基于虛擬儀器的電池管理系統(tǒng)檢測(cè)平臺(tái)設(shè)計(jì)

魏增福， 何 耀， 曾國(guó)建， 劉新天， 董 波

（1.廣東電網(wǎng)公司 電力科學(xué)研究院，廣東 廣州 510080；2.合肥工業(yè)大學(xué) 新能源汽車工程研究院，安徽 合肥 230009）

近年來(lái)，受能源危機(jī)與環(huán)境危機(jī)的影響，清潔能源產(chǎn)業(yè)尤其是鋰電池產(chǎn)業(yè)受到了世界各國(guó)的重視。目前，鋰電池可用于電動(dòng)汽車、儲(chǔ)能通信、微型電源、軍用電源等多種領(lǐng)域。為了確保鋰電池安全長(zhǎng)效運(yùn)行，電池管理系統(tǒng)（Battery Management System，簡(jiǎn)稱BMS）必不可少。BMS的主要功能有鋰電池單體電壓、電流、溫度等基本參數(shù)的測(cè)量、SOC估計(jì)、均衡、通信交互、故障診斷與邏輯控制等。

當(dāng)前針對(duì)BMS的檢測(cè)仍以手動(dòng)或半自動(dòng)為主，BMS的自動(dòng)化檢測(cè)技術(shù)是動(dòng)力電池管理領(lǐng)域比較新的研究方向。目前針對(duì)BMS檢測(cè)平臺(tái)的研究，?；贓TAS公司的Labcar平臺(tái)或NI公司的LabVIEW平臺(tái)仿真電動(dòng)汽車的高壓電池系統(tǒng)，以評(píng)估BMS的參數(shù)檢測(cè)、控制邏輯和故障診斷功能。DMC公司［1］基于LabVIEW 平臺(tái)設(shè)計(jì)了一款BMS檢測(cè)平臺(tái)，實(shí)現(xiàn)了BMS的參數(shù)檢測(cè)、均衡、邏輯控制等部分功能驗(yàn)證。美國(guó)的dSPACE公司［2］推出了一款BMS檢測(cè)系統(tǒng)，除了評(píng)估BMS參數(shù)檢測(cè)、控制邏輯和故障診斷等功能外，也能實(shí)現(xiàn)對(duì)單體SOC的簡(jiǎn)單評(píng)估。文獻(xiàn)［3］設(shè)計(jì)了一款硬件在環(huán)（Hardware－in－the－Loop，簡(jiǎn)稱HIL）系統(tǒng)，通過(guò)儲(chǔ)能元件搭建模擬電池系統(tǒng)用于檢測(cè)BMS的均衡功能。而文獻(xiàn)［4－7］研究的BMS檢測(cè)系列產(chǎn)品也主要集中于評(píng)估BMS的電壓、電流、溫度等傳感器的檢測(cè)精度以及特定故障狀況下的BMS控制邏輯等，并未涉及SOC精度的檢測(cè)。

到目前為止，研究的BMS檢測(cè)平臺(tái)大多用于評(píng)估特定工況下的BMS參數(shù)檢測(cè)、控制邏輯驗(yàn)證和故障診斷等功能。針對(duì)復(fù)雜工況下的SOC精度以及BMS的實(shí)時(shí)性等性能指標(biāo)的自動(dòng)化測(cè)試研究較少，導(dǎo)致檢測(cè)平臺(tái)實(shí)用化程度較低。為此，本文基于LabVIEW平臺(tái)開(kāi)發(fā)了一款以實(shí)際工況為輸出的電池管理系統(tǒng)檢測(cè)平臺(tái)，實(shí)現(xiàn)了混合動(dòng)力汽車實(shí)際工況下的BMS參數(shù)檢測(cè)、控制邏輯驗(yàn)證、檢測(cè)實(shí)時(shí)性以及SOC估計(jì)精度等性能和功能的驗(yàn)證與評(píng)估。

1 基于LabVIEW的檢測(cè)平臺(tái)架構(gòu)設(shè)計(jì)

基于LabVIEW的BMS檢測(cè)平臺(tái)主要包含上位機(jī)、LabVIEW嵌入式控制器、模擬電池模塊、多功能數(shù)據(jù)采集卡、CAN接口卡、被測(cè)BMS等模塊，如圖1所示。

圖1 基于LabVIEW的BMS檢測(cè)平臺(tái)架構(gòu)

