科技发展计划-锂电池储能管理系统的研发与应用科技报告

发布时间：2026-06-18 10:35:43 作者：分享到：

561439718--2021ZJ1207/01 公开

科技报告

报告名称：   锂电池储能管理系统的研发与应用
支持渠道：      潍坊市科学技术发展计划
编制单位：     山东华全动力股份有限公司
编制时间：           2024-12-23

科技报告基本信息表

1.报告名称	中文：锂电池储能管理系统的研发与应用
	英文：Research and application of lithium battery energy storage management system
2.报告作者及单位	中文：娄宏伟，梁栋山东华全动力股份有限公司
	英文：Hongwei Lou,Dong Liang Shandong Huaquan Power Co., Ltd
3.使用范围：公开			4.编制时间			2024-12-23
5.报告编号（课题编号）561439718--2021ZJ1207/01
备注：无
7.摘要	中文（1000字左右）：本研究主要针对高精度高性能的电池管理技术展开研究工作，开发适用于锂电池储能设备的电池管理系统，该系统可直接检测及管理储能电池工作的全过程，包括电池充放电过程管理、电池温度检测、电池电压电流检测、电量估计、单体电池间的均衡、电池故障诊断、远程运维等几个方面。具体如下：（1）电池充放电过程管理：实时监控电池充放电时的温度、电压、电流等参数，在发现异常情况时及时做出断开充电电路，发出报警信息等相应处理；（2）电池温度检测：对单个锂电池进行温度检测，依据电池类型设定该型号电池安全温度参数范围，在发现温度不在安全范围时做相应处理，并发出报警信息，找出问题电池的位置；（3）电池电压电流检测：检测锂电池各组电压、电流，依据检测参数，通过算法判断电池好坏，并估算剩余电量；（4）电量估计：电池剩余电量的测量，依据所测参数准确估测电池组的荷电状态；（5）单体电池间的均衡：为单体电池均衡充电，使电池组中各个电池都达到均衡一致的状态；（6）电池故障诊断：依据所测单个电池温度、电压等参数对比其正常参数范围作出诊断处理；（7）远程运维服务：即实时将储能设备的运行参数传输到云端平台，实现电脑端/手机端的远程操控、运行参数实时监测、智能故障报警及诊断、位置定位等功能。本研究实现了高精度高性能的电池管理技术的攻关，重点在储能电池的SOC状态计量、快速及均衡充电技术等，取得成果如下：（1）解决单体电池电压检测的难点：一方面消除多单体电池组因每个单体电池不同而导致的累积电动势的问题，降低电池检测电路的设计难度；另一方面解决单体电池电压检测的高精度测量难题，满足电池状态（SOC）估计和其他电池状态的估计对高精度的要求；（2）解决单体电池温度检测的难点：温度是管理系统对电池的热管理和安全保护功能的依据，当电池温度超过具有工作温度区间或电池温差大的时候，开启散热风机，对电池组进行热管理，直到电池工作温度和温差恢复到设计范围；（3）高精度的电池状态（SOC）估算功能：本研究通过采用改进的安时积分法，依靠高精度的模拟采集和大容量历史数据存储等功能，同时考虑温度、充放电效率、自放电等对电池容量的影响，实现对锂电池的SOC进行高精度的估算。
	英文（不超过2500个字符）： This project mainly focuses on conducting research work on high-precision and high-performance battery management technologies, and developing a battery management system applicable to lithium battery energy storage equipment. This system can directly detect and manage the entire process of the energy storage battery's operation, including several aspects such as battery charge and discharge process management, battery temperature detection, battery voltage and current detection, state of charge (SOC) estimation, equalization among individual batteries, battery fault diagnosis, and remote operation and maintenance. The details are as follows: (1) Battery charge and discharge process management: Monitor parameters such as temperature, voltage, and current of the battery in real time during the charge and discharge process. When abnormal situations are detected, take corresponding measures in a timely manner, such as disconnecting the charging circuit and sending out alarm information. (2) Battery temperature detection: Conduct temperature detection on individual lithium batteries. Set the safe temperature parameter range for batteries of this model according to the battery type. When it is found that the temperature is not within the safe range, take corresponding measures, send out alarm information, and identify the location of the problematic battery. (3) Battery voltage and current detection: Detect the voltages and currents of each group of lithium batteries. Based on the detected parameters, judge the quality of the batteries through algorithms and estimate the remaining battery capacity. (4) State of charge (SOC) estimation: Measure the remaining battery capacity and accurately estimate the state of charge of the battery pack according to the measured parameters. (5) Equalization among individual batteries: Charge individual batteries evenly so that all batteries in the battery pack reach a balanced and consistent state. (6) Battery fault diagnosis: Make diagnostic treatments based on the comparison between the measured parameters such as the temperature and voltage of individual batteries and their normal parameter ranges. (7) Remote operation and maintenance service: That is, transmit the operating parameters of the energy storage equipment to the cloud platform in real time to realize functions such as remote control on computer terminals or mobile phone terminals, real-time monitoring of operating parameters, intelligent fault alarm and diagnosis, and location positioning. This research has achieved a breakthrough in high-precision and high-performance battery management technologies, with a focus on the SOC state measurement of energy storage batteries, fast and balanced charging technologies, etc. The achievements are as follows: (1) Solve the difficulties in individual battery voltage detection: On the one hand, eliminate the problem of cumulative electromotive force caused by the differences among individual batteries in multi-battery packs, reducing the design difficulty of the battery detection circuit; on the other hand, solve the problem of high-precision measurement in individual battery voltage detection to meet the high-precision requirements for battery state (SOC) estimation and other battery state estimations. (2) Solve the difficulties in individual battery temperature detection: Temperature is the basis for the thermal management and safety protection functions of the battery by the management system. When the battery temperature exceeds the working temperature range or there is a large temperature difference among batteries, turn on the cooling fan to conduct thermal management on the battery pack until the battery working temperature and temperature difference return to the designed range. (3) High-precision battery state (SOC) estimation function: This project adopts the improved ampere-hour integration method, relies on functions such as high-precision analog acquisition and large-capacity historical data storage, and simultaneously considers the impacts of factors such as temperature, charge and discharge efficiency, and self-discharge on battery capacity to achieve high-precision estimation of the SOC of lithium batteries.
8.关键词	中文（3-8个，以分号隔开）：锂电池;储能;管理系统
	英文（3-8个，以分号隔开）：Lithium batteries;Energy storage;management system
9.支持渠道	项目名称	锂电池储能管理系统的研发与应用
	主管部门	潍坊经济开发区经济发展局			计划名称		潍坊市科学技术发展计划
	项目编号	2021ZJ1207			技术领域		新能源与高效节能
	承担单位	山东华全动力股份有限公司
	合作单位	无
	总经费（万元）	300.11
		市拨经费（万元）		10	地方财政经费（万元）		0
	项目负责人	赵立娟
	起始日期	2021年10月			截止日期		2023年12月
10.联系人	姓名	娄宏伟		单位	山东华全动力股份有限公司
	电话	17616735215		邮箱	emd@hqdl.cn

