Тематическое исследование: повышение точности Bms в литий-ионных аккумуляторных батареях

Понимание систем управления батареями в литий-ионной технологии

Системы управления батареями (СУБД) представляют собой критический уровень интеллекта, который контролирует, защищает и оптимизирует перезаряжаемые аккумуляторные батареи в современных приложениях. Система управления батареями - это любая электронная система, которая управляет перезаряжаемой батареей, облегчая безопасное использование и длительный срок службы, отслеживая и оценивая ее различные состояния, вычисляя вторичные данные, сообщая, что данные, контролируя ее среду, аутентифицируя или балансируя ее. Поскольку литий-ионные батареи продолжают доминировать в приложениях, начиная от электромобилей до систем хранения энергии в масштабе сети, точность и надежность технологии СУБД стали первостепенными для обеспечения безопасности, максимизации производительности и продления срока службы.

Литий-ионные батареи играют решающую роль в современных энергетических системах, позволяя нескольким секторам, таким как транспорт, телекоммуникации и интеграция с возобновляемыми источниками энергии, а надежность и долговечность, обеспечиваемые LIBs, более важны, чем когда-либо, сопровождаемые необходимостью в сложных системах управления батареями для управления этой технологией таким образом, чтобы максимизировать производительность при продлении срока службы батареи.Сложность управления этими системами хранения энергии привела к значительным инновациям в архитектурах BMS, сенсорных технологиях и алгоритмических подходах к оценке состояния.

В этом всестороннем тематическом исследовании рассматриваются многогранные проблемы, связанные с повышением точности BMS в литий-ионных аккумуляторных батареях, исследуются передовые решения, внедряемые в отрасли, и предоставляются практические идеи для инженеров, исследователей и системных дизайнеров, работающих над продвижением технологии управления батареями.

Критическая важность точности BMS

Последствия для безопасности

Точные измерения BMS служат первой линией защиты от катастрофических отказов аккумуляторов. Тепловое поведение стало самой большой опасностью безопасности в литий-ионных батареях. Когда BMS не может точно обнаружить температурные аномалии, неровности напряжения или дисбаланс тока, последствия могут варьироваться от снижения производительности до тепловых аварий, которые представляют серьезные риски безопасности.

Постоянно оценивая напряжение, температуру и ток каждой ячейки, БМС может предотвратить перезарядку и перезарядку, значительно снижая риск теплового разряда и увеличивая срок службы батареи.Точность этих измерений напрямую коррелирует с способностью системы вмешиваться до развития опасных условий.В приложениях для электромобилей, где аккумуляторные батареи могут содержать сотни или тысячи отдельных ячеек, даже небольшие ошибки измерения могут усугубляться по всей системе, создавая слепые пятна, маскирующие развивающиеся неисправности.

Недавние исследования показали, что передовые системы предупреждения могут обеспечить значительное время ожидания до возникновения критических сбоев. Метод предупреждения о тепловом сбое, основанный на состоянии безопасности, может предупреждать примерно за 5 часов. Однако для достижения этого уровня предиктивной способности требуются исключительно точные данные датчиков и сложные алгоритмы, способные интерпретировать тонкие изменения в поведении батареи.

Оптимизация производительности

Помимо соображений безопасности, точность BMS напрямую влияет на пригодную для использования производительность аккумуляторных систем. BMS контролирует напряжение, температуру, ток, состояние заряда и здоровье ячеек, балансирующие ячейки, соблюдение пределов безопасности и координацию с инверторами, зарядными устройствами и тепловыми системами для максимизации производительности и срока службы. Когда оценка состояния заряда (SOC) неточна, пользователи могут испытывать неожиданные потери мощности или снижение дальности движения в электромобилях. Аналогичным образом, неточные оценки состояния здоровья (SOH) могут привести к преждевременной замене батареи или продолжению работы деградированных ячеек, которые ставят под угрозу общую производительность упаковки.

Емкость является основным показателем состояния батареи и должна быть частью системы управления батареей, а знание SoC и SoH обеспечивает состояние работы, максимальную уверенность в готовности. Это всестороннее понимание состояния батареи позволяет использовать оптимальные стратегии зарядки, интеллектуальное управление нагрузкой и прогнозное планирование обслуживания, что максимизирует отдачу от инвестиций для дорогих систем батареи.

Экономическое и экологическое воздействие

Экономические последствия точности BMS распространяются на весь жизненный цикл батареи. Точный мониторинг позволяет батареям работать ближе к их теоретическим пределам производительности без ущерба для безопасности. Эта оптимизация приводит к повышению энергоэффективности, снижению затрат на зарядку и продлению календарного срока службы. Обычно считается, что батареи достигли своего первого срока службы применения, когда емкость падает ниже 70-80% от номинальной производительности. Точное отслеживание SOH гарантирует, что батареи не выходят на пенсию преждевременно и не работают за безопасные пороги деградации.

С экологической точки зрения, продление срока службы батареи за счет точного управления снижает частоту замены батареи, тем самым уменьшая экологическую нагрузку, связанную с производством и удалением батареи.Кроме того, точная оценка SOH облегчает приложения второго срока службы, где батареи, отставшие от требовательных первичных приложений, таких как электромобили, могут быть перепрофилированы для менее требовательных стационарных приложений хранения, что еще больше увеличивает использование ресурсов.

Основные параметры, контролируемые системами управления батареями

Мониторинг напряжения

Измерение напряжения формирует основу работы BMS, предоставляя критическую информацию о состоянии заряда, балансе и здоровье ячейки. BMS может контролировать напряжение, включая общее напряжение, напряжения отдельных ячеек или напряжение периодических кранов. Однако оценка состояния на основе напряжения представляет значительные проблемы, особенно для некоторых химий лития.

Напряжение ячейки является плохим показателем SoC ячейки, и для некоторых литиевых химий, таких как LiFePO4, это вообще не показатель. Литий-железофосфатные батареи демонстрируют чрезвычайно плоскую кривую напряжения в большей части их полезного диапазона емкости, что делает оценку только по напряжению SOC очень ненадежной. Это ограничение требует дополнительных подходов к измерению и более сложных алгоритмов оценки.

Точность измерения напряжения зависит от множества факторов, включая разрешение аналого-цифрового преобразователя (ADC), стабильность эталонного напряжения и качество цепей зондирования. Современные конструкции BMS обычно используют высокоточные интегральные схемы монитора батареи, способные измерять индивидуальные напряжения ячейки с точностью до милливольта. Однако поддержание этой точности в широких температурных диапазонах и на протяжении всего срока службы батареи требует тщательного выбора компонентов и стратегий калибровки.

Текущие измерения

Точное датчик тока позволяет считать кулоны, один из самых фундаментальных подходов к оценке SOC. Интегрируя поток тока с течением времени, BMS может отслеживать заряд, входящий и выходящий из аккумуляторной батареи. Однако этот метод очень чувствителен к ошибкам измерения, поскольку небольшие неточности в датчике тока накапливаются с течением времени, что приводит к дрейфу SOC, который требует периодической перекалибровки.

При текущем измерении обычно используются либо датчики зондирования на основе шунтирующего резистора, либо датчики эффекта Холла. Подходы на основе шанта обеспечивают отличную точность и низкую стоимость, но вводят резистивные потери и требуют тщательного управления температурой. Датчики эффекта Холла обеспечивают гальваническую изоляцию и минимальную потерю мощности, но могут демонстрировать зависящий от температуры дрейф и ошибки смещения, которые должны компенсироваться путем калибровки и обработки сигналов.

Повышение уровней напряжения и быстрая зарядка повышают технические требования, повышая требования к изоляции, точности измерений и мониторингу изоляции на BMS.По мере того, как системы батарей развиваются в направлении более высоких напряжений для поддержки сверхбыстрой зарядки, точность измерения тока становится еще более важной, поскольку комбинация высоких токов и высоких напряжений усиливает последствия ошибок измерения.

Мониторинг температуры

Мониторинг температуры служит двойным целям в управлении батареей: обеспечение безопасной работы в тепловых пределах и предоставление данных для алгоритмов оценки температурного компенсированного состояния. Мониторинг температуры включает среднюю температуру, температуру впуска охлаждающей жидкости, температуру выхода охлаждающей жидкости или температуры отдельных ячеек. Размещение и количество датчиков температуры значительно влияют на способность BMS обнаруживать тепловые аномалии и предотвращать распространение теплового излучения.

