BMS锂电池发展现状

　　BMS首要解决的就是安全问题，需要具备：

　　1）过充保护，即充电时需在电压超标时及时终止。

　　2）过放保护，即组中任一单体电压低于过放电阈值时终止放电。

　　3）过流及短路保护，主要功能为当意外造成过大的放电电流甚至短路时，输出能自动关闭并进入自锁状态。

　　目前这些基本的保护功能可由专业的锂电保护芯片实现，如TI、凌特等专用锂电保护IC。均衡是电池管理的核心问题，国内外的研究非常活跃。均衡的具体实现方法依据能量处理方式可分为耗散型与非耗散型，耗散型均衡通过在电池两端并联旁路分流电阻消耗多余能量来实现均衡，这种方法具有实现简单，成本低廉的优点，但存在热管理问题。非耗散型均衡是指能量在电池组中各单体之间转移以达到均衡，这种均衡方式存在多种电路拓扑结构，但往往存在电路复杂，均衡效率不高，均衡速度慢等问题，限制了其在电动汽车、储能等大容量领域的使用。

　　锂电池由于结构和模型的复杂性，其SOC特性受许多不确定因素的影响，大致有充放电倍率、温度与充放电次数等，因此如何依据可测的参数对SOC做出准确的估计是当前亟待解决的难题。目前业界常用的SOC估计方法有放电法、安时积分法、开路电压法以及卡尔曼滤波法等。放电试验法是对电池恒流放电，统计放出的电量，直到其端电压达到放电截止电压。该方法比较可靠，适用于不同类型的电池；但缺点主要是试验过程较长，不能实时在线估计，因此该方法一般用于确定电池模型参数。安时积分法通过计算一段时间内电池充放电时流进或流出的容量来计算SOC，算得SOC值后再根据环境温度和充放电倍率这些影响因素对其进行补偿。这种方法存在积分累积误差与初始值预测问题。开路电压法利用电池开路电压与SOC一定的曲线对应关系来估算SOC。但为了测得开路电压需要消除电池自恢复效应，耗时较长，所以开路电压法不能实时估计SOC，但可以为其他算法提供初始SOC值。卡尔曼滤波是一种通过递归迭代来解决离散方程中滤波问题的方法，它能够根据前时刻的状态通过递推来估算当前时刻的状态值。因此我们可用电池的上一个状态参数来估计当前时刻的工作状态，即将电池的电流、工作温度等参数作为系统的输入，SOC作为状态参量，电池电压作为输出，利用卡尔曼滤波进行锂电池SOC的估算。目前卡尔曼滤波法还停留在理论仿真阶段，实际应用的报道很少。而对温度的监控目前BMS系统主要采用模拟/数字温度传感器来实现，对于成本受限的场合可以使用热敏电阻。

　　目前美日德在BMS的研究和产品化水平上都走在世界前列，美国A123System公司最先开发出铁锂储能系统，并于2011年建成全球最大的32MWh锂电储能电站。目前国内在储能电站BMS领域的研究也已经开始，如力高公司生产的储能电站专用BMS，采用三级体系架构实现电池监测，可用于大中小型储能电。