基于BMS與云平臺(tái)的動(dòng)力電池健康管理體系

朱鵬霏，李 麗，常澤宇，余佩雯，郁亞娟，3

(1.北京理工大學(xué) 機(jī)電學(xué)院，北京 100081；2.北京理工大學(xué) 材料學(xué)院，北京 100081；3.北京理工大學(xué) 重慶創(chuàng)新中心，重慶 401120)

0 引言

鋰離子電池(LIBs，lithium ion battery)作為當(dāng)今電動(dòng)汽車(EVs，electric vehicles)的動(dòng)力電池，具有容量高、質(zhì)量輕、額定電壓較高、比能量高、充放電循環(huán)壽命長(zhǎng)、自放電率低等優(yōu)點(diǎn)[1]。然而，隨著時(shí)間和循環(huán)周期的增加，鋰離子電池發(fā)生老化現(xiàn)象[2]，在EVs中表現(xiàn)出電池容量降低、續(xù)航里程減少、充電時(shí)間增加、功率性能變?nèi)醯确矫?，這對(duì)用戶造成了“里程焦慮”問(wèn)題[3]。

為了解決EVs的續(xù)航里程預(yù)測(cè)和電池系統(tǒng)安全性問(wèn)題，電池健康狀況(SOH，state of health)評(píng)估成為了解決手段[4]。目前中高端EVs會(huì)配置電池管理系統(tǒng)(BMS，battery management system，BMS)，通過(guò)其芯片內(nèi)置的模型算法實(shí)現(xiàn)電池SOH評(píng)估與預(yù)測(cè)[5]。然而由于車載BMS芯片計(jì)算精度、速度難以兼顧、多種時(shí)間尺度評(píng)估困難[6]，長(zhǎng)時(shí)間電池?cái)?shù)據(jù)儲(chǔ)存有限等缺點(diǎn)，動(dòng)力電池SOH評(píng)估的實(shí)際應(yīng)用發(fā)展陷入瓶頸?；诂F(xiàn)狀，本文提出了將云計(jì)算與存儲(chǔ)平臺(tái)融入改進(jìn)后的BMS系統(tǒng)中[7]，通過(guò)硬件與軟件的設(shè)計(jì)，實(shí)現(xiàn)了多線程計(jì)算電池SOH，實(shí)時(shí)反饋至用戶與BMS系統(tǒng)。本文提出的系統(tǒng)化設(shè)計(jì)思路解決了傳統(tǒng)動(dòng)力電池SOH評(píng)估應(yīng)用的缺點(diǎn)，具有兼顧高精度與速度；實(shí)時(shí)化預(yù)測(cè)；滿足多種時(shí)間尺度、各種工況條件等新優(yōu)勢(shì)，具有實(shí)際化應(yīng)用的參考價(jià)值，為云平臺(tái)運(yùn)用于EVs動(dòng)力電池健康管理提供了新方向[8]。值得注意的是，本文提出了一種可行性的體系架構(gòu)案例，采用的實(shí)際商業(yè)化產(chǎn)品是可以被替代的，重點(diǎn)為一種融入云平臺(tái)的新型動(dòng)力電池健康管理系統(tǒng)搭建思路。

1 整體架構(gòu)思路

基于BMS與云平臺(tái)的動(dòng)力電池健康管理體系架構(gòu)思路如圖1所示，與現(xiàn)有的只依賴于EVs內(nèi)部BMS系統(tǒng)進(jìn)行的電池健康預(yù)測(cè)不同，設(shè)計(jì)的體系思路為：將云平臺(tái)與BMS相結(jié)合，搭建了基于BMS、云平臺(tái)、用戶端的多層架構(gòu)系統(tǒng)，能夠解決當(dāng)前EVs電池健康管理的難以同時(shí)兼顧準(zhǔn)確性與預(yù)測(cè)速度，多時(shí)間尺度、多工況條件、多動(dòng)力電池種類評(píng)估困難等問(wèn)題，實(shí)現(xiàn)了多線程、在線化、實(shí)時(shí)化的電池健康預(yù)測(cè)評(píng)估與管理。

圖1 電池健康管理體系總設(shè)計(jì)圖

該設(shè)計(jì)體系的工作總流程如下：EVs端BMS的從控制器模塊收集全部電芯數(shù)據(jù)，主控制器模塊整理歸納，利用5G通訊模塊將電池SOH計(jì)算任務(wù)上交給云平臺(tái)，保證了數(shù)據(jù)的實(shí)時(shí)性，實(shí)現(xiàn)1～10 ms內(nèi)的超低延時(shí)。多種云平臺(tái)的選擇，保障了商業(yè)化可能，將數(shù)種電池SOH評(píng)估模型與算法負(fù)載于云平臺(tái)內(nèi)進(jìn)行多線程計(jì)算，通過(guò)用戶需求篩選機(jī)制和云平臺(tái)智能篩選機(jī)制，匹配最適宜的預(yù)測(cè)結(jié)果，傳輸給用戶端手機(jī)app和車載屏幕程序進(jìn)行實(shí)時(shí)查看，同時(shí)反饋給EVs端的BMS主控模塊芯片，針對(duì)電池的安全性問(wèn)題和不一致性問(wèn)題及時(shí)下達(dá)調(diào)控命令，提高電池壽命，將安全隱患消除于萌芽狀態(tài)。

