623
在NE时代、凌傲咨询联合举办的“2023xEV电池技术论坛暨新能源光储充融合产业大会”上，华人运通高合品牌BMS开发总监王宏伟就《基于SOA架构的智能云端电池管理系统》进行了主题报告。
本报告分为三个部分：
、 
演讲嘉宾：华人运通高合品牌BMS开发总监王宏伟
高合云端电池系统架构
软件定义汽车，以及AI技术普及的时代，电池智能化管理应该承担什么角色？带着这个问题来思考云端电池架构。
回到 高合云端电池系统架构本身，整体分三层 。 最底层为标准车载BMS，嵌入式系统，主要对过温、过流、过压等指标做即时监控 ； 第二层 ，高合引入了 边缘计算 ，车云交互目前在数据云端比较常见，引入边缘计算除了能上云端数据，也可以处理云端下发文件，甚至是指令； 第三层 ，云端可进行统计和数据分析， 引入高精度电化学模型可做到电芯的数字孪生。
总结下来， 这套车云一体架构，可以实现在云端对电池进行在线的闭环控制策略，也可以做到“一车一况”精细化、专属化管理。 相比传统BMS控制方式可显著提升电池系统的充电性能和使用寿命，后面有很多数据支撑。
云端电池有哪些功能？
云端电池 的功能，按照服务场景、车内场景分了四个模块。第一个是 风险预知和防控 ，车端上传告警，高合开发了将近30多种预警算法；第二个，也是能源电池最核心的功能， 提升电芯本身性能，做到“一车一况”优化方案，专属化管理 ；第三个， 寿命计算、寿命预测、电池梯次利用 ；第四个， 设计指导，对当前的设计提出更好的意见给到供应商。
总结下来，云端电池基于机理模型，加上AI智能算法，对电池提供了全方位的电池安全监控和预警功能，提前识别风险，可在线优化，有效覆盖电池全生命周期的安全与性能管理。
云端电池性能优化
如何优化云端电池性能，首先建立精确描述负极电位的指标。
充电过程中，充电能力有一个边界，电芯负极电位的析锂边界接近0的时候，有析锂风险。 如何应对呢？ 通过建立精确描述负极电位的指标，把负极电位作为控制对象，可以做到更真实地表达电芯的实际充电能力。 过往的应对方法是充电供应商提供SOC，BMS做查表计算，这种充电方式存在弊端，主机厂对充电时间的要求越来越严格，激进或者保守的方式都会阻碍电芯性能的发挥，一是会对用户体验造成伤害，二是会对寿命和安全造成伤害。如何解决？还是要用更精确的模型来反应电芯指标，根据真实能力充电，既安全又高效。
下面的对比图中，横轴是时间，纵轴是充电电流，模式为恒流恒压充电。蓝色代表的是电芯的真实能力。负极电位这张图中，绿色曲线电流较小，比较安全，阴影部分为析锂边界，电芯测试时最关注的边界，红色虽然充电时间比蓝色长，但是发生了触及析锂边界的风险，蓝色时间较但在安全边界之上。我们要做的就是找到最优解，按照蓝色去控制充电，既安全，又可以提升时间效率。
图右部分呼应第一页架构，把策略应用到车端，BMS首先有一个数据传输，VDCM为中间的一个域控制器，上传到云端，电化学模型在云端，根据每一辆车，会计算适配这辆车的充电曲线。充电曲线首先下发域控制器，单独BMS不具备该项能力，根据下发的曲线，域控制器再将其转换成电流，形成闭环的充电策略，控制电流相对电位原理上可以实现充电时间最少的情况下，风险更低，寿命更长，端云融合可以支持高算力部署。
云端充电优化项目多个层级验证。优化项目从2019年立项，从电流、模组到Pack、整车，有一套非常系统的验证实验。实验都有做AB对比，所谓AB对比是原来标准充电办法再加上实际的云端测评做对比。在模组验证过程中，考虑了不同的温区、不同使用工况。验证上选取了2个Pack，循环上一个是一直在用云端策略，另外一个是用熟知的标准的方式。最后在整车上做了实际验证，以下为电芯试验验证结果：
总结下来，这些数据验证说明使用云端更真实的充电控制策略下，充电时间可以缩短10%-20%，还可以在相同寿命下循环圈数增加20%。
