储能系统电池均衡方法的综合研究
来源：
卡特蓄电池 发布时间：2026-06-01 20:11:15 点击： 次
引言
电能对于工业增长、城市化进程和经济发展至关重要，也与我们的日常生活息息相关。由于电力需求的波动性，发电与用电之间常出现供需失衡状态。电池作为动力源被广泛应用于电动汽车、可再生能源系统及多种应用场景[1]，其中电动汽车电池系统对整车成本具有显著影响。电池老化程度深受非标准化制造工艺、运行条件及环境因素的综合影响[2]。锂离子电池凭借其高能量密度、低自放电率、长循环寿命及环境友好特性，在各类应用领域得到广泛采用[3]。在电池管理系统中提升电池性能至关重要，同时需确保电池以安全可靠、经济高效的方式运行。[4]、[5]、[6] 荷电状态(SoC)表示电池当前存储电荷量与满容量电荷量的百分比比值。由于所有类型电池的单体电压通常不足以驱动电动汽车等大多数电器设备，因此需要将多个电池单体串联以提供设备所需的工作电压。锂离子电池在运行和存储过程中会出现锂库存损耗、固体电解质界面层增厚及阻抗上升等现象，这些因素共同导致电池容量衰减。在多电池组中，各单体电池存在容量、内阻和荷电状态（SOC）的差异。这种差异会导致电池间电压失衡，进而造成可用容量降低、加速性能衰减并引发安全隐患[7][8]。电池均衡技术是缓解这种失衡效应的有效解决方案[9]。电池管理系统通过采用单体电压均衡技术来实现电芯间的电压平衡。电池均衡方法主要分为主动式与被动式两类[10]。
被动均衡是最简单的均衡技术之一，其通过并联电阻或MOSFET将过充电池的多余电能以热能形式耗散。尽管这种电池均衡技术成本低廉且易于实施，但会导致能量浪费并产生额外热量，因此对电池热管理系统提出了更高要求以克服这些局限性[11]。主动均衡技术已被开发，这类方法通过在电池间重新分配电荷（而非以热能形式耗散），显著提升了能量利用效率。其中一种主动方法仅采用开关器件，实现从高电压电池向低电压电池的直接能量转移。该方法虽能减少能量损耗并提高均衡速度，但需要额外的电路和复杂的控制策略。近年来，在电池均衡领域，超级电容器因其具备临时存储过剩电荷并以最低损耗在电池单元间快速转移的能力而被广泛采用。作为中间储能元件，超级电容器相较传统方法显著提升了均衡速度与效率。通过并联两个超级电容器可进一步优化该方法性能：这种配置既能提升能量传输容量，又可降低均衡过程中的电压波动[12][13][14][15]。当前设计采用了一种两级开关电容技术，该技术通过在单元间布置的电容之间进行切换，从而促进电荷再分配过程。尽管效率较高，但该技术在开关操作和多级电容使用方面仍存在一些困难，其复杂度与所采用的单元数量直接相关[16]。在本文提出的设计方案中，我们采用了并联超级电容技术，该技术显著简化了电荷再分配的整体流程。
研究人员提出了一种结合CNN与LSTM模型及时间模式注意力网络的综合框架。该方案取得了极具前景的成果，预测准确率高达73.32%，均方根误差为1.047%，平均绝对百分比误差达1.849%[17]。论文指出，由于考虑了时间依赖性特征，研究者开发的模型成功解决了锂离子电池非线性行为的建模问题。研究团队采用分数阶RC模型估算锂离子电池荷电状态，获得了令人瞩目的精度——最大估算误差不超过0.03，同时均方根误差低于0.7%[18]。Chen等学者的工作则利用视觉Transformer模型进行健康状态估计，取得了相对理想的结果：均方根误差降至0.47%，平均绝对误差为0.37%[19]。研究人员提出了一种结合深度神经网络与维度注意力机制的方法，以改进特征选择过程，最终实现了0.03%的均方根误差（RMSE）与0.023%的平均绝对误差（MAE）的最高估计精度[20]。通过联合运用IC曲线与BP神经网络进行健康状态（SoH）预测，获得了0.21%的均方误差（MSE）、1.13%的MAE以及1.16%的平均误差，表明基于特征的退化建模具有有效性[21]。基于长短期记忆网络（LSTM）的SoH估计模型展现出优异的估计精度，其RMSE低于0.5967%，R2等于0.9881，最大误差为0.03，平均绝对误差(MAE)为1.8624 [22]。
综上所述，这些研究表明，数据驱动方法与混合技术的结合可显著提升电池健康状态（SoH）的估算精度，因其具备建模非线性行为与依赖关系的能力。然而，尽管上述模型致力于解决SoH估算问题，本研究则聚焦于电池均衡与平衡技术的性能表现。相较于纯数据驱动的估算模型，所开发的解决方案更注重实际应用性、电路简洁性及快速电池均衡。这些研究共同表明，通过捕捉非线性退化模式和长期依赖关系，数据驱动与混合方法能显著提高SoH估算准确性。但现有方法多集中于SoH估算，而本研究则针对电池均衡性能与平衡策略——这两个互为补充却本质不同的问题。与纯数据驱动的估算方法不同，所提出的方法强调通过并联超级电容配置实现实际应用、降低电路复杂度以及更快速的均衡。
