《陽光電源：2025年BM²T電池管理技術白皮書（33頁）.pdf》由會員分享，可在線閱讀，更多相關《陽光電源：2025年BM²T電池管理技術白皮書（33頁）.pdf（33頁珍藏版）》請在三個皮匠報告上搜索。

1、陽光電源 BM T 電池管理技術白皮書2芯安鋰得 儲變不驚1234567891011121314151617181920212223242527282930前 言PREFACE全球可再生能源滲透率持續攀升，儲能行業迎來高速發展。隨著交流側電網應用場景的多樣化、儲能系統容量日益增大、以及響應電網的動態要求越來越苛刻，對電池管理技術提出了更高的要求，加速從面向電池的被動監測轉為面向系統的主動控制，產品形態上也從獨立部件快速轉向系統融合，以滿足系統長期安全高效運行。作為全球領先的儲能解決方案提供者，陽光電源從全球50GWh+項目實際應用出發，系統性提出基于三電融合的BM T（Battery Moni

2、toring and Management Tech）電池管理技術，增強儲能系統實際運行中的電池信號可感、狀態可知、聯動可控能力，保障儲能系統“大”時代的安全性、經濟性，本白皮書對技術方案及應用進行系統性闡述，供行業參考。12345678910111213141516171819202122232425272829302 目 錄CONTENTS23456789101112131415161718192021222324252728293044儲能發展對電池管理技術提出新挑戰1.1 大容量、大規模成儲能發展趨勢1.2 管不住安全的電池管理產品被詬病78儲能電池管理技術應用亂象2.1 電池數據不全

3、面與單一維度數據過度投入并存2.2 電池狀態估算不準與盲目主動均衡并存910131416212728292.3 數據孤島與數據無意義交互并存2.4 故障定位不準與故障告警頻發并存陽光電源BM T電池管理技術方案3.1 BM T技術方案簡介23.2 信號有效可感3.3 狀態精準可知3.4 系統聯動可控243.5 技術特點與價值BM T技術未來展望4.1 電池信號可感4.2 電池狀態可知4.3 系統聯動可控結束語22儲能發展對電池管理技術提出新挑戰12345678910111213141516171819202122232425272829301.1大容量、大規模成儲能發展趨勢從市場層面，全球能源

4、結構轉型進入加速階段，高比例可再生能源的接入導致電力系統對儲能發展需求急劇增加。據彭博新能源財經最新數據顯示，自2020年以來，全球儲能裝機容量顯著增長，2024年新增裝機量達168.7GWh，預計2035年新增裝機量達964.8GWh。儲能系統內電池數量及系統信息數據大幅增加，因電池管理不精準或滯后導致的系統停運和安全事故成為行業痛點。從產品層面，儲能電池單體容量、單柜體容量和單一電站的規模均不斷擴大。2021年，電池單體容量280Ah+，單柜體容量多小于3MWh，單一電站規模多為百MWh級。2024年，電池單體容量超600Ah+，單柜體容量超5MWh+，單一電站規模突破到GWh級。1.2管

5、不住安全的電池管理產品被詬病圖1：BNEF-全球儲能年新增裝機數據GWh2015020040060080010002020202520302035非計劃停運中電聯2022年-2024上半年發布的電化學儲能電站安全信息統計數據指出，電池管理系統是電化學儲能電站非計劃停運的核心原因，歷年平均停運時長為3.65小時、14.5小時、18.86小時。1234567891011121314151617181920212223242527282930Cells/Modules3（11%）Controls13（46%）BOS12（43%）安全事故據美國電力研究院（EPRI）統計，2018年至2024年，全球共

6、計發生81起儲能火災/爆炸事故，帶來巨大資產損失。2024年，EPRI發布的全球首份儲能電站事故根本原因分析報告電池儲能系統故障事件數據庫的見解指出，涉及電池管理等控制問題是儲能安全事故的主要誘因，占比高達46%。圖2：四起儲能安全事故案例圖3：EPRI-電池儲能系統故障原因統計分類 2024年9月-美國某儲能電站火災事故 2025年2月-美國某儲能電站第四次火災事故 2024年5月-中國某光儲能電站火災事故 2024年4月-德國某儲能電站火災事故12345儲能電池管理技術應用亂象1234567891011121314151617181920212223242527282930圖4：基于VIT

7、的電池單體熱失控預警時間滯后明顯傳統電池管理系統依賴電壓(V)、電流(I)和溫度(T)監測電池狀態，但鋰離子電池內部狀態復雜且非線性，這些參數難以全面反映電池真實狀態。以電池熱失控為例，電池內部狀態變化如SEI膜分解、電解液副反應加劇、電極材料分解等不易在線觀測，而VIT參數變化又相對滯后，導致熱失控預警難度大。為此，業內出現增設單一維度傳感器數量的做法，例如電池模塊中每一顆電池單體配置一個溫度傳感器。但從電池模塊溫度監測的大量實驗顯示，在正常充放電循環、熱失控等異常發生前后，相鄰電池單體之間的連接極片溫度變化幅度與時間基本一致。通常電池單體過溫保護閾值在5060范圍內，遠低于電池熱失控溫度，

