国轩高科胡攀攀：开发一种自适应的电池管理系统BMS算法是当务之急

2024-03-28 15:09

电池管理系统（BMS）是电池组管理的重要技术手段，通过采集电池运行信息，利用算法进行分析，以确保电池的安全和寿命。

3月19日-20日，OFweek 2024（第八届）动力电池产业年会暨行业年度评选颁奖典礼在深圳成功举办，25位行业领袖“论策”产业链的发展战略与路径，为产业协同发展指明方向。

图：胡攀攀

会上，国轩高科国际工程研究院副院长、BMS技术院院长胡攀攀发表了《电池管理系统智能算法与演变趋势》的主题演讲。

四大BMS算法

胡攀攀认为，电池管理系统（BMS）涉及到工程开发和科学研究相结合的过程，不仅涉及到软件设计、硬件开发、测试验证等工程过程，在核心的基础算法层级比如电池状态估计，热失控安全预警等需要科学的手段进行理论研究和论证。

从2009年开始，国轩高科立足合肥构建BMS自主研发能力，并陆续在硅谷，上海布局BMS研发设计团队。

胡攀攀介绍，从2000年发展至今，BMS算法主要有四大类别，分别为安时积分算法、模型算法、神经网络算法和EIS算法。

其中，安时积分是最早使用的算法，利用电流与时间的积分来计算容量变化，该算法初始积分点较难确定，同时由于传感器等误差，也会带来积分的累计误差的问题。另外，也易受到环境温度和电池老化等因素的影响，这些都对算法的鲁棒性提出了较高的要求。

因此，逐渐有很多专家学者提出了基于等效电路模型的方法，通常会与滤波方法相结合使用，这里面又面临等效电路模型参数的误差，特别是在全生命周期和全场景下，如何确保模型精度的问题提出了较高的挑战。

由此衍生出神经网络算法。该模型无需电池建模的端到端估计，电池数据集的质量和提取的特征有很大的不同。只要有足够的电池数据，就可以对模型进行判断。但是，高度依赖于电池数据量，训练过程的计算成本很高，神经网络模型缺乏解释能力。

因此，在2020年，行业专家提出EIS为基础的算法。该算法通过频率的去表征电池内部的电化学变化，因此具有较高的估计精度。

胡攀攀指出，无论是哪一种算法，都需要结合BMS进行使用。

胡攀攀表示，BMS算法主要有四大痛点：电池的复杂性变化、高级算法在应用在可能会遇到鲁棒性问题、短产品开发周期与充足高维输出的挑战、平衡客户和用户的需求。

对此，胡攀攀认为，开发一种自适应的BMS算法以跟上电池材料发展的步伐是当务之急。同时，通过增加电池整包在不同场景、工况下的模拟实验，建立云端持续监控，来保证数据的可靠性；增加输入数据的数量，并在不同类型的传感器用于相同的输入信号，以减少数据采集中的误差；在算法中平衡电池的估计与电池的使用情况。

BMS放置在动力域控制器是未来较大发展趋势

BMS功能是不可缺失的。至于未来在整车端，BMS功能将会放在哪一个控制器或者哪个域下来实现？“我们认为可能动力域控制器是一个比较大的趋势，但是BMS这项功能目前来看不会放在预控制期角度去承担了。”胡攀攀表示。

胡攀攀表示：“未来，国轩高科将会持续进行BMS功能研究，特别是在核心算法、核心功能上，持续进行资源投入，并攻关一些重要的突破点。”

声明： 本网站所刊载信息，不代表OFweek观点。刊用本站稿件，务经书面授权。未经授权禁止转载、摘编、复制、翻译及建立镜像，违者将依法追究法律责任。

共0条评论，0人参与

登录登录即可访问所有OFweek服务

请输入评论内容...

请输入评论/评论长度6~500个字

暂无评论

图片新闻

行业报告