北京航空航天大学杨世春教授团队：动力电池云端管理关键技术探讨研究综述丨JME封面文章_试验机设备

产品介绍

随着数字孪生模型、高速数据传输通讯技术、云端高性能计算平台、先进车载电子电气架构等先进理论和技术的发展，为动力电池精细化模型构建、全生命周期模型参数自学习与演化、基于车云融合的电池管理设计提供了新的解决方案与发展契机。然而，动力电池云端管控技术仍需要理论研究基础与技术突破创新。基于此，综合分析了动力电池模型构建理论、健康安全管理方法及先进电子电气架构下的电池管理系统方法，对比阐述了面向车云融合的电池管理方法优缺点与未来研究方向，为云端管理技术加快速度进行发展与落地应用提供参考。并作为

动力电池管理技术是保障电池安全可靠长寿命运行的关键。目前，动力电池管理大多基于车端的电池管理系统(Battery management system，BMS)实现，通过BMS的从控板实时采集各单体电池电压、温度等信息，传输至主控板后获取对动力电池状态做多元化的分析管理。云端电池管理技术是在高效网络传输技术发展后诞生的新技术，通过在车端实时采集数据并通过Telematics BOX (T-BOX)等数据终端传输至云端监控平台，借助云端的庞大算力与存储能力实现高性能的电池状态性能监测、寿命预测、安全预警等功能。图1 展示了典型的云端电池管理系统架构，通常情况下可分为四个层级，终端层、网络层、平台层、应用层。

终端层一般由车载的电池管理系统、整车控制管理系统、T-BOX等组成，是云端管理系统下的车载端执行元件。通常由电池管理系统子板负责电池单体信息采集，由电池管理系统主板负责电池数据处理、状态估算等即时功能实现，由T-BOX负责数据的上传和下行。网络层包括各类数据传输方式及协议栈等，负责实现车载端与云端的数据交互、策略下行等。平台层与应用层部署在云端平台中，包括电池数据的获取、解析、存储、计算等，以及以老化分析、状态监控、寿命预测等为代表的的服务型功能应用。相对于传统的电池管理系统，云端大数据平台的应用为云端管理带来了更强大的数据分析与计算能力，并可使用全生命周期数据来对电池的控制策略等进行深度优化。云端管理技术优势如表1所示。

图2展示了等效电路模型的发展历史及性能对比。国内外学者从数学模型改进、物理场耦合等方面对等效电路模型开展了多层次的研究，包括增加迟滞等电气元件提高模型精度，采用电-热耦合模型以提高全温域范围下模型适配度，自适应参数修正模型改善模型泛化性等。

图3展示了电化学模型的总体发展历史，并对模型特点进行了对比分析。然而，电化学模型计算复杂度高，计算过程通过依靠有限元仿真，对计算平台与仿真平台等提出了较高要求，同时在计算过程中需消耗大量存储资源用于暂存求解结果，对云端系统计算能力与存储能力提出了较高要求。特别是针对单车单控策略下的模型更新与计算，对电化学模型提出了极高的要求。

随着数字孪生、AI赋能、车路云一体化等技术加快速度进行发展，云端电池管理技术也将迎来新的发展趋势和新技术挑战。除了本文所分析的云端电池管理基本功能外，网联化、智能化等发展的新趋势也将成为云端电池管理的潜在技术发力点：

（1）数字孪生电池为云端电池管理提供全生命周期的可信模型。数字孪生最早起源于信息物理系统概念，2010年美国NASA定义了未来飞行器数字孪生体范例。随后，数字孪生技术在各领域逐渐应用，并获得了较好的技术效果。随信息、建模技术发展，数字孪生技术已逐渐进入电池领域并取得了初步探索性进展，可以为电池的云端管理提供更为精确的模型。全生命周期、向物理实体。目前，对于数字孪生电池的研究还处于起步阶段，研究人员建立了基于等效电路模型和参数辨识算法耦合的数字孪生模型并用其实现电池SOC/SOH联合估计，该方法与传统方案类似；研究了基于电化学模型的数字孪生模型，受限于电化学参数难获取的问题，该模型不易于实现参数的全生命周期自适应和更新。因此，对于数字孪生电池的关键理论、基础模型、参数自适应算法等仍不明晰，进而在标准化接口、部署性、通用性、易用性等方面均难以评估，模型的性能评价体系还未建立，仍需进一步研究和突破，为云端电池管理提供更精细、更准确的模型。

