9月23日,由张家港市发展和改革委员会、张家港市科技局主办,江苏天鹏电源有限公司、电动汽车资源网承办,江苏华东锂电技术研究院协办,苏州益茂电动客车有限公司、新能源巴士联盟支持的“2016中国新能源汽车动力电池产业技术发展高峰论坛暨车企与动力电池企业技术交流会”(以下简称“动力电池交流会”)在沙洲湖酒店隆重召开。电动汽车资源网全称报道此次会议。
今日下午的大会则主要围绕“动力电池安全和梯次利用”主题进行讨论,千人计划专家、中国汽车工程学会理事、美国弗吉尼亚大学博士汤曦东先生发表了题为“应对动力电池梯度利用的BMS技术探讨”的演讲。
以下是由电动汽车资源网整理的汤曦东博士的演讲:
蒋濛：下面请出最后一位演讲嘉宾，汤博士为大家分享！主题报告：应对动力电池梯度利用的BMS技术探讨，演讲嘉宾：千人计划专家、中国汽车工程学会理事、美国弗吉尼亚大学博士汤曦东。
汤曦东：各位下午好，因为时间关系我尽量快一点结束，因为吴总跟我说尽量讲技术方面的，我本人也是做技术的，所以我讲一些新的技术，然后也不涉及到我公司具体的产品。我主要讲的是梯次利用，涉及的东西很多，所以我只能挑一些东西讲，而且有限定的范围。
先大概讲一下梯次利用的背景，最主要的是我们知道2个产业。
一个是新能源汽车，因为电动汽车的推广，有大量动力电池的积累，这些电池在电动汽车上应用完以后，还有很多剩余的性能在其他方面利用，可以降低电池的使用成本；另外一个就是我们现在所说的电池的电能存储，主要是一些智能电网的推广，所以造成了这一块有这个需求，因为这两个产业方向的需求，所以这一块就有这样的发展机会。
另外一个就是Telematics技术的发展，使得这样的一种不管是V2G、V2X这种技术成为可能。然后我们谈电池的生命周期，我们也是从现在梯次利用的角度讲，我们不光是单纯的汽车使用，还有生产开始一直到最后的回收，整个的环节是称之为电池的整个过程。新电池出来在生产出来以后会进入汽车使用，汽车使用完以后会进行一次重置使用，在第一次梯级利用以后进行下一轮的拆解，直到最后有一个EOL。
这个当中有一些术语，我们汽车用完就是EOS，整个电池用完就是EOL。所以说这个基本的流程，当然有一些前提，一个就是说我们汽车使用完以后这个电池是有一定性能的，不能说汽车用完以后基本上这个电池就死了，这个梯度定位就无从谈起了；另外考虑到现在的商业价值链的问题，如果梯度使用的生命周期低于10年，只有2-3年，梯度使用的意义就很低了，另外就是重置成本不能太高，重置成本很高，等于拆解下来把成本添回去，这个就很难走下去了，还不如用新电池了。
当然还要考虑智能电网和储能的经济性，最后就是最关键的梯级利用，旧电池利用的可靠性、安全性包括环境的影响，你如果有一些漏液和起火都是非常糟糕的。
我们在车子上应用完以后同时通过V2、V2X把数据收集，进行数据分析、传递，等到EOS的时候进行梯级利用，本身是由BMS进行控制，要有价值的商业模型，不是说我有这个技术就能实现，如果没有办法体现经济性的话就没有意义了。经济性这个东西是要放到整个的，我后面会讲到经济性是到整个BMS里面进行考虑的，我们说的BMS不是单纯的车上BMS，是一个BMS连带后台系统的整个BMS。
然后第二个就是劣化模型，在使用过程当中出现一定的故障，老化模型是使用年度长老化，这个是有建模，也是非常困难的事情，涉及到全生命周期的采集分析，传递。
第三个，应用模型和电池监测控制方案，我们可能会更倾向于是数据和模型的结合，因为整个的电池最后是站在统计的角度来说，成本高可靠性的矛盾，既要便宜又用的时间长这个是有矛盾的。我们刚刚说的成本里面要考虑到重组的复杂性，拆卸诊断评估各方面带来的成本，但是同时如果你过高地要求这个BMS系统，给汽车端带来损失也是不可行的问题。
最后我们要说对于目前的新能源车，量已经有一些了，外面的生产厂家还是比较多的，整个电池包的形式也比较多样，各家都有各家的BMS，都有各家的电芯。你要处理这样的电芯或者是整个的PACK的多样化也包括应用的多样性，比如说你的储能有通过光伏的储能，有通过UPS的方式，还有家庭的那种峰谷谷电的方式，还有大型的储能，包括充电站的储能备用。