其中上位機(jī)模塊供用戶編輯和發(fā)送測(cè)試指令。測(cè)試BMS時(shí)，可選擇手動(dòng)測(cè)試和自動(dòng)測(cè)試2種，也可對(duì)不同功能測(cè)試項(xiàng)進(jìn)行組合。測(cè)試完成后，上位機(jī)顯示被測(cè)BMS的檢測(cè)結(jié)果，并生成BMS性能的綜合評(píng)價(jià)報(bào)告。

LabVIEW嵌入式控制器采用NI公司的PXIe－8130模塊。該控制器接收上位機(jī)模塊發(fā)出的指令，控制模擬電池模塊與數(shù)據(jù)采集卡分別生成模擬電壓、電流及溫度等信號(hào)，并接收被測(cè)BMS返回的測(cè)量結(jié)果，通過(guò)綜合比較后將比較結(jié)果發(fā)回上位機(jī)模塊顯示。

LabVIEW模擬電池模塊采用NI公司的PXIe－4154模塊。該模塊接收嵌入式控制器的工況控制信號(hào)，模擬鋰電池特性，生成多路的模擬電壓信號(hào)，供BMS測(cè)量。

LabVIEW多功能數(shù)據(jù)采集卡采用NI公司的PXI－6259模塊。該模塊可同時(shí)檢測(cè)輸入I／O信號(hào)并輸出I／O控制信號(hào)。在本文中，該模塊接收嵌入式控制器發(fā)出的控制信號(hào)，模擬充電機(jī)和整車控制器，向BMS提供I／O輸出、模擬電流、溫度等信號(hào)，同時(shí)接收被測(cè)BMS反饋的I／O信號(hào)，驗(yàn)證其控制策略。

LabVIEW的CAN接口卡采用NI公司的PXI－8512模塊。該模塊提供BMS與嵌入式控制器之間的CAN接口，實(shí)現(xiàn)信息交互。

BMS檢測(cè)平臺(tái)主要基于LabVIEW現(xiàn)有模塊開(kāi)發(fā)。

2 檢測(cè)平臺(tái)工況模式設(shè)計(jì)

目前BMS主要工作于恒流模式、脈沖模式、純電動(dòng)模式以及混合動(dòng)力模式等，本文選取混合動(dòng)力汽車用BMS作為檢測(cè)平臺(tái)設(shè)計(jì)依據(jù)，其他工況模式可按本文類似方法進(jìn)行研究。在混合動(dòng)力模式下，除了鋰電池外，還包括其他常規(guī)能源驅(qū)動(dòng)混合動(dòng)力汽車。混合動(dòng)力模式較多，按動(dòng)力源混合程度可分為弱混、中混和重混［8］，按照是否可外部充電又分為插電和非插電式。不同類型的混合動(dòng)力汽車控制策略一般不同，常用控制策略有開(kāi)關(guān)型、功率跟隨式、基于車速或扭矩的控制策略等［9］。

本文選取使用開(kāi)關(guān)型策略的某品牌中度混合插電式中型客車作為研究對(duì)象，分析了該策略下典型工況特點(diǎn)，并采集實(shí)時(shí)工況數(shù)據(jù)，然后通過(guò)高精度混合動(dòng)力汽車模擬平臺(tái)等進(jìn)行工況模擬，獲取精確的單體電壓、電流、SOC等混合動(dòng)力工況數(shù)據(jù)，作為BMS檢測(cè)平臺(tái)的信號(hào)輸出。部分工況數(shù)據(jù)曲線如圖2所示。

圖2 混合動(dòng)力模式工況下電池實(shí)時(shí)數(shù)據(jù)

在該策略下，當(dāng)蓄電池的SOC＜SOCmin時(shí)，發(fā)動(dòng)機(jī)啟動(dòng)，驅(qū)動(dòng)車輛并為電池充電；當(dāng)SOC＞SOCmax時(shí)，發(fā)動(dòng)機(jī)停機(jī)或怠速，使用蓄電池驅(qū)動(dòng)車輛。圖2中，SOCmin＝55%，SOCmax＝95%。

