这份内容是由芝能科技负责制作的。
电池管理系统, 它实际上属于一门需要相当高度技术含量的专业领域。
在进行快速充电操作的时候, 仪表盘之上会呈现出电池温度属于正常状态这样的画面信息, 可是电芯的内部构造区域很有可能已经产生了更为炽热的情况, 即便剩余续航里程的数字还悬挂在几十公里这个水平段之内, 其中的某一个电芯也有可能先是触及到了放电过程中的最低限制边界值。
电池管理系统被称作BMS, 它对一个电池包能使用多少年来说, 起到的作用是非常重要的。因为系统里只有电压、电流和几个测点的温度这些数据。
而决定设备的安全性、性能和使用寿命的那些关键状态, 比如电芯内部的真实温度、剩余的电量到底有多少、老化程度到了什么地步、内部有没有出现局部损伤, 这些东西没有直接的传感器能够直接读取出来。
BMS它就是一个控制系统, 这个系统的任务包括持续地去估算内部的这种状态情况, 还要提前去把风险的边界都给预判出来, 并且能够主动地去修改关于充电以及放电方面的策略。
在01这个部分, 把温度传感器贴到了外壳上面, 但是产生的热量实际上是来源于电池的内部。
温度这个事儿, 在电池管理里面是最重要的存在。电芯内部的温度, 本来就是有差异的那种状态。当进行快充操作的时候, 热量是在内部被产生出来的, 然后呢, 这些热量再经过材料和结构的传导, 慢慢地往外部传递出去。
通常而言, 传感器是被贴在设备的外部位置的, 这就导致读取到的数据数值, 和内部那个热点的实际位置之间, 隔着不小的温差, 同时也存在着一定的时间差。
在分享会上, 宁德时代举了一个具体的例子。这个例子是在表面温度大约为60℃的时候给出的。此时电池内部温度可能会上升到70℃左右, 这种现象只在特定的电芯以及特定的运行工况下才成立, 如果换一个类型的电池或者换一个不同的倍率标准, 那么两者之间的温度差异就会变得更为显著。
电池管理系统, 也就是BMS, 要去做的事情是从那些有限的、来自外部的信号开始往回推断, 从而搞清楚内部的那个温度到底是怎么分布的。而把表面的温度给压在某个指定的数值以下, 这只是一个附带产生的结果, 并不是主要的目标。
整个流程是这样的, 首先是利用电流还有电压以及电芯本身的特性来估算出热量产生的情况。然后再结合上热量在电芯的内部结构之中, 以及在整体的冷却系统里面进行传递和扩散的具体过程, 通过这些信息反向推算出那个处于核心位置的温度到底是多少。
学术界把估算电池的核心温度, 同样当作电池管理里面特别难的家伙事。他们靠用电热耦合模型配上外部测温, 来对它进行修正和纠错。
发热这件事, 可不能简单地把它看成是内阻乘以电流这么一点事。如果仅仅是去关注那些由欧姆效应所产生的损耗, 那么功率近似值确实可以是电流乘以电阻得到的。但是, 一个完整的数学模型还得把极化作用的影响也算进去, 并且还要考虑到跟电化学反应有关系的那些可以逆转的热量变化。
这就好像说, 你设计的这个模型要是越能够贴近真实情况下电芯的表现方式, 那么你想要识别出里面那些关键参数的工作就会变得越困难, 而从车辆端那边来看, 为了实时完成这些计算任务所需的处理能力也就变得越来越紧张了。
宁德时代提出, 通过运用模型来对内部温度做出估算工作, 然后再分别选取最高温度以及最低温度, 借助这两个数值去划定允许的电流边界范围相关的内容。
控制依据的事情, 不是再看传感器此刻读到的是什么东西了, 而是变成去看电芯内部接下来会发生什么情况。
