摘 要

面对严峻的能源与环境形势,对使用清洁能源的电动汽车(EV)的研究与开发引起了世界各国的热切关注。其中，磷酸铁锂电池作为主流动力电池，其动力电池管理系统(Battery Management Systerm,BMS)的安全可靠性尤为重要，该系统主要功能是在各种复杂工况下实时监控和管理动力电池，准确的估算电池荷电状态(State of Charge,SOC)。实时而精准的SOC估算是优化电池性能,避免电池损害，以及更加精确计算出BMS其它主要性能参数的前提。

现阶段主流的SOC估算算法各有优缺点，为了提出可行的弥补这些算法不足的解决方案，本文针对拓展卡尔曼滤波算法（Extend Kalman Filtering,EKF）在SOC估算中的应用，结合通信工程技术，云平台技术，大数据分析技术等新兴物联网工程技术，搭建数据采集硬件环境，数据传输网络，以及数据存储，数据分析，策略分析的应用软件环境。

在此基础上，利用云计算技术得出更加精准的SOC数据，将关键数据及数据分析结果发送至移动端应用软件，，进一步提出电池使用的最佳策略，延长其使用寿命，增强驾驶体验和安全系数。

关键词：磷酸铁锂电池；电池管理系统；荷电状态SOC；卡尔曼滤波算法；云计算

Abstract

Facing the severe energy and environment situation , the research and development of EV ( EV ) using clean energy has attracted much attention from all countries in the world . Among them , the safety and reliability of battery management Systerm ( BMS ) of lithium iron phosphate battery as main power battery is very important . The main function of this system is to monitor and manage power battery in real time under various complex conditions , to accurately estimate the state of charge ( SOC ) . Real - time and accurate SOC estimation is a prerequisite for optimizing battery performance , avoiding battery damage , and more accurately calculating other main performance parameters of BMS .

In order to provide a feasible solution to overcome the shortcomings of these algorithms , this paper aims at the application of extended Kalman Filtering ( EKF ) in SOC estimation , combining communication engineering technology , cloud platform technology , big data analysis technology and other emerging things networking engineering technology , building data acquisition hardware environment , data transmission network , and application software environment of data storage , data analysis and strategy analysis .

On this basis , the cloud computing technology is used to obtain more accurate SOC data , and the key data and the data analysis result are sent to the mobile terminal application software , so that the optimal strategy for battery use is further proposed , the service life of the battery is prolonged , the driving experience and the safety factor are enhanced .

Keywords : lithium iron phosphate battery ;Battery management system ; SOC ;Kalman filter algorithm;cloud computing

