基于STM32的電池管理系統(tǒng)主控單元設(shè)計

楊喬木 ，李立偉 ，楊玉新 ，王 凱

（1.青島大學(xué)電氣工程學(xué)院，山東 青島 266071；2.青島大學(xué)圖書館，山東 青島 266071）

鋰電池作為唯一的動力來源，其電壓會隨充放電變化，因此需要實時準(zhǔn)確的SOC算法。作為動力單元的管理模塊，電池管理系統(tǒng)需要做到與整車控制器的通信可靠穩(wěn)定。該文基于STM32 F105VC設(shè)計的電池管理系統(tǒng)主控單元有較高的SOC精度和優(yōu)良的CAN通信穩(wěn)定性。該文從硬件層面設(shè)計了電池管理系統(tǒng)的主控電路板，具有繼電器驅(qū)動、數(shù)據(jù)通訊、故障報警、總壓檢測、絕緣檢測等功能。該文從SOC計算的角度，設(shè)計擴展卡爾曼濾波算法（Extended Kalman Filter，EKF）進行SOC估算。充分利用了嵌入式芯片的計算能力，且具有實時性強、計算精度較高等優(yōu)點。

1 電池管理系統(tǒng)主控單元主體結(jié)構(gòu)

文中基于STM32的電池管理系統(tǒng)主控單元根據(jù)嵌入式理論設(shè)計[1]。如圖1所示，主控模塊通過CAN總線與從控單元、整車控制器通信，主控模塊從從控模塊中獲取電池數(shù)據(jù)，使用拓展卡爾曼濾波方法[2]計算SOC并發(fā)送相關(guān)數(shù)據(jù)到整車控制器。通過RS232協(xié)議與上位機通信[3]，發(fā)送電池管理系統(tǒng)控制指令或進行程序更新。

圖1 電池管理系統(tǒng)主控結(jié)構(gòu)

2 硬件單元設(shè)計

2.1 MCU選取

該設(shè)計綜合考慮軟件、硬件需求與實際應(yīng)用環(huán)境，選用STM32F105VCT6作為主控單元MCU。STM32系列專為要求高性能、低成本、低功耗的嵌入式應(yīng)用設(shè)計。

STM32F105VCT6基于Cortex-M3內(nèi)核設(shè)計，Cortex-M3內(nèi)核介于ARM7與ARM9之間，但經(jīng)濟性與性能均超過ARM7。且STM32系列產(chǎn)品集成大量功能，便于直接開發(fā)使用，因此在嵌入式設(shè)計中被廣泛的應(yīng)用。本位選用的主控芯片內(nèi)置64 kB的靜態(tài)SRAM，512 kB字節(jié)的FLASH，三路CAN控制器。工作電壓為2.0～3.6 V，工作溫度為 -40～105°C。

2.2 電源模塊

文中的BMS電源模塊的輸入電壓為19～32 V，并且具有防反接與濾波設(shè)計，輸出電壓為5 V與3.3 V。24 V電源輸入后連接SMD1812P110TF/33自恢復(fù)保險絲，進行過壓過流保護，之后連接SMAJ36CA雙向的TVS瞬態(tài)抑制二極管來保證輸入電源的穩(wěn)定。使用德州儀器公司的降壓轉(zhuǎn)換器TPS5420D將濾波后的電源電壓降至5 V，再利用可調(diào)式低壓穩(wěn)壓器TLV1117-33CDCY將電壓從5 V降至3.3 V。

2.3 拓展CAN

STM32芯片內(nèi)部自帶2路CAN控制器。文中采用的CAN收發(fā)器為ADM3053，集成隔離DC/DC轉(zhuǎn)化器的信號和電源，最高的工作頻率為1 Mps。并對CAN收發(fā)器的差分信號數(shù)據(jù)線做防浪涌設(shè)計[4]。

圖2 電源模塊原理圖

圖3 CAN收發(fā)器原理圖

3 SOC估算設(shè)計

常用的鋰電池SOC算法[5]主要有5種：安時積分法、開路電壓法（OCV）、內(nèi)阻法、卡爾曼濾波算法以及神經(jīng)網(wǎng)絡(luò)法。安時積分法容易累計誤差，精度較低；卡爾曼濾波法依賴高精度電池模型且適于線性時變模型；神經(jīng)網(wǎng)絡(luò)法計算量巨大且需要大量訓(xùn)練，故難以在嵌入式設(shè)備上使用；開路電壓法[6]需要電池的長時間靜置，容易受到電池的環(huán)境溫度、充放電電流大小以及電池壽命（SOH）等諸多因素的干擾，且鋰電池存在很長的電壓平臺，即電池充放電曲線的電壓曲線中斷斜率太小，因此難以在鋰電池SOC上精確建模使用。文中采用適用于非線性模型估算的擴展卡爾曼濾波算法對SOC進行估算。

3.1 等效電池模型建立和參數(shù)辨識

該文采用Thevenin模型，即一階RC模型來建立鋰電池的戴維寧等效模型[7]，模型中含有一個電壓源E，R1為電池的極化電阻，R0為電池的直流內(nèi)阻，C1為電池的極化電容，R1與C1構(gòu)成RC并聯(lián)電路來模擬電池的動態(tài)過程。該模型能較為準(zhǔn)確地模擬出電池的充放電過程，模型如圖4所示。

