前言：寻找写作灵感？中文期刊网用心挑选的电动汽车电池管理系统设计研究，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：
动力电池是电动汽车能量的主要来源，安全、有效的电动汽车电池管理系统是电动汽车的核心技术之一。本文对电动汽车电池管理设计方案进行研究，主要讨论了系统的主要功能、存在的问题以及电动汽车SOC预测方法。
关键词：
电动汽车；电池管理系统；设计方案
如何减少在交通领域的能源消耗及污染排放，成为促使新能源汽车发展的重要原因。电动汽车电池管理是基于微计算机技术、检测技术和自动控制技术对电池组运行状态的动态监控、精确测量、安全保护并使电池工作在最佳状态。一套完整的电池管理系统能够实现电池的状态监测、信息交互、安全保护，确保电动车运行过程中能量利用的安全、合理与高效。
1电动汽车电池管理系统主要功能
电动汽车电池管理系统作为电池的安全管家，肩负着监测电池状态、维护电池安全、发挥电池效率的重要作用[1]。电动汽车电池管理系统包含以下功能：电池信息采集：由采集板上传感器采集电池组工作电压、充放电电流、环境温度等信息，借助总线传递给主控芯片。剩余电量估算：通过采集到的电池信息，由主控芯片依据某类算法完成对动力电池组剩余电量（SOC）的估算，为驾驶者提供续驶里程参考。电气控制管理：电动汽车在充放电过程中，动力电池有可能会发生过充、过放、电池间电量不均衡等问题，大大影响到电池的使用寿命和工作效率。当上述情况发生时，电池管理的系统应能迅速做出反应，有效执行预定措施，如切断充放电回路等，从而保证电池组的正常使用、安全使用。电池安全保护：安全管理主要负责监控电池在工作过程中是否出现工作异常，一旦发现，系统应能及时做出处理，保证电池组的正常运行，防止爆炸等危险事故的发生。数据通信显示：收集到的电池信息首先被送往主控芯片进行电量估算与均衡控制等处理，再将处理结果通过CAN总线发送给其他设备使用，同时通过串口通信将信息显示在上位机。
2当前电动汽车电池管理系统技术难点
就当前电动汽车电池管理系统来说存在的主要问题有：采集数据精度低。在电池充放电过程中，采集来的电压、电流如果存在较大误差或大范围波动将会直接诱导过充与过放现象的发生，从而威胁电池安全。SOC估算精度不高。电池的剩余电量决定了电动汽车的续驶里程，虽然目前有多种估测SOC的方法，但在精确度和适用性上没有一种能够满足不同行驶条件下的精度要求[2]。均衡控制技术不成熟。由于受到单体电池能量的限制，电动汽车一般采用几十节至上百节电池组合成电池包，这些电池间的性能差异容易导致电池性能不能充分发挥，制约了能量的使用效率[3]。然而，现在的均衡控制方式仍有许多不足之处，如受到元器件的限制，尚不能有效地解决问题。抗干扰能力不强。电动汽车行驶环境复杂多变，除了本身存在的电磁干扰外，环境带来的影响不容忽视，如高温、潮湿的环境下，系统各项功能会大大受到影响，存在数据监测、通讯、控制失效的危险。
3常用的SOC预测方法
传统的SOC预测方法有按时计量法、开路电压法、负载电压法、卡尔曼滤波法等。智能方法有神经网络预测法。安时计量法是已知某一时刻电池的电量，并对电池充放电电荷进行一段时间内的累计，从而得到下一时刻电池荷电状态的一种方法。电荷的累计则是通过计算该时间段内对电流的积分得到的。开路电压法是通过测量电池的直流端电压来估计剩余电量。当电池在长时间静置的条件下，其电动势EMF与电池SOC有固定的对应关系，即电池在工作电流为零的情况下，开路电压等效为电池电动势，故此时可以通过测量电池的开路电压，利用SOC-EMF曲线来间接估算电池的SOC值。负载电压法是基于开路电压法所做的改良，目的就是为了解决开路电压法不能实时估测SOC的问题。卡尔曼滤波法是一种基于模型的最优控制算法，其将电池作为非线性动态系统，把SOC作为其中一个状态，建立电池数学模型，给出电池状态方程和观测方程，对状态做出最小方差意义上的估计。神经网络是一个高度复杂的非线性动力学系统，具有信息分布式存储、自适应和自学习能力、非线性映射功能、泛化功能等特点[4]，针对非线性问题有很强的适应性和可靠性。电动汽车动力电池是一个复杂的非线性系统问题，而神经网络不需要建立数学模型，只要通过分析输入输出数据，就能通过自我训练获得输入与输出间的关系。输入为电池电压、充放电电流、电池温度、老化程度等变量，输出为电池的SOC。
4结束语
本文对电动汽车电池管理系统设计方案进行了详细分析，讨论了管理系统的主要功能及主要技术难点，并对常用的SOC预测方法进行分析。本文研究的内容对电动汽车电池管理系统设计实践和应用具有一定的参考作用。
作者：严其艳 杨立波 谭汉洪 单位：广东科技学院机电工程系
参考文献：
[1]孙豪赛.纯电动汽车电池管理系统关键技术研究与设计[D].天津：天津大学，2015.
[2]黄文华，韩晓东，陈全世，等.电动汽车SOC估计算法与电池管理系统的研究[J].汽车工程，2007，29(3)：198-202.
[3]白俊涛.电动汽车轻量化技术[J].南方农机，2015，46(12)：37+42.
[4]徐永，雷治国.一种动静结合的自学习神经网络锂离子电池监控系统[J].机电技术，2014，37(1)：41-42+49