0 引言

在当前国内外发展形势下，锂电池储能的应用前景广阔，其总容量十分可观、用户潜力巨大。从目前的应用领域来看，锂电池储能的三大应用领域为：大型风光储能、通信基站的后备电源、家庭储能。其中通信基站的后备电源领域目前占比重较大；家庭储能借着特斯拉掀起的“能源家庭”浪潮，有较大的发展扩容的空间；大型风光储能短期看来发展势头不大。未来5年，中国储能锂电池行业将进入快速成长期，市场潜力巨大^[1]。在日渐兴起的能源互联网中，由于可再生能源与分布式能源在大电网中的大量接入，结合微网与电动车的普及应用，储能技术将是协调这些应用的至关重要的一环，储能环节将成为整个能源互联网的关键节点，能源互联网的兴起将显著拉动储能设备的需求。
当前，锂电池储能技术应用在装备层面主要受限于以下3个因素：①长循环寿命低成本的电池技术；②高精度、高性能的电池管理技术；③锂电池组合应用技术。这3个因素相互影响、相互制约，整体来说，锂电池储能技术尚处在持续突破的阶段。本研究主要针对高精度、高性能的锂电池管理技术展开研究工作，旨在突破锂电池储能装备应用的关键技术。
目前，锂电池储能重点研究方向主要在于材料、电源管理等方面，而本研究的主要研究领域为锂电池储能的电源管理技术。锂电池管理的难点和关键主要包含两个方面：一方面是如何根据采集的每块电池的电压、温度和充放电电流的历史数据，建立确定每块电池剩余能量的较精确的数学模型，即储能电池的SOC状态计量技术；另一方面是储能电池的快速充电技术及均衡充电技术^[2]。这项技术是目前国内外正在致力研究与开发的另一项电池能量管理系统的关键技术。
本研究主要针对高精度高性能的电池管理技术展开研究工作，开发适用于锂电池储能设备的电池管理系统，该系统可直接检测及管理储能电池工作的全过程，包括电池充放电过程管理、电池温度检测、电池电压电流检测、电量估计、单体电池间的均衡、电池故障诊断、远程运维等几个方面。该项目一旦取得既定成果，在技术层面，锂电池在高精度、高性能管理技术上将有巨大的突破；在社会发展层面，将促进整个锂电池储能产业的经济效益，带动锂电池储能产业的发展，对今后锂电池储能产业在国内外的发展具有重要的意义。

1 储能锂电池管理系统设计

1.1 储能锂电池管理系统总体架构

如下图1所示为储能锂电池管理系统总体设计方案。图中包含算法输入变量（电压、电流）的采集；电池单体均衡；温度采集；过流保护；欠、过压保护；电池充放电开关；CAN通信；电池电量与健康状态估算等功能。

图1 储能锂电池管理系统总体设计方案

1.2 储能锂电池管理系统硬件设计

1.2.1 系统主控电路

由于储能锂电池管理系统具备的功能较多，并且上述提出的算法必须考虑系统的可移植性，增加开发效率，所以在微处理器选择上应该选择功能强大、速度较快且容易的处理器^[3]。同时还应该考虑其功耗问题，避免浪费电能。最后过研究筛选后选择TI公司的TMS320F28035芯片，其引脚示意图如图2所示。

图2 系统主控电路

1.2.2 模拟量前端采集部分

图3 模拟前端检测电路
在模拟量采集单元中，电池组的每节电池通过RC滤波电路后，与BQ76940芯片的VC0~VC15引脚连接，最终可以得到15节电芯电压。电池组的充放电电流是通过SRP和SRN引脚连接的电流环中的采样电阻获得。温度采集方面，系统通过TS1~TS3引脚连接阻值为10千欧姆的NTC热敏电阻，根据温度与阻值之间的关系，转换为温度与采集电压之间的关系得到电池温度。通过SCL和SDA引脚与控制器进行IIC通信，并将电池电压、电流和温度数据传输到控制器进行处理。

