中國儲能網(wǎng)訊：23日下午的大會則主要圍繞“動力電池安全和梯次利用”主題進行討論,千人計劃專家、中國汽車工程學會理事、美國弗吉尼亞大學博士湯曦東先生發(fā)表了題為“應對動力電池梯度利用的BMS技術(shù)探討”的演講。
以下是由電動汽車資源網(wǎng)整理的湯曦東博士的演講:
蔣濛：下面請出最后一位演講嘉賓，湯博士為大家分享！主題報告：應對動力電池梯度利用的BMS技術(shù)探討，演講嘉賓：千人計劃專家、中國汽車工程學會理事、美國弗吉尼亞大學博士湯曦東。
湯曦東：各位下午好，因為時間關(guān)系我盡量快一點結(jié)束，因為吳總跟我說盡量講技術(shù)方面的，我本人也是做技術(shù)的，所以我講一些新的技術(shù)，然后也不涉及到我公司具體的產(chǎn)品。我主要講的是梯次利用，涉及的東西很多，所以我只能挑一些東西講，而且有限定的范圍。
先大概講一下梯次利用的背景，最主要的是我們知道2個產(chǎn)業(yè)。
一個是新能源汽車，因為電動汽車的推廣，有大量動力電池的積累，這些電池在電動汽車上應用完以后，還有很多剩余的性能在其他方面利用，可以降低電池的使用成本；另外一個就是我們現(xiàn)在所說的電池的電能存儲，主要是一些智能電網(wǎng)的推廣，所以造成了這一塊有這個需求，因為這兩個產(chǎn)業(yè)方向的需求，所以這一塊就有這樣的發(fā)展機會。
另外一個就是Telematics技術(shù)的發(fā)展，使得這樣的一種不管是V2G、V2X這種技術(shù)成為可能。然后我們談電池的生命周期，我們也是從現(xiàn)在梯次利用的角度講，我們不光是單純的汽車使用，還有生產(chǎn)開始一直到最后的回收，整個的環(huán)節(jié)是稱之為電池的整個過程。新電池出來在生產(chǎn)出來以后會進入汽車使用，汽車使用完以后會進行一次重置使用，在第一次梯級利用以后進行下一輪的拆解，直到最后有一個EOL。
這個當中有一些術(shù)語，我們汽車用完就是EOS，整個電池用完就是EOL。所以說這個基本的流程，當然有一些前提，一個就是說我們汽車使用完以后這個電池是有一定性能的，不能說汽車用完以后基本上這個電池就死了，這個梯度定位就無從談起了；另外考慮到現(xiàn)在的商業(yè)價值鏈的問題，如果梯度使用的生命周期低于10年，只有2-3年，梯度使用的意義就很低了，另外就是重置成本不能太高，重置成本很高，等于拆解下來把成本添回去，這個就很難走下去了，還不如用新電池了。
當然還要考慮智能電網(wǎng)和儲能的經(jīng)濟性，最后就是最關(guān)鍵的梯級利用，舊電池利用的可靠性、安全性包括環(huán)境的影響，你如果有一些漏液和起火都是非常糟糕的。
我們在車子上應用完以后同時通過V2、V2X把數(shù)據(jù)收集，進行數(shù)據(jù)分析、傳遞，等到EOS的時候進行梯級利用，本身是由BMS進行控制，要有價值的商業(yè)模型，不是說我有這個技術(shù)就能實現(xiàn)，如果沒有辦法體現(xiàn)經(jīng)濟性的話就沒有意義了。經(jīng)濟性這個東西是要放到整個的，我后面會講到經(jīng)濟性是到整個BMS里面進行考慮的，我們說的BMS不是單純的車上BMS，是一個BMS連帶后臺系統(tǒng)的整個BMS。
然后第二個就是劣化模型，在使用過程當中出現(xiàn)一定的故障，老化模型是使用年度長老化，這個是有建模，也是非常困難的事情，涉及到全生命周期的采集分析，傳遞。
