馮繹銘 王思源 丁雷

摘要：電池管理系統(tǒng)是電動汽車的重要組成部分，智能化、高精度、實時SOC估算與降低電池管理系統(tǒng)成本是新能源電動汽車追求的目標(biāo)。硬件上以飛思卡爾作為主控芯片控制大量的光耦繼電器開關(guān)，配合熱敏電阻，霍爾傳感器以及AD轉(zhuǎn)換即可實現(xiàn)電池基本數(shù)據(jù)采集，成本低廉，性能較好。采集完成后通過CAN通信電路與主機PC通訊監(jiān)控。在SOC估算方面，使用深度網(wǎng)絡(luò)估算SOC，精度較高，實時估算誤差控制在2%以內(nèi)，并采用非耗散型均衡方式保障電池組的容量均衡，具有較好的推廣使用價值。

關(guān)鍵詞： 電池管理系統(tǒng)； 參數(shù)監(jiān)測； CAN通信電路；SOC估算； 非耗散型均衡

中圖分類號：TN86 文獻標(biāo)識碼：A 文章編號：1009-3044（2018）28-0246-04

Design of Battery Management System Based on Deep Network

FENG Yi-ming， WANG Si-yuan， DING Lei

（Wuhan Textile University， School of Electronics and Electrical Engineering， Wuhan 430200， China）

Abstract：Battery management system is an important part of the electric vehicle. At present， Intelligent， high-precision， real-time SOC estimation and lowering the cost of battery management systems are the goals pursued by new energy electric vehicles. On the hardware，the Freescale is set as the main control chip to control a large number of optocoupler relay switches and cooperate with thermistor， Hall sensor and AD conversion to achieve battery basic data acquisition with better performance and lower cost. After the acquisition is completed， it communicates with the host PC via the CAN communication circuit. In terms of SOC estimation， the deep network is used to estimate SOC for higher precision and real-time estimation. Then non-dissipative balanced method is used to ensure battery capacity balance， which has a good promotion value.

Key words： battery management system； parameter monitoring ； communication circuit； SOC estimation； Non-dissipative balance

1 引言

近年以來，人們對于交通上的需求也是在不斷地增加，汽車不可避免地成為人們最主要的交通方式。但是過去的主要供能方式是通過燃料供能，多年的化石能源的使用到現(xiàn)在正在面臨諸如引起氣候變化，二氧化碳排放量的增加以及化石能源的枯竭危機，因此越來越多的人嘗試致力于研究新能源汽車去取代燃料汽車[1-2]。傳統(tǒng)的電動汽車存在著各種各樣的缺點，比如里程普遍較短，動力電池的壽命大多不是很長等等，基于此點，試圖研制具有比較優(yōu)良性能的電池管理系統(tǒng)在推廣電動汽車的過程也就具備了更加重要的意義[3]。

由于鋰離子電池生產(chǎn)時候通常會受到工藝技術(shù)的限制，電池組里的各個單體鋰離子電池之間存在著容量的不一致性，這些存在的差異在大多數(shù)情況下也沒有辦法避免。另外，鋰離子電池的安全問題不容忽視，如果不加以控制保護，在工作過程中，電池很容易出現(xiàn)過充過放的情況，嚴(yán)重的時候，可能會引發(fā)安全事故，因此安全可靠的電池管理系統(tǒng)是十分重要的[4]。

下圖所展示的是一個電池管理系統(tǒng)應(yīng)當(dāng)具有的基本功能框圖。

如上圖所示，一個完整的BMS應(yīng)包括以下五項功能：電池狀態(tài)監(jiān)測（電壓，電流和溫度），電池狀態(tài)分析（SOC與SOH），電池安全保護，能量控制管理和電池信息管理[5]。

2 電池管理系統(tǒng)硬件設(shè)計

硬件主要由監(jiān)測，通信和均衡三個部分組成。使用飛思卡爾16位單片機（MC9S12XS128）作為處理器[6]。電池的參數(shù)監(jiān)測電路主要對電池的電壓，電流和溫度參數(shù)進行測量，通訊電路主要包括SPI總線接口（配合flash進行數(shù)據(jù)存儲），IIC總線接口（配合DS1307獲得時間信息），CAN總線接口（與上位機界面通信），通過能量轉(zhuǎn)換均衡方式進行均衡。