2 動(dòng)力電池BMS設(shè)計(jì)

電動(dòng)汽車的BMS是通過(guò)收集電流、電壓、溫度等各項(xiàng)參數(shù)來(lái)監(jiān)控電池組的健康狀況，從而保證安全與穩(wěn)定。根據(jù)國(guó)家標(biāo)準(zhǔn)GB/T38661-2020的要求[9]，BMS要負(fù)責(zé)監(jiān)控電池組狀態(tài)，判斷電池的SOH、SOC等，這就要求BMS具有較強(qiáng)的數(shù)據(jù)處理能力。在現(xiàn)有的應(yīng)用中，BMS離線運(yùn)作，通過(guò)芯片內(nèi)置算法與模型實(shí)現(xiàn)SOH評(píng)估與預(yù)測(cè)。由于體積限制，主控制模塊上搭載的有限SOH評(píng)估法會(huì)導(dǎo)致預(yù)測(cè)精度有限，且實(shí)時(shí)性較差。

本文設(shè)計(jì)的SOH評(píng)估系統(tǒng)將大數(shù)據(jù)云計(jì)算與存儲(chǔ)平臺(tái)納入體系中，因此要求BMS具有數(shù)據(jù)在線傳輸功能，因此對(duì)BMS進(jìn)行了分布式改進(jìn)設(shè)計(jì)，如圖2，加入了數(shù)據(jù)傳輸單元5G-DTU，減輕了主控制模板的計(jì)算壓力，將SOH數(shù)值計(jì)算部分上傳至云平臺(tái)完成。本文BMS設(shè)計(jì)重點(diǎn)包括從控制器模塊、主控制器模塊、通信模塊三部分，采用目前已存在的商業(yè)化產(chǎn)品，并搭建自行設(shè)計(jì)的BMS運(yùn)行流程邏輯。

圖2 分布式BMS架構(gòu)設(shè)計(jì)

2.1 BMS從控制器模塊設(shè)計(jì)

電動(dòng)汽車的BMS從控模塊需要一次性監(jiān)控12至24塊單體電芯，在本設(shè)計(jì)案例中，前端數(shù)據(jù)采集芯片(AFE)芯片為美信半導(dǎo)體公司的MAX17843，擁有12個(gè)數(shù)據(jù)通道，因此單塊MAX17843芯片能實(shí)現(xiàn)1～12塊單體電芯的監(jiān)測(cè)。MAX17843滿足ISO26262和汽車安全性等級(jí)ASIL D/C要求，其正常工作溫度范圍為-40℃至+125℃，可用電壓測(cè)量范圍為0.2～4.8 V。故MAX17843是同時(shí)實(shí)現(xiàn)較低成本與較高安全性的不同種類動(dòng)力電池EVs系統(tǒng)的很好選擇。為了提高續(xù)航里程，新型EVs將在可用空間的條件允許下，盡可能多放電芯，通常一款具有長(zhǎng)續(xù)航的EVs有數(shù)百塊單體電芯，如特斯拉model 3有著96個(gè)電池模組，441個(gè)2170型單體電芯。由于選用的AFE芯片美信MAX17843只能同時(shí)監(jiān)測(cè)12塊電芯的數(shù)據(jù)通道，因此，需要數(shù)十塊MAX17843芯片，具體數(shù)量由不同EVs的實(shí)際情況決定。

單個(gè)AFE芯片MAX17843將通過(guò)電壓傳感器、電流傳感器、溫度傳感器收集所負(fù)責(zé)的12塊單體電芯充放電數(shù)據(jù)，各MAX17843芯片通過(guò)電氣隔離的SPI接口實(shí)現(xiàn)對(duì)EVs上百塊單體電芯的全部監(jiān)測(cè)，所有的數(shù)據(jù)上傳至從控制器模塊CPU：AC781x，進(jìn)一步整理歸類不同種類的數(shù)據(jù)，為上發(fā)至主控制模塊和下放均衡調(diào)控指令做準(zhǔn)備。從控模塊的架構(gòu)示意圖如圖3所示。

圖3 從控模塊架構(gòu)示意圖

利用ATC Link Tool等開(kāi)發(fā)工具為芯片設(shè)計(jì)配套軟件，從控制器模塊的主要功能為：收集電流、電壓、溫度等電池充放電數(shù)據(jù)，初步檢查各電芯是否正常運(yùn)行且均衡一致，接收主控模塊的調(diào)控命令，消除異常情況和不一致性。本文從控模塊軟件設(shè)計(jì)運(yùn)行邏輯如圖4所示。

對(duì)于電芯的均衡調(diào)控有多種方法，以SOC和SOH分析結(jié)果為主的調(diào)控被認(rèn)為是最可靠的電池均衡控制手段。當(dāng)從控模塊的AC781x芯片初步分析電池?cái)?shù)據(jù)得到不一致性結(jié)果時(shí)，需要采取第一階段的簡(jiǎn)單均衡控制，針對(duì)不同類型的EVs動(dòng)力電池，在出廠時(shí)應(yīng)該內(nèi)置不同的充電、放電保護(hù)電壓值。如表1，如磷酸鐵鋰電池放電保護(hù)電壓為2 V，充電保護(hù)電壓為3.7 V，當(dāng)觸發(fā)界限值進(jìn)行均衡調(diào)控時(shí)，達(dá)到維護(hù)截止電壓3.5 V時(shí)停止[10]。從控制器模塊設(shè)計(jì)的第一階段均衡調(diào)控邏輯流程如圖5。

