电池管理系统

在储能市场高爆发驱动下，储能BMS装机量将大幅攀升，未来储能BMS或将迎来超百亿市场空间，据GGII预测，2025年中国储能BMS市场空间达到178亿元；储能BMS标准化、智能化、主要元器件国产化是未来发展趋势，目前因产业发展尚不成熟，降本增效还有很大提升空间；储能BMS市场主体主要分为专业第三方BMS厂商和储能电池生产厂商，两者相互补充，共同驱动BMS市场发展。

储能预制舱由电池系统、电池管理系统、储能变流器等组成，系统额定能量2MWh，额定功率1MW。采取模块化设计，单元化装配的思路，集能量存储、能量变换、电池管理设备和热管理、消防、安防系统于一体，具有高安全、高可靠、长寿命等优点，安全方便，实施周期短。可广泛应用于电网侧储能、用户侧储能、光储充等多种场景。

锂离子电池是新能源汽车动力系统的核心，基于模型的电池管理系统(battery management system,BMS)是保证电池性能充分发挥的关键。然而现有BMS主要采用等效电路模型(equivalent circuit model,ECM)，尚未考虑放电倍率对可用容量的影响机制，导致模型在不同放电倍率下以及低荷电状态(state of charge，SOC)区域会存在明显的端电压仿真误差，影响算法精度；尤其是BMS无法准确估计电池放电截止条件，剩余放电电量(remaining discharge capacity,RDC)估计误差大，可能导致电池电压骤降甚至整车抛锚等严重后果。针对以上问题，文中以考虑内部扩散机制的扩展等效电路模型(extended equivalent circuit model，EECM)为基础，对不同倍率的放电电压容量增量(incremental capacity，IC)曲线进行对比分析，利用能斯特方程构造不同放电倍率下的容量-开路电压曲线，提出改进的EECM。所提改进EECM在不同电流倍率和动态工况下的端电压仿真误差均小于传统ECM和EECM，可以提高RDC估计的准确性，有应用于实际BMS的潜力。

以高效长寿命磷酸铁锂电池为核心，以电池管理系统（BMS）、分布式EMS系统、自动消防系统（AFS）为依托，与储能逆变器（PCS ）、IPSCP云平台一起构成 “实时监控、双向通信、智能调控” 的智慧储能系统。每个分布式储能设备通过4G移动网络与IPSCP云平台实时连接，云平台实现数据采集、数据分析、数据存储等功能，可通过App显示。

准确预测锂离子电池的温度是电池管理系统的关键技术。针对锂离子电池的动态以及时序依赖特性，构建了一种深度神经网络用于锂离子电池的温度预测。该模型可以提取数据的潜在高维特征并适当降维以减少模型复杂度，同时通过长短期记忆单元层捕获温度的长期依赖关系。此外，通过锂离子电池的开路电压、端电压以及电流实时计算产热率，从而为深度神经网络提供额外的物理信息输入。结果表明，该方法相比于其他方法具有更好的温度预测性能。

大倍率充电会引起储能电池负极析锂，进一步可能会诱发电池热失控并导致安全事故。而析锂副反应与电池负极电位直接相关，通过模型精确预测负极电位，传输至储能电池管理系统调整充电工况，可以有效抑制负极析锂。因此，文中提出一种基于降维机理简化伪二维(simplified pseudo two-dimensional,SP2D)模型的储能电池安全充电在线控制技术。首先，对伪二维(pseudo two-dimensional,P2D)模型中部分偏微分方程进行降维简化，建立SP2D模型，同时采用不同的方法获取相应的模型参数。其次，使用实验数据的端电压和负极电位对模型进行验证，结果表明模型在不同倍率恒流工况下精度较高。再次，基于SP2D模型结合比例控制器开展电池无析锂安全充电的仿真工作，结果表明，电池经过1 895 s充电即达到截止电压4.3 V，且充电过程中负极电位均处于无析锂安全电位区间。最后，对仿真得到的充电策略进行循环和拆解验证，结果表明提出的充电方法能够实现电池无析锂安全充电。

直流电源系统

准确的荷电状态(state of charge, SOC)估计对新能源汽车电池管理系统的安全运行具有重要意义，而可靠的参数辨识是SOC估计的关键。考虑锂电池多时间尺度效应，提出了自适应遗忘因子递推最小二乘法(adaptive forgetting factor recursive least squares, AFFRLS)与自适应扩展卡尔曼滤波(adaptive extended Kalman filtering, AEKF)联合的参数辨识算法。首先，根据多时间尺度效应将锂电池双极化模型(dual-polarization model, DP)划分为快动态与慢动态。其次，设计AFFRLS与AEKF联合的参数辨识算法，分别辨识快、慢动态参数。最后，结合参数辨识数据利用H无穷算法估计SOC。结果表明，所提算法在不同工况与温度下具备良好的精度与鲁棒性。模型最大端电压均方根误差仅为3.329 mV，SOC均方根误差低于1%。