BMS电池管理系开发核心控制策略算法.pptVIP

BMS 电池管理系开发 - 核心控制策略算法 1. 大数据 2. BMS 均衡介绍 3. 软件体系架构介绍 大数据平台是基于无线传输，大数据，分布式计算分析引擎，机器学习等技 术，集电池数据采集，存储，计算，分析等功能于一体的平台。 无线传输协议覆盖国标 32960 （电动汽车远程服务与管理系统技术规范） 的数据定义和要求。 用户类型 应用目的 电池厂 / 整车厂 分析电池运行数据，改善产品研发，针对性制定售后服务 运营商 / 车主 实时监控车辆告警 / 预警，电池状态，及时采取措施规避事故 4S 店 根据电池运行数据，故障等信息，快速进行维修保养 储能中心 分析电池衰减规律和数据，电池梯度利用 无线传输 云数据中心 – 分布式计算处 理 电池改进维护及梯次利用 车辆及电池系统维护 电池厂商对电池改进 OEM 厂对电池评估 电池梯次利用筛选 车辆安全行驶监控 实时告警 异常实时预测及告警 电池数据存储 SOC 算法误差分析 单体电池历史数据分析 故障预测分析 BMS – 采 集 终端 – 分析和展示 可视化数据分析 大屏 / 电脑 / 移动终端展 示 MQTT 实时数 据 历史数 据 实时监控 统计分析 车辆管理 数据接口 接入层 （负载均衡 ) 自定义协 议 数据层 ( 云存储） 应用层 （可视化 / 多终端） 智能分析 分布式计 算 机器学习 分析引 擎 数据挖掘 微信 API 分析结 果 数据立 方 浏览器 无线实时 实时对电池的信息进行采集，无线传输到后台，实时对电池状态进行监控 可视化 基于 SAS 可视化分析工具（ VA, Visual Analytics) 基于图表的实时监控 移动化 移动终端进行车辆监控，数据查询和分析 高可用 自主研发的分布式网关支持 30 万辆车的并发采集，负载均衡，将来根据需求动态扩展 高性能 分布式存储和计算支持百亿级别数据的查询和分析 移动化 移动终端进行车辆监控，数据查询和分析 智能化 采用机器学习和算法对电池大数据进行分析利用 MQTT 实时数 据 历史数 据 实时监控 统计分析 车辆管理 数据接口 接入层 （负载均衡 ) 自定义协 议 数据层 ( 云存储） 应用层 （可视化 / 多终端） 智能分析 分布式计 算 机器学习 分析引 擎 数据挖掘 微信 API 分析结 果 数据立 方 浏览器 1. 通用芯片，供货稳定，成本可控。 2. 三项发明专利技术， DC-DC 双向隔离变换器。 3. 可实现组间任意单体双向主动均衡。 4. 一个变压器升降压双向变换。 5. 新一代采用 MOSFET 开关的采集均衡模块已经量产，抗 振等级提高。 6. 均衡电流 2/5A 。转换效率 70%~95% 7. 通过汽车标准可靠性试验。 8. 采用全数字控制，双 CPU 方案，冗余设计。 9.2011 年开始批量使用，累计发货达 13 万个模块，产品技 术得到充分验证。 主动均衡方案 被动式硬件方案： 充电末端均衡，均衡电流约为 100mA ，没有压差比较，单体电池到达某个点后后开启均衡，例如铁锂电池一般在 3.7V ，三元一般在 4.15V 开启放电通道。 此时电池组容量一般达到 95% 以上，系统效率低，功耗大。 被动式软件方案： 其与硬件的区别是当压差大于一定范围，且单体最高大于 3.7 或 4.15V 时启动放电均衡。 * b=V CELL /R 可外接放电电路，考虑成本和散热，最大均衡电流不超过 100mA 。 I passive I active I active I passive I active I passive Cell SOC Level Cell Δ SOC Passive vs Active Balancing 计算公式： Balance current [A] = Pack Capacity [Ah]* Max Δ SOC [%] / balancing time [hours] 举例： 66AH 电池， 5% 的差异 0.55A=66AH*5%/6 小时 Pack Size above 10KWh should sue active balancing Pack Size above 1KWh should sue passive balancing 被动均衡和主动均衡地最大差异是均衡效果以及对低容量电池的处理方式。 软件构架 : 借鉴 AutoSAR 的层次模型 , 自定义的基于任务调度的层次化模块化构架。 测试 : 由功能模块测试、产品黑盒测试、整机 HIL 测试等过程来确保软件质量。