表1 不同鋰離子動(dòng)力電池均衡調(diào)控的電壓閾值

圖5 從控制器模塊第一階段的均衡調(diào)控

2.2 BMS主控制器模塊設(shè)計(jì)

BMS主控模塊負(fù)責(zé)接收從控制器模塊上傳的數(shù)據(jù)綜合整理分類儲(chǔ)存，并利用內(nèi)嵌的電池SOC、SOH評(píng)估模型和算法進(jìn)行估算，將電池老化數(shù)據(jù)進(jìn)行量化反饋給EVs用戶和生產(chǎn)廠商，同時(shí)，當(dāng)BMS任意模塊檢測(cè)到不穩(wěn)定性因素時(shí)，如：電池溫度急速攀升、電池組受到機(jī)械損傷、風(fēng)冷系統(tǒng)停止運(yùn)轉(zhuǎn)等，均會(huì)將緊急信號(hào)上傳給BMS的主控制器模塊，由主控模塊進(jìn)行危險(xiǎn)等級(jí)判定，從而命令調(diào)控模塊及時(shí)處理。主控模塊也會(huì)將問(wèn)題及時(shí)上傳給用戶端知曉，部分汽車也具有聯(lián)網(wǎng)功能，能將故障問(wèn)題及時(shí)打包發(fā)送給后臺(tái)廠商。

本文由于引入云計(jì)算平臺(tái)，采用的是多線程SOH計(jì)算方法，因此BMS主控模塊的芯片計(jì)算功能被替代，這將大幅減少BMS設(shè)計(jì)應(yīng)用成本。另一方面，為主控制器模塊搭載5G傳輸模塊，保證與云平臺(tái)實(shí)時(shí)的數(shù)據(jù)溝通，及時(shí)得到電池SOH評(píng)估值。

主控制器模塊與BMS其余模塊的數(shù)據(jù)傳輸架構(gòu)如圖6所示，內(nèi)部數(shù)據(jù)傳輸是通過(guò)CAN總線模塊實(shí)現(xiàn)，集成的CAN總線模塊能夠具有高達(dá)80 MHz的高速，負(fù)責(zé)上傳未處理的數(shù)據(jù)并接收主控模板的調(diào)控命令。CAN總線具有ISO11898國(guó)際化完善的串行同行協(xié)議，方便設(shè)計(jì)與開(kāi)發(fā)。

圖6 BMS內(nèi)部與外部數(shù)據(jù)傳輸

設(shè)計(jì)的BMS主控模板與云平臺(tái)之間的信息傳輸是通過(guò)5G無(wú)線數(shù)據(jù)傳輸終端(5G-DTU)實(shí)現(xiàn)的，選用的5G-DTU是華為的MH5000-31，其網(wǎng)絡(luò)制式兼容2G至5G信號(hào)，常用5G頻段號(hào)為n1/41/78/79，符合國(guó)內(nèi)使用需求。下載和上傳的傳輸速率分別為2 Gbps、230 Mbps，有效地滿足BMS與云平臺(tái)之間數(shù)據(jù)實(shí)時(shí)反饋，保證在線電池SOH評(píng)估與預(yù)測(cè)。5G-DTU與電動(dòng)汽車BMS主控制器模塊通過(guò)232或485接口連接數(shù)據(jù)。在通信時(shí)，需要符合主流的5G通信頻段，如中國(guó)電信和中國(guó)聯(lián)通的3.3 GHz+3.5 GHz，中國(guó)移動(dòng)的2.6 GHz+4.9 GHz[11]，中國(guó)廣電的3.3 GHz+4.9 GHz頻段，而歐美日本主要還有3.2 GHz的n77頻段。

選擇的主控器模塊中央CPU為芯旺的KF32A系列芯片。KF32A151的開(kāi)發(fā)板采用KungFu32為內(nèi)核，運(yùn)行電壓為2.0～3.6 V，最高運(yùn)行頻率為120 MHz，運(yùn)行溫度符合Grade1級(jí)車規(guī)工作溫度范圍(-40℃～125℃)。盡管KF32A151與國(guó)際大廠MCU產(chǎn)品仍有不小差距，不過(guò)其已經(jīng)能勝任本文的設(shè)計(jì)內(nèi)容。

KF32A151主要負(fù)責(zé)功能為：判斷系統(tǒng)是否處于電氣絕緣的安全狀態(tài)；對(duì)從控制器模塊上傳電池?cái)?shù)據(jù)的總體歸納收集；對(duì)已采集的電流、電壓、溫度進(jìn)行精度確認(rèn)；利用CAN總線與EVs其它部分進(jìn)行調(diào)控分工；提取特征參數(shù)值，如繪制IC/DV曲線，提取曲線峰值等；利用5G-DTU模塊上傳至云平臺(tái)，并實(shí)時(shí)接收云平臺(tái)計(jì)算結(jié)果反饋；利用反饋結(jié)果及時(shí)下放命令對(duì)單體電芯進(jìn)行調(diào)控，延緩電池衰老；將電池SOH預(yù)測(cè)結(jié)果反饋給用戶端app和車載屏幕。因此主控模塊流程設(shè)計(jì)如圖7。