第三個，應用模型和電池監(jiān)測控制方案，我們可能會更傾向于是數(shù)據(jù)和模型的結(jié)合，因為整個的電池最后是站在統(tǒng)計的角度來說，成本高可靠性的矛盾，既要便宜又用的時間長這個是有矛盾的。我們剛剛說的成本里面要考慮到重組的復雜性，拆卸診斷評估各方面帶來的成本，但是同時如果你過高地要求這個BMS系統(tǒng)，給汽車端帶來損失也是不可行的問題。
最后我們要說對于目前的新能源車，量已經(jīng)有一些了，外面的生產(chǎn)廠家還是比較多的，整個電池包的形式也比較多樣，各家都有各家的BMS，都有各家的電芯。你要處理這樣的電芯或者是整個的PACK的多樣化也包括應用的多樣性，比如說你的儲能有通過光伏的儲能，有通過UPS的方式，還有家庭的那種峰谷谷電的方式，還有大型的儲能，包括充電站的儲能備用。
這個是動力電池梯次利用的成本案例，這個上面的整個所謂的梯次利用以后產(chǎn)生的費用，這個費用是相當高的，不比你新電池便宜。這里面包含了一部分的功率元器件，電網(wǎng)入口設備的成本，整個成本非常高，當然后來給出了一個可接受的原因就是因為有收益。他把這個收益提上去，但是其實我們現(xiàn)在仔細看這個收益，經(jīng)濟性是很值得商榷的，可能帶來的經(jīng)濟效益沒有那么高。
我們講技術(shù)的范疇，現(xiàn)在的梯次利用很多很雜，我們講的就是一個是重利用，就是電池從車上拆解下來不再做分解，直接電池入網(wǎng)。利用車載電池上的BMS的系統(tǒng)，右上角的那張圖，我通過那個BMS的系統(tǒng)直接接了一個網(wǎng)關(guān)直接到頂層控制，然后所有的電源能源線是直接進入執(zhí)行開關(guān)器。這種方式就是我們強調(diào)的，一是電池直接入網(wǎng)，第二個是BMS要再利用汽車上的一些硬件。這是很好理解的，因為汽車的電子元器件的壽命比電池的壽命更長更可靠，它的退化也不像電池是逐年退化的，所以這部分是重新利用，否則代價相當高。
第二個就是重置，把電池包打開模塊取出，進行篩選重新連接，再后面一個就是再生產(chǎn)，再生產(chǎn)基本上是PACK的再生產(chǎn)，有一些結(jié)構(gòu)，比如說有一些靈活的結(jié)構(gòu)，可以拆卸的，在電芯層級上進行重新篩選，重新重組裝成模塊，裝配BMS的系統(tǒng)進行梯級利用。
最后一個就是回收了，吳博士提到的回收的，這個是材料回收階段。
我今天講的就是重利用這一塊，我不講下面的，否則涉及的東西太多了，只講BMS對重利用的應對。首先是有新的創(chuàng)新技術(shù)，哪些創(chuàng)新技術(shù)可以用在重利用上？我剛剛也說，我們希望的是整個的BMS系統(tǒng)可以拆下來直接上。這里面涉及到的一些新的傳感器，剛剛王總也提到幾個，一個是提到了光纖傳感器，另外一個是提到了一個氣體傳感器，這些基本上都有了。
超聲波傳感器、電池傳感器，用來探測電池里面的一些磁場的變化進行檢測，還有測離子濃度的傳感器，介入式的傳感器，也是很麻煩的事情，有一些形變的傳感器，探測微量的膨脹，檢測的電池的老化，為什么這么多傳感器？我們原來這個群里面有人提到過，我說過基本上是從醫(yī)學術(shù)語借來的，我們看病也知道，我們是要大量的檢測，你要做CT，要做各種各樣的檢測因素，這些其實就是說類似這個傳感器。
電池也像一個人體一樣，身體的老化等等，這些傳感器意味著可以得到更準確的數(shù)據(jù)，而不是單純的測血壓，或者是單純地測一個溫度體溫之類的。這個里面我會主要講講光纖傳感器，這個和光導隔膜傳感器是同一類。光導隔膜傳感是較早的方式，主要是涉及到電芯內(nèi)部的工藝，這個要把光纖、光導的材料作為一個隔膜的材料使用，所以對于整個的電池工藝的影響比較大，所以說這個方式我認為不是很好的一個方式。