最终由模型输出的, 始终都是估计的数值。想要评估这项能力到底有多强, 必须去查看在经历不同阶段的老化、处于不同的环境温度里、满足冷却条件各不相同以及快充倍数高低有别的情况下, 误差出现的幅度会达到何种程度, 同时还要考察该系统到底为预留这些误差保留了多大的缓冲空间。
在02这个快充的起始阶段稍微降低一点速度, 从整个过程的总体效果来看, 反而能够达到更快的速度。
内部温度的估算是否准确, 最终的体现就是要看电流的供应情况到底是怎么回事。
所谓直观的快充, 其实就是从一开始就把电流全部拉满, 等到电池温度快要达到极限的时候, 再采取紧急手段把功率降下来。更高的电流会使得热量积累得更快, 所以在充电阶段前期所抢回来的那些时间，在后面都要靠着大幅度降低电流这种形式给还回去。
还有一种做法是把整段电池包都一起进行查看和对待, 在起步阶段稍微收束一些功率, 让温度上升的速度减缓一点点, 到了后半程的时候也就能够保持住比较强的充电能力了。
把优化之后的全部充电曲线的结果看一看, 要知道, 光是去降低那个电流数值这件事本身, 它绝对起不到缩短整个充电时间的作用。
你得把充电电流的变化曲线这一件事, 当成一个带有各种限制条件的优化算法来对待, 然后, 就得想办法在那个电压不能超过的范围、温度不能过高的界限, 还有电池老化程度不允许太快的边界条件当中去苦苦寻找和探索, 以便能够寻找到一段更短得多的充电时长出来。
在同一款车, 同时相同的初始电量状态以及动力电池温度条件之下, 并且使用的是同一个充电桩设备这个前提下, 将那个完整的充电时长数据、电池内部所推算出的最高温度数值, 还有那些属于长期老化过程中的容量衰减情况汇总起来进行对比分析, 在此过程中, 还需要把冷却系统的实际工作能力也给考量进去。
算法虽然能够对电池的电量利用率产生影响, 但是, 如果电芯以及散热硬件在实际条件上无法提供额外的性能余量的时候, 即便有先进的算法存在, 最终也无法创造出额外的工作能力。
03是关于磷酸铁锂的情况, 这种电池的电压表现是不怎么随着电量的变化而变化的。
内部的温度情况是没办法直接去测量获取数据的, 而对于磷酸铁锂电池剩余电量的状态评估来说, 仅仅凭借电压数值这一项指标来进行判断也是十分困难的。
电池的开路电压通常随着SOC的变化而变化。
在很长的电量变化范围之内, 磷酸铁锂的开路电压曲线基本上是非常平缓的: 电量的数值虽然出现了大幅度的下滑, 但是电压的值却仅仅发生了微小的变动。
而且充放电方面的历史记录也会引发一种叫做滞回的现象, 这意味着在同一个荷电状态下, 并不一定能够对应到同一个开路电压去。如果想在电池的平台区域里依靠电压来倒推出现在的电量是多少的话, 那么在测量过程以及模型计算中出现的任何一点细微的误差, 都会被极大地放大。
有些车子会提示用户要进行定期的充满操作, 这个做法的背景其实就在这个地方。当电量快要接近完全充满状态的时候, 电压的变化曲线是非常明显的。这种变化可以给那种因为长期累积所导致的电量估算误差做一次修正和纠正。
咱们这里所说的“充满”, 它本质上是一个用来校准的动作, 而这跟把电池长期保持在满电的状态下停放会对电池寿命产生负面影响这两个事情是没有关系的。
那如果不依靠电压来进行判断, 转而采用累计流入与流出的电流数值作为依据的话呢? 经过分析发现, 这种方案也是不够的。
在电流这项指标上进行测量的时候, 如果存在有偏差的情况, 考虑到电芯实际的电量容量会随着时间推移和老化进程而发生变化的现象, 这种误差数值将会随着岁月的流逝逐渐往高处积累。
当车辆处于停止状态时, 像哨兵模式这种具有小功率特性负载的情况出现了, 进而使得对于低电流测量精度的要求得到提升: 在面临同样的绝对误差的情况下, 该误差相对于小数值电流本身所占的比重变得更大了起来。