3 檢測(cè)平臺(tái)SOC估計(jì)策略

動(dòng)力電池常用的SOC估算方法包括安時(shí)計(jì)量法［10］、開(kāi)路電壓法［11］、卡爾曼系列濾波法［12］、粒子濾波法［13］、神經(jīng)網(wǎng)絡(luò)模糊推理法［14］等。其中安時(shí)計(jì)量法誤差來(lái)源包括初始SOC誤差、電池額定容量誤差以及電流累積誤差等。在檢測(cè)平臺(tái)中由于初始SOC與額定容量等參數(shù)恒定，并且輸出電流精度較高，因此在檢測(cè)平臺(tái)中采用安時(shí)計(jì)量法估算SOC?？紤]輸出電流漂移的安時(shí)積分法的算法過(guò)程如下：

其中，SOC（0）為電池初始SOC；Ireal（t）為檢測(cè)平臺(tái)實(shí)際輸出電流；C為額定容量；η為庫(kù)侖效率因子（本文中取η＝1）。在考慮檢測(cè)平臺(tái)電流輸出漂移噪聲Is（t）時(shí)，實(shí)際電流值Ireal（t）可以通過(guò)理論輸出電流Im（t）和漂移電流Is（t）表示成：

因此檢測(cè)平臺(tái)實(shí)際SOC可以改寫成：

SOC估計(jì)誤差為：

在測(cè)試BMS前，通過(guò)檢測(cè)平臺(tái)的自檢結(jié)果對(duì)漂移電流進(jìn)行校準(zhǔn)，減小漂移電流的影響。

4 BMS檢測(cè)延時(shí)評(píng)估

BMS檢測(cè)延時(shí)是BMS的另一項(xiàng)重要參數(shù)。它是指BMS從檢測(cè)平臺(tái)發(fā)出電池信號(hào)到返回測(cè)量結(jié)果所需的時(shí)間。如果檢測(cè)延時(shí)過(guò)長(zhǎng)，在控制策略的關(guān)鍵節(jié)點(diǎn)可能會(huì)因保護(hù)延遲導(dǎo)致故障發(fā)生。BMS檢測(cè)延時(shí)主要包括通信延時(shí)和處理延時(shí)2個(gè)部分。

本文采用電子計(jì)數(shù)法［15］測(cè)量BMS檢測(cè)延時(shí)，如圖3所示。

圖3 電子計(jì)數(shù)法原理圖

LabVIEW主控制器的內(nèi)部時(shí)鐘頻率為f0，周期為T0＝1／f0，檢測(cè)平臺(tái)發(fā)出的脈沖與BMS返回脈沖的間隔為Tx。在Tx的時(shí)間內(nèi)，計(jì)數(shù)器產(chǎn)生的脈沖數(shù)目為N，T1為BMS檢測(cè)延時(shí)上升沿與下個(gè)內(nèi)部時(shí)鐘脈沖上升沿之間的時(shí)間間隔。則檢測(cè)延時(shí)Tx為：

但是電子計(jì)數(shù)法只能檢測(cè)到脈沖數(shù)目N，因此實(shí)際測(cè)量得到：

T1產(chǎn)生的原因?yàn)闄z測(cè)延時(shí)的上升沿與內(nèi)部時(shí)鐘脈沖上升沿不一致，其極限值為時(shí)鐘脈沖周期±T0，該誤差為電子計(jì)數(shù)法的原理誤差。

對(duì)（6）式求微分，則

使用ΔTx代替dTx，則（7）式可化為：

ΔNT0即為原理誤差，ΔN 極限值為±1，ΔT0N為時(shí)標(biāo)誤差，N＝Tx／T0，檢測(cè)延時(shí)的最大測(cè)量誤差為：

LabVIEW嵌入式控制器的內(nèi)部時(shí)鐘頻率為133MHz，因此T0＝7.5×10－9s，由（9）式可知，其測(cè)量誤差較小，可忽略。

5 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析

驗(yàn)證BMS檢測(cè)平臺(tái)的性能采用BMS實(shí)物驗(yàn)證與仿真驗(yàn)證相結(jié)合的方式展開(kāi)，重點(diǎn)驗(yàn)證了以下3個(gè)方面：① 基于圖2所示的工況數(shù)據(jù)，通過(guò)測(cè)量檢測(cè)平臺(tái)自身的輸出電壓與電流，驗(yàn)證平臺(tái)本身的信號(hào)輸出精度及輸出延時(shí)；② 連接某廠家生產(chǎn)的BMS，檢測(cè)平臺(tái)通過(guò)輸出脈沖信號(hào)檢測(cè)其信號(hào)延時(shí)，驗(yàn)證平臺(tái)的延時(shí)測(cè)量功能；③ 連接BMS實(shí)物，基于圖2所示的工況數(shù)據(jù)，驗(yàn)證檢測(cè)平臺(tái)SOC估計(jì)測(cè)量功能。