电芯试验云端充电析锂对比
高合拆解了使用云端策略循环的电芯和使用标准循环电芯，析锂差异比较明显。人为控制不析锂，析锂只是在折边出，不可避免，正常循环下会有明显的析锂情况发生。
电池包充电优化试验结果
电池包充电优化试验结果来看，在不同的环境下，充电时间缩短收益可以从6%到52%不等，平均在16%，充满的后段优化空间非常小，基本已经能接近电芯的极限，更多是优化充电过程；在3%-8%的充电时间，收益大约在22.5%（不改变硬件设备的前提下达到的效果）。实时监控电芯容量数据显示，使用云端电芯模型的Pack容量保持率略微偏高，可以证明它对于寿命没有任何影响，甚至还有优化空间。
云端计算充电曲线车辆优化试验结果
当用电区间在20%-80%SOC区间，充电收益可以降低15%的时间；50%-90%SOC区间平均是22.4%，30%-80%SOC区间平均是21%。从电芯、模组、Pack、整车四个层级，都充分验证了前面提出的这些理论、原理假设。云端电池解决了安全、预警，在此基础上，云端电池架构进一步拓展，更精细化、专属和做电芯管理。
电池寿命预测算法
电池寿命预测算法，不是基于机理、循环做的经验模型，而是利用AI、大数据处理方式，实现对电池寿命的预测。基于100辆实车数据，收集车的实际SOH值。目前我们对SOH，更多还是采用有监督的学习，前面会人为定义这些特征。这里也有部分是在特征工程中通过数据随机匹配，发现因素。特征工程做完，相当于识别了哪些和电池衰减因素相关的东西，有里程、时间、温度、充电、直流充电/慢充次数占比，甚至还有一些组合。这些做好之后，应用标准AI的算法，如随机森林、BP神经网络，对它进行训练，对SOH做出预测。把经验模型放在最后，对输出结果做修正。
电池析锂算法
所谓的无损检测，怎么做到析锂检测？析锂检测是在充电结束之后，电压会降下来，虚拟和不虚拟的持续曲线不一样。红色线有析锂情况，蓝色线没有析锂情况，如果BMS能识别出这个差异，就有机会抓到析锂迹象。这个原理首先适用于非常标准的电芯，小容量电芯，这个特征比较明显，而且是非常标准的单个电芯，重复性比较高，不同电芯的差异非常高，特别是现在动不动就是200、320Ah的电芯，特征非常微弱。
怎么解决这个问题呢？
高和测试了几十颗电芯，有一种测试方式是把一些电芯处于低温下，一些电芯处于普通环境下，接通同样的电流，有的电芯析锂，有的电芯不析锂，通过这种方式可以做出相对的析锂归一化差异。
上图右边部分是处理过的，做了归一化处理，选取某一个为参考点，中间有一条黄色的线，黄色的线上边没有析锂，黄色的线下面发生了析锂现象，这条黄色的线不是人为定义的，而是通过拆解和对比验证，最后拟合出来的，找到了边界。好多电池开发都是实验科学，在实验中真正把这些原理排除了干扰因素，最终找到一些有工程化可行性的路径，目前已经在车上做了验证，结果非常好。析锂是不可避免的，多多少少都会有一些析锂现象，所以也很好找样本，可以做拆解来验证方法的可行性。
云端电池的价值和收益
有关 云端电池的价值和收益 ，总结下来有几点：
首先是电池安全和寿命的提高。 一旦有精确描述电芯的模型，所谓真正的数字孪生，就有机会做更精细的控制，可以实现延长电芯的使用寿命，给用户带来一个直观的感受是车可以开得更久，延长电芯的服务年限。另外对电池安全有贡献，如果碰到电池的意外，业内有些做法是通过OTA来更新软件，如锁电，高合这套系统不用动OTA，云端是实时的，相当于每辆车有自己的后台管家，可以实时调整，不用再经过OTA等整个过程，会更高效，可以预防意外的发生；
其次，云端电池除了安全，除了预警，还能对电芯能力边界做更为精准的计算，在保证寿命的前提下提升充放电性能，真正实现“无忧充电”。
第三，SOA真正能实现场景化落地的不是特别多，特别是整车底层开发，高合云端电池是非常好的SOA服务架构落地实施。
内容由作者提供，不代表易车立场