Датчики температуры расположены вдумчиво по всему пакету, чтобы определить необычные увеличения при тяжелой нагрузке, быстрой зарядке или сценариях теплового бегства. Стратегическое размещение датчиков должно сбалансировать всеобъемлющее покрытие с ограничениями по стоимости и сложности. В больших аккумуляторных батареях тепловые градиенты могут развиваться по всему пакету, что делает необходимым мониторинг нескольких мест, а не полагаться на одно репрезентативное измерение температуры.

Последние достижения в технологии измерения температуры внедрили новые подходы за пределами традиционных терморезисторов и термопар. датчики FBG могут быть прикреплены к поверхности или встроены в интерьер литий-ионной батареи для интеграции с батареей, и они могут использоваться для мониторинга нескольких параметров в разных местах в течение всего процесса работы батареи. Эти волоконно-оптические датчики обеспечивают иммунитет к электромагнитным помехам и способность мультиплексировать несколько точек восприятия вдоль одного волокна, что позволяет осуществлять распределенный мониторинг температуры с минимальной сложностью проводки.

Проблемы в достижении высокой точности BMS

Калибровка и дрейф датчиков

Даже самые высококачественные датчики демонстрируют дрейф калибровки с течением времени из-за старения, теплового цикла и воздействия окружающей среды. Первоначальная калибровка на заводе обеспечивает базовый уровень, но поддержание точности на протяжении всего срока службы батареи требует постоянных стратегий калибровки. Задача усугубляется в автомобильных и промышленных приложениях, где батареи могут работать в течение десятилетия или более в самых разных условиях.

Традиционные подходы к калибровке требуют периодического удаления из службы и подключения к эталонному приборостроению, что нецелесообразно для большинства развернутых систем батарей. Это вызвало интерес к методам самокалибровки, которые используют известные состояния батареи или условия работы для выполнения регулировок калибровки на месте. Например, когда батарея достигает полного заряда, BMS может использовать это известное состояние для перекалибровки оценок SOC и исправления накопленных ошибок подсчета кулонов.

Поведение датчиков, зависящее от температуры, представляет собой еще одну проблему калибровки. Повышение, смещение и линейность датчика могут варьироваться в зависимости от температуры, требуя либо компенсированных температурой калибровочных кривых, либо активного измерения температуры самих датчиков. Методы оценки состояния заряда на основе фильтра Калмана достигают ± 3% точности в рабочем диапазоне от -40 до + 85 ° C по сравнению с ± 8% для методов напряжения открытой цепи в условиях теплового цикла. Это демонстрирует, как продвинутые алгоритмы могут частично компенсировать ограничения датчика, но не могут полностью устранить необходимость в высококачественных, хорошо калиброванных датчиках.

Электрический шум и помехи

Системы аккумуляторов работают в электрически суровых условиях, особенно в электромобилях, где мощные инверторы, двигатели и коммутационные источники питания генерируют значительные электромагнитные помехи (EMI). Этот шум может соединяться с сигналами датчиков через различные механизмы, включая излучаемые выбросы, проводимые выбросы через силовые и наземные соединения, а также емкостную или индуктивную связь с проводкой датчиков.

Сигналы низкого напряжения и тока особенно подвержены повреждению шума.Шумовой сигнал милливольтного уровня, наложенный на измерение напряжения ячейки, может показаться незначительным, но при интеграции со временем для подсчета кулонов или использовании в алгоритмах оценки чувствительного состояния эти ошибки могут накапливаться для получения существенных неточностей в оценках SOC и SOH.

Смягчение электрического шума требует многослойного подхода, охватывающего надлежащее заземление и экранирование, дифференциальную сигнализацию, где это необходимо, тщательную компоновку ПХД для минимизации областей петли и путей соединения, а также цифровые методы фильтрации для удаления шума из полученных сигналов.Однако агрессивная фильтрация создает свои собственные проблемы, поскольку чрезмерная фильтрация может удалять законные высокочастотные компоненты сигнала или вводить задержки фазы, которые усложняют алгоритмы управления в реальном времени.

Составные старение и деградация

В то время как сами аккумуляторные элементы со временем деградируют, электронные компоненты, входящие в BMS, также стареют, что потенциально ставит под угрозу точность измерения. Конденсаторы могут терять емкость, резисторы могут дрейфовать в значении, а полупроводниковые устройства могут проявлять сдвиги параметров. Эти изменения могут влиять на ссылки на напряжение, усиление усилителя и характеристики фильтра, все из которых влияют на точность измерения воздействия.

Проблема особенно остро стоит в автомобильных приложениях, где электроника BMS должна выдерживать те же суровые условия окружающей среды, что и аккумуляторная батарея, включая экстремальные температуры, вибрацию и влажность. Выбор компонентов должен отдавать приоритет не только начальной точности, но и долгосрочной стабильности в этих сложных условиях. Это часто требует выдерживающих компонентов, выбора деталей автомобильного или промышленного класса с улучшенными спецификациями и включения избыточности для критических измерений.

Вариация клеток к ячейкам и дисбаланс

Производственные допуски гарантируют, что никакие два аккумуляторных элемента не являются идентичными, даже если они производятся в одной партии. Эти изменения в емкости, внутреннем сопротивлении и скорости саморазряда приводят к дисбалансу клеток, который развивается в течение срока службы пакета. Батареи естественным образом испытывают изменения напряжения между клетками, несоответствия старения и неравномерное температурное поведение. Эта неоднородность усложняет точность BMS, поскольку система должна отслеживать и управлять клетками с различными характеристиками и траекториями деградации.

Балансировка ячеек жизненно важна для поддержания равномерных уровней заряда в аккумуляторной батарее, так как расхождения могут привести к снижению эффективности и емкости. Однако балансировка сама по себе зависит от точного измерения состояний ячеек. Если BMS не может точно определить, какие ячейки находятся вне баланса, алгоритмы балансировки могут быть неэффективными или даже контрпродуктивными, потенциально ускоряя деградацию уже слабых ячеек.

Динамические условия эксплуатации

Поведение батареи значительно варьируется в зависимости от условий эксплуатации, включая температуру, скорость заряда / разряда и состояние заряда. Для точной оценки состояния требуются модели и алгоритмы, которые могут адаптироваться к этим динамическим условиям. BMS, калиброванная и настроенная для работы при умеренной температуре, может демонстрировать существенные ошибки, когда батарея работает при экстремальных температурах. Аналогичным образом, сопротивление батареи и ответ напряжения резко различаются между низкоскоростной и высокоскоростной работой, что затрудняет алгоритмы оценки для поддержания точности по всей рабочей оболочке.

Применение электромобилей сопряжено с особенно сложными динамическими условиями, при которых происходит быстрый переход между регенеративным торможением (высокоскоростная зарядка), ускорением (высокоскоростной разряд) и периодами простоя. СУБ должна поддерживать точные оценки состояния в течение этих переходных периодов, а также управлять тепловой динамикой, которая может отставать от электрического поведения на секунды до минут.

Продвинутые стратегии повышения точности BMS

Высокоточные сенсорные технологии

Основу точного управления аккумуляторами составляет высококачественное сенсорное оборудование. Точная оценка SoC/SoH обеспечивается высокоточными чипами монитора батареи, которые имеют решающее значение для продления долговечности. Современные интегральные схемы монитора батареи включают в себя ADC высокого разрешения (16-битные или более высокие), ссылки на точное напряжение с низкими температурными коэффициентами и сложные аналоговые интерфейсы, разработанные специально для приложений измерения батареи.

Эти специализированные ИС часто включают такие функции, как автоматическое управление балансировкой ячеек, входы измерения температуры и интерфейсы связи, которые упрощают конструкцию BMS при одновременном повышении точности. Благодаря интеграции нескольких функций на одном чипе эти устройства минимизируют количество внешних компонентов и связанных с ними источников ошибок, обеспечивая при этом каналы измерения калиброванных на заводе.

Для измерения тока прецизионные шунтирующие резисторы с низкими температурными коэффициентами (обычно менее 50 ppm/°C) в сочетании с дифференциальными АЦП высокого разрешения обеспечивают отличную точность. Альтернативные подходы с использованием датчиков магнитного тока предлагают гальваническую изоляцию и снижение потери мощности, хотя они могут потребовать более сложной калибровки для достижения сопоставимой точности. Некоторые передовые конструкции BMS используют избыточное датчик тока с использованием нескольких технологий для обеспечения перекрестной проверки и обнаружения неисправностей.