这个是动力电池梯次利用的成本案例，这个上面的整个所谓的梯次利用以后产生的费用，这个费用是相当高的，不比你新电池便宜。这里面包含了一部分的功率元器件，电网入口设备的成本，整个成本非常高，当然后来给出了一个可接受的原因就是因为有收益。他把这个收益提上去，但是其实我们现在仔细看这个收益，经济性是很值得商榷的，可能带来的经济效益没有那么高。
我们讲技术的范畴，现在的梯次利用很多很杂，我们讲的就是一个是重利用，就是电池从车上拆解下来不再做分解，直接电池入网。利用车载电池上的BMS的系统，右上角的那张图，我通过那个BMS的系统直接接了一个网关直接到顶层控制，然后所有的电源能源线是直接进入执行开关器。这种方式就是我们强调的，一是电池直接入网，第二个是BMS要再利用汽车上的一些硬件。这是很好理解的，因为汽车的电子元器件的寿命比电池的寿命更长更可靠，它的退化也不像电池是逐年退化的，所以这部分是重新利用，否则代价相当高。
第二个就是重置，把电池包打开模块取出，进行筛选重新连接，再后面一个就是再生产，再生产基本上是PACK的再生产，有一些结构，比如说有一些灵活的结构，可以拆卸的，在电芯层级上进行重新筛选，重新重组装成模块，装配BMS的系统进行梯级利用。
最后一个就是回收了，吴博士提到的回收的，这个是材料回收阶段。
我今天讲的就是重利用这一块，我不讲下面的，否则涉及的东西太多了，只讲BMS对重利用的应对。首先是有新的创新技术，哪些创新技术可以用在重利用上？我刚刚也说，我们希望的是整个的BMS系统可以拆下来直接上。这里面涉及到的一些新的传感器，刚刚王总也提到几个，一个是提到了光纤传感器，另外一个是提到了一个气体传感器，这些基本上都有了。
超声波传感器、电池传感器，用来探测电池里面的一些磁场的变化进行检测，还有测离子浓度的传感器，介入式的传感器，也是很麻烦的事情，有一些形变的传感器，探测微量的膨胀，检测的电池的老化，为什么这么多传感器？我们原来这个群里面有人提到过，我说过基本上是从医学术语借来的，我们看病也知道，我们是要大量的检测，你要做CT，要做各种各样的检测因素，这些其实就是说类似这个传感器。
电池也像一个人体一样，身体的老化等等，这些传感器意味着可以得到更准确的数据，而不是单纯的测血压，或者是单纯地测一个温度体温之类的。这个里面我会主要讲讲光纤传感器，这个和光导隔膜传感器是同一类。光导隔膜传感是较早的方式，主要是涉及到电芯内部的工艺，这个要把光纤、光导的材料作为一个隔膜的材料使用，所以对于整个的电池工艺的影响比较大，所以说这个方式我认为不是很好的一个方式。
后来现在就有一种光纤传感器，很细，大概是几十微米像头发丝一样的光纤器，可以放在电池内部进行温度压力形变，据说还能包含一些气体或者是一些化学成份。刚刚提到光纤传感器，埋在电芯里面，现在是贴在负极上面，整个的电芯可以探测形变，探测光波，在上面涂一些材料，可以探测到某一些化学成份，产生微量形变以后，导致光波的变化，可以测出光波的点。
首先是很细很小，基本可以到电芯内部，目前没有最后的数据，但是我们希望是对电池的性能不会发生明显的影响。然后是一个非探测性的，整个光波在穿梭过程当中对电池本身不会造成影响。但是有一些难度，比如说测电芯内部的温度，测内部的形变都是很直接的，那个可以测出，但是如果说测一些电流分布，或者是测更高的状态比如说SOC之类的。
同样会涉及到一个算法，这个算法目前他们是通过数据联系，因为整个的模型要建模，目前建模没有了纯粹是靠数据的联系来实现的，这个也是一个问题，因为一旦用了这个办法，我们说数据，我们说现在是处理所有的算法也好，基本上是要么是数据要么是模型，要么是数据结合模型，数据的好处在于不需要建模，坏处就是需要大量的数据，整个算法的计算量的消耗是相当大的。
