基于ASCET的自動導向車電池管理系統開發與應用

摘 要：為拓展動力電池退役后的梯次利用，實現電池全生命周期價值的最大化，針對一款搭載退役電池的AGV（Automatic Guided Vehicle，自動導向車）進行電池管理系統的開發。文章以ETAS軟件開發鏈為平臺，電池管理系統集成了充放電控制、電池荷電狀態（State of Charge，SOC）、電池健康狀態（State of Health，SOH）、均衡控制和診斷保護等功能，電池管理系統的開發與應用，為在研不同的單體個數、正極材料的電池包提供了通用的軟件應用平臺。

關鍵詞：退役電池 梯次利用 電池管理系統

《新能源汽車產業發展規劃（2021—2035年）》明確指出“完善動力電池回收、梯級利用和再資源化的循環利用體系，鼓勵共建共用回收渠道”的要求，鼓勵推動動力電池全價值鏈發展，支持動力電池梯次產品在儲能、備能、充換電等領域創新應用[1]。建立健全動力電池剩余價值評價技術及方法，推進動力電池高效無損分類和自動分類與歸集，構建退役電池精細化、智能化、高值化清潔循環利用技術體系[2]。

近年以來，純電動汽車、混合動力汽車、增程式汽車等多動力型式、搭載著動力電池車輛的推陳出新，其市場占有率不斷擴大。然而，當SOH低于80%時，意味著動力電池無法滿足上述整車大功率充放電的要求，意味著電池面臨退役的問題[3-4]。退役電池本著“先梯次利用后再生利用”的原則，針對退役電池進行以下的再利用路徑。

梯次利用是退役電池發揮殘余價值、環境友好的最佳實踐路徑。低功率用電場景，如電動兩輪車、物流叉車、AGV，風光儲能、家庭儲能、便攜式電源等，應用市場廣泛，潛在的市場價值巨大[5-6]。開發成本低廉、功能無贅余的梯次利用電池專用BMS（Battery Management System，電池管理系統），拓寬梯次利用電池應用市場的關鍵[7-8]。首先，梯次利用應當對退役下來的電池單體進行篩選分類，并將容量相近的電池單體進行重新組合，形成新的電池包。因此，電池單體的容量測試研究尤為關鍵。鄭志坤等人[9]研究庫倫效率與電池容量衰減之間的內在關系，提出了基于庫倫效率進行退役電池篩選的方法。鄭岳久等人[10]通過機器學習算法得出退役電池篩選模型，大幅提升了電池單體的分選效率。其次，退役后的電池特性可能與之前全新電池不一致，針對其在不同溫度、放電倍率和放電深度等工況下特性，是后續軟件應用的重要控制參數。駱凡等人[11]針對退役電池的荷電狀態和健康狀態，采用電化學阻抗譜的方法，大幅縮短了相關狀態的預測時間。鄒幽蘭[12]采用電化學檢測-計算機模擬的研究方法，探究了不同使用工況下的電化學行為，并搭建起電池壽命的預測模型，確保電池安全、可靠運行。

本研究基于AGV物流小車為應用平臺，以ETAS ASCET為應用層軟件開發工具鏈，研究其電池管理系統的開發與應用，并以此為基礎，拓展成一款適應不同電池單體個數、不同正極材料的通用型梯次利用電池專用BMS。

1 電池管理系統架構

1.1 BMS硬件架構

車用動力電池BMS硬件通常采用三個開關繼電器（預充、主正、主負）進行電池的預充、充放電的閉合和斷開等控制；而梯次利用電池BMS硬件的充電和放電的功能分別采用單獨MOSFET（Metal-Oxide-Semiconductor Field-Effect Transistor， MOSFET，金屬-氧化物半導體場效應晶體管）進行控制。硬件的差異會導致BMS軟件控制的不同。采用兩組MOSFET的優點在于與被控對象沒有信號交互的情況下也可以通過MOSFET的控制，通過監控電池充放電，控制在最大充放電的限制范圍內，從而維持電池運行在許用工況內，簡化了與應用平臺的通訊限制，應用時通過應用設備的最大需求功率即可選擇相應充放能力相當的電池包。