圖7 主控制器模塊流程設(shè)計(jì)

3 基于云平臺(tái)的電池健康管理設(shè)計(jì)

在本設(shè)計(jì)中，引入了云計(jì)算與存儲(chǔ)平臺(tái)，其高速的數(shù)據(jù)處理能力、多線程的數(shù)據(jù)分析能力、長(zhǎng)時(shí)間的數(shù)據(jù)存儲(chǔ)能力，有效解決了現(xiàn)有BMS對(duì)電池SOH計(jì)算復(fù)雜度的限制問(wèn)題。

根據(jù)設(shè)計(jì)需求，云平臺(tái)需要兼?zhèn)湓朴?jì)算和云存儲(chǔ)的功能。一般企業(yè)內(nèi)部會(huì)搭建獨(dú)立的私有云平臺(tái)，在此設(shè)計(jì)案例中，考慮到國(guó)內(nèi)云平臺(tái)市場(chǎng)的占有率和發(fā)展成熟度，采用了阿里云平臺(tái)作為設(shè)計(jì)典型。阿里云平臺(tái)同時(shí)具有根據(jù)用戶需求自動(dòng)調(diào)整計(jì)算資源的彈性云計(jì)算服務(wù)器ECS和存儲(chǔ)服務(wù)器OSS，能被企業(yè)廣泛接收。在大數(shù)據(jù)情境下，云平臺(tái)多個(gè)處理器同時(shí)處理數(shù)據(jù)，并將結(jié)果分類排列并匯總，進(jìn)而得到最終結(jié)果[12]

3.1 云平臺(tái)多種SOH模型算法融合設(shè)計(jì)

在設(shè)計(jì)的云平臺(tái)中，將多種SOH計(jì)算方法負(fù)載于云平臺(tái)上，讓SOH預(yù)測(cè)結(jié)果快速且多樣，這是本論文的關(guān)鍵點(diǎn)之一。國(guó)內(nèi)外學(xué)者提出了種類繁多的電池SOH評(píng)估機(jī)制，這些方法均建立在不同模型與算法之上，在其對(duì)應(yīng)使用條件下具有較好的預(yù)測(cè)結(jié)果[13]?，F(xiàn)有的鋰離子動(dòng)力電池SOH評(píng)估方法分為四個(gè)大類：模型法、數(shù)據(jù)驅(qū)動(dòng)法、其它法、融合型法，每個(gè)大類里又包含不同的研究方向。

本文的設(shè)計(jì)案例中，采用了八種最新的優(yōu)秀SOH評(píng)估與預(yù)測(cè)方法，這些SOH評(píng)估法的計(jì)算方法、流程與結(jié)果特點(diǎn)都被高影響因子的SCI、EI論文收錄并展示，八種方法各具優(yōu)勢(shì)，初步實(shí)現(xiàn)了設(shè)計(jì)體系能針對(duì)多種類EVs動(dòng)力電池、各種實(shí)際工況條件的SOH評(píng)估與預(yù)測(cè)。八種方法適用不同情況，將其與云平臺(tái)進(jìn)行組合，能夠囊括幾乎所有適用需求。值得注意的是，本論文設(shè)計(jì)的BMS-云平臺(tái)體系能搭載多種多樣的SOH評(píng)估算法，選擇的八種方法僅作為設(shè)計(jì)的典型代表，實(shí)際操作時(shí)還能搭載更多種類的SOH評(píng)估方法，滿足更多使用需求。

設(shè)計(jì)案例中，云平臺(tái)搭載的方法一為：最小二乘支持向量機(jī)(LS-SVM)法[14]，該方法將優(yōu)化問(wèn)題中的二次規(guī)劃非線性問(wèn)題轉(zhuǎn)化為線性問(wèn)題，計(jì)算復(fù)雜度大幅下降，因此云平臺(tái)負(fù)荷較小、所需數(shù)據(jù)量少能快速反映。針對(duì)LiFePO4電池為驅(qū)動(dòng)的EVs老化數(shù)據(jù)進(jìn)行LS-SVM優(yōu)化，得到了圖8(a)的結(jié)果。均方根誤差(RMSE)在0.32%～0.48%間波動(dòng)，在其3.19～3.24 V這個(gè)平穩(wěn)區(qū)間預(yù)測(cè)結(jié)果較好。云平臺(tái)搭載的方法二為：相關(guān)向量機(jī)與灰色模型融合(RVM+GM)法[15]，能有效解決電池組在較長(zhǎng)一段時(shí)間的擱置后，再次循環(huán)時(shí)發(fā)生容量異常增加的“容量再生問(wèn)題”錯(cuò)誤評(píng)估情況。具體方法是RVM和GM法融合時(shí)，能將正常的電池老化現(xiàn)象與容量再生問(wèn)題解耦分開(kāi)，通過(guò)多步迭代預(yù)測(cè)減少累計(jì)誤差，解決了容量再生帶來(lái)的SOH預(yù)測(cè)精準(zhǔn)度下降問(wèn)題，因此方法二更加適用于EVs在長(zhǎng)期停止運(yùn)行后再次啟動(dòng)時(shí)的預(yù)測(cè)。