目录

摘要 I

Abstract II

1.1课题的研究背景及意义 1

1.2国内外研究现状 2

1.2.1动力电池管理系统研究现状 3

1.2.2锂电池荷电状态估计算法研究现状 4

1.2.3云计算与大数据云平台研究现状 4

1.3本文主要研究内容 5

第2章 电池特性、参数及模型的研究 7

2.1磷酸铁锂电池特性与主要参数 7

2.1.1充放电特性 7

2.1.2主要参数 8

2.2磷酸铁锂电池模型研究 9

2.2.1磷酸铁锂电池模型分类概述 9

2.2.2典型等效电路模型 10

2.3本章小结 12

第3章 动力电池SOC估算算法研究 14

3.1磷酸铁锂电池荷电状态SOC定义及影响因素 14

3.1.1磷酸铁锂电池荷电状态SOC的定义 14

3.1.2影响SOC估计的因素 14

3.2荷电状态SOC估算算法概述 15

3.2卡尔曼滤波算法原理与应用 17

3.2.1标准卡尔曼滤波算法 17

3.2.2拓展卡尔曼滤波算法 18

3.2.3 基于EKF算法的SOC估算研究 19

3.3本章小结 19

第4章 电池管理系统与云计算的研究 21

4.1 动力电池管理系统 21

4.1.1 BMS主要功能 21

4.1.2 BMS工作原理 22

4.2云计算研究 22

4.2.1云计算定义及特点 22

4.1.2云计算关键技术 23

4.3大数据云平台在电池管理系统领域的应用 24

4.4本章小结 25

第5章 远程BMS系统构建 26

5.1信号采集单元 26

5.1.1电压检测 26

5.1.2电流采集 27

5.1.3温度采集 28

5.2数据通信单元 28

5.2.1 CAN总线及其应用层协议 28

5.2.2 GPRS模块 29

5.3云端与移动端 30

5.3.1大数据分析 30

5.3.2移动端APP界面展示 31

5.4本章小结 33

总结和展望 35

参考文献 36

致谢 39

附录 40

第1章 绪论

1.1课题的研究背景及意义

自1886年世界首辆内燃机驱动的汽车问世以来,汽车很快成为了人们日常生活中不可缺少的代步和运输工具,它极大地缩短了人们之间的空间距离,变革了人们的出行方式, 提高了人们的生活质量，促进了工业产业的极大进步^[1]。截止2017年，据中国汽车工业协会数据显示世界各国汽车销量：中国2912.3万辆，欧洲2013.5万辆，美国1758.4万辆。庞大的销售量后面是数据更加巨大的汽车保有量，但是内燃机驱动的汽车要消耗大量的石油资源、排放大量的废气、制造噪音和严重的环境污染,带来了无法回避的负面影响^[2]。

面对严峻的能源与环境形势,对使用清洁能源的电动汽车(EV)的研究与开发引起了世界各国的关注^[3]。作为新型交通工具，电动汽车在节能减排，较少对化石能源依赖等方面具有不可取代的地位。同时由于具备接入电网进行电能补给的能力而备受重视，相关政策的相继提出进一步推动了电动汽车领域的快速探索与发展。我国十二五期间已对电动汽车领域展开大量技术性研究，正值十三五期间，我们可以明显察觉到从事电动汽车研发生产销售的各大公司展开激烈的市场竞争和多样的商业模式的探索^[4~5]。

电动汽车上最主要的三个部件俗称“三电”，具体为电池、电机和电控。电池是电动汽车动力系统的核心，电池管理系统是动力电池、整车控制以及电机间连接交互的纽带，都起着极其重要的作用。并且，电池管理系统(Battery Management Systerm,BMS)能够实时监测和管理电池的工作状态，能够准确的估算电池荷电状态(State of Charge,SOC)，对电池高效管理和整车性能都有较大的帮助。可以说，当前市场上所有电动汽车都会安装有BMS。

新能源车载电池管理系统的主要功能为：数据采集、数据通信、数据显示、热管理、能量管理、安全管理、状态估计和故障诊断。很明显这些功能中数据采集是谈论BMS其他功能的前提。一般而言需要采集的数据主要有：电池组总电压、电池单体电压、总电和流温度。电池状态估计一般会涵盖SOC，SOH（State of Health）,SOP(State of Power Capability)等。

目前全球的电动汽车生产厂家中，以特斯拉为代表的锂电池一派，潜心钻研电池组均衡管理技术，取得了一定的进步，但仍不能说取得了电池续航技术的关键性突破，许多电池领域关键技术仍急需重大突破。其中SOC的准确估计技术就一直是新能源电动汽车电池管理系统研究的重点方向。SOC的经典定义为电池剩余能量占总容量的比值，不是可以直接测量的物理量，而且电池本身是封闭的电化学反应，只能通过电池的外部特征参数进行SOC估计，又由于电动汽车的工作状况复杂，产生的数据庞大且类型复杂，同时电池工作在高度的非线性状态，因此电池管理系统要准确的估计电池SOC存在较高的难度。

值得注意的是， BMS中的很多其他主要功能的实现都需要荷电状态（SOC）的估计值，所以，可以说SOC估计是BMS最重要的功能之一。实时且精准的SOC估算是高效利用电池,规避电池损害的前提。使用准确的SOC数值可以帮助计算出更加精确的BMS其它性能指标，由此可以进一步优化BMS性能，以及提出更加合理的电池使用策略，增加电池续航能力，延长其使用寿命，提高动力电池组的安全系数和增强电动汽车驾驶体验。

正直国家大力提倡“互联网 ”行动，本文尝试结合互联网思维，合理利用IT相关技术，结合实际需求建立准确的电池模型，采用更加先进的SOC估计算法，在传统案例的基础上搭建出BMS理论模型，监控BMS的工作，对采集到的数据进行深入挖掘，分析评估，从一个全新的角度克服现有电池SOC估计算法和BMS系统工程的不足，对动力电池管理和电动汽车技术领域进一步的发展具有深远意义。