Фильтрация сигналов и снижение шума

Эффективное управление шумом сочетает аналоговую фильтрацию на интерфейсе датчика с цифровой обработкой сигнала в микроконтроллере BMS. Аналоговые фильтры удаляют высокочастотный шум до того, как сигналы достигают АЦП, предотвращая устранение и снижение требований к динамическому диапазону процесса преобразования. Низкочастотные РЦ-фильтры или более сложные конструкции активных фильтров могут быть адаптированы к ожидаемой полосе пропускания сигнала и спектру шума.

Цифровая фильтрация обеспечивает дополнительное снижение шума и может реализовать более сложные характеристики фильтра, чем практичные с аналоговыми схемами. Скользящие средние фильтры, медианные фильтры и фильтры Калмана каждый предлагают различные компромиссы между снижением шума, вычислительной сложностью и временем отклика. Выбор подхода фильтрации должен учитывать требования приложения для скорости обновления измерений и переходного ответа.

Точные измерения и эффективное управление MOSFET устраняют чрезмерную потерю мощности во время циклов заряда / разряда. Это подчеркивает, как точное зондирование позволяет не только лучше оценивать состояние, но и более эффективно управлять мощностью, создавая добродетельный цикл, где улучшенная точность позволяет проводить операционную оптимизацию, которая еще больше повышает производительность системы.

Алгоритмы перспективных оценок состояния

Современные реализации BMS все больше полагаются на сложные алгоритмы, которые объединяют данные от нескольких датчиков и включают модели батарей для достижения точной оценки состояния. Технология системы управления батареями в сочетании с интеллектуальными алгоритмами имеет мощные возможности обработки данных и прогнозирования. Эти алгоритмы могут компенсировать ограничения датчиков, адаптироваться к изменяющимся характеристикам батареи и обеспечить прогностические возможности, которых не могут достичь простые подходы, основанные на измерениях.

Фильтрация Калмана и её варианты (расширенный фильтр Калмана, фильтр Калмана без запаха) стали стандартными инструментами для оценки состояния батареи. Эти рекурсивные алгоритмы оптимально сочетают шумные измерения с прогнозами от моделей батарей для получения оценок состояния, которые более точны, чем только измерения или модели. Состояние заряда батареи оценивалось с помощью комбинации рекурсии наименьших квадратов и фильтрации Калмана без запаха, а фактический SOC был рассчитан с использованием метода подсчета Кулона. Этот гибридный подход использует сильные стороны нескольких методов оценки, компенсируя их индивидуальные слабости.

Подходы машинного обучения представляют собой формирующийся рубеж в оценке состояния батареи. Предлагаемая модель демонстрирует значительную точность прогнозирования, достигая корневой средней квадратной ошибки 0,01173, превосходя все сравнительные модели. Нейронные сети, машины вектора поддержки и другие методы ML могут изучать сложные отношения между измеренными параметрами и состояниями батареи из данных обучения, потенциально захватывая нелинейное поведение, которое трудно моделировать аналитически.

Будущие тенденции в разработке BMS для литиевых батарей, вероятно, будут сосредоточены на передовых алгоритмах мониторинга состояния батареи, повышении эффективности процессов зарядки и интеграции искусственного интеллекта для прогнозной аналитики. Эти системы, усовершенствованные с помощью ИИ, обещают адаптироваться к индивидуальным характеристикам батареи, учиться на истории эксплуатации и предоставлять все более точные прогнозы по мере накопления данных в течение срока службы батареи.

Протоколы и процедуры калибровки

Систематические процедуры калибровки имеют важное значение для поддержания точности BMS на протяжении всего жизненного цикла батареи. Первоначальная заводская калибровка устанавливает базовую точность, но стратегии калибровки полей должны учитывать продолжающийся дрейф и деградацию. Эффективные протоколы калибровки обычно включают несколько уровней калибровочных мероприятий с различными частотами и уровнями сложности.

Непрерывная самокалибровка использует известные состояния батареи, которые происходят во время нормальной работы. Например, когда все ячейки достигают балансирующего напряжения во время зарядки, BMS может использовать это известное состояние для проверки и регулировки калибровки измерения напряжения. Аналогично, периоды нулевого тока обеспечивают возможности для калибровки смещения датчика тока. Эти оппортунистические события калибровки не требуют специальных процедур или простоев, что делает их идеальными для развернутых систем.

Периодическая калибровка обслуживания может осуществляться в течение плановых интервалов технического обслуживания с использованием внешних эталонных приборов для проверки и корректировки измерений СУБД. Такой подход обеспечивает высочайшую точность, но требует наличия специализированного оборудования и обученного персонала. Интервал калибровки должен уравновешивать стоимость и неудобства обслуживания со скоростью дрейфа датчиков и последствиями ошибок измерения.

Некоторые усовершенствованные конструкции БМС включают встроенные калибровочные опорные устройства или возможности самоиспытаний, которые позволяют автоматическую проверку точности измерений без внешнего оборудования. Эти функции могут включать в себя опорные устройства прецизионного напряжения, которые могут быть переключены на путь измерения, или схемы впрыска тока, которые генерируют известные испытательные токи для проверки датчиков.

Интеграция термоменеджмента

Точные измерения температуры и управление температурой неотделимы от общей точности BMS. Системы управления температурой батареи могут быть либо пассивными, либо активными, а охлаждающая среда может быть либо воздухом, жидкостью, либо какой-либо формой фазового изменения. Выбор подхода к управлению температурой влияет как на тепловую однородность упаковки, так и на сложность требуемого мониторинга температуры.

Жидкое охлаждение имеет более высокий естественный потенциал охлаждения, чем воздушное охлаждение, поскольку жидкие охлаждающие жидкости, как правило, имеют более высокую теплопроводность, и батареи могут либо непосредственно погружаться в охлаждающую жидкость, либо охлаждающая жидкость может проходить через BMS без прямого контакта с батареей. Системы жидкого охлаждения обеспечивают более точный тепловой контроль, но требуют дополнительных датчиков для мониторинга температуры охлаждающей жидкости, скорости потока и состояния системы.

Интеграция между BMS и системой управления температурой позволяет осуществлять термоконтроль замкнутого цикла, который поддерживает ячейки в оптимальных диапазонах температур. Динамический тепловой контроль и помощь в предотвращении теплового бегства в поддержании производительности при изменяющихся условиях нагрузки. Эта интеграция повышает не только безопасность, но и точность измерений, поскольку поддержание стабильных температур снижает температурозависимые ошибки датчиков и упрощает оценку состояния за счет минимизации теплового воздействия на поведение батареи.

Продвинутые методы обнаружения термических неисправностей могут идентифицировать сбои системы охлаждения, прежде чем они приведут к опасным температурным экскурсиям. Модель оценки температуры с высокой точностью, интегрирующая термическую модель на основе физики с нейронной сетью, достигает корневой средней квадратной ошибки 0,39 °C и максимальной ошибки 1 °C, а метод обнаруживает сбои с использованием только восьми датчиков температуры в течение 13-45 минут. Это демонстрирует, как сложное моделирование может извлечь максимальную информацию из ограниченных данных датчика, что позволяет осуществлять комплексный тепловой мониторинг без чрезмерного подсчета датчиков.

Ключевые технологии и компоненты для повышения точности BMS

Системы точного измерения напряжения

Измерение напряжения высокой точности начинается со специализированных ИС монитора батареи, которые интегрируют прецизионные АЦП, ссылки на напряжение и схему мультиплексирования, оптимизированную для приложений с многоклеточными батареями. Эти устройства обычно достигают точности измерения ±1-2 мВ в полном диапазоне напряжения ячейки, причем некоторые продвинутые реализации достигают точности субмилливольт.

Ссылка на напряжение является критическим компонентом, который устанавливает шкалу измерения. Современные конструкции BMS используют ссылки на напряжение полосы пропускания с температурными коэффициентами ниже 10 ppm/°C и долгосрочной стабильностью лучше, чем 100 ppm в течение срока службы батареи. В некоторых реализациях используются ссылки, компенсируемые температурой, или измеряют эталонную температуру, чтобы обеспечить программную коррекцию температурозависимых ошибок.

Стратегии многослойного моделирования должны уравновешивать скорость измерения с точностью. Последовательное измерение нескольких ячеек вносит искажение времени, которое может усложнить оценку состояния, особенно в динамических условиях эксплуатации. Одновременные архитектуры выборки устраняют это искажение, но увеличивают сложность и стоимость оборудования. Оптимальный подход зависит от требований приложения к скорости обновления измерения и ожидаемой скорости изменения напряжения ячейки.