图4 均衡电路
均衡单元的示意图如图4所示。该电路由15对MOS管组成，分别在15个电池单元的两端并联连接。其中，一组MOS管由PWM信号控制，另一组MOS管由互补的PWM信号控制，两组MOS管交替进行互补。

1.2.3 CAN通信电路

为了使上下位机之间传输数据更加可靠、准确，数据通讯采用CAN总线通信^[4]。它采用异步传输方式，使用两根差分信号线CAN_H和CAN_L来传输数据。CAN总线的传输速率可达1Mbps，最大传输距离可达10KM，可以支持多达110个节点的通信。CAN总线具有高实时性、可靠性和灵活性等优点，满足传输数据的要求。

图5 CAN通信电路
如上图5所示，SN65HVD230是德州仪器（TI）公司生产的一种CAN总线收发器，它采用了高速差分收发器技术，支持多标准协议。SN65HVD230可用于CAN总线速率为1Mbps的应用，具有较高的抗干扰能力和较低的误码率。其中Q₃₀三极管的作用为控制CAN芯片电源，R₈₅及R₈₆为终端电阻，有阻抗匹配的作用，电阻R₁₃₄、R₁₃₅采用62欧姆。D₃₄、D₃₅为双向TVS管，有防止雷击及静电而损坏芯片的作用，其中CAN_RX接入主控制器的CAN接收脚，CAN_TX接入主控制器的CAN发射脚。

1.2.4 工作电源设计

主控芯片、CAN通信芯片，LCD显示电路的工作电压为3.3V，而15串锂电池标称电压为55V左右。为了满足高电压到低电压之间的转换，同时转换效率不能太低的因素，选择两级BUCK降压电路，前级采用LM50007MM芯片及外围电路组成的DC-DC降压电路，将电池电压转换到5V，芯片具有输入宽电压9V-75V的范围。如下图6所示，图中1L为储能电感，其FB引脚为芯片电压反馈引脚，其内部参考电压为2.5V，反馈FB引脚上的电压与比较器进行比较，根据芯片手册可知，其输出电压为如下公式所示。

为了满足55V到5V的转换，R₆₇与R₆₈电阻阻值选择1K欧姆。同时后级将5V转换成3.3V，后级BUCK电路选择芯片TPS70933及其外围电路组成。TPS70933系列线性稳压器是设计用于功耗敏感类应用的超低静态电流器件，满足锂电池管理系统对低功耗的要求，且器件具有反向电流保护等功能^[5]。

图6 工作电源电路

1.2.5 充放电控制电路

为了满足电流10A充放电的要求，充电和放电回路分别选择三个并联的MOS管，增加其充放电电流的能力。MOS管选用无锡新洁能N沟道NCE80H11D，其25℃下漏源电流可达120A，导通电阻R_DS(ON)为6.5毫欧，其充放电控制电路如图7所示。当充电时，BQ芯片Charge引脚为高电平，Discharge引脚为高电平，此时Q₁、Q₂、Q₃导通。由于Q₁、Q₂、Q₃自身存在体二极管，此时电流方向为BAT-到PACK-，为充电状态，电流流向为图中红色箭头1所示的方向。当放电时，BQ芯片Discharge引脚为高电平，Charge引脚为高电平，此时Q₁、Q₂、Q₃导通。由于Q₄、Q₅、Q₆自身存在体二极管，此时电流方向为PACK-到BAT-，为放电状态，电流流向为图中绿色箭头2所示的方向。

图7 充放电控制电路

1.2.6 LCD显示电路

为了方便电池电压、电流、温度及电池SOC及SOH的显示，采用1.8寸屏幕、可以显示16位真彩色的TFT液晶显示模块。该液晶模块通过SPI方式与主控制器进行通信。SPI通信是一种高速率，全双工、同步的通信总线。而SPI通信硬件相关引脚由片选（CS），时钟信号线及MOSI以及MISO引脚构成。如下图8为系统LCD液晶显示电路图。

图8 LCD液晶显示电路
主控制器产生PWM波控制Q₂₈的开关频率，以此控制屏幕的亮度，达到低功耗的效果。其中R₉₆及R₉₇为限流电阻，C₄₃及C₄₄为滤波电容，其作用为滤除工作电源中的毛刺信号，使屏幕在工作中更加稳定^[6]。

1.3 储能锂电池管理系统软件设计

1.3.1 下位机软件设计

TMS320F28035控制器主流开发语言为C语言。软件部分在CCStudio平台上开发，Code Composer Studio（CCStudio）是TI微控制器和处理器的集成开发环境（IDE）。其包括用于开发和调试嵌入式应用程序的工具。CCStudio提供了包括C编译器、宏汇编、连接器、库管理和一个功能强大的仿真调试器在内的完整开发方案。软件设计采用分层模块化思想，便于升级、移植、调试。

图9 主程序流程图
根据电池管理系统的需求，程序采用模块化设计思想。将程序分为主程序、模拟前端采样子程序、CAN通信子程序、均衡控制程序和显示子程序等几大模块。主程序承担初始化工作，控制系统主程序完成系统的初始化，其为整个程序主要部分。主程序流程图如上图9所示，其包括对I/O口的初始化、各功能寄存器的配置、SPI，IIC模块等外围设备的初始化、任务管理分配、电池相关参数的读取及与PC端的通信等任务^[7]。
主程序通过BQ76940数据采集芯片对锂电池组的电压、电流及温度状态进行实时测量。同时微控制器判断锂电池是否正常工作，当电池电压异常时，发送故障码到PC端，并实时判断电池组电压是否超过设定的均衡阈值，最后根据上述所研究的算法实时估算电池的SOC及SOH值。
模拟量前端采集子程序完成BQ76940模块的初始化及BQ76940模块中的电压、电流及温度的采集等任务。其流程图如下图10所示，主控制器首先初始化芯片所需要的引脚，激活芯片，让其进入工作模式，通过IIC通信读取电压增益及电压偏置，并通过下式计算各单体电池电压^[8]。

