主持人(王芳)：信息可能有点疏漏，还是再看一下。时间关系，我们就到这儿了，开始下面一个报告，因为我刚才报告里都是提到电池管理系统都是非常重要的电池部件，因为电池系统设计的好坏，一些是电池本身的性能，管理系统起到非常重要的作用，所以我们今天请到北京交通大学电气工程学院院长姜久春教授给大家作报告，新能源汽车的电池管理系统，姜老师在包括北京奥运会，上海世博会等等，有很多经验和技术方面的见解，下面我们有请姜院长给大家作报告。
姜久春：很高兴给大家做报告。主要讲一下新能源汽车的电池管理系统。新能源汽车电池管理系统基本上几年以后可能就没有人再提了，因为技术已经成熟了，下面讲讲这个电池管理系统研究的具体情况。
简单看一下动力电池管理系统的作用，参与整车调度，直接决定整组电池的使用寿命，这一点来说，电动汽车非常重要的一个部分，是核心技术电池管理系统，并且公布了14项专利，跟这个问题相关的。手机都是有电池管理系统，只不过是单只电池，如果几百只串联、并联起来，问题变得更加复杂了。基本上简单看一下需要哪些方面的东西，总体方案的设计，电池筛选和优化重组，电话仿真、状态预测、热场分析、安全检测、全生命周期分析，系统设计越复杂，寿命越变长，但是价格能不能接受，这是折中要考虑的问题。
通过动力电池管理系统方案设计、电池模块化成组方法、电池在线状态评估，实现动力电池系统的安全、高效、可靠运行，延长电池使命寿命，提高电池使用效率。
我们正在做的关键技术，前面提到九个方面都有设计，主要讲尖脐的一些进展。常用电池连接方式，包括串联，先并后串，先串后并，混合串并联结构。大量在用的先并后串方式。先串后并方式储能里也是大量在用，还有混合串联结构。到底哪种方式好，后面会给出结论。
电池模块化设计，北京电动环卫车，50Ah单体4并30串电池组，Leaf纯电动车33Ah单体2并96串电池组，Volt增程式电动车15Ah单体3并96串电池组，车辆需要多少装多少，便于满足用户续航里程需求，做成模块化，便于分布式管理控制，为了分布化维护。电池从车上淘汰之后，怎么二次利用，如果模块化再次利用会有更好的效果。现在宝马在做这个事情，I3电池，淘汰之后，拿下来之后，能不能再用作储能。如果按照整体当成一个Pad来做，基本上没有实现，做成模块，拆了之后，可以重新利用。
这是关于串并联结构的一些优化方法。混合动力串并联模块化，我们认为好一些。
另外，混合串并联情况下，串联环节的并联成份，采用先串后并方法，便于电流预测。通过组合模块电流重组方式、电池热膜散热条件，可以分辨出每个电池衰退路径什么样，可以精确知道每个电池什么状态。串联形态下，影响衰退轨迹最大的因素，在于它的温度场不一致，并联不是这样，并联温度场基本上一样。但是并联在高低两端电流差异，会导致衰退路径不一样。电池表面特性完全不一样。可能原来区间，大家都可以从5%到95%，衰退路径不一样，被迫把区间变小。如果考虑到电池衰退比例控制因素，我们觉得这种混合结构更好一些。
第三个考虑的因素是均衡效果，先串后并连接方式，可以知道每个单体功能状态，可以最好发挥效果。发挥电池组最大可用容量，电池利用饱满，可以通过电池维护，保持模块功能。无论控制还是均衡来说都是最好方式，最好做成模块化，都是标准的，模块之间可以通过混联方式进行。
我们在BMS方面开展一些工作，97年开始做，现在基本上已经成熟了。现在按照整车要求开发车用。国外基本上日本、美国、韩国都有一些研究，并且有一些东西做得也非常不错。这是国内的一些主要电池厂，还有电源厂家，大概主要是比亚迪自己本身有，还有哈尔贯拓。电池另外一个关键技术SOC，十年前开始研究，现在为止入门有很多，真正进入工业化实际应用，大部分还是原来那种情况。最近有一些进展，乐观估计，完全工业化应用，可以很高的精度，看一下一些总结，实际上前面的开环方法主要是一些安时积分法、开路电压法、交流阻抗谱法、直流内阻法，采用闭环方法计算比较复杂，可靠性比较差。