AGV電池硬件系統主要包括AFE（Analog Front End，模擬前端）芯片、微處理器、放電和充電MOSFET以及附屬電路等，如圖2所示。AFE芯片主要采集電池組的電壓、電流和溫度等信號，將相關信號傳遞給微處理器用于軟件邏輯的決策；另外，AFE芯片還提供了基礎的過欠壓、過欠溫、過流等保護功能；最后，AFE芯片根據微處理器的控制信號進行MOSFET的開關控制。

1.2 BMS軟件架構

根據AGV硬件系統選用一款低成本方案的微處理器，相比于車規級動力電池的處理器，該處理器的算法有限，因此，軟件的功能開發必須參照處理器算力進行精簡和優化。依照AGV的工作場景和功能需求，BMS軟件架構包含：傳感信號采集、工作模式決策、SOC、SOH、均衡策略、MOSFET控制、故障診斷等。BMS軟件架構如圖3所示。

傳感信號采集模塊是將AFE芯片采集到傳感器的數字信號轉化為物理信號，用于應用層的計算。

工作模式決策是根據采集信號和外部（上位機、面板按鈕等）信號，決策出相應的工作模式。工作模式大致分為休眠、待機、充電、放電等。

2 BMS關鍵算法

2.1 SOC算法

電池荷電狀態是指電池剩余電量的狀態，是電池特性中最關鍵的參數，其精度影響到電池的使用和壽命。經過多年學者研究和工業應用，大致發展了開路電壓法、安時積分法等經典算法，卡爾曼濾波法、觀測器法等基于模型的算法，以及神經網絡、模糊邏輯、機器學習等智能算法[13]。

2.1.1 開路電壓法

電池在靜置狀態下，開路電壓與SOC存在著對應的關系，可以根據開路電壓查出相應的SOC。然而，在實際充放過程或者靜置時間不足時，由于電池內部的極化效應，此時的電壓并非恒定，需要靜置大于1～2小時后才能被認為是真正的開路電壓。因此，開路電壓法只適合在靜置時間足夠久時，通常用于SOC初始化時的修正。

圖4是磷酸鐵鋰電池和三元鋰電池開路電壓和SOC的對應關系。磷酸鐵鋰電池特性曲線呈現了中間緩、兩端陡的趨勢。在大約SOC為20%～80%的區間內，由于趨勢較平緩，俗稱“平臺期”，采用開路電壓法時，計算出來的初始SOC誤差也存在一定偏差，因此，中間段初始SOC的估算也是當前算法的難點。而三元鋰電池特性曲線在電壓范圍內過渡得比較線性，采用開路電壓法進行SOC初始值修正時，估算精度會大大提高。

2.1.2 安時積分法

該算法為業內最為成熟的算法，廣泛應用于當前動力電池BMS控制中。所謂安時積分，即：將采樣周期內的電流不斷累加，得到不同時刻的安時值，經過與電池額定容量的計算，最終得到SOC計算值。因此，安時積分的精度受電流傳感器精度和采樣周期的影響，另外，誤差也在長時間的累加中會被放大。

式中，SOC（t0）為初始荷電狀態，η為庫倫效率，i（t）為電池電流，其中，充電時為正值，放電時為負值，Q為電池額定容量。

在實際量產應用中，通常將上述兩種方法進行結合使用，在電池工作時采用安時積分法進行SOC計算；等到電池進入待機狀態，并且靜置足夠長時間后，采用開路電壓法查表得到SOC值，然后進行SOC初始值的修正。

2.2 均衡算法

退役電池即使通過分容測試進行分類，將容量相近的電芯組成新的電池包，但是，由于電芯可能來自不同批次，電芯差異往往相比新的電芯更容易產生容量不一致的現象，并且是實際應用過程中電池單體也可能存在充放電不一致的情況，因此，均衡功能更加重要。

根據BMS硬件結構，采用被動均衡的控制方式。被動均衡，即利用均衡電阻將電池組中具備較高電量電池單體的電量消耗掉，從而使具備最少電量保持一致，實現所有電池單體處于同一電量水平。被動均衡的電路簡單，成本低廉，廣泛應用在當前的動力電池硬件系統中，另外，需要注意的是電池單體多余的電量是通過電阻實現能量的耗損，因此，在硬件設計時考慮電池組的熱管理和軟件設計中將電池組溫度作為均衡控制開啟的輸入條件之一。

圖5為被動均衡的部分電路。被動均衡通常在充電過程進行控制，當單體電壓處于較高值時，會控制對應的開關，將部分的電能通過均衡電阻耗散掉。按照此邏輯設定往復多次，最終達到所有單體的電壓處于設定的誤差帶中，從而實現單體電壓近似處于同一水平，保障電池組SOC實現更大范圍的充放電，避免電池單體過充過放，延長了整個電池組的使用周期。