后來現(xiàn)在就有一種光纖傳感器，很細，大概是幾十微米像頭發(fā)絲一樣的光纖器，可以放在電池內(nèi)部進行溫度壓力形變，據(jù)說還能包含一些氣體或者是一些化學成份。剛剛提到光纖傳感器，埋在電芯里面，現(xiàn)在是貼在負極上面，整個的電芯可以探測形變，探測光波，在上面涂一些材料，可以探測到某一些化學成份，產(chǎn)生微量形變以后，導致光波的變化，可以測出光波的點。
首先是很細很小，基本可以到電芯內(nèi)部，目前沒有最后的數(shù)據(jù)，但是我們希望是對電池的性能不會發(fā)生明顯的影響。然后是一個非探測性的，整個光波在穿梭過程當中對電池本身不會造成影響。但是有一些難度，比如說測電芯內(nèi)部的溫度，測內(nèi)部的形變都是很直接的，那個可以測出，但是如果說測一些電流分布，或者是測更高的狀態(tài)比如說SOC之類的。
同樣會涉及到一個算法，這個算法目前他們是通過數(shù)據(jù)聯(lián)系，因為整個的模型要建模，目前建模沒有了純粹是靠數(shù)據(jù)的聯(lián)系來實現(xiàn)的，這個也是一個問題，因為一旦用了這個辦法，我們說數(shù)據(jù)，我們說現(xiàn)在是處理所有的算法也好，基本上是要么是數(shù)據(jù)要么是模型，要么是數(shù)據(jù)結(jié)合模型，數(shù)據(jù)的好處在于不需要建模，壞處就是需要大量的數(shù)據(jù)，整個算法的計算量的消耗是相當大的。
一個極端的例子就像阿爾法狗的例子，整個的就是單純的數(shù)據(jù)，要有大量的數(shù)據(jù)采集，不是像傳統(tǒng)意義上的。現(xiàn)在有好幾個大學，包括GM，還有DOE，美國的幾家政府機構(gòu)一起參與這個，方式就是通過一些功率電子開關(guān)進行電池的單體的重置。整個的結(jié)構(gòu)物理結(jié)構(gòu)是定的，但是電池結(jié)構(gòu)是可以變，三并幾串或者是兩并幾串，整個的定性結(jié)構(gòu)是完全動態(tài)的。另外一個就是說在這個過程當中一旦不行可以自動的切掉，整個的過程就是這樣，可以在過程當中重置，對梯次利用的好處很明顯，不需要拆解就可以變成你想要的電壓和容量。這個都是自動的，原先的一個比較大的障礙就是成本，因為涉及到大量的功率成本?，F(xiàn)在有一些技術(shù)可以做比較便宜的功率開關(guān)，不需要像現(xiàn)在的高平臺的，因為是開關(guān)速度沒有那么快，所以成本可以相對來說低一點。
現(xiàn)在也有的，剛剛周博士也提到主動均衡對于梯次利用的重要性。這種結(jié)構(gòu)就是說無損均衡，應該是內(nèi)在或者是自然的，因為這個均衡是這樣的。這節(jié)電池的比較低了，我可以切出去，其他電池仍然正常進行放電，自然而然的那些電池放電的定位到達比較低的大概就是均衡了，所以是自然的，不需要任何的所謂均衡設計了，當然了是整個的控制，復雜性是相當高了，等于是控制電芯狀態(tài)。
然后我們就講軟件了，就是建模，我們現(xiàn)在的建模，我剛剛也提到，我們是有很多的物理模型、數(shù)據(jù)模型，或者是數(shù)據(jù)和物理的結(jié)合。物理模型是比較缺的，因為物理模型的建模非常困難，首先第一個對整個的電池材料還有電化學要有比較深刻的理解，然后你通過建模以后要變成一個可控制的模型。
