SOP算法开发
SOP目前可靠的方法为基于大量的试验结果,标定电性能数据库,查表法实时上报,后期加入SOH修正;
均衡算法开发
世界上没有两片完全一样的叶子,电池同理。同一批次生产出来的电芯在容量,电压,内阻和自放电率上都有微小的差异,而且随着电池使用时间越长这种差异将被慢慢放大。
大家都知道整个pack的容量遵循木桶原理即pack的容量由最低能量的那串电池决定,所以利用均衡算法保持电芯的一致性是BMS必不可少的一项功能。
均衡分为两种:
主动均衡:将高能量的电芯的能量通过电路控制转移到低能量的电芯最终使得电芯能量一致;
这就要求每一串电池之间必须有一个用来转移能量的通路(下图为原理示意图,后续熊猫会写一篇详细的主动均衡方案对比)
被动均衡:将高能量的电芯能量通过发热等方式消耗掉最终使得电芯能量一致;
这是目前应用比较广泛的方案,几乎所有AFE都具备被动均衡的功能;
下面对比一下两种均衡方式的应用领域的优缺点
目前主动均衡由于成本高,系统复杂在具体项目上应用不多,主流方案还是采用被动均衡,它主要有三种参考依据:电压、后期电压、历史SOC;
电压:充电全程开均衡,操作非常简单但是以电压来考量SOC本身就是不准确的,另外电池在均衡过程中处于带载状态对电芯电压的测量误差也很大。
后期电压:在充电末期开均衡,这时候电压曲线斜率大以电压考量SOC相比第一种方式精度会好一些,但是这段时间很短,均衡不了多少。如果电芯差别很大很可能出现一直均衡结束不了的情况。这就要求均衡电流很大在很短时间完成均衡但是大电流又会带来发热严重的问题,所以要在两者之间权衡。
历史SOC:参考上一次每个电芯的SOC全程开均衡,这种利用历史SOC值均衡最准确,但是要记忆上一次每个电芯SOC并且实时计算,这样软件计算量很大容易造成系统累赘冗余。
从控制器软硬件支持均衡功能
均衡开启条件
有限选择充电式均衡
• 均衡关闭条件