（2）AI赋能为云端电池管理提供新的管理模式和操控方法。AI智能算法的发展为电池的研究提供了新思路，传统的动力电池机理需要依靠精密的实验设备、复杂的样品制备等方式才可实现，并难以与实际的电池充放电数据特征进行匹配。AI智能算法通过强大的计算架构、复杂的建模方式、数据特征提取/分析和捕获等能力，辨识常规机理、数据研究方法难以抓取的电池宏观、微观特征关系，并能通过AI智能算法建立数据驱动的模型和方程，为机理研究提供新的思路。这将为动力电池的云端管理提供新的技术方案，以动力电池上传的云端数据为基础，通过强大的AI智能算法为其赋能，以获取电池里面的特征和构效关系，实现电池的全生命周期数据驱动的管控。

（3）端云融合式电池管理架构。云端电池管理技术虽具有强大的计算和存储能力，能轻松实现动力电池的实时性管控等，但云平台的数据传输和指令下发目前仍存在比较大的延迟。端云融合式电池管理通过优化车端BMS系统以实现实时控制、采用云平台优化车端BMS模型、算法等提高管理控制能力，将车端和云端有机的结合在一起，实现了更好的电池管理能力。目前，端云融合式已成为下一代动力电池管理技术的重要发展趋势，宁德时代、比亚迪、国轩高科等均已在端云融合式电池管理进行技术储备、突破和应用。

动力电池的云端管理技术是下一代电池管理方法，通过构建端-云融合的电池管理系统，在车端收集电池多源信息并上传至云端，在云端通过高性能计算平台实现先进算法、模型等部署，将控制策略反馈下行至车端来控制，以此来实现高效、高精度的电池管理。然而目前云端电池管理技术仍存在较多的技术难点，包括云端的高效高精度模型构建、云端微服务应用于性能评价，以及作为管理方法基础的端-云融合架构，亟需开展技术攻关与突破。本文综合梳理了动力电池云端管理方法的关键技术与难点挑战，系统性分析了目前在电池建模、状态评价、端云架构等方面的研究现状与优缺点对比分析，针对难题挑战提供了解决思路，对未来的动力电池云端管理技术进行了展望。

[1]杨世春. 电动汽车动力电池建模与管理系统模块设计[M]. 北京：华中科技大学出版社, 2022.

[2]王芳. 电动汽车动力电池系统设计与制造技术[M]. 北京：科学出版社, 2017.

[3]王芳. 电动汽车动力电池系统安全分析与设计[M]. 北京：科学出版社, 2017.

杨世春，北京航空航天大学交通科学与工程学院院长、教授、博士生导师，入选国家级领军人才计划、全国优秀科技工作人员、中国汽车工程学会会士。长期从事新能源汽车能源系统安全管控技术探讨研究，首次提出了基于赛博链的动力电池端云融合管理方法，主持研发了5代20余款车用电池管理系统，技术应用于华为、比亚迪、宁德时代等领军企业，成果获国家级/省部级科研、教学奖励十余项，其中，以第一完成人获国家科学技术进步二等奖、国家教学成果一等奖、中国汽车工程学会技术发明特等奖、教育部科学技术进步一等奖、中国汽车工业技术发明一等奖。

陈飞，北京航空航天大学交通科学与工程学院助理研究员，主要是做新能源汽车能源动力系统优化控制与检测技术探讨研究。主持国家重点研发计划子课题2项，参与国家重点研发计划、国家自然科学基金重点项目等项目10项，发表SCI/EI论文10余篇，授权发明专利20余项，获国家科学技术进步二等奖1项，教育部科学技术进步一等奖/二等奖各1项、北京市科学技术进步二等奖1项。

北京航空航天大学交通科学与工程学院智能新能源汽车团队深耕车用动力电池基础理论与管控技术探讨研究，近年来在相关领域承担了国家重点研发计划项目/课题、国家自然科学基金联合基金重点项目等国家级项目30余项，提出了基于赛博链的动力电池端云融合管理方法，技术应用于华为、比亚迪等领军企业，在Matter、Journal of Power Sources、Applied Thermal Engineering等国际高水平期刊发表论文百余篇，授权国家发明专利95项，相关研究成果获国家科学技术进步二等奖2项、中国汽车工程学会技术发明特等奖1项、教育部科学技术进步一等奖1项，其他省部级科技奖励十余项。

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！