一个极端的例子就像阿尔法狗的例子，整个的就是单纯的数据，要有大量的数据采集，不是像传统意义上的。现在有好几个大学，包括GM，还有DOE，美国的几家政府机构一起参与这个，方式就是通过一些功率电子开关进行电池的单体的重置。整个的结构物理结构是定的，但是电池结构是可以变，三并几串或者是两并几串，整个的定性结构是完全动态的。另外一个就是说在这个过程当中一旦不行可以自动的切掉，整个的过程就是这样，可以在过程当中重置，对梯次利用的好处很明显，不需要拆解就可以变成你想要的电压和容量。这个都是自动的，原先的一个比较大的障碍就是成本，因为涉及到大量的功率成本。现在有一些技术可以做比较便宜的功率开关，不需要像现在的高平台的，因为是开关速度没有那么快，所以成本可以相对来说低一点。
现在也有的，刚刚周博士也提到主动均衡对于梯次利用的重要性。这种结构就是说无损均衡，应该是内在或者是自然的，因为这个均衡是这样的。这节电池的比较低了，我可以切出去，其他电池仍然正常进行放电，自然而然的那些电池放电的定位到达比较低的大概就是均衡了，所以是自然的，不需要任何的所谓均衡设计了，当然了是整个的控制，复杂性是相当高了，等于是控制电芯状态。
然后我们就讲软件了，就是建模，我们现在的建模，我刚刚也提到，我们是有很多的物理模型、数据模型，或者是数据和物理的结合。物理模型是比较缺的，因为物理模型的建模非常困难，首先第一个对整个的电池材料还有电化学要有比较深刻的理解，然后你通过建模以后要变成一个可控制的模型。
现在有一些新的软件，这个也是现在最新的，原先的时候有一家公司是做有芯元，有人利用这个平台搭了一些电池里面的部件的有芯元模块，建立电池的时候根据你的需求，你是什么样的材料体系，电解液是什么样的配制，拿这些模块进来设置这些参数，可以做成这样的一个模型。现在还有人做SPGA的硬件在环的模拟器，这个也是比较出色的，尤其是对梯次利用，新电池过来没有任何的数据的情况下很难说评估将来的希望。算法也好，或者是评估整个梯次利用的经济性也好，比较难。现在有SP级的手段，可以模拟电池的老化，因为有老化模型在里面，提供这个电池在整个的环节当中，汽车领域运行的环节，如果老化到一定的程度，切换到梯次利用，怎么样换一种应用模型以后，怎么样继续使用这个电池，怎么产生新的老化的模式都是可以的。
我们说三种模式，物理模型、数据模型、拟合模型，拟合模型就是没有实际物理模型的情况下我们用简单的进行拟合。我们下面说的两种模型就是两类，一类是应用模型和性能模型，这个是放在车里面主要是针对SOC、SOH的估算；另外就是老化模型，或者是劣化模型，需要放后台算。因为是需要数据的引入，还涉及到复杂算法的计算，我们说的应用模型这个里面也很复杂，比如说SOC模型，我们叫它是一个动态模型，因为非常快速。如果我们谈到SOH，这个也是一个动态模型，但是它的实验周期会很长，几天甚至一个月，这样的话对于SOC的这种方式来说，SOH变成一个静态模型。
在BMS里面处理动态模型又处理静态模型，为什么BMS很难也是这个原因。我们现在的建模基本是这样，化学物理过程分析，建立定量分析的方程，刚刚提到的软件就是这样的。建立整个电池的整体模型和数据进行模型验证，然后你需要做模型简化，因为部件化，这个很难做控制模型。我们一般来说在线应用的模型首先必须是线性模型，这都是非线性模型，可能做线性化是光纤模型，基本上在车里面的控制器上都算不了，计算量存储量都太大了。所以这个当中都有很多的诀窍，怎么降这个模型，还有各种各样的应用不同，每个不同应用就有每个应用不同，也就是说每个不同的模型都有每一个不同的BMS的算法，不是说单纯一个BMS的算法就可能从头得到底，因为还涉及到很多的细节问题。
然后你还要做一次简化模型的验证，做完简化模型，要根据应用再进一步简化你的模型，储能应用可能平时没有什么激励信号的，这种情况怎么处理？模型都要进行一些处理，然后刚刚王总也提到所谓的交流模型和直流模型，车里面有足够多的高频信号，如果是储能的话基本是直流信号，就是直流模型。