云平臺(tái)搭載的方法三為：人工神經(jīng)網(wǎng)絡(luò)與電化學(xué)阻抗模型融合法(ANN+EIS-based model)[16]，不同于基于容量的SOH評(píng)估法需要數(shù)個(gè)充放電周期的全部數(shù)據(jù)才能構(gòu)建預(yù)測(cè)模型，在線阻抗相位信息測(cè)量并不需要等待一個(gè)完整的充電/放電循環(huán)[17]，因此方法三基于內(nèi)阻的SOH評(píng)估具有較快的預(yù)測(cè)速度，能夠避免緊急EVs故障。

搭載的方法四為：極限學(xué)習(xí)機(jī)與等效電路模型融合法(ELM+ECM)[18]，從EVs電池中提取歐姆內(nèi)阻和極化內(nèi)阻的增量作為特征參數(shù)來(lái)表征電池老化情況，引入的ELM構(gòu)建了在線SOH評(píng)估的聯(lián)合框架，實(shí)現(xiàn)了較高精準(zhǔn)度的在線實(shí)時(shí)預(yù)測(cè)，預(yù)測(cè)時(shí)間為0.013 6 s。不過(guò)存在溫度對(duì)內(nèi)阻測(cè)量準(zhǔn)確度的影響。

云平臺(tái)搭載的方法五為：粒子濾波與布朗運(yùn)動(dòng)模型融合法(PF+BM)[19]，本質(zhì)是樣本概率密度函數(shù)來(lái)近似計(jì)算，利用最大似然估計(jì)法(MLE)初始化相關(guān)模型參數(shù)，將布朗粒子在給定時(shí)間間隔的移動(dòng)距離作為模型預(yù)測(cè)電池容量退化的基礎(chǔ)。然后，利用PF估計(jì)BM的漂移參數(shù)。方法五在短時(shí)間尺度下SOH預(yù)測(cè)的均方根誤差小于4%，不過(guò)在長(zhǎng)時(shí)間尺度下電池SOH評(píng)估誤差逐漸增大，RMSE達(dá)到25%。

搭載的方法六為：融合小波去噪與高斯過(guò)程函數(shù)回歸融合法(WD+GPR)[20]，如圖8(c)，WD利用僅在非常小的一段區(qū)間內(nèi)有非零值的“小波”進(jìn)行降噪處理，從而取出外在因素引起偏移的噪聲，預(yù)測(cè)精準(zhǔn)度很高，穩(wěn)定性和適用性均較好。不過(guò)計(jì)算復(fù)雜度較大，對(duì)云平臺(tái)計(jì)算的負(fù)荷較高；且當(dāng)電池?cái)?shù)據(jù)量過(guò)少時(shí)預(yù)測(cè)精度下降，當(dāng)電池?cái)?shù)據(jù)量較大，計(jì)算時(shí)間將顯著延長(zhǎng)。

搭載的方法七為：長(zhǎng)短期記憶與粒子群優(yōu)化融合法(LSTM+PSO)[21]，利用LSTM建立模型基礎(chǔ)，并引入PSO優(yōu)化體系的賦值、偏差和模型的關(guān)鍵參數(shù)等，并預(yù)訓(xùn)練設(shè)定的模型；同時(shí)結(jié)合注意機(jī)制(AM)，降低誤差干擾，實(shí)現(xiàn)高精度同時(shí)預(yù)測(cè)電池SOH與剩余壽命周期(RUL)。

搭載的方法八為：基于容量增量分析與高斯濾波的融合法(ICA+GS)[22]，通過(guò)收集電池充放電數(shù)據(jù)來(lái)構(gòu)建V-dQ/dV曲線或V-dV/dQ曲線如圖8(d)，由于環(huán)境噪聲波動(dòng)較大，因此結(jié)合GS平滑曲線得到圖8(e)，很好地保留曲線上與電池老化密切相關(guān)的重要特征。該方法針對(duì)三元鎳鈷錳電池進(jìn)行了數(shù)據(jù)優(yōu)化。

3.2 云平臺(tái)選擇SOH預(yù)測(cè)結(jié)果的設(shè)計(jì)

在設(shè)計(jì)案例中已經(jīng)分析了具有代表性的八種最新電池SOH在線評(píng)估法，這些方法各有優(yōu)缺點(diǎn)，能分別適用于絕大部分的情況。因此將以案例中的八種方法為基礎(chǔ)，設(shè)計(jì)一套能夠在不同情況下，根據(jù)用戶需求和EVs實(shí)際情況，云平臺(tái)對(duì)多線程的SOH預(yù)測(cè)結(jié)果能夠智能化選擇并輸出的體系。值得注意的是，無(wú)論是以阿里云為代表的共有付費(fèi)云平臺(tái)還是企業(yè)搭建的私有云平臺(tái)，均能搭載更多種類的電池SOH在線評(píng)估算法與模型，從而保證從BMS上傳的電池?cái)?shù)據(jù)能多線同時(shí)計(jì)算，得到更合適的預(yù)測(cè)值，本次設(shè)計(jì)案例選用的八種方法能基本囊括各種使用場(chǎng)景。