Современные сенсорные технологии

Чувство тока на основе резистора шанта остается наиболее распространенным подходом из-за его превосходной точности, линейности и экономической эффективности. Точные шунтирующие резисторы с четырехконцевыми соединениями Кельвина устраняют ошибки сопротивления соединения, в то время как низкотемпературные сплавы (такие как манганин или специализированные медно-никелевые сплавы) минимизируют температурно-зависимый дрейф. Типичные значения шунта варьируются от 100 микроом до 1 миллиома, уравновешивая чувствительность измерения против рассеивания мощности.

Датчики тока Холла обеспечивают гальваническую изоляцию и минимальную потерю вставки, что делает их привлекательными для высоковольтных применений. Современные датчики Холла включают в себя интегрированное кондиционирование сигнала и температурную компенсацию, достигая точности 1-2% в широких диапазонах тока. Однако они могут проявлять смещенный дрейф и требовать периодической калибровки для поддержания точности с течением времени.

Технологии датчиков возникающих токов включают магниторезистивные датчики и катушки Роговского, каждая из которых предлагает уникальные преимущества для конкретных приложений. Магниторезистивные датчики обеспечивают высокую чувствительность и пропускную способность, в то время как катушки Роговского позволяют измерять ток неинвазивным путем, окружая проводники, не нарушая ток. Эти альтернативные подходы могут найти применение в модернизированных конструкциях BMS или специализированных приложениях с высоким током.

Решения для датчиков температуры

Термисторы с отрицательным температурным коэффициентом (NTC) остаются наиболее широко используемыми температурными датчиками в приложениях BMS из-за их низкой стоимости, небольшого размера и хорошей точности. Прецизионные термостимуляторы NTC могут достигать точности ± 0,1 ° C в ограниченных температурных диапазонах, хотя точность ухудшается при экстремальных температурах. Нелинейное соотношение сопротивления и температуры требует таблиц поиска или полиномиальных приближений для расчета температуры, добавляя вычислительные накладные расходы.

Детекторы температуры сопротивления (RTD) обеспечивают превосходную точность и линейность по сравнению с терморезисторами, а платиновые RTD (Pt100, Pt1000) обеспечивают отличную долгосрочную стабильность и точность лучше, чем ±0,1 ° C в широких температурных диапазонах. Однако их более высокая стоимость и больший размер ограничивают их использование приложениями, где важна самая высокая точность.

Интегрированные цифровые датчики температуры объединяют элемент измерения температуры с ADC и цифровым интерфейсом на одном чипе, упрощая конструкцию BMS и устраняя ошибки, связанные с маршрутизацией аналогового сигнала. Эти устройства обычно взаимодействуют через интерфейсы I2C или SPI и могут включать программируемые пороги оповещения, которые могут вызывать прерывания при превышении температурных ограничений.

Волоконно-оптический датчик температуры представляет собой передовой подход, который предлагает уникальные преимущества для мониторинга батареи. Контролируемые данные о температуре, напряжении и давлении могут использоваться для предупреждения о безопасности для предотвращения аварий, таких как взрывы перегрева, растрескивание электродов и выпуклости аккумуляторов, а также события выброса газа. Эти датчики могут контролировать несколько параметров одновременно и невосприимчивы к электромагнитным помехам, хотя их более высокая стоимость в настоящее время ограничивает широкое распространение.

Микроконтроллер и платформы обработки

Современные системы BMS обычно используют MCU STM32 ST-Microelectronics для своей вычислительной стабильности, маломощной производительности и всеобъемлющих периферийных устройств подключения, а MCU выполняет алгоритмы защиты, коррекции измерений, балансировки и вывода данных.Микроконтроллер служит вычислительным сердцем BMS, выполняя алгоритмы оценки состояния, управляя интерфейсами связи и координируя функции защиты и балансировки.

Требования к обработке резко возросли по мере того, как алгоритмы BMS стали более сложными. Современные реализации могут выполнять фильтры Калмана, нейронные сети или другие вычислительно интенсивные алгоритмы в режиме реального времени, сохраняя при этом быструю реакцию на условия неисправности. Это требует микроконтроллеров с достаточной вычислительной мощностью, памятью и периферийными возможностями для решения этих разнообразных задач.

Некоторые передовые архитектуры BMS используют распределенную обработку, с локальными микроконтроллерами, управляющими мониторингом и балансировкой уровня ячейки, в то время как центральный контроллер выполняет оценку состояния и координацию на уровне пакета. Модульные и распределенные макеты BMS с локальными блоками мониторинга ячеек, подключенными через надежные коммуникационные шины, упрощают упряжки, улучшают изоляцию от ошибок и поддерживают повторное использование платформы в разных размерах пакетов. Этот подход предлагает преимущества масштабируемости и отказоустойчивости, хотя он увеличивает сложность связи.

Системы балансировки клеток

BMS использует либо пассивные, либо активные методы балансировки для перераспределения избыточного заряда от более заряженных ячеек к ячейкам с более низкими зарядами.Пассивная балансировка рассеивает избыточную энергию от высокозарядных ячеек в виде тепла через резисторы, в то время как активная балансировка передает энергию между ячейками с использованием конденсаторов, индукторов или преобразователей постоянного тока.

Пассивная балансировка проще и экономичнее, но расходует энергию и генерирует тепло, которым необходимо управлять. Она наиболее эффективна во время зарядки, когда балансировка может происходить без воздействия на доступную емкость. Активная балансировка более энергоэффективна и может работать как при зарядке, так и при разрядке, но добавляет значительную сложность и стоимость конструкции BMS.

Балансировка гарантирует, что более слабые ячейки не ограничивают общую производительность упаковки, а механизм предотвращает ранние отключения и позволяет использовать всю емкость упаковки путем выравнивания напряжения. Однако эффективность балансировки критически зависит от точного измерения напряжения ячейки. Если BMS не может точно определить, какие ячейки требуют балансировки, система балансировки может быть неэффективной или даже контрпродуктивной.

Интерфейсы и протоколы связи

Современные конструкции BMS включают в себя несколько интерфейсов связи, позволяющих интегрироваться с системами транспортных средств, инфраструктурой зарядки и диагностическими инструментами. Интерфейсы связи позволяют осуществлять мониторинг в режиме реального времени, экспорт данных и интеграцию системы. Общие протоколы включают CAN (Controller Area Network) для автомобильных приложений, Modbus для промышленных систем и различные проприетарные протоколы для конкретных приложений.

Возможности беспроводной связи становятся все более распространенными, позволяя осуществлять удаленный мониторинг и диагностику без физического подключения. Bluetooth Low Energy (BLE) обеспечивает подключение на короткие расстояния для приложений для смартфонов и диагностических инструментов, в то время как подключение сотовой связи или Wi-Fi позволяет использовать облачные приложения для мониторинга и управления парком. Однако беспроводные интерфейсы должны быть тщательно разработаны, чтобы избежать появления уязвимостей безопасности или электромагнитных помех.

Переход на высоковольтные платформы поддерживает быструю зарядку и внедрение беспроводной связи для снижения веса автомобиля и сложности производства. Эта тенденция к беспроводным архитектурам обещает упростить сборку аккумуляторных батарей и уменьшить вес проводки, хотя она создает новые проблемы для обеспечения надежной связи в электрически шумных средах.

Архитектура BMS для повышения точности

Централизованная и распределенная архитектура

Централизованные архитектуры BMS концентрируют все функции мониторинга и управления в одном контроллере, который соединяется со всеми ячейками в пакете. Этот подход упрощает разработку программного обеспечения и позволяет использовать сложные алгоритмы уровня пакетов, но требует обширной проводки, которая может вводить шум и проблемы надежности в больших пакетах. Централизованный контроллер представляет собой единую точку отказа, хотя избыточность может быть включена для снижения этого риска.

По мере роста емкости пакетов и увеличения количества ячеек централизованные архитектуры BMS сталкиваются с ограничениями в сложности проводки, упаковке и масштабируемости. Эти ограничения привели к увеличению внедрения распределенных и модульных архитектур, которые контролируют и контролируют функции разделов на нескольких локальных контроллерах.

Распределенные архитектуры BMS используют локальные блоки мониторинга для групп ячеек, причем эти блоки взаимодействуют с центральным контроллером через цифровую шину. Такой подход снижает сложность проводки, улучшает масштабируемость и может повысить отказоустойчивость путем изоляции отказов отдельных модулей. Однако он увеличивает накладные расходы на связь и требует надежных протоколов для обеспечения надежного обмена данными между модулями.