（1）檢測(cè)平臺(tái)輸出信號(hào)精度檢測(cè)。基于圖2中混合動(dòng)力模式下的工況數(shù)據(jù)，測(cè)量檢測(cè)平臺(tái)輸出信號(hào)，并分別與輸入工況數(shù)據(jù)相比，驗(yàn)證BMS檢測(cè)平臺(tái)輸出的精確度。為了更清晰地表示檢測(cè)平臺(tái)輸出精度，在測(cè)試結(jié)果中每隔10個(gè)數(shù)據(jù)選取1個(gè)繪圖點(diǎn)，結(jié)果如圖4所示。圖4中，I1為輸入工況值，I2為平臺(tái)輸出值，滿量程為±500A；V1為輸入工況值，V2為平臺(tái)輸出值，滿量程為0～5V。

圖4 混合動(dòng)力模式下檢測(cè)平臺(tái)輸出對(duì)比

由圖4可知，電流輸出整體偏差在檢測(cè)量程的0.1%～0.5%之間，通過(guò)自檢修正0.3%后，可使輸出誤差在±0.2%以內(nèi)；單體電壓整體偏差在檢測(cè)量程的0.12%～0.20%之間，修正0.16%后，可使其誤差在±0.04%以內(nèi)。電動(dòng)汽車采用文獻(xiàn)［16］中規(guī)定的電流檢測(cè)精度為±3%，電壓檢測(cè)精度為±0.5%，與之相比，檢測(cè)平臺(tái)輸出精度較高，滿足使用要求。

（2）BMS的檢測(cè)延時(shí)測(cè)量。連接某廠家生產(chǎn)的BMS后，檢測(cè)平臺(tái)以1s為周期輸出3200mV的脈沖信號(hào)，分析BMS的返回信號(hào)延時(shí)，驗(yàn)證其延時(shí)測(cè)量功能。測(cè)試波形及實(shí)驗(yàn)結(jié)果如圖5所示。圖5中，V1為平臺(tái)發(fā)出脈沖，V2為BMS返回脈沖。

由圖5可知，BMS檢測(cè)總延時(shí)為（150.05±14.99）ms，去掉檢測(cè)平臺(tái)自身的信號(hào)處理延時(shí)15ms，可以得出被測(cè)BMS的檢測(cè)延時(shí)為（135.05±14.99）ms。

（3）SOC估計(jì)精度評(píng)估。連接某廠家生產(chǎn)的BMS，輸入圖2中的混合動(dòng)力模式工況數(shù)據(jù)，比較輸入工況SOC理論曲線、加入電流漂移的平臺(tái)輸出SOC擬合曲線以及該BMS的SOC估計(jì)曲線，驗(yàn)證檢測(cè)平臺(tái)的SOC估計(jì)精度測(cè)量功能，如圖6所示。

圖5 檢測(cè)平臺(tái)的延時(shí)檢測(cè)功能

圖6 SOC估計(jì)比較

圖6a所示為SOC工況理論曲線（SOC1即為圖2中的SOC曲線）、加入電流漂移的檢測(cè)平臺(tái)SOC輸出曲線（SOC2）與BMS估算SOC曲線（SOC3）對(duì)比圖；圖6b所示為檢測(cè)平臺(tái)SOC輸出誤差（E（SOC1））與 BMS檢測(cè)誤差（E（SOC2））對(duì)比圖，可以看出檢測(cè)平臺(tái)的SOC估計(jì)誤差小于0.5%，遠(yuǎn)小于電動(dòng)汽車行業(yè)標(biāo)準(zhǔn)［16］要求的10%SOC估計(jì)誤差。同時(shí)從實(shí)驗(yàn)結(jié)果的分析可以看出，被測(cè)BMS的SOC估計(jì)誤差最大在7%左右，并呈發(fā)散趨勢(shì)。

6 結(jié)束語(yǔ)