宁德时代方面提到了他们的动态 SOC 解决方案, 该方案试图减少对一种特定的校准条件的依赖。这种特定的条件是电池必须被充到满电状态。这个方案的目的是为了让系统能够覆盖更加不同的充电和放电场景。
从技术的角度来剖析, 更为恰当的理解方式应该是: 电流积分、电压响应、温度数据、充放电的历史记录以及电芯的模型这几项要素相互结合, 当车辆开始运行之时, 系统便会持续地对估计值开展修正工作, 而不应当存在那种只需在任意一个电池电量节点观察一次电压, 就直接准确计算出结果的想法。
评价这个东西, 其实也不能仅仅只是去看那个平均误差的大小, 还得把长期下来不满充电会不会发生漂移、低电压的那个地方会不会突然产生跳变, 还有这个设备老化之后以及在低温环境底下到底还能不能保持可靠性能, 这些都必须要一并计算进去。
04 从报警走到提前控制
在这次分享会中, 还提到了针对底盘碰撞的评估机制, 以及根据用户的实际使用习惯来制定的电池延寿策略。
尽管这两点内容与温度管理和SOC估算看起来似乎没有直接关联, 但其背后的技术逻辑是高度一致的: 也就是需要先将电池当前的真实状态尽可能全面、准确地掌握和摸清, 然后再根据实际情况来决定是否需要进行干预或调整操作。
在底盘受到撞击之后, 去检测出发生过一次冲击事件这件事并不算太难, 真正困难的地方在于要去判断刚才发生的这次冲击, 究竟有没有导致电芯发生那些会影响到它安全程度的形变或者是损伤情况。
要是我们的传感器以及相关的模型能够做到非常可靠, 那么我们就可以减少掉一些其实并不需要更换的电池整包的数量；但是, 要是出现了一次漏判的情况的话, 最终所带来的代价又会是非常巨大的。
碰撞评估这个事儿, 需要搞清楚的, 就是系统到底能把哪些损伤给认出来, 还有哪些是它根本识别不了的。另外, 在它判定出这个东西还能接着用的时候, 对于剩下的风险, 后面该怎么一直盯着, 也得有个明确的说法。
延寿的这个情况也是一模一样的。高温环境、高电量状态下的停放、循环深度的情况、还有充电倍率的数值, 这些因素对电池老化的影响方式是完全不相同的。已经做过的静置老化实验结果充分地说明了温度和剩下的电量百分比跟电池的老化之间的关联是非常密切的。
在进行电芯静置老化实验的时候, 人们所关心的这个问题是所谓的“智能延寿”这种功能到底是不是真的有效。判定它是否有效的依据, 从来都不是看系统有没有给出相关的建议。真正需要去观察和比较的情况, 是在具有相似条件的电芯以及在使用环境相近的状态下进行的测试。
我们需要关注的是, 在那些策略被介入应用之后, 电池的容量衰减速度是否存在着确实明显的减少。同时, 也需要算清楚用户为了获得这样的延长使用的效果, 最终为此多付出了多少充电的时间成本, 或者是多损失了多少可用的电量份额。
能够去估算具体的内容是什么, 误差的数值有多少, 根据这些估算的数据可以做出什么样的调整, 而在调整好之后得到的结果, 是不是能够通过复测的方式验证出来。
在分享会当中提到的那些东西, 像是车队数据、研发实验室, 还有测试体系, 会对模型的开发生成和检查工作带来帮助, 而数据规模的大小本身是并不等于这些结果的。
小结
这个电池管理系统在电池包里其实是不显眼的, 可是它一直在速度、寿命和安全这几个方面做取舍。它的技术含量具体体现在, 能够说清楚电池目前到底是什么状态, 以及距离那个边界还有多远。
电池表面的温度有60℃, 里面的温度已经上升到了70℃, 这种情况下, 电池管理系统的管理工作究竟应当如何去开展?