建立模型，按照误差修正，基于SOC曲线修正。仔细分析了一下影响。BMS电压和电流采样精度，通过系统测量噪声对SOC估计精度仿真分析，估计误差保持5%以内，BMS电压检测误差控制5mV以内，检测芯片来说不难达到，实际上现场车辆应用，5mV能不能达到，要精心设计保证。
关于电池模型参数的误差，简单的电池模型RPCP模型，结论是这样的，这些模型参数包括内阻Ro和Rp，极化电容Cp、电池容量Q、电池OCV-SOC曲线等，内阻误差对电池SOC估计精度影响最大，实际电池内阻误差可达到20%左右，由于造成COS估计误差达5%以上，大倍率放电条件下误差更大。极化电容Cp只影响电池SOC暂态误差，稳态误差不受其影响。电池容量Q，电池衰退Q一定有影响，误差仍然很小可以忽略，电池衰退从百分之百Q衰退到80%Q，不用修正，可以保证SOC达到很高精度。锂电池OCV-SOC曲线也会受老化影响改变，这些误差将导致5%以上的SOC估算误差，及时修正OCV-SOC曲线，可以得到比较高精度。最后做测试情况，不管电池怎么衰退情况下，仍然可以保证OCV-SOC曲线精度很高，无论这个范围之内怎么衰退，无论怎么变，可以保证SOC误差5%以内。正在做功能化测试。如果80%Q以下，解决了SOC问题。
我们用三种观测器：PI、Hoo、EKF，PI最好的，不仅计算简单，噪音抑制能力也是最强的。全生命周期内高精度估计SOC工程化应用解决方案。容易Q和极化电容Cp对SOC估计，通过实时控制，得到SOC比较高的精度。
我们也在加快做优化充电技术。充电用二级模型，不是一级，得到一个方法，通过优化控制极化电压，得到快速充电效果。电池极化电压特性，锰系电池和三元系，差不多都是一样，我们主要在做这个，可以得出类似曲线。通过极化电压限制，可以得到充电电流的边界曲线。综合考虑SOC曲线特性和变化特性，可以找到长寿的充电电流曲线，这样可以把每个点，跟前面相关的，联系在一起，得到边界曲线。最后验证结果，33.6分钟，当然可以更快，现在没有做那么大，30分钟内，可以从2%到80%。0.5C72分钟，1C126分钟。
我们做了400次循环，0.5C恒流恒压充电，衰退率2.14%，我们设计2.02%，同样方法，优化充电1.4小时，可以比较快充电，延长坚持寿命。
均衡控制跟衰退轨迹是相关的，我们电池的唯一能够均衡的是最大限度永远所有电池SOC保持同样范围，这样电池利用率最高。如果电池容量有差异的话，不可能通过均衡来解决，所以只能控制SOC。不同衰退情况下，控制策略不太一样。看一下结论，均衡前和均衡后的充电曲线，可以看出来，均衡后明显看出来好的多，充电后的SOC看出来，均衡前92.2%，均衡后96.6%，均衡前标准差2.3%，均衡后标准差3.6%。单次4%不算大，但是用两千次4%是很大的容量。单体电池0到百分之百，重组之后，从5%到95%，均衡做得好，永远保持5%到95%，90%左右，做的不好的话，保持10%到90%，可能是80%。
简单介绍一下，我们正在做的一些工作，利用大数据的技术，电池运行状态和安装性评估，电池容量越来越大，所以可以接历史数据，对电池做预测，现在所有在实验室做的电池，剩余预测完之后电池寿命怎么样，都是不可靠。实验室做的结论，电池衰退某一个时间点，如果受到一个扰动因素影响，包括温度，突然电流或者漏电，电流控制完全不受控制，通过大数据解决这个问题。动力电池重组优化技术，有一些进展，还没有完全做完。低温快速加热和保温技术，北京这种地方冬天还是有一些问题，怎么样低温下用加热方法，不是外部加空调来吹，效率太低，通过内部加一些东西，控制电流，使得热起来。动力电池和电力电子深度融合的柔性成组技术，希望得到很好应用，中有柔性中流输电，这是最划算的一种方法。
最后简单过一些应用的一些结论。这是给出一种电池，奥运、世博会我们都在做，也做了测试。根据结论，按照当时价格，可以降低车用电池成本15%，通过储能应用，有一些新方法，安全性都不是问题，最大问题，拆了之后怎么重新组装起来，撤了15%不够，进行重组。怎么样把电池拿过来做储能这是很大问题。其他的都不是问题。结论是降低车用电池成本15%，按照现有电能价格。
我的报告就这些，谢谢大家！