式中LSB为最低有效位，其代表ADC的分辨率，其OFFSET为30mV，而通过下式得到电池总电流。

温度采集程序是通过采集热敏电阻阻值，利用查表将阻值转换为实际温度，其芯片内部转换公式如下式所示。

图10 模拟前端采样程序流程图
CAN通信网络底层采用ISO国际通信标准化串行通信协议^[9]。CAN数据链路层中底层程序主要包含三个部分：CAN模块初始化、CAN节点初始化、消息体初始化。在模块初始化的程序中首先定义节点变量及消息体变量。在节点初始化中，需对CAN通信相关引脚及相关时钟的配置，并设置通信中传输速率。而消息体初始化则需设置消息的类型，消息的大小等。CAN通信流程图如图11所示，程序判断扩展帧是否有效，并通过CAN通信将采集到的电池电压、电流、SOC、SOH等数据发送到PC端。

图11 CAN通信底层程序流程图
系统CAN通讯模块主要完成上级指令的发送和相关数据的传输。系统采用CAN 2.0B通信协议，其波特率为500kbps，数据帧报文格式如图12所示，其报文格式由帧起始、仲裁帧、控制段、数据段、CRC段、ACK段、帧结束组成^[10]。其中帧起始位由显性位组成，仲裁段采用由29位ID组成的扩展帧。

图12 CAN报文格式
在上图12所述的由32位组成的仲裁位中，数字越小其优先级越高，如数字1相比于数字2，数字1优先级越高。当主机发送不同命令，其仲裁位中的报文编号也不同。如读取命令时，报文编号为0x01；读取到下位机异常时，报文编号为为0x02；控制下位机操作时，报文编号为为0x03，下表1为CAN通信仲裁帧的组成表。
表1 CAN通信仲裁帧组成表

		优先级（PR）	R	DP	报文编号（PF）	目标地址（PS）	源地址（SA）
组成帧位数	3位	3位	1	1	8位	8位	8位
说明	保留	优先级			报文编号	接收地址	发送地址

根据上述CAN通信的组成部分，分配各个设备的ID，如下表2所示。当上位机要读取下位机数据时，其目标地址为0x11，源地址为0xFD。当PC端查询电压增益及电压偏置时，发送ID为0x180111FD，数据长度为8位，数据为0x00，BMS从机返回当前ID（0x1801FD11），并返回当前电压增益及偏置值（D1、D2、D3）。主机读取从机电压增益、偏置的通信格式如表3所示。
表2 主从机设备ID分配

设备	ID地址
PC端	0xFD
主机设备	0xA8
BMS自身	0x11

表3 读取电压增益及偏置的通信格式

功能	ID	数据长度（byte）	数据
主机发送请求	0x180111FD	8	0	0	0	0	0	0	0	0
BMS从机返回数据	0x1801FD11	8	D₁	D₂	D₃	0	0	0	0	0

获取电池电压、电流、温度、SOC、SOH值只需PC端发送报文数据段内不同的命令帧。

图13 液晶显示程序流程图
如上图13所示，为TFT液晶显示程序流程图。程序首先对时钟、液晶相关引脚进行初始化，系统判断液晶是否初始化成功，初始化成功后将电池包的相关信息显示在屏幕上。

1.3.2 PC端程序设计

PC端程序以Visual Studio 2017提供的C#桌面设计为平台进行开发，Visual Studio是美国微软公司开发的工具包系列产品，具有开发速度快，应用插件多等优点，其主要功能界面包含登录界面及系统主界面。
登录后进入电池管理系统主界面，如图14所示。系统主界面主要包括系统参数栏、系统预警信息栏以及数据波形显示栏等3部分主要内容，其中电池 SOH、总电压、总电量、总电流、温度等重要信息均以数字直接在界面上展示。图中1号区域为CAN通信配置，其包含设置索引号、选择第几路CAN、以及初始化CAN参数、设置验收码、屏蔽码、滤波方式等功能。图中2号区域为单体电池的实时电压信息显示区，可显示15节锂电池单体电压。图中3号区域为电池包实时数据显示区，包含电池包温度、总电流、总电压、SOC、SOH值。图中4号区域为故障报警面板，具有单体欠压，总体欠压，充电过流，故障报错功能。图中5号区域可将电池电流、电池电压、算法估算的SOC值以曲线的形式显示在客户端面板上^[11]。

图14 系统主界面

2 蓄电池等效模型建立与参数识别

2.1 等效模型建立

等效电路模型是利用电阻，电容，理想电压源等物理元件构成的电路来模拟电池的外部特性。本研究是在二阶RC等效电路模型的基础上来设计蓄电池充放电系统的^[12]。二阶RC等效电路模型是在戴维南模型的基础上演变而来，如下图15所示。