現(xiàn)在有一些新的軟件，這個也是現(xiàn)在最新的，原先的時候有一家公司是做有芯元，有人利用這個平臺搭了一些電池里面的部件的有芯元模塊，建立電池的時候根據(jù)你的需求，你是什么樣的材料體系，電解液是什么樣的配制，拿這些模塊進來設置這些參數(shù)，可以做成這樣的一個模型?，F(xiàn)在還有人做SPGA的硬件在環(huán)的模擬器，這個也是比較出色的，尤其是對梯次利用，新電池過來沒有任何的數(shù)據(jù)的情況下很難說評估將來的希望。算法也好，或者是評估整個梯次利用的經(jīng)濟性也好，比較難。現(xiàn)在有SP級的手段，可以模擬電池的老化，因為有老化模型在里面，提供這個電池在整個的環(huán)節(jié)當中，汽車領(lǐng)域運行的環(huán)節(jié)，如果老化到一定的程度，切換到梯次利用，怎么樣換一種應用模型以后，怎么樣繼續(xù)使用這個電池，怎么產(chǎn)生新的老化的模式都是可以的。
我們說三種模式，物理模型、數(shù)據(jù)模型、擬合模型，擬合模型就是沒有實際物理模型的情況下我們用簡單的進行擬合。我們下面說的兩種模型就是兩類，一類是應用模型和性能模型，這個是放在車里面主要是針對SOC、SOH的估算；另外就是老化模型，或者是劣化模型，需要放后臺算。因為是需要數(shù)據(jù)的引入，還涉及到復雜算法的計算，我們說的應用模型這個里面也很復雜，比如說SOC模型，我們叫它是一個動態(tài)模型，因為非常快速。如果我們談到SOH，這個也是一個動態(tài)模型，但是它的實驗周期會很長，幾天甚至一個月，這樣的話對于SOC的這種方式來說，SOH變成一個靜態(tài)模型。
在BMS里面處理動態(tài)模型又處理靜態(tài)模型，為什么BMS很難也是這個原因。我們現(xiàn)在的建模基本是這樣，化學物理過程分析，建立定量分析的方程，剛剛提到的軟件就是這樣的。建立整個電池的整體模型和數(shù)據(jù)進行模型驗證，然后你需要做模型簡化，因為部件化，這個很難做控制模型。我們一般來說在線應用的模型首先必須是線性模型，這都是非線性模型，可能做線性化是光纖模型，基本上在車里面的控制器上都算不了，計算量存儲量都太大了。所以這個當中都有很多的訣竅，怎么降這個模型，還有各種各樣的應用不同，每個不同應用就有每個應用不同，也就是說每個不同的模型都有每一個不同的BMS的算法，不是說單純一個BMS的算法就可能從頭得到底，因為還涉及到很多的細節(jié)問題。
然后你還要做一次簡化模型的驗證，做完簡化模型，要根據(jù)應用再進一步簡化你的模型，儲能應用可能平時沒有什么激勵信號的，這種情況怎么處理？模型都要進行一些處理，然后剛剛王總也提到所謂的交流模型和直流模型，車里面有足夠多的高頻信號，如果是儲能的話基本是直流信號，就是直流模型。
我們現(xiàn)在說電池管理系統(tǒng)，但是其實管理這個詞是不太合適的，更應該是電池基本上不涉及到控制，基本上都是被動的監(jiān)測。電池的控制現(xiàn)在車上應用的主要就是說在上層能量控制這一頭做界限，我們說做能量控制優(yōu)化處理的時候要約束，這個是所謂的BMS給出一個約束邊界，整個的性能約束邊界尋找一個最優(yōu)點，那個就是你的所要的電極達到的功率，電池也能夠安全輸出的功率。談不上電池的控制，電池的控制現(xiàn)在我們覺得就是說依舊是一種趨勢，就是說如果你車里面有兩套能源方式，燃料電池和電池，或者是有超級電容電池，這個當中涉及到電池的控制，或者說現(xiàn)在的有一些技術(shù)集成技術(shù)，希望把一些控制器，包括電極控制器，或者是其他的控制器整合到電池管理系統(tǒng)的控制器。這個當中也會涉及到一些控制，但是這個當中都會涉及很多硬件上面的革新，
