带你读懂锂离子电池均衡电路

　　EVERLASTING项目是欧盟“地平线2020”研究和创新计划资助的项目，旨在通过开发更加准确和标准化的电池监测和管理系统来提高锂离子电池的可靠性、寿命和安全性，能够在所有情况和全生命周期内预测电池行为，能够实现积极和有效的电池管理。

　　鲍教授翻译的第一篇介绍电芯均衡，特别是如何评价均衡策略。首先讨论什么情况下真正要电芯均衡；其次基于储能的应用场景含义了不同的均衡策略；最后提出一种适用于大多数场景的均衡策略。

　　1、电芯不均衡的根本原因

　　由于去中心化的能源基础设施（固定式储能设备），以及日益上升的环境友好型出行工具（电动汽车），要可靠和经济的电能存储解决方案。锂离子电池由于其高能量密度显示出满足这些需求的潜力。然而，电动汽车不但要高能量密度，还要高的整体能量（大容量电池包）。为了满足这些需求，电芯通过串联和并联组成电池包，一个电池包内可能多达几千节电芯（例如TESLA采用的18650或者21700电芯）。电池包电压与可容忍损耗和电力电子设计有关，通常决定串联的电芯数量。另一方面，并联电芯的数量取决于整个电池系统的能量和功率需求。

　　由于制造公差，例如电极厚度和整体组件连接性的变化，使电芯的特性略有不同。由于制造精度有限，即使是同一批次的电芯，其初始容量和阻抗也各不相同。这些参数偏差呈高斯（正态）分布。不同的电芯容量和阻抗意味着在串联连接中，总是有一个电芯或多个电芯块（多个电芯并联），它们首先到达充电结束或放电结束电压。考虑安全因素这些首先到达充电结束或放电结束电压限制是不能超过的，使得其他电芯的容量不可全部利用。此外，由于电芯内部参数的变化或温度梯度的存在，不同的自放电和老化速率使得电芯电压出现差异。这种电芯电压差异导致进一步过早限制电池包的容量。为了避免可能的容量限制，电池系统中通常要均衡电路。

　　一般来说，电芯不平衡与电芯质量有关，电芯质量包括初始电芯参数的变化和相同条件下的老化行为、电池系统质量特别是热管理系统质量。假如能实现完全相同的电芯以及电池系统内部没有任何温度梯度，那么均衡系统将不要，然后这是不可能实现的任务。

　　2、电芯均衡的目标

　　电芯均衡的目标取决于电池包的应用场景。电动汽车的目标是达到最大可能的续航里程，而参与电网控制的固定电池包的目标则是随时供应所需的电力。

　　对电动汽车来说为了最大限度地提高电池包的能量含量，必须充分利用每个电芯的能量，在完全放电的情况下，尽管每个电芯的容量和阻抗有所不同，但必须实现从100%SOC开始放电至0%SOC。对参与电网控制的固定储能来说，处于木桶效应最弱板块的电芯或者电芯块要一直处于某一固定SOC，以便允许在指定的时间内释放和吸收正负电流脉冲（调频应用）。由于电动汽车的应用领先于电网储能应用，因此最大限度地提高电池的能量含量是电芯均衡的首要目标。

　　3、电芯均衡算法评价

　　在不均衡的情况下，并不是所有的电芯容量都被完全利用，剩余的能量必须通过均衡电路重新分配。均衡电路通常能够调整单个电芯或电芯块的能量水平。一般有两种均衡系统：耗散均衡系统（被动均衡）和非耗散均衡系统（主动均衡）。主动均衡在不造成较大损失的情况下将能量从一个电芯或电芯块转移到另一个电芯。几乎所有的主动系统都要大量的电力电子器件，如线圈、电容器和场效应晶体管以及相应的控制方案。导致额外的重量和成本，因此在商业应用中使用主动均衡系统较少。被动均衡系统由一个电阻和一个与电芯并联的电气开关实现，由于其简单性和成本优势而受到青睐，被动均衡通过放电来调节单个电芯或电芯块的能量水平。下面将对常用的被动均衡技术进行实际评估。

　　一般有三种均衡算法：基于SOC的均衡算法、基于模型的均衡算法和基于电压的均衡算法。

　　基于SOC的均衡算法

　　基于SOC的均衡是最精确的，因为理论上它根据含义利用了所有电荷。然而，基于SOC的均衡算法实际效果很大程度上取决于SOC的准确性。SOC是一种不能直接测量的状态，SOC通常采用估计技术（卡尔曼滤波、神经网络等）和安时积分。即使这些方法能够在电池生命周期开始时供应准确的结果，但是在运行过程中精度会迅速下降，估计误差往往会超过2-3%（国内BMS的SOC估计误差估计在5%）。目前最先进的锂离子电池的相对参数方差远远低于1%，这使得使用不准确的SOC值作为均衡输入参数是不够的。

　　基于模型的均衡算法

　　锂离子电池的一个重要特性是SOC与开路电压（OCV）之间的非线性关系，如图1所示。OCV随着SOC的新增而增大。这种关系是由锂离子电池正极和负极材料的电位决定的。当有电流负载时，欧姆电阻、转移阻抗和双电层效应导致出现过电位，因此测量到的端电压（非OCV）并不能直接反映实际SOC。基于模型的均衡利用电芯模型来估计电芯的过电位，就有可能使用电流负载下的端电压来实现SOC平衡。然而基于模型的均衡算法与基于SOC的平衡算法有着相同的缺点，锂离子电池的非线性特性使其很难实现鲁棒和精确的模型，因为所有的模型参数在SOC范围内、不同的温度范围内、特别是在使用寿命内都会发生变化。

　　图1NMC/石墨电芯的OCV曲线和等效电路模型

　　基于电压的均衡算法

　　最可能实际应用的的均衡算法是基于电压的均衡算法，因为每个电池系统都会监测电芯电压。通常在充电过程中通过均衡电路调整电芯电压。然而端电压不一定反映SOC，因此负载下的电压均衡可能会进一步恶化电池包的不均衡。这种不均衡取决于实际的充电电流、电芯的过电位和OCV的斜率。降低电流可以缓解这个问题，因此恒压（CV）充电阶段适合进行电芯均衡。然而，由于短板电芯的充电结束电压通常是充电器电流控制的输入，所以短板电芯的电压不能被扭曲，因此也不建议在CV阶段进行电压平衡。

　　由于先进锂离子电池质量的提高，其内部参数变化很小。此外，电池包内的温度梯度可以通过特定的设计措施（热管理系统）来缓解。以上因素均减小了电芯电压差异，但是电芯电压差异还是存在，因为其是不可消除的。充电结束静置相当长一段时间后电芯的过电位消除，此时端电压反映了电芯SOC，通过将所有电芯的电压放电至电池包内最小电芯电压，此过程只消耗一小部分的放电能量，因此只要不经常进行这种电压平衡就认为是可以接受的。

　　4、结论

　　由于制造公差，锂离子电池在容量、阻抗和自放电率方面表现出差异，这导致电池包中的电压差异，该电压差异限制了可达到的放电能量，并且在存在温度梯度时可能进一步恶化。为了最大化电池包的能量含量，通常使用具有旁路电阻器的被动电路。

　　建议在电池包完全充电后的休息期间应用电压均衡，在此过程中将所有电芯电压放电调节到与串联电池包内的最小电芯电压一致。