图15 二阶RC等效电路模型
根据电池等效电路模型，端电压可表示为：

式中R_Ω为蓄电池欧姆等效电阻；R₁、C₁分别为电化学极化等效电阻与电容；R₂、C₂分别为浓度差极化等效电阻与电容；I_b为蓄电池放电电流；E为开路电压；U_Ω为欧姆电压降；（U₁+U₂）为极化电压^[13]。极化电压U₁、U₂可由下式计算：

式中t₁=R₁C₁、t₂=R₂C₂表示各自RC并联环节时间常数，U₁(0)、U₂(0)分别表示两个极化电压初始值，计算时可视为0。

2.2 模型参数识别

本文通过脉冲放电法对相关参数进行识别，试验用单节12V/18Ah胶体铅酸蓄电池，放电电流为15A，放电时间为10s，下图为蓄电池脉冲放电过程中端电压变化曲线。

图16 脉冲放电电压变化曲线
从图16放电电压波形可以看出，蓄电池从起始点到结束点之间共经历了四个变化阶段：
a：开始放电时，蓄电池端电压瞬间降低，这是由于蓄电池欧姆内阻引起的压降，称为欧姆压降，可表示为式：

b：放电过程中，蓄电池端电压缓慢下降，这一现象主要是由电池的极化作用引起的，由于极化作用引起的电压变化称为极化电压，可表示为式：

c：放电结束时，蓄电池端电压瞬间回升，这一现象也是由于蓄电池欧姆内阻引起的，同阶段a可表示为：

d：放电结束后，蓄电池端电压又缓慢上升并趋近于一个稳定值，这是由于放电结束后极化作用逐渐消失引起的，可表示为式：

记录蓄电池每次放电时阶段a和阶段c蓄电池端电压瞬时变化值，计算出蓄电池欧姆电阻R_Ω，记录和计算结果见表1。
表4 欧姆电阻计算结果

放电电流/A	U_Ω/V	U_Ω^，/V	R_Ω/mΩ
15A	0.72	0.74	48.7
	0.73	0.73
	0.72	0.73
	0.74	0.74

根据实测波形数据，取蓄电池放电b、d阶段电压变化曲线进行曲线拟合，这里采用二维指数拟合，拟合曲线如图17所示，从图中可以看出蓄电池极化电压的变化近似按指数函数规律减少或增加，正好与RC电路放电时端电压按照指数规律变化是相似的，故电池等效模型由RC表示是合理的^[14]。

图17 模型放电拟和曲线
参数拟和结果如表5所示。
表5 参数拟和结果

参数	拟合结果	参数	拟合结果
a₁	0.5645	a₂	13.18
b₁	-0.4481	b₂	-3.676e-4
c₁	11.84	c₂	0.5634
d₁	4.127	_d2	-0.4488

结合公式可得蓄电池模型中各个物理量参数识别结果为：R₁=24mΩ，C₁=60.2F，R₂=0.3mΩ，C₂=9F。

2.3 等效电路模型仿真与输出特性

根据以上等效电路模型分析和参数识别结果，在Matlab/Simulink中搭建蓄电池等效电路仿真模型，模型中各个参数设定为上文计算结果，如图18所示：

图18 蓄电池等效电路模型仿真图
为验证模型是否模拟电池充放电时的外特性，将电池充放电电流作为输入观察其端电压变化趋势。输入电流如图19所示，图中电流为正时表示电池放电，放电电流大小为36A；电流为负时表示电池充电，充电电流大小为18A。仿真时间设定为40s，0s~8s内放电，8s~17s内电池静置，17s~24s内电池充电，24s处电池有充电切换为放电，33s直到结束电池静置。

图19 模型输入电流曲线
图20为电池模型端电压输出波形，当模型放电时端电压按照指数函数规律减少，当模型充电时端电压按照指数函数规律增大，这与RC电路充放电近似指数变化规律是相似的；从图中还可以看出在每个切换点（放电到静置、充电到放电切换）电池端电压突变，而且变化值与电流大小成正比，这满足欧姆定律。

图20 模型输出电压曲线
根据图19和图20分析可得，以上建立电池仿真模型可以准确描述电池充放电时的外特性，充放电时电池端电压按照指数函数规律增大减小，状态切换时按照欧姆定律端电压突变。

3 基于RLS和互补滤波器的SOC估算系统设计

3.1 估算系统框架

电池SOC作为电池管理系统能量管理和控制策略的主要依据，对延长电池寿命、提高电池使用效率、保证电池系统安全可靠运行等具有非常重要的作用^[15]。因此，准确估计电池的SOC对电池的高效利用和光伏系统的能量管理具有重要意义。常用的方法有安时积分法和开路电压法。
但是现有方法估算电池SOC时预测值与真实值之间会存在一定的偏差，因此，设计蓄电池SOC估算系统时，在考虑噪声对估计精度影响的同时还要保证模型参数的在线识别。本研究提出基于RLS和互补滤波器的SOC估算系统框架如图21所示：

图21 估算系统框架
具体估算步骤如下：
（1）通过检测电池工作电流I_k-1根据改进安时积分法估算电池SOC，记为SOC_i,k；同时通过检测电池端电压U_k和I_k根据开路电压法估算蓄电池SOC，记为SOC_v,k。
（2）通过互补滤波器将SOC_i,k与SOC_v,k进行整合消除估算噪声，得到最终SOC估算结果，记为SOC_est,k。
（3）RLS滤波器将I_k、U_k和OCV_est,k（SOC_est,k经过OCV-SOC关系函数转换为OCV_est,k）作为输入对R₀、R₁和R₂进行参数辨识。
（4）RLS滤波器将I_k-1和SOC_v,k作为输入对SOH和Ioff进行参数辨识。
（5）系统状态更新，将k变为k+1返回第一步继续执行。