1.2国内外研究现状

随着纯电动汽车市场在全球范围内的飞速拓展，电动汽车的主要元件动力电池因左右着汽车的价格和性能而备受关注。为了提高纯电动汽车的性能，动力电池供应商同学术界通力合作，致力于研究电池组的BMS问题、均衡问题、检测问题以及提高SOC估计精度问题。

1.2.1动力电池管理系统研究现状

随市场对动力电池需求量的剧增和质的苛刻要求，动力电池管理系统的功能和组织架构也变得越来越复杂，特别是应电动汽车的发展潮流，电池管理系统也获得了大量的研究投入。

优化电池模型和参数识别方法，以获取更加准确的电池数据，是提升BMS性能的重要方向。杨阳在《电动汽车用磷酸铁锂电池模型》中，在分析了现在已有的多种等效电路模型优缺点的基础上，提出了一种新型的等效电路模型,该模型的核心部分是由一个线性电容和两个受控电压源组成的可变电容系统，该系统可以形象的表示出磷酸铁锂电池在不同温度下的容量变化情况^[6]。熊瑞，何洪文在《电动汽车用动力电池组建模与参数识别》中提出了电动汽车用的锂离子动力电池组电化学极化模型，并利用扩展卡尔曼滤波和最小二乘算法分别建立了在线和离线的参数辨识方法。混合脉冲功率特性试验的验证结果表明：基于提出的电化学极化模型所建立的参数辨识方法能够保证模型最大相对误差在1%以内，可精确模拟动力电池组的动态电压特性^[42]。

均衡管理技术，又分主动均衡和被动均衡，是目前国内外动力电池，电动汽车厂商以及科研机构着力研究的重点，并且已取得了不小的进展。均衡技术是针对电池不一致性进行的研究，在车载电池组的使用过程中经常利用电池管理器和均衡子系统进行优化管理。姜国权在《电动汽车动力电池管理系统的研究》中根据观测的电池实际不均衡现象，设计出 “削峰填谷”均衡子系统。针对锂离子电池工作过程中表现出的不稳定性,特别是电池充放电末期电压和SOC的高度非线性,以及锂离子电池电压和SOC的异步特性,提出了“以电量为目标,控制充放电时间”的均衡策略，以此来达到较好的均衡效果^[7]。在实际商业案例中，特斯拉新能源汽车采用能量密度大的钴酸锂电池（NCA）18650，采用被动均衡技术，更在电池控制技术取得颠覆性创新，采用优秀的电池管理系统的硬件技术规范和软件系统来降低NCA电池的高危风险，并取得巨大的商业成功。

电池管理系统的硬件拓扑和数据通信也是研究热门。电池管理系统BMS拓扑结构主要分为分散式和集中式两种，电动汽车用BMS多采用分散式，为每支电池安装控制板，采用总线与主控通信。吴友宇，尹叶丹在《基于CAN总线的分布式动力电池管理系统》中，针对多测量点数的情况 ，设计了一个基于CAN总线的分布式电池管理系统BMS ^[8]。另外，采用智能电池模块还可以使用无线通信方式，或用电力载波与主控制器通信，并且每个BMS基本都留有计算机通信接口^[9]。

对电池荷电状态SOC算法深入挖掘，提高估算精度，是提升BMS综合性能的重要手段。

1.2.2锂电池荷电状态估计算法研究现状

作为动力电池管理系统非常重要的参数，荷电状态SOC的估计成了研究的重中之重。目前对SOC认可度较高的定义为剩余能量占额定容量的百分比，或者额定容量与已消耗能量的差值再比上额定容量。由于它的不可直接测量特性，以及电池使用周期乃至生命周期中呈现出的高度非线性，给准确估计SOC工作带来较大困难。随着电动汽车产业的蓬勃发展，相关激励政策的落地和经济市场的利好，使得国内外学者争相投入大量研究工作。