2.1 系統(tǒng)總體框架

系統(tǒng)框架如下圖所示：

2.2 參數(shù)監(jiān)測電路

監(jiān)測電路指電壓，電流和溫度測量。在這里我們首先討論有關(guān)于單體電池電壓的測量問題，因為和其他兩個參數(shù)的測量過程比較，電壓所含的信息量是最多的，并且另一方面，電流和溫度的測量方式也是將它們轉(zhuǎn)化成電壓信號來分析，因此首先要解決電壓檢測的問題。

本系統(tǒng)中對電壓采集采取一種基于繼電器陣列的輪流采集方式[7]，如下圖所示。

為單體電池提供兩個繼電器，電池的正負極通過繼電器之后分別連接到A/D轉(zhuǎn)換的兩個輸入端，這種繼電器通常采用光耦繼電器，由MCU進行控制其通斷，在電壓采集的過程中，首先讓單片機發(fā)出信號，隨后繼電器開關(guān)閉合，讓選定的單體電池正負極電壓差通過A/D轉(zhuǎn)化模塊由模擬信號轉(zhuǎn)化成數(shù)字信號，最后把數(shù)字信號傳送給單片機。

相比于電壓物理量，電流的檢測相對而言顯得沒有那么復(fù)雜，因為電流所需要的采樣通道少，只需對干路電流進行監(jiān)測，需要使用的采樣通道不像電壓采集那么多。

通過霍爾傳感器測量電流。霍爾傳感器不會帶來高頻信號噪聲，其可以輸出電流信號之后，把輸出的電流信號接到精密電阻之上，電流信號也隨之轉(zhuǎn)變成電壓信號，讀取電壓值之后經(jīng)過換算即可獲得電流大小。

[Vo=1+R1R2·Vref] （1）

[VI（BATT）=I·R3+Vo] （2）

如圖所示，圖中的TL431是一種芯片，可提供2.5V的Vref， 通過測量到VI（BATT）的值，經(jīng)過計算即可獲得電流值。

溫度檢測較為簡單，在動力電池組之中接入對應(yīng)的熱敏電阻，通過分壓方式獲得其阻值即可得到溫度值。

2.3 通訊電路

CAN通信連接底層硬件和上位機。電池的電壓，電流和溫度的測量功能都是由底層的硬件電路實現(xiàn)，硬件電路采集到了這些參數(shù)之后會將它們傳給MCU，隨后MCU內(nèi)部根據(jù)我們設(shè)定的算法計算出電池的SOC值，最后再把這些所有的值都通過CAN通信方式傳輸給上位機，同時上位機也會通過CAN通信的方式把相應(yīng)的指令傳輸給MCU來控制底層硬件。

2.4 均衡電路

均衡控制管理是電池管理系統(tǒng)中一項不可或缺的重要功能，人們在大量的實踐過程和在實驗室中的實驗數(shù)據(jù)都表明了，加入了均衡控制管理的動力電池組，比沒有加入均衡控制管理的動力電池組擁有更好的表現(xiàn)。

均衡方式可以分為耗散型均衡和非耗散型均衡[8]兩種。耗散型均衡相當(dāng)于“把長的部分砍掉，砍到和短的一樣長度”，非耗散型均衡是能量轉(zhuǎn)移的方式，相當(dāng)于“取長補短”。

如上圖，將電池組的正負極通過繼電器接入到充電模塊的輸入端（在實際使用過程中可以加入多個充電模塊以便同時對多個電池進行均衡，充電模塊為DC/DC），轉(zhuǎn)換完成后通過繼電器接到單體電池上，繼電器均由單片機控制，決定具體的電池號碼，達到均衡的效果。

3 基于深度網(wǎng)絡(luò)的SOC估算

3.1 SOC定義

SOC指電池剩余電量，常用百分比表示，可以用公式（3）表示：

[SOC=QremainQrated×100%] （3）

Qrated是電池的額定容量，Qremain指剩余電量。在實際使用中，由于各種因素影響，電池可放出的最大容量不一定等于其額定容量，往往會是一個變化值。

3.2 傳統(tǒng)SOC估算

傳統(tǒng)方法采用安時積分法結(jié)合開路電壓法進行SOC估算。

安時（AH）法，有時也稱為庫侖（CC）方法，是一種通過基于初始SOC值，計算動力電池放電一段時間后的電量 獲取當(dāng)前電池SOC的方法。具體計算過程如公式（4）：

