǎn)制造與使用過程中存在內(nèi)阻、容量等參數(shù)的不一致性。怎樣在電池使用過程中降低組內(nèi)單體不一致性是提高電池組能量利用效率，延長車輛續(xù)航里程，確保電動汽車安全運(yùn)行的重要保障。
　　為解決上述問題，本文的工作包括:
　　(1)分析了傳統(tǒng)分布式BMS中存在的硬件資源分配不甚

4、合理、控制器成本過高等問題，并在其基礎(chǔ)上提出了基于差分式串行通訊總線的雙核BMS架構(gòu)，重新整合、分配硬件資源，將任務(wù)需求與資源相匹配，提高了資源利用效率。
　　(2)調(diào)研并對比分析了各家半導(dǎo)體廠商能為BMS提供的硬件解決方案，從控制器、電池組監(jiān)控器、均衡控制器與拓?fù)涞榷鄠€方面進(jìn)行了BMS硬件平臺的設(shè)計與實現(xiàn)。
　　(3)為BMS硬件實驗平臺移植了嵌入式實時操作系統(tǒng)SYSBIOS，對系統(tǒng)任務(wù)進(jìn)行了劃分與優(yōu)先級分配，設(shè)計了多任務(wù)