1.
1. 研究背景
1.
2. BMS算法核心要求
BMS算法评价指标和要求很多元，如图1所示，如准确性、鲁棒性、算法收敛时间、硬件需求、复杂性、可扩展性等等，各项标准的更详细定义如表1所示。
图1 BMS算法多元要求
表1 BMS算法评价要求的详细定义及影响因素
3. BMS算法验证方法
本文通过与行业工程师和大学研究人员进行访谈，建立了BMS算法验证框架。访谈对象来自德国、美国、中国、古巴、瑞典等国家，拥有不同的技术背景，主要集中在机械、机电一体化、电气和计算机工程等工程科学领域。他们的研究主题涵盖锂离子电池和电池管理系统，如老化研究、电化学阻抗谱、热控制、安全管理、BMS功能开发、电池建模、锂离子电池数值仿真、机器学习、控制和优化算法等；这些专家在电池诊断领域积累了广泛的经验，其中一些人已有超过20年的工作经验。
图2 BMS算法验证框架
具体来说，算法验证采用模型在环的方法，允许在可重复但自由定义的条件和特征下比较诊断算法。这个仿真环境的灵活性使得对BMS算法在各种测试场景下进行全面研究成为可能。验证是在MATLAB/Simulink中实现的，包含多个子模型：应用模型、参考电池模型、BMS模型和误差计算。其一般结构如图3所示。其信号传递路径如图4所示。
图3 BMS算法验证模型在环仿真环境
图4 BMS算法验证信号传递路径
传感器测量噪声会对状态估计算法产生很大的影响，而由于电池工作环境的复杂性和多样性，需要BMS算法保持较高的鲁棒性。在算法验证中，需要模拟真实场景下的噪声，加入电压和电流数据中，其具体流程如图5所示，主要考虑三种噪声。
图5 算法验证中测量噪声的引入方法
1.
4. 验证结果
本文针对SOC估计算法给出算法验证的示例，验证扩展卡尔曼滤波器（EKF）和无迹卡尔曼滤波器（UKF）在不同等效电路模型下的算法性能。模型在不同的电化学体系、温度、起始SOC和有无噪声下SOC估计算法的性能。图6呈现了EKF-R1RC、EKF-R2RC和UKF-R2RC算法的性能结果。这些结果在相同电池或使用配置下进行比较，以评估算法的适应性。由结果可见，这种评估方法可以对算法的性能进行充分且全面的评估。
图6 SOC估计算法在不同条件下的性能评价
5. 总结
本研究解决了有效验证电池管理系统算法的重大挑战，这一主题在现有文献中尚未得到充分探索，特别是在测试场景的复杂性方面。通过综合来自专注于锂离子电池和BMS的国内外研究人员的访谈见解，本研究阐明了汽车应用中算法验证所需的多样化要求和考虑因素，特别关注SOC、SOH和SOP的估算。
研究深入探讨了各种要求（如准确性和鲁棒性）之间的相互关联，这些要求可能在不同状态下有所变化。此外，本文提出了一种算法选择的标准加权方法，强调了在客户和应用需求（如鲁棒性、实时能力和准确性）与算法所使用硬件的限制之间进行平衡的重要性。
提供的验证示例评估了在不同温度、驾驶循环、初始SoC值、测量噪声和电池间不一致性下的三种不同SOC估算器，显示了不同卡尔曼滤波器实现的性能在不同条件下的显著差异性，强调了对BMS算法进行全面验证的关键需求。
文章信息
Franziska Berger, Dominik Joest, Elias Barbers, et al. Benchmarking battery management system algorithms - Requirements, scenarios and validation for automotive applications, eTransportation, Volume 22, 2024, 100355.
国际交通电动化杂志
eTransportation
文章类型
文章类型涵盖：
研究（Research）
综述（Review
短通讯（Short Communication）
观点（ Perspective）
评述（Commentary）
论坛（Forum）
其他（Data paper, conference等）。
论文投稿
https://www.editorialmanager.com/etran
论文下载
https://www.sciencedirect.com/journal/etransportation
扫码阅读更多文章
eTransportation | 交通电动化
欢迎投稿
eTransportation | 交通电动化
联系我们
如有任何学术问题研讨、投稿咨询、编委申请，以及论文全文获取等请与我们联系。
Email:dujiuyu@tsinghua.edu.cn
etransport@tsinghua.edu.cn
微信联系
交通电动化，有你更美好！