通過(guò)分析，可以根據(jù)以RMSE為代表的預(yù)測(cè)精準(zhǔn)度、以從慢到快Ⅰ—Ⅷ為代表的預(yù)測(cè)速度、以從低到高Ⅰ—Ⅷ為代表的云平臺(tái)負(fù)荷壓力、優(yōu)點(diǎn)、缺點(diǎn)、建議使用場(chǎng)景六個(gè)方面來(lái)對(duì)設(shè)計(jì)案例中提出的八種代表性方法進(jìn)行歸納總結(jié)對(duì)比(如表2)。

表2 設(shè)計(jì)案例中八種SOH評(píng)估方法總結(jié)

本文設(shè)計(jì)的融合多種電池SOH評(píng)估法的云平臺(tái)能夠根據(jù)實(shí)際工況和用戶需求來(lái)選擇最適宜的方法。因此，針對(duì)云平臺(tái)多線程SOH計(jì)算結(jié)果，設(shè)計(jì)了一套選擇性輸出最優(yōu)化結(jié)果方案，主要包括兩套結(jié)果反饋機(jī)制：基于用戶需求的反饋機(jī)制(如圖9)和基于實(shí)際情況的云平臺(tái)智能篩選反饋機(jī)制(如圖10)。

圖9 基于用戶需求的反饋機(jī)制

圖10 基于云平臺(tái)智能篩選的反饋機(jī)制

EVs用戶在點(diǎn)火啟動(dòng)后，能夠通過(guò)車載屏幕或手機(jī)app程序選擇自己的需求，此情況為以用戶需求為主的結(jié)果反饋機(jī)制，可以大體分為四大類，如圖9：對(duì)結(jié)果直觀性要求、對(duì)長(zhǎng)期預(yù)測(cè)的要求、對(duì)短期預(yù)測(cè)的要求、對(duì)反饋速度與精度的要求。用戶根據(jù)自我需要進(jìn)行確認(rèn)，云平臺(tái)將匹配最適合的SOH評(píng)估結(jié)果，傳輸?shù)接脩舳恕?/p>

設(shè)計(jì)的另一種機(jī)制為：云平臺(tái)智能篩選反饋，如圖10。BMS將包括EVs種類、電芯編號(hào)、充放電規(guī)律等全部數(shù)據(jù)分類整理并上傳給云平臺(tái)，云平臺(tái)能根據(jù)匹配的信息，篩選匹配最合適的某種或多種評(píng)估方法進(jìn)行結(jié)果輸出。設(shè)計(jì)的云平臺(tái)篩選機(jī)制在滿足用戶需求上，另外考慮了電池種類、用戶使用習(xí)慣、溫度條件、EVs運(yùn)行狀況四個(gè)大類，與設(shè)計(jì)案例中的八種方法進(jìn)行匹配。

根據(jù)EVs常見(jiàn)的動(dòng)力電池種類，可以分為三種，以LiFePO4為驅(qū)動(dòng)、以NCM為驅(qū)動(dòng)、以固態(tài)鋰離子電池為代表的其它種類電池驅(qū)動(dòng)，在八種SOH評(píng)估與預(yù)測(cè)方法的設(shè)計(jì)案例中，某些方法對(duì)特定電池的適用性更好，故上述情況分別適用于方法1、方法8、方法6；

根據(jù)云平臺(tái)分析用戶使用EVs的習(xí)慣，判斷其是數(shù)據(jù)分布有序的規(guī)律性充放電，或者是長(zhǎng)時(shí)間擱置未充電情況；后者需要考慮“容量再生”帶來(lái)的較大SOH評(píng)估偏差，因此選用方法2能有效消除不準(zhǔn)確性，而規(guī)律性的充放電則可使用方法1、8利用云平臺(tái)中的歷史數(shù)據(jù)得到結(jié)果。

根據(jù)BMS實(shí)時(shí)上傳信號(hào)判斷EVs是剛啟動(dòng)，能用方法2與方法8通過(guò)充電歷史數(shù)據(jù)直接得到SOH預(yù)測(cè)結(jié)果，若BMS上傳故障警告信號(hào)則需要利用方法3最快速預(yù)測(cè)得到SOH結(jié)果，若正常運(yùn)行則適合方法6、7；

根據(jù)BMS實(shí)時(shí)上傳的溫度數(shù)據(jù)，云平臺(tái)來(lái)判斷EVs所處溫度條件。當(dāng)溫度變化>5℃時(shí)，溫度對(duì)電池內(nèi)阻的影響較大，以內(nèi)阻法來(lái)預(yù)測(cè)電池SOH的方法不再合適，故采取方法7；而溫度較為恒定時(shí)，即變化范圍≤5℃，則可使用方法4的內(nèi)阻法來(lái)進(jìn)行預(yù)測(cè)。

3.3 云平臺(tái)后臺(tái)服務(wù)器管理的設(shè)計(jì)

本文主要利用云平臺(tái)的兩大功能：云計(jì)算、云儲(chǔ)存。云平臺(tái)并不是獨(dú)立的架構(gòu)，是需要大量的后臺(tái)服務(wù)器支持其功能正常運(yùn)作。因此在本設(shè)計(jì)中，后臺(tái)服務(wù)器應(yīng)該具備以下功能：