第三個就是剛剛說的重置結(jié)構(gòu)，整個電池波會涉及到控制。我們做在線監(jiān)測的過程當中，主要是針對SOC之類的，我們應用比較多的一個是最常見的一些信息回歸的方法。這個方法的好處也很明顯，計算量比較低，比較迅速，效果也不錯，處理某一些線性方面問題不大，然后對于一些非線性的處理就延伸到EKF上面處理了。單純的EKF沒有意義，因為本身和線性回歸是等價的，如果是延展的還有一些意義，因為針對的是非線性。還有一種就是現(xiàn)在這兩年開始，和前面兩種最大的區(qū)別是觀測態(tài)，作為狀態(tài)出現(xiàn)，對于信號的穩(wěn)定性會好很多，不會存在比如說沒有信號了，觀測性不會，觀測性的穩(wěn)定性是被函數(shù)限制住了所以走不偏。
但是觀測性有一個難點，尤其對于一些非線性的觀測性要做好，實現(xiàn)代價也是相當大的，很難做，另外一種就是本質(zhì)上來說是EKF，其中很特殊的類型。除了在線的一些計算以外，我們對于這些，尤其是貼近一個點之后要做一些區(qū)間的分析，用到人工智能的那一套東西，基本是搬過來?？傊且粋€概率在里面，因為不知道這個東西是確定的，就類似于是這個人得病還是不得病，醫(yī)生只是說很有可能生病，但是必須看到才知道，不看到知道給你百分之多少的概率。
然后就是一線后臺的判斷，這個就給一個區(qū)間，距離OS和OL還有多少時間。主要的工具也是類似的差不多，但是因為也是說一個本身類似于診斷性質(zhì)的，離線后臺計算可以修整誤差，調(diào)整模型，比如說在車里面進行了大量的運算以后，如果有一些誤差，想把誤差拉回來可能就通過離線后臺的計算把點抓出來。剛剛王博士也提出激勵信號的問題，阻抗譜里面的一個曲線，我們知道那個曲線，在汽車里面最難的就是這個。因為我們說過我們測阻抗，但是阻抗是和信號是直接相關(guān)的，信號的頻率不同測出來的阻抗不同，所以比較兩個電芯是不是同等級的，必須給出一個同樣的激勵信號，同樣的前提下才能判斷。
有一些概念通過一個現(xiàn)在的車載充電器，給一個具體的激勵信號，而不是單純的CC改成CV的方式，所有的信號都在充電的時候，這樣就比較有意義了。剛剛說模型修整也是在這個過程當中實現(xiàn)的，充電器的時候增加激勵信號比較出模型的區(qū)別，進行模型的修正，現(xiàn)在還可以提一下，有一些為了降成本，不再做濾波，直接做交流電，如果是這樣的話也沒有太大的問題，這也是一種方式。
后臺估算SOL例子，我們在某一點預測將來的SOL的中介點，我們做了一些植入OL的誤差看看具體怎么樣，一方面數(shù)據(jù)有限，另外一方面如果數(shù)據(jù)很多的話算起來很慢，所以說程序走起來非常慢，要依靠整個文獻，所謂的云計算來進行。
然后有一些延展，比如說現(xiàn)在的車，你替換電池是不知道這個電池，你換一個新的給他，這個用戶就等于是換了一個新電池，可能根據(jù)我的要求換一個跟原來用壞的電池是同等的使用年限的電池，這個是可以通過我們現(xiàn)在的這種新的BMS的方式做到的，可以降低一些質(zhì)保的費用。
還有整個車的resale value，整體是對汽車的應用降低成本，通過梯次利用也好，在車里的質(zhì)保還有評判也好，這種方式進行一個整體的考量和優(yōu)化，這基本上就是我的演講。
蔣濛：謝謝湯博士，剛剛您有提到實現(xiàn)這一套技術(shù)要依靠很多新的傳感器，我看到有一些傳感器至少還是停留在實驗室級別的，所以會不會阻擋整個方案的推行？
湯博士：也不是實驗室級別的，光纖傳感器現(xiàn)在有幾家公司已經(jīng)放進去了，美國的幾家公司也在做，所以現(xiàn)在已經(jīng)進入了比較產(chǎn)品化的東西出現(xiàn)。
蔣濛：好的謝謝，大家再次掌聲感謝湯博士！