3 軟件實現

ASCET是ETAS公司開發的一款用于模型化設計和C代碼自動生成的工具，適用于嵌入式系統，可以快速實現控制邏輯的搭建、驗證和代碼生成。

本項目基于ASCET-MD的建模與設計環境進行BMS控制模型的搭建。圖6是以MOSFET控制模型為例搭建的軟件模塊。

全部模型搭建完成后，基于ASCET-SE軟件工程進行代碼編譯，最終生成可以刷寫進控制器的C代碼。

圖7是上位機通過RS-485通訊線實現與AGV電池管理系統通訊的軟件監控界面。在上位機軟件參數設置界面中，如圖8所示，可以修改相關的參數，如額定容量、單體上下限的電壓、診斷策略的邊界參數等，然后更新到電池硬件系統的儲存器中，電池管理系統的應用層通過讀取底層的交互信息，從而實現將應用層相關參數重新賦值。修改電池額定容量、總壓和電流等診斷邊界，可以實現同類型、不同串數的電池包使用同一套電池管理系統。

本研究開發的電池管理系統應用層軟件受限于芯片算力的掣肘，僅僅實現了一種類型的電池特性的功能。如果芯片算法提升，可以預先在應用層中將兩款或多款電池特性數據搭建完成，通過上位機的切換開關實現電池特性切換，從而拓寬多樣化電池包的適用性。

4 結論

本研究以AGV為應用場景，開發一款低成本、滿足實時性的BMS。電池管理軟件實現了傳感信號的交互、工作模式決策、電池充放電MOSFET控制、SOC和SOH等電池特性實時計算，以及過流、過（欠）壓、過（欠）溫、硬件故障等診斷與保護等功能。BMS通過與上位機的通訊，實現電池特性數據的重構，拓寬電池管理系統的應用范圍，為在研多款容量不等、特性不一致的電池包提供通用的電機管理應用系統。

基金項目：廣西科技重大專項（桂AA230

62087）；廣西科技重大專項（桂AA23062066）。

參考文獻：

[1]國務院辦公廳.國務院辦公廳關于印發新能源汽車產業發展規劃（2021-2035年）的通知[EB/OL].（2020-11-02）[2024-7-10].https：//www.gov.cn/zhengce/content/2020-11/02/content_5556716.htm.

[2]中國汽車工程學會.節能與新能源汽車技術路線圖2.0[M].北京：機械工業出版社，2021.

[3]萬廣偉，廖微，張強.鋰離子電池剩余使用壽命預測綜述[J].汽車零部件，2023（05）：92-95.

[4]覃俊樺，鮑瑩，戴永強，等.鋰離子動力電池回收利用現狀及發展趨勢[J].現代工業經濟和信息化，2021，11（6）：99-100.

[5]范文健.AGV梯次利用退役動力鋰電池設計[J].時代汽車，2021（04）：151-154.

[6]黃祖朋.退役動力電池在AGV電源中的應用[J].時代汽車，2020（10）：56-57.

[7]張彩萍，姜久春，張維戈，等.梯次利用鋰離子電池電化學阻抗模型及特性參數分析[J].電力系統自動化，2013，37（1）：54-58.

[8]李建林，李雅欣，呂超，等.退役動力電池梯次利用關鍵技術及現狀分析[J].電力系統自動化，2020，44（13）：172-183.

[9]鄭志坤，趙光金，金陽，等.基于庫侖效率的退役鋰離子動力電池儲能梯次利用篩選[J].電工技術學報，2019，34（S1）：388-395.

[10]鄭岳久，李家琦，朱志偉，等.基于快速充電曲線的退役鋰電池模塊快速分選技術[J].電網技術，2020，44（05）：1664-1673.

[11]駱凡，黃海宏，王海欣.基于電化學阻抗譜的退役動力電池荷電狀態和健康狀態快速預測[J].儀器儀表學報，2021，42（09）：172-180.

[12]鄒幽蘭.基于退役鋰動力電池容量、內阻和荷電狀態的建模與參數估計[D].長沙：中南大學，2014.

[13]熊瑞.動力電池管理系統核心算法（第2版）[M].北京：機械工業出版社，2021.