电池管理系统在微电网的应用

凌春香

（广西大学电气工程学院，广西 南宁530023）

0 引言

随着可再生能源发电和微电网的发展，电池已成为最突出的储能装置，引起了广泛的关注。尽管电池技术发展迅速，电池的功率和能量密度日渐提高，但提高电池管理系统（BMS）的性能同样重要，使电池成为安全、可靠和经济高效的储能方案。深度充放电保护和准确的荷电状态（SOC）和健康状态（SOH）估计，对BMS提出了更高的要求。BMS应包含测量和估计电池状态的功能，同时配置先进的算法控制，以保护电池免受危险并提高电池利用效率。

1 微电网的储能需求

传统能源不可再生性和环境污染，给人类发展带来的巨大挑战，大力发展可再生能源发电是世界各国解决问题的重要手段。我国以风电、光伏发电为主的新能源近年来发展十分迅猛，同时风光发电的间歇性与不确定性，要求电网能够对复杂且多变的运行工况做出有效应对[1]。

分布式电源是新能源发电的常见方式，分布式电源接入微电网并配置储能系统，微电网与大电网并网，同时要求微电网能以孤岛方式独立运行，是充分发挥分布式电源效率并减小其不利影响的有效手段[2]。

为了满足微电网使用环境的要求，人们先后将不同类型的储能技术应用于微电网，根据能量变化属性，储能的主要类型有物理储能、电磁储能和电化学储能[3]。储能系统在微电网中有不同的应用场景，包括微电网能量分配、独立或备用电源、电能质量调节等应用[3-4]。

储能系统在设计和使用时需要考虑成本、功率、使用年限、循环寿命、工作环境等要素，其中发电成本是限制储能系统在微电网发展的重要因素。目前蓄电池是最容易大规律商业利用的方案，因此电池储能系统是微电网应用的最广泛的储能方式。

2 微电网电池管理系统的功能

电池技术的发展非常迅速，为电动汽车和电力系统行业提供了实用的解决方案，但仅在工艺和材料方面的技术进步并不能保证能够解决电池应用的所有问题。电池管理系统（BMS）也是微电网安全、可靠和高效利用电池的关键因素。图1显示BMS与微电网，微电网对分布式资源、负荷和储能之间的进行控制和能量管理。BMS可以控制电池的运行状况，延长电池的寿命，保证电池的安全性。

2.1 电池监控与充放电管理

BMS核心功能是电池的充放电管理，实现安全高效充放电的前提是测量每个单体电池的电流、电压和温度，并能正确估计电池荷电状态（SOC）。

对不同类型的电池、电压和电流测量的精度要求是不同的。目前主流锂电池在电压测量精度方面是很具挑战性的，原因在于锂电池的开路电压（OCV）与SOC曲线之间非常平坦，尤其是SOC的15%和90%之间，这是蓄电池的典型工作范围。可靠的锂电池SOC估计要求电池电压测量精确到5 mV，目前许多商用电池监测集成电路都可以满足精度要求[5]。电流测量也必须以高精度进行，电流测量的典型精度目标约为0.5%~1%[5]。在复杂的SOC算法中，电流与电压通常一起作用于动态电池模型。

在微电网电池管理系统中，分布式电源的不确定性，决定了电池的充放电速率控制程序应当有较好的灵活性与适应性。但是不同电池的化学反应和物理结构不相同，充放电特性存在差异。这要求微电网BMS针对不同电池，在充放电的速率上有不同的限制。同时BMS还需要内置电池能量优化和完善保护的功能，以提高微电网的可靠性和经济性。

2.2 电池状态估计

电池的状态估计主要分为电量估计和寿命估计，两者有一定的关联。通常电池剩余电量用荷电状态（SOC）表示，剩余寿命用健康状态（SOH）表示。

SOC是电池一个重要状态，用百分数表示来电池静置一段时间后剩余容量与完全充电状态容量的比值[6]。准确估计SOC不仅是对微电网中的能量进行优化管理的前提，而且还能够保护电池免受深度放电或过充电条件的影响，避免电池寿命降低带来潜在的安全隐患。SOC是重要参数但无法直接测量，因此需要开发相应的算法，根据测量数据估计单体电池或电池组的SOC。

