《储能安全设计从零到一》

第4章 电池管理系统(BMS)基础

4.1 BMS功能架构

电池管理系统(BMS)是储能系统的核心控制单元,负责监测、保护、控制和优化电池组的运行状态。一个完整的BMS功能架构通常分为感知层、决策层和执行层三个层次。

BMS三层功能架构

执行层 接触器控制 均衡控制 热管理控制 绝缘检测 预充电控制 故障保护动作 决策层 SOC估算 SOH估算 SOP估算 故障诊断 安全策略 均衡策略 热管理策略 感知层 电压采集 电流采集 温度采集 绝缘检测 压力检测 气体检测 数据上传 指令下发

图4-1 BMS三层功能架构图 — 感知层负责数据采集,决策层进行算法计算与策略制定,执行层完成物理动作。

在实际工程中,BMS还分为中央控制单元(BCU)、从控单元(BMU)和高压控制单元(HVU)等物理形态,分别对应不同的功能模块。

4.2 电压采集技术

电压采集是BMS最基础的功能,直接关系到电池状态估算的准确性。储能系统通常采用单体电压采集和总电压采集两种方式。

4.2.1 单体电压采集

单体电压采集主要采用专用AFE(模拟前端)芯片实现,常见方案包括:

  • 分布式采集:每个电池模组配备独立的AFE芯片,通过菊花链或CAN总线与主控通信。
  • 集中式采集:所有电池单体通过线束连接到一块采集板,适用于小规模系统。
  • 无线采集:采用无线通信技术传输电压数据,减少线束复杂度。
采集方式 精度要求 采样周期 典型芯片
分布式 ±1mV 10~100ms LTC6811、AD7280A
集中式 ±5mV 100~500ms MCU内置ADC
无线 ±2mV 50~200ms TI CC2650

工程提示:电压采集精度直接影响SOC估算误差。对于磷酸铁锂电池,电压平台平坦,需要更高精度的采集方案(±1mV以内)才能有效区分SOC状态。

4.3 电流采集技术

电流采集是SOC估算和故障保护的关键输入。储能系统常用的电流传感器包括:

  • 霍尔传感器:基于霍尔效应,非接触式测量,响应快,但存在温漂。
  • 分流器:基于欧姆定律,精度高,但存在功率损耗和发热问题。
  • 磁通门传感器:精度最高,适合高精度计量,但成本较高。

电流采集的关键指标包括:

  • 量程:需覆盖系统最大充放电电流的1.2倍以上。
  • 精度:通常要求±0.5%以内,高精度应用需±0.1%。
  • 带宽:至少1kHz以上,以捕捉短路等瞬态电流。
  • 隔离耐压:需满足系统绝缘等级要求。

电流采集方案对比

霍尔传感器 精度:±0.5%~±2% 带宽:DC~100kHz 隔离:有 功耗:低 成本:中等 适用:通用储能 分流器 精度:±0.1%~±0.5% 带宽:DC~10kHz 隔离:无 功耗:高 成本:低 适用:高精度计量 磁通门传感器 精度:±0.05%~±0.1% 带宽:DC~1kHz 隔离:有 功耗:中等 成本:高 适用:精密计量

图4-2 电流采集方案对比 — 三种主流电流传感器在精度、带宽、隔离和成本方面的差异。

4.4 温度采集技术

温度采集是热管理和安全保护的基础。储能系统需要在电池模组、电池簇和系统层面部署温度传感器。

4.4.1 传感器选型

  • NTC热敏电阻:成本低、响应快,是储能系统最常用的温度传感器。
  • PT100/PT1000:精度高、线性度好,适用于高精度温度监测。
  • 数字温度传感器:如DS18B20,可直接输出数字信号,抗干扰能力强。

4.4.2 部署策略

温度传感器的部署密度直接影响热管理效果。推荐部署原则:

  • 每个电池模组至少部署2个温度传感器(正负极侧各1个)。
  • 电池簇的进出风口、母线连接处需额外部署。
  • 对于大容量电池(≥100Ah),建议每4~8个单体部署1个温度传感器。

安全警示:温度采集的采样周期应≤1s,且需具备断线检测功能。当检测到温度异常上升速率(≥5°C/min)时,应立即触发预警。

4.5 SOC估算基础

SOC(State of Charge,荷电状态)是电池剩余电量的百分比,是BMS最核心的状态参数之一。常用的SOC估算方法包括:

4.5.1 安时积分法

安时积分法是最基础的SOC估算方法,通过对电流进行时间积分计算电量变化:

SOC(t) = SOC(0) - (∫I·dt) / Qn × 100%

其中,SOC(0)为初始SOC,I为电流(充电为正,放电为负),Qn为额定容量。

优点:算法简单,实时性好。缺点:存在累积误差,需要定期校准。

4.5.2 开路电压法

利用电池开路电压(OCV)与SOC的对应关系进行估算。该方法需要电池静置足够长时间(通常≥30分钟)才能获得准确OCV。

4.5.3 卡尔曼滤波法

卡尔曼滤波法结合了安时积分法和电压修正,通过状态空间模型和递归算法实现SOC的最优估计。该方法精度高,但计算复杂度较大。

估算方法 精度 计算量 适用场景
安时积分法 ±5%~±10% 低 低成本系统
开路电压法 ±3%~±5% 低 静置校准
卡尔曼滤波法 ±1%~±3% 高 高精度系统
神经网络法 ±1%~±2% 很高 大数据平台

4.6 SOH估算基础

SOH(State of Health,健康状态)反映电池的老化程度,通常以容量保持率或内阻增加率来表征。

4.6.1 容量衰减法

通过对比当前实际容量与初始额定容量计算SOH:

SOH = Q_current / Q_initial × 100%

实际容量可通过满充放电测试或部分充放电数据推算获得。

4.6.2 内阻增长法

电池内阻随老化而增加,通过测量直流内阻(DCR)或交流内阻(EIS)来评估SOH:

SOH = (R_EOL - R_current) / (R_EOL - R_initial) × 100%

其中,R_EOL为寿命终止时的内阻,R_initial为初始内阻。

4.6.3 循环次数法

基于电池的循环寿命曲线,通过累计充放电循环次数估算SOH。该方法简单但精度较低,需结合其他方法使用。

SOH估算方法对比

容量衰减法 精度:±2%~±5% 需满充放电 在线/离线均可 适用:所有电池 推荐:主方法 内阻增长法 精度:±3%~±8% 需专用设备 在线/离线均可 适用:所有电池 推荐:辅助方法 循环次数法 精度:±5%~±15% 需循环计数 在线计算 适用:循环型 推荐:参考方法

图4-3 SOH估算方法对比 — 三种主流SOH估算方法在精度、适用性和实现难度方面的差异。

在实际工程中,通常采用多方法融合的策略,以容量衰减法为主,内阻增长法和循环次数法为辅,通过加权融合算法提高SOH估算的准确性和鲁棒性。