交通大学姜久春教授：动力电池重组优化技术降低电池成本15%

　　北京交通大学电气工程学院从1997年开始在BMS方面开展工作，目前已开始按照整车要求开发车用BMS。目前日、美、韩三国都有关于BMS方面的研究。国内厂商如比亚迪、哈尔贯拓都有自己的BMS。电池的另一项关键技术称为SOC，目前研究的机构很多，但真正进入实际的工业化应用还较少。开环方法主要包括安时积分法、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，可靠性也比较差。建立模型后，需要基于SOC曲线进行误差修正。通过系统测量噪声对SOC估计精度仿真分析，估计误差需保持5%以内。检测芯片的精度不难达到，但实际使用中精度是否达标，还要通过精心设计才能保证。
　　简单的电池模型RPCP模型，其模型参数包括内阻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，实际电池内阻误差在20%左右，可造成SOC估计误差达50%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对SOC有一定有影响，但误差很小可以忽略。电池衰退从100%Q衰退到80%Q，不用修正同样可以保证SOC达到很高精度。OCV-SOC曲线会受电池老化影响改变，这些误差将导致5%以上的SOC估算误差。因此及时修正OCV-SOC曲线，可以得到比较高的精度，不管电池怎样衰退，仍然可以保证OCV-SOC曲线精度很高。而只要在这个范围之内就可以保证SOC误差在5%以内。
　　PI、Hoo、EKF三种观测器中，PI是最好的，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，通过Q和极化电容Cp对SOC估计，并通过实时控制，使SOC得到较高的精度。
　　北京交通大学电气工程学院在充电技术方面也在不断优化。设计充电用二级模型，并通过优化控制极化电压，得到快速充电效果。锰系电池和三元系电池的极化电压特性几乎相同。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，并可得到边界曲线。通过400次循环试验，用0.5C的恒流恒压充电，实际衰退率为2.14%，优化充电达1.4小时，从而延长电池寿命。
　　均衡控制跟衰退轨迹相关。我们所做的电池均衡是最大限度保持所有电池SOC在同一范围内，这样的电池利用率最高。如果电池容量存在差异，则不能通过均衡来解决，只能通过控制SOC解决。比如在不同衰退情况下，选择不同的控制策略。通过比较均衡前和均衡后的充电曲线可以看出，均衡前容量为92.2%，均衡后为96.6%，均衡前标准差是2.3%，均衡后标准差大3.6%。虽然单次4%不算大，但是用两千次后4%就是很大的容量。重组之前，单体电池容量从0到百分之百，重组之后，可以达到从5%到95%。如果均衡做得好，将永远保持5%到95%。
　　北京交通大学电气工程学院正在利用大数据技术，对电池运行状态和安装性进行评估，并通过对接历史数据，对电池做出预测。因为实验室得出的结论，比如电池从某一个时间点衰退等，受到扰动因素影响较大，包括温度，突然电流或者漏电等情况，因此可以通过大数据可以解决这个问题。
　　北京交通大学电气工程学院在动力电池重组优化技术方面，也取得一些进展。比如在北京冬天的环境中，如何依靠电池内部在低温环境下下进行加热，这一问题还有待解决。动力电池和电力电子深度融合的柔性成组技术，也有希望得到很好应用。此外，如何将电池进行二次利用，将电池用作储能还是非常重要的问题之一。据测算这样可以降低15%的车用电池成本。