Модульные архитектуры представляют собой промежуточную область со стандартизированными модулями мониторинга, которые могут быть объединены для размещения различных размеров и конфигураций пакетов. Эта архитектурная эволюция согласуется с новыми концепциями «ячейка-пакет» и «ячейка-шасси», которые требуют гибкого измерения и контроля с высоким количеством каналов. Модульность позволяет повторно использовать платформу по линиям продуктов и упрощает обслуживание, позволяя заменять отдельные модули, а не целые сборки BMS.

Увольнение и толерантность к ошибкам

Критические для безопасности приложения требуют конструкций BMS, которые могут обнаруживать и реагировать на сбои датчиков, ошибки связи и неисправности компонентов без ущерба для безопасности или потери критической функциональности. Избыточное зондирование обеспечивает один подход, с несколькими датчиками, контролирующими критические параметры, чтобы обеспечить перекрестную проверку и обнаружение неисправностей. Когда показания датчиков не согласуются с ожидаемыми допусками, BMS может идентифицировать неисправный датчик и либо переключиться на резервное копирование, либо войти в безопасный режим работы.

Обнаружение неисправностей на основе модели предлагает альтернативный или дополнительный подход. Три наблюдателя скольжения с использованием термодинамических моделей и эквивалентных моделей схем обнаруживают, изолируют и оценивают неисправности датчиков напряжения, тока и температуры в литий-ионных батареях на основе ошибки эквивалентного вывода наблюдателя скольжения. Сравнивая измеренные значения с прогнозами модели, BMS может идентифицировать датчики, которые вышли из строя или вышли из калибровки.

Увольнение связи гарантирует, что критические данные могут быть обменены, даже если первичные пути связи не работают. Двухканальные шины, резервные беспроводные линии связи или альтернативные протоколы связи обеспечивают опции резервного копирования, когда первичные интерфейсы испытывают сбои. Задача заключается в реализации избыточности без чрезмерных затрат и сложности, гарантируя, что избыточные системы действительно независимы и не подвержены сбоям в обычном режиме.

Масштабируемость и гибкость

Конструкции BMS должны соответствовать различным размерам пакетов, химиям ячеек и требованиям приложений. Масштабируемые архитектуры позволяют одной платформе BMS обслуживать несколько продуктов с различным количеством ячеек или конфигурациями, снижая затраты на разработку и упрощая управление цепочками поставок. Это обычно требует модульных аппаратных конструкций и гибкого программного обеспечения, которое может быть настроено для различных приложений.

Программно-определяемые архитектуры BMS позволяют осуществлять реконфигурацию на орбите для миссий следующего поколения, устраняя ограничения аппаратных ограничений и позволяя адаптироваться к изменяющимся требованиям к мощности в течение срока службы миссии.В то время как этот пример взят из аэрокосмических приложений, концепция программно-определяемой BMS применяется в равной степени к наземным приложениям, где требования могут развиваться в течение жизненного цикла продукта или где одна аппаратная платформа должна обслуживать различные приложения.

Гибкость распространяется на поддержку различных клеточных химий с их уникальными характеристиками и требованиями. BMS, предназначенная для литиевых железофосфатных клеток, может требовать различных порогов напряжения, стратегий балансировки и алгоритмов оценки состояния, чем та, которая предназначена для никелевых марганцевых кобальтовых клеток. Настраиваемые параметры и выбор алгоритма позволяют одной конструкции BMS вместить несколько химий, хотя эта гибкость должна быть сбалансирована со сложностью, которую она вводит.

Методы оценки состояния для повышения точности

Кулонский счет и его ограничения

Подсчет кулонов, также известный как интеграция тока, представляет собой наиболее простой подход к оценке SOC. Измеряя поток тока и интегрируя с течением времени, BMS отслеживает заряд, входящий и выходящий из батареи. Фактический SOC был рассчитан с использованием метода подсчета кулонов. Этот метод обеспечивает отличную краткосрочную точность и мгновенно реагирует на изменения тока, что делает его идеальным для отслеживания SOC во время активного заряда или разряда.

Однако подсчет кулонов страдает от нескольких фундаментальных ограничений. Ошибки измерения в датчике тока накапливаются с течением времени, в результате чего оценки SOC дрейфуют. Даже небольшая ошибка смещения 0,1% в текущем измерении может привести к значительным ошибкам SOC в течение часов или дней работы. Кроме того, подсчет кулонов требует знания начальной SOC и емкости батареи, оба из которых могут быть неопределенными или изменяться с течением времени по мере старения батареи.

Саморазряд и побочные реакции, которые потребляют заряд без получения полезной работы, не могут быть непосредственно измерены датчиками тока, вводя дополнительные источники ошибок.Температурное воздействие на кулоновскую эффективность еще больше усложняет точное отслеживание SOC, поскольку связь между измеренным током и фактическим сохраненным зарядом изменяется с температурой и скоростью заряда / разряда.

Методы напряжённости Open Circuit

Напряжение открытой цепи (OCV) обеспечивает альтернативный индикатор SOC, который не подвержен проблемам дрейфа кулоновского счета. После того, как батарея отдохнула достаточное время, чтобы достичь равновесия, ее напряжение открытой цепи коррелирует с SOC в соответствии с характеристической кривой, которая зависит от химии ячейки и температуры. Измеряя OCV и ссылаясь на соответствующую кривую, BMS может определить SOC без накоплений ошибок.

Основным ограничением оценки SOC на основе OCV является период покоя, необходимый для точного измерения. При активной работе напряжение терминала отличается от OCV из-за внутреннего сопротивления и поляризации эффектов. Оценка OCV от измерений напряжения терминала требует моделей батарей, которые учитывают эти динамические эффекты, вводя неопределенность модели и вычислительную сложность.

Для некоторых химий, особенно литий-фосфат железа, соотношение OCV-SOC чрезвычайно плоское в большей части диапазона полезной емкости, что делает оценку SOC на основе OCV непрактичной. Методы с открытым напряжением достигают ± 8% точности в условиях теплового цикла. Эта относительно низкая точность по сравнению с другими методами ограничивает полезность OCV в качестве автономной техники оценки, хотя она остается ценной для периодической перекалибровки подсчета кулонов.

Подходы, основанные на фильтре Калмана

Фильтрация Калмана сочетает в себе сильные стороны подсчета кулонов и оценки на основе моделей, компенсируя их индивидуальные слабости. Фильтр Калмана использует модель батареи для прогнозирования эволюции состояния на основе измеренного тока, а затем корректирует эти прогнозы с помощью измерений напряжения. Это слияние информации о токе и напряжении обеспечивает более точные и надежные оценки SOC, чем одно только измерение.

Методы оценки состояния заряда на основе фильтра Калмана достигают ± 3% точности в диапазоне − 40 до + 85 °C, требуя при этом только 2-5% типичных ресурсов обработки наноспутников. Такое сочетание точности и вычислительной эффективности делает фильтрацию Калмана привлекательной для встраиваемых систем с ограниченными ресурсами.

Расширенные фильтры Kalman (EKF) и фильтры Unscented Kalman (UKF) расширяют базовую концепцию фильтра Kalman для обработки нелинейной динамики батареи. EKF линеаризует модель батареи вокруг текущей рабочей точки, в то время как UKF использует детерминированный подход выборки, который может обрабатывать более сильные нелинейности. Оба подхода успешно применяются для оценки состояния батареи, причем UKF обычно обеспечивает лучшую точность за счет повышенной вычислительной сложности.

Эффективность оценки на основе фильтра Калмана критически зависит от точности базовой модели батареи и правильной настройки параметров фильтра. Погрешности модели или неправильные значения параметров могут ухудшить точность оценки или даже вызвать расхождение фильтров. Адаптивные фильтры Калмана, которые корректируют параметры на основе наблюдаемого поведения, предлагают один подход к поддержанию точности при изменении характеристик батареи со старением и условиями эксплуатации.

Машинное обучение и методы на основе ИИ

В последние годы значительное внимание уделяется подходам машинного обучения к оценке состояния батареи, обусловленным достижениями в вычислительной мощности и наличием больших наборов данных батареи. Сравнение методов машинного обучения для прогнозирования SOH подчеркивает, насколько хорошо нейронные сети и функции обучения передачи с реальными наборами данных. Эти методы, основанные на данных, могут захватывать сложные нелинейные отношения между измеренными параметрами и состояниями батареи, не требуя явных математических моделей.

Нейронные сети, включая сети передачи данных, рекуррентные сети (LSTM, GRU) и сверточные сети, продемонстрировали впечатляющую точность в задачах оценки SOC и SOH. Модель оценки SOH, состоящая из сверточной нейронной сети, сети Колмогорова-Арнольда и двунаправленного гейтированного рекуррентного блока, извлекает функции кривой мощности и несоответствия температуры из батарейных элементов во время зарядки постоянного тока и постоянного напряжения. Эти сложные архитектуры могут изучать временные зависимости и пространственные закономерности в данных о батареях, которые могут пропустить более простые модели.