電芯充放電數(shù)據(jù)監(jiān)控。BMS主控模板收集并整理好EVs所有電芯的充放電數(shù)據(jù)(包括電流、電壓、溫度、內(nèi)阻等)，通過(guò)5G-DTU將全部信息傳輸至云平臺(tái)的后臺(tái)服務(wù)器。在監(jiān)控充放電數(shù)據(jù)同時(shí)，服務(wù)器也進(jìn)行數(shù)據(jù)存儲(chǔ)，存儲(chǔ)時(shí)間取決于EVs廠商要求，通常要求以年為單位，企業(yè)可以對(duì)某款EVs進(jìn)行大數(shù)據(jù)分析，報(bào)廢后能夠分析其全壽命周期。

用戶信息管理。此項(xiàng)功能主要針對(duì)服務(wù)廠商，能夠通過(guò)云平臺(tái)的后臺(tái)服務(wù)器將EVs信息與用戶信息綁定。用戶信息包括了EVs購(gòu)買(mǎi)者信息，用戶對(duì)EVs的充放電規(guī)律，EVs的行程定位、運(yùn)行時(shí)長(zhǎng)、運(yùn)行狀況等。注意，收集的用戶信息在后臺(tái)服務(wù)器要進(jìn)行加密保護(hù)措施，權(quán)限設(shè)置為僅用戶和廠商能進(jìn)行查看，不允許編輯。

硬件信息管理。此項(xiàng)功能主要針對(duì)EVs內(nèi)部所有零部件情況，檢測(cè)各硬件安全狀況、壽命期限、ID信息等。

相關(guān)數(shù)據(jù)分析。此功能主要包括了設(shè)計(jì)案例中多種SOH融合評(píng)估模型與算法。此外還應(yīng)該包括：分析EVs的日志數(shù)據(jù)，從而得到用戶的使用習(xí)慣規(guī)律，便于提供在不同時(shí)間段匹配最佳的評(píng)估機(jī)制；分析各電芯的數(shù)據(jù)，從而將電芯不一致性調(diào)控的方案反饋給BMS主控模塊，主控模塊通過(guò)調(diào)控模塊向各模塊下發(fā)調(diào)控命令，消除電芯的不一致性，提高電池組的使用壽命。

警告信號(hào)處理，此項(xiàng)功能主要是針對(duì)后臺(tái)服務(wù)器對(duì)EVs緊急安全狀況的處理。當(dāng)EVs遇到碰撞或高溫等其它安全狀況時(shí)，BMS控制電芯緊急斷電或快速制冷等操作，并將最后的數(shù)據(jù)上傳給云平臺(tái)服務(wù)器實(shí)現(xiàn)緊急存儲(chǔ)。該作用類似于飛機(jī)的“黑匣子”，記錄EVs緊急狀態(tài)前后所有信息，這樣即使EVs在事故后完全毀壞且無(wú)法獲得信息，用戶和廠家也可以事后及時(shí)調(diào)取云平臺(tái)的后臺(tái)服務(wù)器記錄進(jìn)行取證分析。

4 用戶端設(shè)計(jì)

在設(shè)計(jì)案例中，以阿里云平臺(tái)搭載的八種電池SOH評(píng)估模型與算法，多線程計(jì)算后得到多種SOH評(píng)估與預(yù)測(cè)結(jié)果。通過(guò)用戶需求反饋機(jī)制和云平臺(tái)智能篩選反饋機(jī)制，能夠得到最合適的反饋結(jié)果，進(jìn)而輸送給EVs與用戶端。因此，有必要針對(duì)用戶端信息接收進(jìn)行設(shè)計(jì)。

4.1 基于手機(jī)app端的應(yīng)用程序設(shè)計(jì)

目前5G手機(jī)已經(jīng)得到了大范圍的普及，BMS和云平臺(tái)的信息實(shí)時(shí)傳遞是架構(gòu)在5G/4G網(wǎng)絡(luò)上的，因此基于ApiCloud平臺(tái)工具，針對(duì)安卓系統(tǒng)、蘋(píng)果系統(tǒng)、微軟手機(jī)系統(tǒng)、塞班系統(tǒng)等多系統(tǒng)進(jìn)行app開(kāi)發(fā)與適配；設(shè)計(jì)數(shù)據(jù)庫(kù)；開(kāi)發(fā)后臺(tái)系統(tǒng)；UI優(yōu)化等。

設(shè)計(jì)的手機(jī)app，總體架構(gòu)如圖11(a)所示，分為用戶層、中轉(zhuǎn)層、數(shù)據(jù)層。具體來(lái)說(shuō)就是用戶通過(guò)手機(jī)app，向web端服務(wù)器發(fā)送5G信號(hào)，請(qǐng)求訪問(wèn)數(shù)據(jù)。web端服務(wù)器通過(guò)與云平臺(tái)的后臺(tái)服務(wù)器的聯(lián)系，得到多線程SOH評(píng)估值以及其它建議值，利用簡(jiǎn)易的JSON數(shù)據(jù)流格式返回用戶app端。