基于十二五规划期间学术界和工业界对电动汽车领域的大量科研投入，我国针对SOC估计的研究已经有了良好的基础和发展趋势。杨伟在《电动汽车动力电池管理系统SOC估计的研究》中对电池 SOC 估计算法进行了研究，介绍几种传统估计算法的工作原理和优缺点，详细地分析了拓展卡尔曼滤波法(Extend Kalman Filtering, EKF)的工作原理和性能并将之应用在电池 SOC 估计的理论计算中。进一步，为减小拓展卡尔曼滤波法的估计误差，引进BP(Back-Propagation)人工神经网络对拓展卡尔曼滤波法的估计结果进行优化和补偿。最后应用文中改进过的 BP-EKF 算法，搭建了电池 SOC 估计仿真模型 ^[10]。

相比于国内对传统SOC算法进行进一步修正和完善的做法，西方科学家正尝试基于数学理论创造新的算法。SJ –Moura在《PDE estimation techniques for advanced battery management systems — Part I: SOC estimation》研究了一种基于偏微分方程反步法的电池荷电状态(SOC)估计算法。估计器由单粒子模型(SPM)合成，并通过仿真试验，严格地分析估计器设计的可观测性和稳定性^[11]。

1.2.3云计算与大数据云平台研究现状

云计算将因特网上闲置的计算、存储、应用等资源进行高效整合并入资源池，并对其进行多层次的虚拟化与抽象，有效地将大规模的互联网资源以可靠服务的形式提供给用户，可以说用户并不需要懂技术也能想用云资源，以此将用户从复杂的硬件逻辑、网络协议、软件架构中解放出来。目前，像谷歌 (Google)、IBM、微软 (Microsoft)、亚马逊(Amazon)、等许多著名 IT 领域巨头都有推出云计算解决方案并提供商用云计算设施和平台，同时国内外学术界也先后加入深入探索云计算的大军，并提出了许多云计算系统或平台方案，这也成为了我们对云计算进行学习研究的宝贵资料。

Google 的云计算基础设施主要由分布式文件系统Google File System (GFS)、大规模分布式数据库 Big Table、程序设计模式 Map Reduce、分布式锁机制 Chubby 等几个相互独立又紧密结合的系统组成。GFS 是一个分布式文件系统，能处理大规模的分布式数据，每个 GFS 集群由一个主服务器和多个块服务器组成。主服务器功能为管理元数据，对文件和块的名空间、映射关系和块副本的位置进行有序存储；块服务器功能为存储块数据，把块作为 Linux 文件保存在本地硬盘上；为了保证可靠性，每个块备份3份。主服务器通过客户端向块服务器发送数据请求，而块服务器则将取得的数据直接返回给客户端^[12~14]。

IBM 的“蓝云 (blue cloud)”计算平台 是由一个数据中心、数据库、监控软件 (Tivoli monitoring)、部署管理软件 (Tivoli provisioning manager)、应用服务器与开源的虚拟化和息处理软件构成，“蓝云”采用了Xen、Power VM 虚拟技术和 Hadoop 技术，来帮助客户构建云计算环境^[12,15]。

微软的 Azure 云平台包括 4 个层次。底层为全球基础服务系统(global foundation service，GFS)起着数据中心的作用；第三次为云基础设施服务层(cloud infrastructure service)负责虚拟化资源和任务的分配；在此上面是一个构件服务层，它起着构件(building block) 的作用，为用户提供如 Live、NET、SQL等系列服务；再往上是交给开发者的API、数据结构和程序库，以及客户可用服务 (finished service)，如 Windows Live、Office Live、ExchangeOnline 等^[12,16]。

清华大学的张尧学教授研究团队提出的“透明计算平台”与上面提到的云平台基本一致，该透明计算平台包含3层结构：透明客户端，包括PC、平板、智能手机等；中间层为透明网络是网络传输基础设施，用来在透明客户端与后台服务器之间进行数据传输；透明服务器可容纳任意的服务提供方式，透明服务器的集群可用虚拟化PC 服务器集群或使用大型服务器等^[12,17]。

1.3本文主要研究内容

目前，一方面，对新能源汽车行业和物联网技术的结合研究如火如荼，翻阅文献可知，在BMS领域绝大多数研究内容都是对SOC算法进行优化，或局限于市场已有的硬件模块进行通信组网，利用MPU进行小规模运算。另一方面，车联网云平台的搭建也愈发火热，但利用云平台对大数据进行分析的技术还处于探索阶段。针对电动汽车BMS的组建与SOC估计的研究，本文提出“将数据送到云，将计算交给云”的理念，并对云端的数据如何进一步应用进行探索。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：