本文針對(duì)混合動(dòng)力汽車用BMS，設(shè)計(jì)了一款基于LabVIEW的BMS檢測(cè)平臺(tái)，分析了混合動(dòng)力汽車用鋰電池組及BMS的典型工況特點(diǎn)，并收集實(shí)際工況數(shù)據(jù)作為檢測(cè)平臺(tái)的信號(hào)輸出，采用脈沖信號(hào)測(cè)量BMS的檢測(cè)延時(shí)，并用安時(shí)計(jì)量法實(shí)時(shí)估算工況SOC，并與BMS估計(jì)的SOC進(jìn)行對(duì)比，評(píng)估BMS的SOC估計(jì)精度。最后進(jìn)行BMS實(shí)物驗(yàn)證與仿真驗(yàn)證，結(jié)果表明檢測(cè)平臺(tái)輸出信號(hào)精度高，可實(shí)現(xiàn)混合動(dòng)力汽車用BMS的參數(shù)測(cè)量、控制策略、SOC估計(jì)以及檢測(cè)實(shí)時(shí)性等功能和性能的評(píng)估。下一步可建立鋰電池典型工況數(shù)據(jù)庫(kù)，全面評(píng)估多種工況模式下的不同BMS性能。

［1］DMC Website.Battery management system（BMS）validation test stand ［EB／OL］.［2013－10－15］.http：／／www.dmcinfo.com／latest－thinking／case－studies／view／projectid／236／batterymanagement－system－bms－test－stand－2nd－generation.

［2］Jace A.Simulation and test systems for validation of electric drive and battery management systems［EB／OL］.（2012－10－22）.［2013－10－30］.http：／／papers.sae.org／2012－01－2144／.

［3］Wai C L，David D.Development of a Hardware－in－the－Loop simulation system for testing cell balancing circuits［J］.IEEE Transactions on Power Electronics，2013，28（12）：5949－5959.

［4］劉忠其，姜久春，王占國(guó).基于LabVIEW的電池管理系統(tǒng)監(jiān)控平臺(tái)開(kāi)發(fā)［J］.微處理機(jī)，2010，8（4）：111－114.

［5］Li Yuheng，Sun Zechang，Wang Jiayang.Design for battery management system Hardware－in－loop test platform［C］／／The Ninth International Conference on Electronic Measurement ＆Instruments，2009：3－399－3－402.

［6］廉 靜，陳覺(jué)曉，孫澤昌.基于xPC的電池管理系統(tǒng)硬件在環(huán)測(cè)試研究［J］.佳木斯大學(xué)學(xué)報(bào)：自然科學(xué)版.2009，29（2）：193－196.

［7］Zeng J，Sun J J，Ma Y.The system architecture design about test platform of battery management system［J］.Advanced Materials Research，2013，645：217－220.

［8］舒 紅，秦大同，胡建軍.混合動(dòng)力汽車控制策略研究現(xiàn)狀及發(fā)展趨勢(shì)［J］.重慶大學(xué)學(xué)報(bào)：自然科學(xué)版，2001，24（6）：28－31.

［9］劉慶凱，紀(jì)麗偉，劉 雄.混合動(dòng)力汽車整車控制策略比較分析［J］.柴油機(jī)設(shè)計(jì)與制造，2010，16（3）：337－342.

［10］田 甜，李孝尊，李紅梅.磷酸鐵鋰電池的改進(jìn)建模及SOC估計(jì)［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，35（9）：1192－1195，1252.

［11］Chiang Y H，Sean W Y，Ke J C.Online estimation of internal resistance and open－circuit voltage of lithium－ion batteries in electric vehicles［J］.Journal of Power Sources，2011，196（8）：3921－3932.

［12］周 翔，趙 韓，江 昊.基于EKF算法的磷酸鐵鋰電池在線SOC估算［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，36（4）：385－388，394.

［13］He Y，Liu X T，Zhang C B，et al.A new model for State－of－Charge（SOC）estimation for high－power Li－ion batteries［J］.Applied Energy，2013，101：808－814.

［14］Charkhgard M，F(xiàn)arrokhi M.State－of－charge estimation for lithium－ion batteries using neural networks and EKF［J］.IEEE Transactions on Industrial Electronics，2010，57（12）：4178－4187.

［15］孫 杰，潘繼飛.高精度時(shí)間間隔測(cè)量方法綜述［J］.計(jì)算機(jī)測(cè)量與控制，2007，15（2）：145－148.

［16］QC－T 897－2011，電動(dòng)汽車用電池管理系統(tǒng)技術(shù)條件［S］.