圖11 手機(jī)app

登錄手機(jī)app后，主界面的設(shè)計(jì)簡(jiǎn)單清晰，如圖11(b)，應(yīng)該包括五個(gè)可供選擇的模塊。

模塊1為我的信息，用戶可修改個(gè)人相關(guān)信息，包括用戶名、登錄密碼、汽車出廠編號(hào)等；模塊2為電池健康預(yù)測(cè)，此部分為設(shè)計(jì)的核心，通過(guò)BMS與云平臺(tái)的設(shè)計(jì)，實(shí)現(xiàn)了EVs鋰離子動(dòng)力電池在各種實(shí)際情況下的電池SOH評(píng)估與預(yù)測(cè)，結(jié)果將通過(guò)5G信號(hào)發(fā)送到用戶手機(jī)app上。點(diǎn)擊電池健康預(yù)測(cè)按鈕進(jìn)入后，界面分為用戶需求與云平臺(tái)智能篩選兩部分，如圖11(c)，用戶需求分為直觀性、長(zhǎng)期預(yù)測(cè)、短期預(yù)測(cè)、反饋速度；云平臺(tái)智能篩選分為電池種類、用戶習(xí)慣、運(yùn)行狀況、溫度條件。模塊3為歷史數(shù)據(jù)查詢，分為按時(shí)間段查詢、按區(qū)域查詢；用戶可以輸入想要查詢的過(guò)去時(shí)間段或輸入某一特定區(qū)域，app會(huì)顯示相關(guān)的電池健康狀態(tài)變化曲線，行駛里程數(shù)，充放電循環(huán)次數(shù)，電量變化曲線等等。模塊4為電池狀態(tài)監(jiān)測(cè)，包括當(dāng)前狀態(tài)下的電池溫度、總電流、總電壓、電量、預(yù)計(jì)剩余公里數(shù)等；這些數(shù)據(jù)來(lái)源均是電動(dòng)汽車的BMS系統(tǒng)，主控制器模塊收集所有電芯數(shù)據(jù)并歸類處理上傳到云平臺(tái)服務(wù)器，再返回至用戶app端，滿足實(shí)時(shí)查詢的功能。模塊5為警告中心，當(dāng)EVs出現(xiàn)緊急情況，如電芯溫度劇烈升高，電池組機(jī)械損壞等，手機(jī)app會(huì)聯(lián)動(dòng)汽車車載屏幕程序，及時(shí)以“危險(xiǎn)警告”報(bào)警提醒用戶，并及時(shí)將數(shù)據(jù)與情況上報(bào)給云平臺(tái)服務(wù)器，便于后續(xù)及時(shí)分析；若出現(xiàn)多塊電芯達(dá)到終止壽命、冷卻液缺失、風(fēng)冷系統(tǒng)有灰塵堵塞等情況但不影響EVs正常運(yùn)行，手機(jī)app會(huì)以“維修提醒”來(lái)警示用戶及時(shí)返廠處理“暗病”，將電池不健康因素消除在萌芽狀態(tài)。

4.2 基于EVs車載屏幕程序的設(shè)計(jì)

針對(duì)EVs車載屏幕的結(jié)果反饋功能架構(gòu)如圖12(a)，與手機(jī)app不同的是，車載屏幕的架構(gòu)多出了BMS系統(tǒng)直連的功能。BMS是通過(guò)AFE芯片收集電芯全部數(shù)據(jù)，利用設(shè)計(jì)的從控芯片解析得到數(shù)據(jù)，通過(guò)CAN通信上傳到主控芯片，歸類整理所有的電芯數(shù)據(jù)，得到在電量、電流、電壓、溫度等數(shù)據(jù)的變化，并可做成變化曲線圖，CAN總線直連上傳到車載屏幕程序中，省去了通過(guò)云平臺(tái)中轉(zhuǎn)的過(guò)程，能夠比用戶通過(guò)手機(jī)app更快地得到當(dāng)前EVs數(shù)據(jù)。

智能化EVs發(fā)展道路離不開(kāi)車載屏幕的支持，目前新型EVs的車載屏幕在向著更大觸屏、更豐富交互體驗(yàn)、更人性化UI設(shè)計(jì)等方向發(fā)展。因此設(shè)計(jì)的車載屏幕如圖12(b)所示，注重模塊化分布，界面簡(jiǎn)單交互性強(qiáng)，分為了兩大部分：多媒體功能區(qū)、EVs健康管理區(qū)。

5 結(jié)束語(yǔ)

針對(duì)電動(dòng)汽車車載BMS不能同時(shí)兼顧電池SOH評(píng)估的精度與速度，難以在各種時(shí)間尺度上滿足預(yù)測(cè)的需求，致使電動(dòng)汽車電池健康管理實(shí)際應(yīng)用發(fā)展緩慢的問(wèn)題，提出了融合云平臺(tái)與BMS的電池健康管理體系架構(gòu)思路，能夠?qū)崿F(xiàn)5G在線評(píng)估電池健康狀況，集合各種電池SOH評(píng)估模型與算法，多線程實(shí)時(shí)計(jì)算并反饋預(yù)測(cè)結(jié)果，滿足多種動(dòng)力電池種類和工況條件，為電動(dòng)汽車健康管理提供了新方向，具有較好的未來(lái)應(yīng)用價(jià)值。