SOH是电池的另一个重要功能指标，SOH预测电池在寿命终止前可用的循环次数。电池寿命与电池化学材料，电池在使用过程中材料的电化学性能逐渐劣化，电池过充、过放、错误估计SOC情况下使用，都有可能导致电池寿命终结[7]。电池寿命结束将导致微电网BMS的能量管理功能失效，而SOH也是一个无法直接测量的参数，因此微电网BMS在延长电池寿命和安排电池更换策略方面提供的功能至关重要。

2.3 电池安全和保护

BMS另一个重要功能是确保电池的安全可靠，并防止在对电池和用户有害的情况下运行。电池的工作状态和环境温度，都会影响电池本身的电化学特性，甚至是发生不安全运行状态。因此，BMS应当具被电气和温度等方面的安全与保护功能。

BMS对电池的电气的保护，分为单体电池和电池组的情况。单体电池情况下，当SOC低于某个百分比时长时间静置、电池放电过深、充电过多、以高于电池化学安全水平的充电速率（C速率）对电池充电或放电，都可能会出现电池危险运行情况，因此单体电池应设定电压、SOC和充放电速率的上限值[8]。BMS总电池组由多个并联和串联的单体电池组成，以提供足够的工作电压和容量来支持应用。电池组中单体电池的不一致，也有可能带来运行得不安全，电池组应用时应当解决均衡问题。如果单体电池的电压和容量不匹配，整个蓄电池组将无法有效工作。例如，在放电过程中，当一个单体电池电压低于截止电压时电池组放电停止，其余电池中的电荷有可能无法充分利用。这种类型的不匹配可能是因为单体电池的电压或SOC不一致造成的，因此微电网BMS应当部署电池均衡技术来优化电池组的性能[9]。

BMS的温度保护功能，对于电池的安全，尤其对锂电池非常重要。同时，外部工作温度直接影响电池内阻和容量等参数，电化学性能也随之发生变化[8]。在微电网中，电池组由于安装空间大小的限制，单体电池散热空间较小，甚至有局部温度过高的风险。局部高温会加重电池不一致性的问题，高温有可能损坏设备绝缘层甚至造成火灾和电池爆炸的事故。为了解决这些问题，BMS应当具有电池热管理的功能，设置电池工作温度范围，以防止电池在安全温度范围之外工作。热管理使用热传递分析来确定电池组内部的热量分布，并在必要时嵌入通道，使用空气或液体去除热量。

此外，长期使用的电池外部尺寸存在一定变化，也是微电网BMS设计时应当考虑的问题。

3 微电网BMS相关技术的现状与挑战

为微电网设计BMS具有多方面的挑战，一些国家实验室和研究机构正在努力提高微电网BMS的性能，以满足分布式发电应用的要求。目前微电网BMS研究主要包括建立精确的电池模型、SOC和SOH估计算法、电池组均衡技术和提高电池组效率等方面。

3.1 SOC估计算法

电池荷电状态（SOC）表述电池剩余电量的百分比，是电池应用的关键。电池参数具有非线性，SOC受充放电电流、环境温度、电池自放电率、电池剩余寿命等因素的影响，因此在微电网BMS在线估计电池SOC具有一定的挑战。

SOC估算包括开路电压法、安时积分法、电化学阻抗谱法、卡尔曼滤波法、线性模型法、放电实验法、BP神经网络法、人工免疫粒子滤波算法、卡尔曼滤波估算法、主元分析的估算法、遗传算法等方法[6]。

开路电压法是另一种基于开路电压与SOC静态关系估算SOC的方法，由于电池获得来路电压需要电池长时间静置，难以在线应用。安时积分法通常以库仑计数为方法，虽然易于实现，但受SOC初始值未知以及电流传感器误差的限制，误差会随着时间累积。电化学阻抗谱（EIS）利用专用的EIS分析仪测量计算出电池的内阻，但这个过程也需要很长的时间，因此只适用于离线分析。线性模型法并不适用于大电流放电情况，放电实验法适合恒定电流放电工况，这两种方法都不适合在复杂工况下为微电网BMS提供可靠SOC估算。