3.2 仿真结果与分析

为了验证本文提出估算方法的有效性，在MATLAB里搭建仿真模型，电池模型如图22所示，对仿真模型参数进行如下设定：I_off为0.2A，SOH为0.85，R₀为40mΩ，R₁为20mΩ，R2为0.4mΩ，SOC_ini为0.8，t_s为0.1s。
仿真过程中蓄电池充放电电流和电压变化图如图22所示，放电电流为正（36A），充电电流为负（-18A），从图中可以看出在充电过程中电压上升，放电过程中电压下降^[16]。

图22 电池充放电电流、电压图
参数辨识结果如图23所示，从图中可以看出估算结果存在初始误差，稳定后所有参数均能达到给定值且I_off、SOH、R₀、R₁、R₂最大估算误差分别为：0.644%、0.98%、0.320%、0.25%、0.314%，表现出了较强的稳定性和有界性。

图23 参数辨识结果
传统Ah积分法和本研究提出方法SOC估算结果如图24所示，从图中可以看出传统Ah积分法估算结果存在误差累计的现象，最大估算误差可达4.8%；本文提出方法估算结果稳定，最大估算误差只有0.3%，表现出了较强的估算精度。

图24 仿真SOC估算结果

3.3 SOC估算实验

为了进一步验证本文提出估算方法的有效性，在已经搭建好的蓄电池充放电平台上（如图25）进行编程实现蓄电池SOC估算，估算对象为单节本系统所用蓄电池国产某品牌铅酸蓄电池，该电池充电截止电压为13.2V，放电截止电压为10.5V，最大放电倍率可达3C。实验所用电流霍尔传感器型号为LEM-LA55-P，测量范围为-50A~50A，精度为±0.65%，因此存在着-0.325A~0.325A的漂移电流^[17]。

图25 蓄电池管理系统实验平台

3.3.1 恒流放电估算实验

进行恒流放电实验时，先将电池充电至端电压13.2V，这时电池电量为100%，接下来对电池以0.1C（1.8A）电流恒流放电，每隔1h记录电池SOC值一次，共记录9次，记录结果如表6所示。
表6 电池放电SOC变化值

时间/h	Ah积分法估算值/%	互补滤波法估算值/%
0	99.4	99.6
1	89.1	89.5
2	78.4	79.2
3	68.6	69.4
4	58.2	59.8
5	48.4	49.2
6	38.5	39.4
7	28.8	29.7
8	19.1	19.9
9	9.55	9.8

根据表6记录数据进行曲线拟合，拟合结果如图26所示，由图可知在整个放电过程中传统Ah积分法估算结果不断偏移真实值，到放电结束时最大估算误差可达4.4%；采用本文估算方法初始估算误差较大为0.5%，但在整个放电过程中最大估算误差只有1.04%，与前者比较估算精度大大提高。

图26 恒流放电SOC估算结果

3.3.2 恒流充电估算实验

进行恒流充电实验验证时，先将电池放电至截止电压10.5V，这时电池电量降为0%，接下来对电池以0.1C电流恒流充电，每隔1h记录电池SOC值一次，共记录9次，记录结果如表7所示^[18]。
表7 电池充电SOC变化值

时间/h	Ah积分法估算值/%	互补滤波法估算值/%
0	0	0
1	9.6	9.8
2	19.4	20.1
3	29.2	29.7
4	39.0	39.5
5	48.6	50
6	58.1	60.4
7	67.5	70.2
8	76.9	79.4
9	86.4	89.4

根据表7记录数据进行曲线拟合，拟合结果如图27所示，由图可知在整个充电过程中传统安时积分法估算结果不断偏移真实值，到放电结束时最大估算误差为4%；采用本文估算方法整体误差不断上下波动，在整个充电过程中最大估算误差只有0.98%，估算精度有所提高。

图27 恒流充电SOC估算结果
通过所提出SOC估算方法可以实现蓄电池SOC的实时在线估算，不存在累计误差，而且估算精度也有所提升估算误差在1.04%以内，具有一定的实用参考价值。

4 基于双层极值法的储能系统锂离子电池均衡实验设计

4.1 均衡控制方案设计

采用极值均衡方法进行底层和顶层均衡^[19]。以电池的SOC值作为均衡变量，通过单体电池及电池模组间的SOC极差值与设定阈值的比较，控制MOS管的导通和关断，实现电池能量的均衡^[20]，具体方案如图28所示。

图28 均衡控制方案
底层均衡时，对组内单体电池的SOC排序，用SOC极大值和极小值作差得到组内ΔSOCmax，判断ΔSOCmax与均衡阈值的大小关系，进而控制相应电池二极管的开通或关断，最终实现组内单体电池的均衡^[21]。顶层均衡同理，不同点在于此时应选取电池组的SOC进行排序，电池组的SOC为该组内单体电池SOC的平均值，再根据组间电池的ΔSOCmax与其均衡阈值的大小关系判断是否开启均衡^[22]。

4.2 锂离子电池均衡实验

在所搭建的均衡实验平台上的实验样机主要由4组串联的18650电池、均衡板及STM32单片机控制模块组成。为减小开关管导通、关断时产生的损耗，系统频率不宜设置过高，本文设置为5 kHz，实验电池容量约为1.2 Ah^[23]。为保证实验安全，限制充放电电流在1C范围内，同时设置均衡电感大小为1.1 mH，具体如图29所示，对应的均衡电路关键参数如表8所示。

