电动汽车电池组和复杂BMS的成本、性能和保修是影响电动汽车价值的关键因素
作者：恩智浦Andreas Both博士、Antonio Leone、Curt Hillier和Electra Vehicles公司Brian Glassman、Lanie Meyers
 
驾驶员、汽车制造商和供应链对电动汽车有着共同的雄心——提高续航里程和电池安全性，同时延长电池寿命并降低维护成本。这些目标中的每一个都可以通过新的技术增强、安全可靠的连接以及利用电池产生的数据创新使用数字孪生来实现。
电动汽车领域正在快速发展，以适应市场和性能需求，电池技术的进步正在推动这一转变。电动汽车电池组和复杂的电池管理系统（BMS）的成本、性能和保修是影响电动汽车价值的关键因素。然而，正是BMS的数据和安全的云连接将有助于在车辆的使用寿命内进一步推动这些改进。但是BMS收集了什么样的数据呢？
 
BMS的主要功能
电动汽车电池需要极其精确的充电电流和输出电压才能满足汽车标准。BMS有效地监控电池的安全性、性能和效率，如图1所示。这是通过收集必要的信息来估计电池的充电状态（SoC）和健康状态（SoH）来实现的。然后，这些信息被转换为电动汽车的可用行驶里程——这一功能相当于燃油表。BMS还确保电池在由电压、电流、温度和其他参数定义的安全操作区（SOA）内运行——在这些严格限制之外运行可能导致电池寿命下降、故障，或者更糟的是，热失控。
 

图1：BMS的主要功能
 
BMS的另一个重要功能是管理电池组内的所有单个电池，以确保更长的使用寿命。电池平衡发生在充电期间、行驶期间、怠速和待机状态。当充电开始时，测量每个电池的电压。在平衡过程中，最高的电池被放电到最低的电池电压，以使它们达到相同的SoC。当所有电池都被平衡时，它们可以在充电完成时达到最大SoC。BMS确保充电过程得到控制并适应电池的状态。
 
估计电池的SoC
库仑计数和卡尔曼滤波器是估计SoC的标准方法，其准确性构成了所有其他BMS功能决策的基础。然而，由于电池的累积退化，这些估计在车辆的使用寿命内变得不那么准确。
 

表1：随着时间的推移，电池SoC的库仑计数和卡尔曼滤波器估计越来越不准确
 
表1显示了三种驾驶条件，以证明这些计算的准确性如何随着时间的推移而降低：慢速稳定速度、高速稳定速度以及快速加速和制动。随着车辆老化，通常技术的性能评级在这些情况下会下降。由于SoC用于估计续航里程、SoH和整体寿命，并构成所有其他BMS功能决策的基础，因此需要一种能够建模和预测电池性能的技术。
 
自适应电池数字孪生
Electra Vehicles是一家致力于实现电动汽车电池组价值最大化的人工智能（AI）软件创新公司。该公司与恩智浦合作开发了自适应电池数字孪生，将人工智能和机器学习建模与物理化学电池建模相结合，以提供准确和可预测的输出。随着车辆的老化，自适应电池数字孪生不断学习，以提供更准确的SoC和SoH估计，确保更正确的BMS控制。
在了解了自适应电池数字孪生的功能后，让我们考虑一下Electra Vehicle是如何将其部署在高压BMS（HVBMS）上的。HVBMS由恩智浦的硅提供动力，可提供精确同步的高压、温度和电流数据。部署在恩智浦GreenBox 3实时开发平台上的车载自适应电池数字孪生，利用恩智浦在电池管理单元（BMU）上的S32K3 MCU以及电池数据，使用以10Hz的速率刷新输出的AI算法来估计SoC。然后，该准确信息通过CAN传输，以更新各种电池系统部件，见图2。


图2：Electra Vehicles和NXP：自适应电池数字孪生软硬件部署
 
电池数据经过过滤并安全传输到NXP S32G GoldBox，在那里进行进一步处理、压缩和存储，直到低成本的互联网连接可用。或者，数据可以被压缩以用于空中传送（OTA）。NXP GoldBox允许安全快速地连接到亚马逊网络服务（AWS）云，该云托管Electra的自适应电池数字孪生。
在基于云的自适应电池数字孪生的深度机器学习完成训练后，加密OTA更新形式的轻量级配置文件将通过GoldBox安全地传输回电动汽车。从那里，NXP S32K3 MCU得到更新。通过这样做，Electra的车载自适应电池数字孪生接受了最新的车辆和车队见解的培训，并准备提供持续改进的SoC和SoH估计。关于标准和自适应电池数字双SoC估计的比较，请参见表2。
 

表2：比较SoC估计方法表明，自适应电池数字孪生的精度仍然很高
 
在德国纽伦堡举行的嵌入式世界2023期间，恩智浦在其高压BMS（HVBMS）参考设计板上展示了模拟电池和环境数据，该参考设计板为Electra的自适应电池数字孪生和恩智浦S32K3 MCU芯片组供电。显示屏上并排显示了两辆车。第一个使用通常的库仑计数和卡尔曼滤波器方法计算SoC，而第二个使用Electra的自适应电池数字孪生来计算SoC和其他电池表征指标。模拟显示，与行业标准相比，在车辆使用寿命的第11年，电池SoH增加了12%，见图3。
 

图3：Electra的自适应电池数字孪生计算动态SoC，结合高精度SoC测量，利用电池的真实性能，使SoH增加12%
 
电动汽车电池的未来
未来的电动汽车将更加智能，能够预测驾驶员的需求。设想拥有一辆电动汽车，它可以预测充电时间表和速度，以延长电池寿命，同时考虑到不可预见的公路旅行和季节性天气变化。预计电动汽车将与驾驶员辅助和自动驾驶技术相结合，通过环保驾驶方式减少电池磨损并增加行程。
对于车队所有者来说，可以考虑运营一个智能车队，该车队可以为日常出行建议某些车辆，以在车队中均匀分布电池损耗。想象一下，根据每辆车的具体要求和预期的未来使用情况，收到每日预防性维护计划。
最后但同样重要的是，当软件定义的车辆动态适应每个车主自己的驾驶风格并自动提醒OEM修改计划时，OEM可以看到未来。想象一下，能够在可能的保修问题出现前几年就看到这些问题的见解。考虑为被评估为电池保修索赔风险较低的驾驶员提供额外的创收服务，如延长保修期。最后，为了提高电动汽车的转售价值，可以考虑在汽车仪表板上显示电池的SoH和剩余续航里程。
使用Electra的自适应电池数字孪生方法对于主动解决SoC和SoH估计中潜在的准确性问题至关重要。随着路上的电动汽车数量持续增加，这些将提高消费者对电动汽车品牌长期生存能力的认知。
 
https://www.nxp.com/
https://www.electravehicles.com/