近年来，基于模型的SOC估计方法得到了广泛的发展和应用，如卡尔曼滤波法、神经网络法、遗传算法等，但这些方法都是基于电池模型参数的离线识别而设计的，在线估算SOC存在一定误差。随着大数据技术快速发展，一些国家科研机构正在通过大数据对电池进行在线SOC和SOH估算，利用互联网和云计算，优化并更新微电网BMS本地数据，提高估算准确性。

3.2 SOH估计算法

SOH是电池状态的重要指标，用于检测和分析电池中可能由各种机制引起的老化现象。电池老化表现为电池容量下降和电池内阻增大，而这些电池参数的变化通常是不可逆的。电池老化速度和程度，与循环次数、充放电功率大小、温度有关，当环境温度上升10°C，电池寿命将会减半。

目前的电池SOH估算方法，可分为基于经验的方法和基于电池性能的方法，如循环周期数法、加权安时法、基于电池机理模型、基于电池电路模型、基于数据模型等方法[7]。该领域的大多数研究都将性能退化、内阻增加或两者的结合作为SOH的衡量标准。容量和内阻的变化的测量，需要考虑到电池的实际应用，一些研究已经定义了更实用的指标，剩余使用寿命（RUL）和寿命终止（EOL）。

微电网BMS中电池的SOH，需要根据用户的随机行为以及运行条件，进行统计分析来预测EOL和RUL，电池的当前状态需要通过识别相应的参数在线确定。BMS需要为循环能力下降和内阻增加建立准确的模型，统计分析确定当前循环对电池参数的影响，与完全循环效应相比。微电网BMS应当具备有线参数识别算法估计电池的容量和内阻、预测未来电池的容量和内阻、基于用户行为的统计数据估算电池的EOL和RUL等功能。

3.3 电池建模

准确的电池特性模型对SOC和SOH的估计精度至关重要，目前的电池模型主要有经验模型、数据模型、电化学机理模型和等效电路模型[11]。

电化学反应的模型对制造商优化电池设计很有用，但求解电池模型的方程的算法的需要较多计算时间和内存，不适合在线估算电池SOC和SOH。数据模型是是将电池建模为一个黑盒，根据测量到的电压、电流和温度等参数，统计建模或曲线拟合方法来推导电池的运行模型。上述模型的主要缺点是不考虑电池内部电路特性，等效电路模型较好的回避了这些缺陷，也称为电气模型。电气模型将电池建模为电压源和电阻、电感、电容组合的电路，有利于在线实时监控。但是由于电池内阻的高度非线性，等效电路模型需要大量建模工作，在大量电池串并联组成电池组时，建模难度较大[11]。

随着互联网、云计算、智能算法、大数据技术的发展，数据模型结合等效电路模型，是微电网BMS重要发展方向之一。

3.4 电池均衡[12]

提供了有电池均衡的的各种方法，总结如表1。

电池均衡技术主要有主动均衡和被动均衡两种类型[9]。被动式电池平衡的实现成本较低，只需要每个电池有一个控制开关和一个放电电阻，就可以将电池中的额外能量转化为热量消耗掉。主动均衡技术是将SOC或电压较高的电池多余能量转移到SOC或电压较低的电池上，相比起被动均衡，主动均衡的损耗较小，但是电路复杂成本较高。

目前较理想的方案是分层均衡，在电路复杂性与效率之间找到一个真正的折衷点。将数量较少的单体电池组成电池组模块单元，使用主均衡电路来均衡模块单元之间的电荷，模块均衡电路完成模块单元内部单体电池的均衡。

4 结束语

智能BMS对于微电网和分布式发电行业的发展至关重要，适当的BMS电路和算法来监测和控制电池，可以保证储能装置的安全性和可靠性，提高电池组的功率和能量效率并降低其应用成本。尽管应用中BMS的已经满足微电网基本性能要求，但为满足微电网的特殊要求仍有许多研究和开发正在进行，这一领域的研究包括但不限于：找到一种准确且实用的SOC和SOH估计算法以准确预测电池的RUL和EOL、电池模型建立、电池组中不同单体电池和模块之间的均衡技术。