图29 均衡实验平台
表8 实验电路参数

参数	数值
频率f /kHz	5
电池	NCM 18650
主控板	STM32
电感L/mH	1.1
二极管导通压降V_d/V	0.2
每组单体电池数	4
充、放电电流I/A	1
均衡阈值α/%	1

实验主要对电池组在充电、放电及静置状态下双层拓扑放电均衡与传统的反激式变换器进行电池均衡时的均衡速度进行了对比研究。

4.3 结果分析

4.3.1 放电均衡结果分析

电池组放电均衡实验时，设置放电电流为1 A，电池组1、2、3、4的初始SOC分别设置为83%、77.5%、74.5%、68%，其放电均衡SOC变化曲线如图30所示。

图30 放电均衡对比图
放电均衡实验结果表明，双层均衡拓扑的放电均衡速度较快，在300s附近达到理想的均衡效果；而传统的反激式均衡拓扑电路均衡速度不理想，大约在590s附近完成均衡。由此可知，双层均衡拓扑比传统反激式拓扑在均衡速度上提高了近50%，且当放电时间达到700s时二者的剩余电量几乎相同。

4.3.2 充电均衡结果分析

电池组充电均衡实验时，设置充电电流为1 A。将电池组初始SOC设置为与放电时的一致，其均衡SOC曲线如图31所示。

图31 充电均衡对比图
充电均衡实验结果表明，双层均衡拓扑的充电均衡速度较快，在充电大约300 s附近达到理想均衡效果；而传统反激式均衡拓扑电路充电均衡速度较慢，大约在410s附近完成均衡。由此可知，双层拓扑比传统反激式拓扑在充电均衡速度上提高了约26.7%，且当充电达到700s时二者的电量均保持在87%左右。

4.3.3 静置均衡实验结果分析

当电池组处于静置状态时，对电池组进行均衡，此时能量只在电池组内部进行交换。将电池组的初始SOC设置为与充放电时一致，其均衡SOC曲线如图32所示。

图32 静置均衡对比图
静置均衡实验结果表明，双层均衡拓扑的静置均衡速度更快，均衡过程中大约在280 s附近达到理想均衡效果^[24]；而传统的反激式均衡拓扑电路电池组均衡速度要慢得多，大约在500 s附近完成均衡。由此可知，双层均衡拓扑比传统反激式拓扑在充电均衡速度上提高了约44%。对比700 s时二者的电量可知，所损耗的能量差别不大^[25]。
综合充放电及静置状态下的均衡实验结果，相较于传统反激式均衡拓扑，双层均衡拓扑明显提高了均衡速度，缩短了均衡时间，提高了电池间的一致性。具体均衡对比结果如表9所示。
表9 均衡实验数据对比

均衡类型	传统最值法均衡方法				双层极值均衡方法				均衡速度提升比率/%
	ΔSOC_max/%		时间/s	700s时电量/%	ΔSOC_max/%		时间/s	700s时电量/%
	初始时刻	结束时刻	时间/s	700s时电量/%	初始时刻	结束时刻	时间/s	700s时电量/%
放电	15	1	590	51	15	1	300	51	50
充电	15	1	410	87	15	1	300	87	26.7
静置	15	1	500	70	15	1	280	70	44

5 结论

（1）提出储能锂电池管理系统功能及技术指标，根据系统的功能及性能指标要求，搭建储能锂电池管理系统的总体架构，并对系统下位机软硬件及PC端软件进行设计^[26]。该系统可直接检测及管理储能电池工作的全过程，包括电池充放电过程管理、电池温度检测、电池电压电流检测、电量估计、单体电池间的均衡、电池故障诊断、远程运维等几个方面。具体如下：①电池充放电过程管理。实时监控电池充放电时的温度、电压、电流等参数，在发现异常情况时及时做出断开充电电路，发出报警信息等相应处理。②电池温度检测。对单个锂电池进行温度检测，依据电池类型设定该型号电池安全温度参数范围，在发现温度不在安全范围时做相应处理，并发出报警信息，找出问题电池的位置^[27]。③电池电压电流检测。检测锂电池各组电压、电流，依据检测参数，通过算法判断电池好坏，并估算剩余电量。④电量估计。电池剩余电量的测量，依据所测参数准确估测电池组的荷电状态。⑤单体电池间的均衡。为单体电池均衡充电，使电池组中各个电池都达到均衡一致的状态。⑥电池故障诊断。依据所测单个电池温度、电压等参数对比其正常参数范围作出诊断处理。⑦远程运维服务。即实时将储能设备的运行参数传输到云端平台，实现电脑端/手机端的远程操控、运行参数实时监测、智能故障报警及诊断、位置定位等功能^[28]。
（2）以铅酸蓄电池为研究对象，建立蓄电池二阶RC等效电路模型，通过改进脉冲放电法对模型参数进行识别，根据对模型分析和参数辨识结果在Matlab/Simulink中搭建了蓄电池等效电路仿真模型，从仿真结果可以看出本文所建立电池模型可以准确描述电池充放电时的外特性。
（3）通过对SOC估算误差来源进行分析，提出一种基于RLS和互补滤波器的SOC估算方法。仿真结果表明本文提出的估算方法可以实现蓄电池SOC的实时在线估算，不存在累计误差，而且估算精度也有所提升最大估算误差只有0.3%，具有一定的实用参考价值。为了进一步验证本文提出估算方法的有效性，在已经搭建好的蓄电池充放电平台上进行编程实现蓄电池SOC估算。从实验结果可以看出，所提出SOC估算方法可以实现蓄电池SOC的实时在线估算，不存在累计误差，而且估算精度也有所提升估算误差在1.04%以内，具有一定的实用参考价值。
（4）以电池的SOC作为均衡变量，设计出双层均衡控制方案。最后以4组串联的18650电池作为实验对象，分析了充电、放电以及静置状态下的均衡实验情况。综合充放电及静置状态下的均衡实验结果，相较于传统反激式均衡拓扑，双层均衡拓扑明显提高了均衡速度，缩短了均衡时间，提高了电池间的一致性^[29]。本研究所提的均衡拓扑方法优势明显。