[SOC（t）=SOC（t0）-1Qratedt0tI（t）dt] （4）

AH法估算SOC準(zhǔn)確，計算簡單，但是往往存在依賴于初始值和誤差累計這兩個問題：

開路電壓法是通過測量開路電壓獲得SOC。開路電壓法獲得的電池SOC值是最為準(zhǔn)確的，但很可惜無法實時估算。

通過實驗測得的數(shù)據(jù)擬合而成OCV-SOC曲線如圖所示：

通常采用AH計量法和開路電壓法相結(jié)合的方法估算SOC，在系統(tǒng)剛剛開機的時候，電池往往經(jīng)過較長時間的擱置，端電壓近似于開路電壓值，通過開路電壓法獲取電池的初始SOC值，后續(xù)再通過AH法估算SOC。

3.3 基于深度網(wǎng)絡(luò)的SOC估算

神經(jīng)網(wǎng)絡(luò)模型可以從試驗和錯誤之中進行學(xué)習(xí)，從而提取出來數(shù)據(jù)之間的隱藏關(guān)系，由神經(jīng)元構(gòu)成，通過連接形成網(wǎng)絡(luò)結(jié)構(gòu)。

神經(jīng)網(wǎng)絡(luò)一般具有自主學(xué)習(xí)性，高度非線性以及容錯性等特點，因而現(xiàn)在開始被用于電池建模之中。神經(jīng)網(wǎng)絡(luò)模型通常由輸入層，隱藏層，輸出層組成，其中輸入層通常由可測得的實驗數(shù)據(jù)組成，會影響電池SOC的因素主要由電壓，電流，溫度，已釋放容量和電池的循環(huán)次數(shù)（老化程度）這五個因素組成，輸出層是需要獲得的SOC值，中間層統(tǒng)統(tǒng)為隱藏層，隱藏層的層數(shù)以及隱藏層神經(jīng)元的個數(shù)由人工設(shè)定，通常在一定范圍內(nèi)較深度的網(wǎng)絡(luò)能夠比較好地反映非線性關(guān)系，具體的人工神經(jīng)網(wǎng)絡(luò)模型示意圖如下圖所示：

設(shè)計實驗來驗證深度網(wǎng)絡(luò)估算SOC的效果，實驗對象為湖北宜城新新能源有限公司生產(chǎn)的編號為M7568215的錳酸鋰電池（額定容量為10Ah，充放電截止電壓分別為4.2V和3V），通過深圳新威電子生產(chǎn)的充放電柜進行充放電試驗，實驗在武漢環(huán)視檢測設(shè)備有限公司生產(chǎn)的可編程恒溫箱里進行。實驗在20℃，5A的條件下進行，首先對空電狀態(tài)的錳酸鋰電池進行0.5倍率的充電，在達到充電截止電壓以后，對其進行10分鐘的擱置，隨后再進行0.5倍率的放電，達到放電截止電壓之后再進行10分鐘的擱置，然后再進行充放，如此過程進行5次循環(huán)，記錄下該過程的電壓，電流，容量等輸入神經(jīng)元參數(shù)，輸出神經(jīng)元參數(shù)為電池SOC，該SOC由充放電柜經(jīng)過計算提供的AH計量值作為參考值。用實驗中四次循環(huán)的數(shù)據(jù)為訓(xùn)練樣本，訓(xùn)練該神經(jīng)網(wǎng)絡(luò)模型，然后用剩下一次循環(huán)的數(shù)據(jù)作為測試樣本驗證神經(jīng)網(wǎng)絡(luò)的預(yù)測效果，實驗如下圖所示：