Поддерживающие векторные машины, случайные леса и другие алгоритмы ML предлагают альтернативные подходы с различными вычислительными и информационными требованиями. Выбор алгоритма зависит от факторов, включая имеющиеся данные обучения, вычислительные ресурсы, требуемую точность и необходимость интерпретируемости. Методы сборки, объединяющие несколько алгоритмов, могут обеспечить повышенную надежность и точность по сравнению с одноалгоритмическими подходами.

Ключевой проблемой для оценки на основе ML является необходимость в репрезентативных данных обучения, охватывающих весь спектр условий эксплуатации, состояний старения и вариаций ячеек. Методы обучения переносу, которые адаптируют модели, обученные на одном типе батареи, на другой, могут снизить требования к данным, но проверка остается необходимой для обеспечения точности в пространстве целевого приложения. Кроме того, модели ML могут не иметь физической интерпретируемости подходов на основе моделей, что затрудняет понимание или прогнозирование их поведения в необычных условиях работы.

Гибридные и мультимодельные подходы

Признавая, что ни один метод оценки не превосходит все условия эксплуатации, многие продвинутые реализации BMS используют гибридные подходы, которые объединяют несколько методов. Например, подсчет кулонов может обеспечить высокочастотные обновления SOC во время активной работы, в то время как периодические измерения OCV или корректировки фильтра Калмана предотвращают долгосрочный дрейф. Модели машинного обучения могут дополнять основанные на физике подходы, изучая корректирующие факторы для ошибок модели или адаптируясь к индивидуальным характеристикам батареи.

В этой статье академическое моделирование интегрируется с промышленным бенчмаркингом и подчеркивается сближение методов, основанных на гибридной физике и данных, многофизического моделирования и интеллектуальной архитектуры. Эта конвергенция представляет собой современное состояние в оценке состояния батареи, используя дополнительные преимущества различных подходов для достижения точности и надежности, которые превышают то, что может обеспечить любой один метод.

Многомодельные подходы могут использовать различные алгоритмы оценки для различных режимов работы, переключаясь между ними на основе текущих условий. Например, простой кулоновский подход к подсчету может быть достаточным во время работы в устойчивом состоянии, в то время как более сложная фильтрация Калмана активируется во время переходных процессов или когда неопределенность измерения увеличивается. Эта адаптивная стратегия оптимизирует компромисс между точностью и вычислительными затратами.

Мониторинг безопасности и обнаружение неисправностей

Тепловое бегство обнаружение и профилактика

Тепловой сбежавший представляет собой самую серьезную опасность безопасности в литий-ионных батареях, способную привести к пожарам, взрывам и выбросу токсичного газа. Газовые датчики имеют больше возможностей раннего предупреждения, чем датчики, основанные на внутреннем мониторинге сигнатур, но оба не имеют возможности прогнозирования. Эффективная термическая профилактика сбежавшего требует многослойных стратегий обнаружения, которые могут идентифицировать условия предшественника до запуска сбежавшего.

Мониторинг температуры обеспечивает наиболее прямое указание на тепловой разряд, но к значительному повышению температуры времени процесс разрядки может быть уже необратимым. Обычный метод опирается на температурные параметры и только качественно оценивает состояние безопасности, что сокращает время предупреждения системы управления аккумулятором. Расширенные подходы контролируют множество параметров, включая напряжение, импеданс и выбросы газа, чтобы обеспечить более раннее обнаружение.

Применение электрохимической импедансной спектроскопии позволяет проводить анализ внутренних ячеек в режиме реального времени, что позволяет на ранних этапах обнаруживать литиевые покрытия и предотвращать обнаружение внутренних коротких замыканий до их эскалации. Этот сложный диагностический метод может идентифицировать развивающиеся неисправности, которые были бы невидимы для обычного мониторинга напряжения и температуры, хотя внедрение EIS в производственные конструкции BMS представляет значительные технические проблемы.

Многопараметрические системы предупреждения, сочетающие тепловые, электрические и химические сигнатуры, предлагают наиболее комплексный подход к обнаружению теплового бегства. Путем мониторинга корреляции между различными параметрами и сравнения с ожидаемыми моделями эти системы могут выявлять аномалии, которые могут быть упущены порогами одного параметра. Алгоритмы машинного обучения могут изучать нормальные рабочие модели и отклонения флага, которые могут указывать на развитие неисправностей.

Обнаружение и изоляция дефектов датчика

Сбои датчика могут быть столь же опасными, как и неисправности батареи, поскольку они ослепляют BMS для развития проблем или вызывают ложные тревоги, которые подрывают доверие пользователей. Надежные конструкции BMS включают возможности обнаружения неисправностей датчика и изоляции, которые могут идентифицировать неисправные датчики и либо переключиться на избыточные датчики, либо войти в безопасный режим работы с ухудшенной функциональностью.

Метод обнаружения неисправностей на основе модели для датчиков тока и напряжения сравнивает остаточный SOC каждой ячейки в аккумуляторной батарее с заданным порогом для определения и изоляции неисправного датчика тока или напряжения. Этот подход использует избыточность, присущую множественным связанным измерениям для перекрестной проверки достоверности датчика.

Проверка правдоподобности обеспечивает еще один уровень проверки датчиков. Сравнивая показания датчиков с физическими ограничениями и ожидаемыми диапазонами, BMS может идентифицировать явно ошибочные измерения. Например, показания напряжения ячейки выше максимально возможного напряжения или показания температуры за пределами заданного диапазона датчика четко указывают на неисправность датчика. Более тонкие неисправности требуют статистического анализа или обнаружения на основе модели для идентификации.

Проверка временной согласованности отслеживает скорость изменения показаний датчиков, помечая внезапные скачки или изменения, которые превышают физические пределы. Напряжение ячейки не может изменяться мгновенно, поэтому измерение, которое показывает большой шаг напряжения между последовательными образцами, вероятно, указывает на неисправность датчика или ошибку связи, а не фактическое поведение батареи.

Обнаружение аномалий в аккумуляторных батареях

Аномалии в отдельных литий-ионных батареях могут привести к выходу из строя всей батареи, тем самым затрагивается работа электромобилей и даже в тяжелых случаях происходят аварии на безопасность, а своевременное и точное обнаружение аномальных мономеров может предотвратить несчастные случаи на безопасность и уменьшить потери имущества. Алгоритмы обнаружения аномалий идентифицируют клетки, которые ведут себя иначе, чем их сверстники, потенциально указывая на производственные дефекты, ускоренное старение или развивающиеся неисправности.

Статистические подходы сравнивают параметры каждой ячейки со средним значением для упаковки или с соседними ячейками в упаковке. Клетки, которые последовательно показывают более высокие температуры, более низкие напряжения или другие аномальные характеристики, могут потребовать более тщательного мониторинга или профилактической замены. Задача заключается в различении подлинных аномалий от нормального изменения ячейки к ячейке из-за производственных допусков и зависимых от положения эффектов, таких как тепловые градиенты.

По сравнению с исходными данными о напряжении аккумуляторных элементов компонент тренда, разложенный алгоритмом STL, может лучше отражать тренд и характеристики изменения напряжения аккумуляторных элементов, и рассчитывается расстояние Манхэттена от компонента тренда. Этот подход к обработке сигналов отфильтровывает нормальные изменения, чтобы выделить подлинные аномалии, которые могут указывать на развивающиеся неисправности.

Обнаружение аномалий на основе машинного обучения может изучать нормальные рабочие модели из исторических данных и отклонений флага, которые могут указывать на неисправности. Эти алгоритмы могут захватывать сложные многомерные отношения между параметрами, которые было бы трудно кодировать в системах обнаружения на основе правил. Однако они требуют значительных данных обучения и тщательной проверки, чтобы избежать ложных тревог, сохраняя при этом чувствительность к подлинным неисправностям.

Отраслевые стандарты и лучшие практики

Международные стандарты безопасности

Стандарты безопасности аккумуляторов обеспечивают необходимые рамки для обеспечения соответствия конструкций BMS минимальным требованиям безопасности и производительности. Различные международные организации по безопасности регулируют безопасность аккумуляторов, а правительства разных стран разработали стандарты безопасности в соответствии с национальными требованиями и условиями, включая стандарт Международной организации по стандартизации ISO 16750-2. Эти стандарты определяют процедуры испытаний, критерии производительности и требования к документации, которым должны удовлетворять конструкции BMS.