参考文献

[1]周文静.聚焦高质量发展构建多元清洁电力供应体系[J].电气时代,2022,494(11):1-9.
[2]杨于驰,张媛.储能电池技术发展研究浅析[J].东方电气评论, 2022, 36(03):1-4.
[3]王虎. “双碳”目标下储能技术的发展及应用[J].电力与能源,2022,43(06):469-471.
[4]金鹏.浅析我国电池管理系统(BMS)发展现状及未来[J].改革与开放,2017,457(04):124-126.
[5]Hasan MK, Mahmud M, Habib AKMA, etal. Review of electric vehicle energy storage and management system: Standards, issues,and challenges[J].Journal of Energy Storage,2021,41: 102
[6]廖晓军,何莉萍,钟志华等.电池管理系统国内外现状及其未来发展趋势[J].汽车工程, 2006,28(010):961-964.
[7]吴丹.新能源汽车动力电池管理系统研究[J].时代汽车,2022,383(11):109-111.
[8]许守平,侯朝勇,胡娟等.储能用锂离子电池管理系统研究[J].电网与清洁能源,2014,30(05):70-78.
[9]李建林,肖珩.锂离子电池建模现状综述[J].储能科学与技术,2022,11(02):697-703.
[10]郭向伟,高岩,司阳等.动力电池等效电路模型研究[J].传感器与微系统,2022, 41(01):62-68.
[11]胡晓松,唐小林.电动车辆锂离子动力电池建模方法综述[J].机械工程学报,2017, 53(16):20-31.
[12]Wu Z,Wang G,Xie Z,etal. Lithium battery SOC estimation based on whale optimization algorithm and unscented Kalman filter[J].Journal of Renewable and Sustainable Energy,2020, 12(6):065501.
[13]胡浪,乔俊叁,何涛.扩展卡尔曼滤波算法的锂电池SOC估算[J].金属功能材料,2022, 29(02):57-61.
[14]Wei W,Xiangdong M,Han L,etal. A State-of-Charge estimation method of Lithium battery based on BP neural network[C]//Journal of Physics: Conference Series. IOP Publishing, 2023,2418(1): 012118.
[15]侯瑞磊.基于MIAUKF算法的锂电池SOC与SOH联合估计[D].青岛大学,2021.
[16]颜聿辰.锂离子电池的基本结构组成及其应用[J].中国战略新兴产业,2017(28):116-117.
[17]谢奕展,程夕明.锂离子电池简化电化学模型理论误差分析研究[J].机械工程学报,2022,58(22):37-55.
[18]胡国珍,段善旭,蔡涛,刘邦银,李锐.基于模型参数拟合的锂离子电池充电电源控制性能[J].电工技术学报,2012,02:146-152.
[19]刘毅,谭国俊,何晓群.优化电池模型的自适应Sigma卡尔曼荷电状态估算[J].电工技术学报, 2017,32(2):108-118.
[20]孙冬,陈息坤.基于离散滑模观测器的锂电池荷电状态估计[J].中国电机工程学报,2015,35(1):185-191.
[21]Seaman A,Dao TS,Mcphee J.A survey of mathematics-based equivalent-circuit and electrochemical battery models for hybrid and electric vehicle simulation[J].Journal of Power Sources,2014, 256(3):410-423.
[22]商云龙,张承慧,崔纳新等.基于模糊神经网络优化扩展卡尔曼滤波的锂离子电池荷电状态估计[J].控制理论与应用,2016,33(2):212-220.
[23]杨晴霞,曹秉刚,徐俊等.一种估计锂电池充电状态的分数阶阻抗模型[J].西安交通大学学报, 2015,49(8):128-132.
[24]孙朝晖,成晓潇,陈冬冬等.计及非线性容量效应的锂离子电池混合等效电路模型[J].电工技术学报,2016,31(15):156-162.
[25]Kung YS,Tsai MH.FPGA-Based Speed Control IC for PMSM Drive With Adaptive Fuzzy Control[J].IEEE Transactions on Power Electronics,2007,22(6):2476-2486.
[26]邱亚,李鑫,陈薇,等.基于RLS和EKF算法的全钒液流电池SOC估计[J].控制与决策,2018, 33(1):37-44.
[27]黄军,杨世彦,杨威.零电流Buck/Boost双向DC/DC变换器的研究[J].电力电子技术,2010, 44(7):1-3.
[28]王笃江,廖东进.迟滞比较器在蓄电池充电控制电路中的应用[J].电子世界,2016(14):50-51.
[29]Alam MA,Khan MR.Fundamentals of PV efficiency interpreted by a two-level model[J].American Journal of Physics,2013,81(9):655-662.

<上一篇2021年潍坊市科技发展计划项目验收证书 下一篇>科技发展计划-锂电池储能管理系统的研发与应用科技报告收录证书