我们现在说电池管理系统，但是其实管理这个词是不太合适的，更应该是电池基本上不涉及到控制，基本上都是被动的监测。电池的控制现在车上应用的主要就是说在上层能量控制这一头做界限，我们说做能量控制优化处理的时候要约束，这个是所谓的BMS给出一个约束边界，整个的性能约束边界寻找一个最优点，那个就是你的所要的电极达到的功率，电池也能够安全输出的功率。谈不上电池的控制，电池的控制现在我们觉得就是说依旧是一种趋势，就是说如果你车里面有两套能源方式，燃料电池和电池，或者是有超级电容电池，这个当中涉及到电池的控制，或者说现在的有一些技术集成技术，希望把一些控制器，包括电极控制器，或者是其他的控制器整合到电池管理系统的控制器。这个当中也会涉及到一些控制，但是这个当中都会涉及很多硬件上面的革新，
第三个就是刚刚说的重置结构，整个电池波会涉及到控制。我们做在线监测的过程当中，主要是针对SOC之类的，我们应用比较多的一个是最常见的一些信息回归的方法。这个方法的好处也很明显，计算量比较低，比较迅速，效果也不错，处理某一些线性方面问题不大，然后对于一些非线性的处理就延伸到EKF上面处理了。单纯的EKF没有意义，因为本身和线性回归是等价的，如果是延展的还有一些意义，因为针对的是非线性。还有一种就是现在这两年开始，和前面两种最大的区别是观测态，作为状态出现，对于信号的稳定性会好很多，不会存在比如说没有信号了，观测性不会，观测性的稳定性是被函数限制住了所以走不偏。
但是观测性有一个难点，尤其对于一些非线性的观测性要做好，实现代价也是相当大的，很难做，另外一种就是本质上来说是EKF，其中很特殊的类型。除了在线的一些计算以外，我们对于这些，尤其是贴近一个点之后要做一些区间的分析，用到人工智能的那一套东西，基本是搬过来。总之是一个概率在里面，因为不知道这个东西是确定的，就类似于是这个人得病还是不得病，医生只是说很有可能生病，但是必须看到才知道，不看到知道给你百分之多少的概率。
然后就是一线后台的判断，这个就给一个区间，距离OS和OL还有多少时间。主要的工具也是类似的差不多，但是因为也是说一个本身类似于诊断性质的，离线后台计算可以修整误差，调整模型，比如说在车里面进行了大量的运算以后，如果有一些误差，想把误差拉回来可能就通过离线后台的计算把点抓出来。刚刚王博士也提出激励信号的问题，阻抗谱里面的一个曲线，我们知道那个曲线，在汽车里面最难的就是这个。因为我们说过我们测阻抗，但是阻抗是和信号是直接相关的，信号的频率不同测出来的阻抗不同，所以比较两个电芯是不是同等级的，必须给出一个同样的激励信号，同样的前提下才能判断。
有一些概念通过一个现在的车载充电器，给一个具体的激励信号，而不是单纯的CC改成CV的方式，所有的信号都在充电的时候，这样就比较有意义了。刚刚说模型修整也是在这个过程当中实现的，充电器的时候增加激励信号比较出模型的区别，进行模型的修正，现在还可以提一下，有一些为了降成本，不再做滤波，直接做交流电，如果是这样的话也没有太大的问题，这也是一种方式。
后台估算SOL例子，我们在某一点预测将来的SOL的中介点，我们做了一些植入OL的误差看看具体怎么样，一方面数据有限，另外一方面如果数据很多的话算起来很慢，所以说程序走起来非常慢，要依靠整个文献，所谓的云计算来进行。
然后有一些延展，比如说现在的车，你替换电池是不知道这个电池，你换一个新的给他，这个用户就等于是换了一个新电池，可能根据我的要求换一个跟原来用坏的电池是同等的使用年限的电池，这个是可以通过我们现在的这种新的BMS的方式做到的，可以降低一些质保的费用。
还有整个车的resale value，整体是对汽车的应用降低成本，通过梯次利用也好，在车里的质保还有评判也好，这种方式进行一个整体的考量和优化，这基本上就是我的演讲。
蒋濛：谢谢汤博士，刚刚您有提到实现这一套技术要依靠很多新的传感器，我看到有一些传感器至少还是停留在实验室级别的，所以会不会阻挡整个方案的推行？
汤博士：也不是实验室级别的，光纤传感器现在有几家公司已经放进去了，美国的几家公司也在做，所以现在已经进入了比较产品化的东西出现。
蒋濛：好的谢谢，大家再次掌声感谢汤博士！