Международная электротехническая комиссия установила стандарты проектирования и эксплуатации BMS, подчеркнув необходимость комплексных оценок безопасности на этапе разработки, и такие стандарты направляют производителей в создании систем, которые не только повышают производительность, но и отдают приоритет безопасности пользователей.Соответствие этим стандартам обеспечивает уверенность в том, что конструкции BMS были проверены на основе признанных критериев безопасности.

Стандарты продолжают развиваться по мере развития технологий аккумуляторов и выявления новых режимов отказа. Стандарты безопасности аккумуляторов постоянно обновляются и оптимизируются, поскольку текущие испытания не могут полностью гарантировать их безопасность в практическом применении, поскольку в электромобилях почти каждую неделю по всему миру происходят пожары. Эта продолжающаяся эволюция требует от дизайнеров BMS оставаться в курсе стандартных обновлений и включать новые требования в свои проекты.

Процедуры тестирования и проверки

Комплексное тестирование подтверждает, что конструкции BMS отвечают требованиям точности, безопасности и надежности во всем диапазоне условий эксплуатации. Всесторонний обзор испытаний на электрическое, механическое и тепловое злоупотребление включает в себя основные испытания на злоупотребление, такие как перегрузка, принудительный разряд, тепловое отопление и вибрация с подробными протоколами. Эти испытания подвергают батареи и BMS экстремальным условиям, которые могут возникнуть во время производства, транспортировки, эксплуатации или аварий.

Для проверки точности требуется сравнение с эталонными приборами по всей рабочей оболочке. Измерения напряжения ячейки должны проверяться на прецизионных вольтметрах, измерения тока на калиброванных шунтах или источниках тока и измерения температуры на эталонных термометрах. Испытания должны охватывать весь диапазон напряжений, токов, температур и уровней состояния заряда, с которыми столкнется BMS в эксплуатации.

Экологические испытания подтверждают эффективность БМС при экстремальных температурах, влажности, вибрации и ударах. Автомобильные приложения требуют особенно строгих экологических испытаний для обеспечения надежной работы на протяжении всего срока службы транспортного средства. Ускоренные испытания на старение подвергают компоненты БМС повышенным температурам и уровням стресса для прогнозирования долгосрочной надежности и выявления потенциальных режимов отказа.

Валидация функциональной безопасности для критически важных приложений соответствует таким стандартам, как ISO 26262 для автомобильных систем. Этот процесс включает в себя анализ режима отказа и эффектов (FMEA), тестирование на впрыск неисправностей для проверки обнаружения и реагирования на неисправности и проверку механизмов безопасности, таких как избыточность и отказоустойчивое поведение. Документация процесса валидации безопасности обеспечивает доказательства того, что BMS соответствует требованиям функциональной безопасности.

Протоколы калибровки и технического обслуживания

Установление систематических процедур калибровки и технического обслуживания обеспечивает поддержание точности БМС в течение всего срока службы батареи. Первоначальная калибровка на заводе должна быть документирована сертификатами калибровки, которые регистрируют измеренную точность и любые сделанные корректировки. Эта базовая документация позволяет отслеживать дрейф датчиков с течением времени и информирует о графике технического обслуживания.

Процедуры калибровки полей должны уравновешивать требования к точности с практическими ограничениями затрат и простоев. Для приложений, где высокая точность имеет решающее значение, может потребоваться периодическая перекалибровка с использованием эталонных приборов. Менее критические приложения могут полагаться на методы самокалибровки, которые используют известные состояния батареи во время нормальной работы.

Протоколы технического обслуживания должны включать проверку функциональности BMS, проверку соединений и проводки на предмет повреждения или коррозии, а также тестирование функций безопасности, таких как защита от перенапряжения и перетемпературы. Обновления программного обеспечения могут быть необходимы для устранения ошибок, улучшения алгоритмов или добавления новых функций. Процедуры контроля версий и управления изменениями обеспечивают правильную проверку обновлений программного обеспечения перед развертыванием.

Документация деятельности по калибровке и техническому обслуживанию обеспечивает прослеживаемость и позволяет анализировать тенденции для выявления систематических проблем или прогнозирования будущих потребностей в техническом обслуживании. Для приложений флота агрегирование данных о техническом обслуживании в нескольких системах может выявить общие режимы отказа или компоненты, которые требуют улучшений конструкции.

Новые тенденции и будущие направления

Облачные и IoT-Enabled BMS

Будущие исследовательские задачи описываются с акцентом на сенсорные технологии следующего поколения, облачные BMS и гибридные алгоритмы. Облачная связь позволяет осуществлять удаленный мониторинг, обновления по воздуху и аналитику на уровне парка, которая может выявлять тенденции и оптимизировать производительность в больших популяциях батарей. Эта связь превращает BMS из автономного контроллера в узел в более широкой экосистеме управления энергией.

Облачная аналитика может агрегировать данные из тысяч систем батарей для выявления шаблонов, которые были бы невидимы в отдельных системах. Модели машинного обучения, обученные на этом массивном наборе данных, могут достичь точности и предсказательной способности, намного превышающей то, что возможно с данными из одной батареи. Прозрения, полученные из анализа парка, могут быть перенесены в отдельные системы через обновления программного обеспечения, создавая непрерывный цикл улучшения.

Однако облачное подключение создает новые проблемы, включая безопасность данных, конфиденциальность и необходимость в надежной коммуникационной инфраструктуре. BMS-проекты должны обеспечить, чтобы основные функции безопасности оставались работоспособными даже тогда, когда облачное подключение недоступно, при использовании облачных возможностей, когда они доступны для повышения производительности и обеспечения расширенных функций.

Передовые диагностические технологии

Рынок продвигается за счет интеграции сложных диагностических технологий и интеллектуального программного обеспечения, а внедрение электрохимической импедансной спектроскопии позволяет проводить анализ внутренних ячеек в режиме реального времени. EIS и другие передовые диагностические методы обеспечивают понимание внутреннего состояния батареи, которое невозможно получить только из обычных измерений напряжения, тока и температуры.

Мониторинг акустических выбросов может обнаруживать механические изменения в клетках, такие как растрескивание электродов или образование газа, которые предшествуют тепловому бегству. Ультразвуковая визуализация позволяет неинвазивному осмотру внутренней структуры клеток для выявления отеков, расслоения или других механических дефектов. Эти новые диагностические методы обещают обеспечить более раннее обнаружение неисправностей и более точную оценку состояния здоровья.

Задача заключается в реализации этих передовых методов диагностики в производственных конструкциях BMS с приемлемой стоимостью и сложностью. Многие методы, которые хорошо работают в лабораторных условиях, требуют дорогостоящего приборостроения или сложной обработки сигналов, которые могут быть непрактичными для встроенных систем. Исследования продолжают разрабатывать упрощенные реализации, которые улавливают существенные преимущества при выполнении ограничений производственных приложений.

Цифровой двойник и симуляционные подходы

Технология цифровых двойников создает виртуальные копии физических аккумуляторных систем, которые развиваются параллельно с их реальными аналогами. Постоянно обновляя цифровой двойник с измеренными данными и используя его для моделирования поведения батареи, BMS может прогнозировать будущие состояния, оптимизировать стратегии управления и выявлять возникающие неисправности, прежде чем они проявятся в виде измеримых аномалий.

Этот анализ подчеркивает сближение методов, основанных на гибридной физике и данных, мультифизического моделирования и интеллектуальной архитектуры. Цифровые близнецы используют как основанные на физике модели, которые фиксируют фундаментальное поведение батареи, так и модели, основанные на данных, которые учатся из истории эксплуатации. Эта комбинация позволяет точно прогнозировать широкий спектр условий работы при адаптации к индивидуальным характеристикам батареи.

Оптимизация на основе моделирования может исследовать стратегии управления и условия работы, которые были бы непрактичными или опасными для тестирования на физических батареях. Запустив тысячи симуляций, BMS может определить оптимальные профили зарядки, стратегии управления температурой и алгоритмы балансировки, адаптированные к конкретным приложениям и условиям эксплуатации. Эти оптимизированные стратегии могут быть проверены на физических системах до развертывания.