結(jié)果分析上圖所示。圖9表示的是網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)樣本以及用訓(xùn)練好的網(wǎng)絡(luò)模型進行預(yù)測的實驗數(shù)據(jù)。上邊圖為四個循環(huán)數(shù)據(jù)樣本，下邊圖為一個循環(huán)的測試樣本，圖中顯示了電池充放電實驗中的電壓和電流變化情況。圖10與圖11則表示了網(wǎng)絡(luò)模型的結(jié)果。在運用神經(jīng)網(wǎng)絡(luò)估算電池SOC的時候，除了選擇合適的輸入神經(jīng)元之外，另一點影響預(yù)測結(jié)果的重要因素就是神經(jīng)網(wǎng)絡(luò)隱藏層的設(shè)計。一般來說，隱藏層的層數(shù)越少，計算過程也就越簡單，訓(xùn)練過程也就更容易收斂，但是同時往往也不能很好地反映非線性因素，相反如果隱藏層的層數(shù)越多，神經(jīng)網(wǎng)絡(luò)也就越復(fù)雜，往往能夠更好地反映電池模型的復(fù)雜程度，更加貼近實際使用工況，但是同樣地由于網(wǎng)絡(luò)模型過于復(fù)雜，往往會加大計算量，而且無法保證訓(xùn)練一定能夠達到收斂的效果，為了選定合適的網(wǎng)絡(luò)模型，分別采用了單隱藏層，五個隱藏層和十個隱藏層的神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，實驗結(jié)果如圖10和圖11所示。

圖10上邊圖表示網(wǎng)絡(luò)模型的預(yù)測值和參考值（充放電測試儀提供的AH值）的曲線關(guān)系，可以看到無論哪種模型都能夠很好地達到SOC估算效果，近乎切合于參考值，最大誤差不超過2%。為了進一步探討隱藏層數(shù)和預(yù)測效果的關(guān)系，中間圖和下邊圖分別是單個隱藏層和五個隱藏層，五個隱藏層和十個隱藏層的估算誤差，可以明顯看出五個隱藏層的預(yù)測效果好于單個隱藏層，而隨著隱藏層的增加，與十個隱藏層預(yù)測相比精度相近，已無明顯提高，但是十個隱藏層的計算量與訓(xùn)練時間遠遠超過五個隱藏層，因此選用五個隱藏層的模型最為合適。圖11更為清楚的表示在實驗開始，由充電過程轉(zhuǎn)變?yōu)榉烹娺^程，試驗即將結(jié)束的時候，單個隱藏層和五個隱藏層的預(yù)測效果與參考值的比較。可以明顯看出，五個隱藏層的網(wǎng)絡(luò)模型更加貼近于參考值，并且波動較小，在充電轉(zhuǎn)換為放電的時候也能夠平和的過度，在穩(wěn)定性和精確度上的表現(xiàn)都更加優(yōu)于單個隱藏層。

基于深度網(wǎng)絡(luò)的SOC估算方法，不僅精確度高，估算誤差控制在2%以內(nèi)，而且穩(wěn)定性好，受到外界因素的影響較小，還能夠?qū)崟r估算，性能遠遠優(yōu)于傳統(tǒng)的SOC估算方法，具有較高的實用價值。

4 結(jié)論

本文講述了采用飛思卡爾作為主控芯片，硬件上以光耦繼電器，熱敏電阻，霍爾傳感器，DC/DC模塊為主要元器件設(shè)計的一套成本低廉，性能優(yōu)良的電池管理系統(tǒng)。在SOC估算方法，探索使用基于人工智能的深度學(xué)習(xí)網(wǎng)絡(luò)，達到實時高精度估算SOC，對于電動汽車的發(fā)展具有較為重要的意義。

參考文獻：

[1] 蔣瑞斌， 譚理剛. 電動汽車的發(fā)展及面臨的挑戰(zhàn)[J].機械工程師， 2009（2）：23-25.

[2] 亢風(fēng)林， 李軍民. 電動汽車發(fā)展分析[J].農(nóng)業(yè)裝備與車輛工程， 2008（11）：63-65.

[3] 岳仁超， 王艷. 電池管理系統(tǒng)設(shè)計[J].低壓電器， 2010（3）： 31-34.

[4] 安志勝，孫志毅，何秋生. 車用鋰離子電池管理系統(tǒng)綜述[J].電源技術(shù)，2013（6）：1069-1071.

[5] 王濤，齊鉑金，吳紅杰. 基于DSP和OZ890的電池管理系統(tǒng)設(shè)計[J].微計算機信息，2009， 25（7）： 210-211.

[6] 蔣原，杜曉偉，齊柏金. 基于Freescale單片機的電池管理系統(tǒng)設(shè)計[J]. 2011（1）：164 -167.

[7] 譚曉軍. 電動汽車電池管理系統(tǒng)設(shè)計[M]. 廣州：中山大學(xué)出版社，2011.

[8] 譚曉軍. 電池管理系統(tǒng)深度理論研究[M]. 廣州：中山大學(xué)出版社，2014.

【通聯(lián)編輯：唐一東】