圖4 電池戴維寧等效電路

通過混合脈沖功率測試（HPPC Test）[8]，獲取如圖 5 所示的曲線。圖中，U1～U2段、U3～U4段為電壓突變段，僅與直流電阻 R0有關(guān)；U2～U3階段，電源端電壓緩慢下降，C1處于充電階段，因此電池端電壓漸變過程是由極化電阻、極化電容引起。U4～U5為放電結(jié)束階段，電池靜置，電路中無電流通過，C1對R1放電導(dǎo)致電池端電壓緩慢上升[9]；通過遞推最小二乘法[10]結(jié)合戴維南模型可以求出極化電容與極化電阻，完成參數(shù)辨識。

圖5 充放電時的電池端電壓-時間曲線

3.2 擴展卡爾曼濾波算法（EKF）

卡爾曼濾波只能用于線性時變模型估算，拓展卡爾曼濾波算法適用于非線性模型的估算[11]。電池SOC估算含有大量非線性因素，不能僅用線性微分方程描述，因此文中采用拓展卡爾曼濾波算法來進行SOC估算。拓展卡爾曼濾波方法利用線性化技巧將非線性問題轉(zhuǎn)換為線性問題，且不必預(yù)先計算標(biāo)稱軌跡[12]。

離散非線性系統(tǒng)動態(tài)方程可以表示為：

拓展卡爾曼濾波利用非線性函數(shù)的局部線性特征，將非線性模型局部線性化。由系統(tǒng)狀態(tài)方程（1），將非線性函數(shù)圍繞濾波值做一階泰勒展開，求得狀態(tài)方程：

由系統(tǒng)狀態(tài)方程（2），將非線性函數(shù)圍繞濾波值做一階泰勒展開，求得觀測方程：

對線性化后的模應(yīng)用卡爾曼濾波基本方程求得擴展卡爾曼濾波遞推方程：

式中，s濾波初值和濾波誤差方差矩陣的初值分別為：

3.3 SOC算法實驗驗證

文中使用MATLAB/SIMULIK軟件對拓展卡爾曼濾波模型進行搭建，并仿真計算[13]。電池模型的放電實驗周期為360 s，占空比為50%，初始SOC為85%，電池先放電120 s，再靜止120 s。不斷進行實驗，直至SOC真實值為5%，得到如圖6中的數(shù)據(jù)。通過改變仿真實驗，實時模擬了不同SOC初始值下的電池工況，由拓展卡爾曼濾波方法計算SOC與真實SOC的數(shù)據(jù)。可以看出拓展卡爾曼濾波算法能快速的接近真實SOC值，可以實時反映出真實的電池狀態(tài)。

圖6 初值為85% SOC估算

圖7為EKF算法的估計值和電池實際狀態(tài)的殘差，以及無跡卡爾曼濾波方法（Unscented Kalman Filter）[14]和電池實際狀態(tài)的殘差。從圖可知，拓展卡爾曼濾波的誤差小于無跡卡爾曼濾波的誤差。拓展卡爾曼濾波方法最大誤差約為2%，平均誤差為0.7%。

圖7 UKF算法與EKF算法誤差對比

通過數(shù)據(jù)分析以及仿真實驗可得出結(jié)論：文中選用的擴展卡爾曼濾波算法具有很強的收斂性和可靠性，與無跡卡爾曼濾波方法相比，能較為快速準(zhǔn)確地對鋰電池SOC進行估算，數(shù)據(jù)計算量符合嵌入式芯片的計算能力。

4 硬件通信測試

該設(shè)計主控板通過CAN總線與從控板相連接。如圖8所示，從控板采集電池數(shù)據(jù)，通過CAN總線發(fā)送至大主控，大主控通過CAN總線與整車控制器通信。文中采用上文機軟件模擬整車控制器與電池管理系統(tǒng)的通信。

圖8 主控模塊與從控模塊實物圖

如圖9所示，將電池管理從控板與電池相連接，電池管理系統(tǒng)主控模塊通過CAN總線與從控通信。使用拓展卡爾曼濾波方法計算SOC后，與充放電測試平臺實時通信。經(jīng)過測試，該設(shè)計的通信抗干擾能力強、錯誤幀少，并且通過實物充放電測試驗證了該設(shè)計中SOC計算足夠準(zhǔn)確。

圖9 電池管理系統(tǒng)主控充放電測試實驗

5 結(jié)論

文中設(shè)計的基于STM32F105VCT6的鋰電池電池管理系統(tǒng)主控模塊中使用拓展卡爾曼濾波算法的SOC估算方法計算準(zhǔn)確，滿足嵌入式電池管理系統(tǒng)的要求。電源模塊通過隔離式DC/DC轉(zhuǎn)換、多種濾波以及防浪涌保護，保證了BMS的可靠穩(wěn)定運行。但是文中的鋰電池戴維寧等效電路采用的一階RC等效電路模型未考慮電流累積導(dǎo)致的開路電壓變化[15]，以及過充與自放電問題[16]，因此存在誤差。今后應(yīng)注重建立更為準(zhǔn)確的電池等效電路模型。