Следующий поколение аккумуляторных химиков

По мере того, как технология батарей выходит за рамки обычных литий-ионных химий, конструкции BMS должны адаптироваться к новым характеристикам и требованиям. Твердотельные батареи обещают улучшенную безопасность и плотность энергии, но представляют новые проблемы для оценки состояния и мониторинга. Переход на твердотельные конструкции может решить многие проблемы, предлагая улучшенную безопасность и энергетические характеристики. Однако твердотельные батареи могут потребовать различных подходов и алгоритмов восприятия по сравнению с жидкими электролитными системами.

Литий-сера, натрий-ион и другие новые химические вещества представляют уникальные проблемы BMS. Профили напряжения, чувствительность к температуре и механизмы старения отличаются от обычных литий-ионных клеток, требуя алгоритмов и калибровки, специфичных для химии. Платформы BMS должны стать более гибкими и адаптируемыми для удовлетворения этого разнообразия технологий батарей.

Многохимия BMS-проектов, которые могут управлять различными типами ячеек в рамках одной платформы, будет становиться все более важной по мере диверсификации ландшафта батареи. Это требует слоев абстракции, которые отделяют специфические для химии алгоритмы от основных функций BMS, а также механизмов конфигурации, которые адаптируют BMS к конкретной используемой химии.

Рост рынка и принятие промышленности

Системы управления литий-ионными батареями для рынка транспортных средств оцениваются в 6,91 млрд долларов США при CAGR в 23,5% с 2025 по 2030 год. Этот быстрый рост рынка отражает ускоренное внедрение электромобилей и систем хранения энергии, стимулируя спрос на все более сложные технологии BMS. Рынок систем управления аккумуляторами электромобилей оценивается в 8 млрд долларов США в 2025 году и, по прогнозам, вырастет на 21,4% до 45,82 млрд долларов США к 2034 году.

В январе 2025 года Daimler Truck сообщила о 17-процентном увеличении продаж электромобилей на аккумуляторах за 2024 год, подчеркнув необходимость в передовых блоках BMS для коммерческих упаковок с высоким уровнем использования. Приложения для коммерческих автомобилей предъявляют особенно высокие требования к точности и надежности BMS, поскольку простои и сбои имеют значительные экономические последствия. Это приводит к продолжению инноваций в технологии BMS для удовлетворения потребностей этих требовательных приложений.

Сближение электромобильности, интеграции возобновляемых источников энергии и модернизации сетей создает расширяющиеся возможности для передовых технологий BMS. По мере того, как батареи становятся центральными для перехода на энергию, важность точного, надежного управления батареями будет только возрастать, стимулируя продолжение исследований и разработок в этой критической области.

Практические соображения по осуществлению

Компромиссы по затратам и производительности

Конструкция BMS предполагает непрерывные компромиссы между точностью, функциональностью, стоимостью и сложностью. Высокоточные датчики и сложные алгоритмы повышают точность, но увеличивают стоимость и могут потребовать более мощных (и дорогих) микроконтроллеров. Оптимальный баланс зависит от требований приложения и последствий ошибок измерения.

Для бытовой электроники, где батареи относительно малы и недороги, стоимость BMS должна быть сведена к минимуму, даже если это означает принятие более низкой точности. И наоборот, приложения для хранения электромобилей и сетки оправдывают более высокие затраты BMS для максимального использования батареи и обеспечения безопасности. Понимание требований к затратам и производительности приложения направляет соответствующий выбор технологии и проектные решения.

Модульные и масштабируемые конструкции могут помочь управлять стоимостью, позволяя одной платформе обслуживать несколько сегментов рынка с различными наборами функций. Базовая функциональность может использовать более дешевые компоненты и более простые алгоритмы, в то время как премиум-варианты включают в себя расширенные датчики и сложную оценку состояния для приложений, которые требуют более высокой точности.

Дизайн для производства и исправности

Конструкции BMS должны учитывать производственные процессы и ограничения, чтобы гарантировать высокую точность в производстве. Автоматизированные процедуры калибровки, которые могут быть выполнены во время производства, снижают стоимость и улучшают согласованность по сравнению с ручной калибровкой. Встроенные функции тестирования, которые позволяют проверять функциональность BMS во время испытаний, помогают выявить дефекты до развертывания систем.

В число соображений, касающихся обеспечения исправности, входят доступность компонентов, которые могут потребовать замены, диагностические функции, позволяющие устранять неполадки, и документация, поддерживающая полевое обслуживание. Модульные конструкции, позволяющие заменять неисправные модули без замены всей СУБД, снижают затраты на обслуживание и время простоя. Однако модульность должна быть сбалансирована с затратами и сложностью, которую она вводит.

Механизмы обновления программного обеспечения позволяют исправлять ошибки, улучшать алгоритмы и добавлять функции после развертывания. Возможность обновления в воздухе все чаще ожидается в автомобильных и IoT-приложениях, но должна быть реализована с соответствующими мерами безопасности для предотвращения несанкционированных изменений. Механизмы возврата гарантируют, что неудавшиеся обновления не блокируют BMS или не ставят под угрозу безопасность.

Соблюдение нормативных требований и сертификация

Конструкции BMS должны соответствовать применимым правилам и получать необходимые сертификаты, прежде чем они могут быть проданы на большинстве рынков. Автомобильные приложения требуют соблюдения стандартов безопасности автомобилей и могут потребовать сертификации функциональной безопасности по ISO 26262. Потребительские продукты должны соответствовать стандартам безопасности, таким как требования UL или IEC. Понимание нормативных требований на ранних этапах процесса проектирования позволяет избежать дорогостоящих перепроектировок позже.

Сертификационное тестирование подтверждает соответствие нормативным требованиям и может выявить проблемы, которые не были очевидны во время тестирования разработки. Работа с аккредитованными испытательными лабораториями и включение их обратной связи в процесс проектирования помогает обеспечить успешную сертификацию. Документация проектных решений, результатов испытаний и анализов безопасности поддерживает процесс сертификации и предоставляет доказательства должной осмотрительности.

Международные рынки могут иметь различные нормативные требования, что требует вариантов дизайна или вариантов конфигурации для удовлетворения местных стандартов. Проектирование для самых строгих требований, а затем настройка для конкретных рынков может уменьшить распространение вариантов дизайна, хотя этот подход может привести к чрезмерному проектированию для некоторых рынков.

Заключение и ключевые выводы

Повышение точности BMS в литий-ионных аккумуляторных батареях требует комплексного подхода, который касается сенсорной технологии, обработки сигналов, алгоритмов оценки состояния и архитектуры системы.Ни одно решение не обеспечивает идеальную точность во всех условиях эксплуатации; вместо этого эффективные конструкции BMS объединяют несколько дополнительных методов для достижения надежной производительности.

Высококачественные датчики обеспечивают основу для точных измерений, но выбор датчиков должен дополняться надлежащими процедурами кондиционирования сигналов, фильтрации и калибровки. Расширенные алгоритмы, включая фильтрацию Калмана и машинное обучение, могут извлекать максимальную информацию из данных датчиков, компенсируя ограничения датчиков и неопределенности моделей. Гибридные подходы, которые сочетают основанные на физике модели с методами, основанными на данных, представляют текущее состояние техники и обещают дальнейшие улучшения по мере созревания этих технологий.

Соображения безопасности должны оставаться первостепенными во всей конструкции BMS, поскольку ошибки измерения могут иметь серьезные последствия, начиная от снижения производительности до катастрофических сбоев. Многоуровневые стратегии защиты, избыточное зондирование и сложные алгоритмы обнаружения неисправностей обеспечивают глубокую защиту от как неисправностей батареи, так и сбоев BMS.

Быстрая эволюция технологии аккумуляторов и расширение приложений для хранения энергии гарантируют, что разработка BMS останется активной областью исследований и инноваций. Новые технологии, включая облачную связь, передовую диагностику и цифровые двойники, обещают обеспечить новые уровни точности и функциональности. По мере того, как рынок аккумуляторных систем продолжает свой взрывной рост, важность точного, надежного управления батареями будет только возрастать.

Для инженеров и исследователей, работающих над продвижением технологии BMS, успех требует балансировки нескольких конкурирующих целей, включая точность, стоимость, надежность и функциональность.Понимание фундаментальных проблем, доступных технологий и возникающих тенденций обеспечивает основу для принятия обоснованных проектных решений, отвечающих требованиям приложений, одновременно расширяя границы того, что возможно в управлении батареями.

Для получения дополнительной информации о системах управления батареями и литий-ионной технологии посетите Университет аккумуляторов , изучите последние исследования в Nature Scientific Reports , просмотрите отраслевые стандарты Международной электротехнической комиссии , узнайте о приложениях для электромобилей в Департаменте энергетики США и получите доступ к техническим ресурсам из MDPI Open Access Journals.