8、滿足工程應用中熱管理響應時間要求。因此過度的溫感數量投入并不能對電池安全保護有實質性提升，反而器件數量增加、線束增多，會加劇系統的故障率，包括線束對電池構成短路風險增加。2.1電池數據不全面與單一維度數據過度投入并存 1234567891011121314151617181920212223242527282930圖5：不同溫感布局的電池單體溫度采集示例及其監測效果比對圖6：磷酸鐵鋰平臺期、溫度因素影響加大SOC、SOH估算難度磷酸鐵鋰電池的SOC和SOH估算是行業普遍難題，主要源于其材料特性、環境因素、工況復雜及算法局限性等多種因素，誤差普遍在5%-8%以上，尤其是儲能系統長期運行在非滿充滿

9、放的工況下，SOC、SOH長期得不到校正，累計誤差被進一步放大。2.2電池狀態估算不準與盲目主動均衡并存溫度過度投入帶來成本增加、故障率提升+-+-+-+-NTC1NTC2+-+-+-+-NTC1NTC2NTC3NTC4正常工況下相鄰電池單體的溫度等效異常工況下相鄰電池單體的溫度等效2:1 溫感1:1 溫感12345678單體1單體2單體3單體4加熱板大面正極負極電壓圖7：引起電池“木桶效應”的常見類型圖8：易造成數據孤島的儲能系統通信拓撲示例電池模塊的一致性決定了系統整體出力，為避免“木桶效應”（即電池模塊性能受最差電池單體限制），通常采用均衡控制來縮小電池單體之間的差異。但在電池狀態估算不

10、準的前提下，盲目追求電池一致性，過度加大對電池單體均衡能力，即電池單體級采用大電流主動均衡技術，短期內可以強制縮小電池單體間的差異，但長期看，忽略電池單體是否病態的過度均衡將導致其內阻增大、容量進一步衰減，可能將一致性問題擴大為安全性問題。隨著電池單體智能制造程度不斷提升、液冷熱管理技術普遍應用、簇級直接并聯減少等系統設計優化，出現電池模塊木桶效應幾率大幅降低，因此一旦系統中出現嚴重木桶效應，存在病態電池單體的可能性更大，而不僅僅是容量偏差的一致性問題，盲目加大對病態電池單體的主動均衡能力來填補其不足，或對電池模塊中其它正常電池單體實施被動能量消耗，強制“削高就低”實現系統均衡，無疑都是舍本逐

11、末。儲 能 系 統 包 含 E M S、P C S、BMS、MVS等多個子系統，各子系統之間需要數據互通、緊密配合，實現儲能系統的高效運行。當儲能系統設備中存在多廠商配套、多接口不統一、協議難匹配時，易造成數據孤島現象，造成數據不能在系統中充分發揮其價值。2.3數據孤島與數據無意義交互并存1.滿電容量一致 SOC 不一致充高、放低的木桶效應+2.滿電容量不一致 SOC 不一致3.滿電容量不一致 SOC 一致+充電1#2#3#1#2#3#放電1#2#3#1#2#3#容量SOC剩余電量1234567891011121314151617181920212223242527282930圖9：儲能系統數

12、據無意義交互示例與此同時，也存在EMS、PCS、TMS、FFS各單元獲取了電池實時狀態數據，卻并未作為控制依據的現象。例如傳統的液冷熱管理系統獲取到電池單體的溫度數據，但仍采用粗放的固化模式控制出水口溫度，并未將電池單體溫度作為控制目標。再如PCS獲取到電池簇的SOC數據，但只執行EMS功率調度指令，對于電池簇是否需要均衡未做控制。諸如此類電池管理數據的“引”而不用，帶來無意義交互，增加產品設計復雜性與成本投入。電池狀態的故障判斷依據單一、閾值設置不科學，以及多個判據之間相互耦合，是導致故障定位不準的主要原因。如電池單體壓差大是儲能系統中常見故障類型，但難以區分是采樣回路異常還是電池本體異常。

13、為提升故障定位精準性，傳統做法是增加細分故障類型，如設置電壓采集線脫落故障。當發生電壓采集線異常時，儲能系統可能同時報出壓差大故障、采集線脫落故障甚至過欠壓故障。因此單純采集電壓值并不能準確定位故障的根因。與此同時，多個判據之間相互耦合，也會造成一個問題引發多個關聯故障并發。如圖所示，當系統中某個電池單體引發過壓報警時，還會觸發電池模塊級甚至是電池簇層級的電壓一致性報警，表現出故障告警頻發的現象。告警閾值設置一刀切也會帶來故障告警頻發的現象，例如電池老化引起電池單體溫差、壓差擴大，而固定保護閾值無法適應這種變化，將正常波動誤判為異常，引發告警頻發。2.4故障定位不準與故障告警頻發并存 能量管理

14、 EMS變流器PCS電池管理BMS熱管理TMSPCS運行信息消防系統FFSPCS獲取BMS運行信息僅使用可充放功率、故障信息BMS獲取故障、氣體濃度等，僅使用故障信息BMS獲取TMS運行信息僅使用控制開關機信息消防運行信息BMS運行信息1234567891011121314151617181920212223242527282930圖11：電池單體電壓在放電末端的典型分叉現象（隨電池老化加?。﹫D10：電池單體壓差故障對應多種原因示例電池單體壓差故障電池單體異常電池容量差異大自放電率差異大電池 SOC差異大采樣芯片失效鋁排虛焊采樣線松動采樣調理電路異常采樣異常123456789101112131

15、4151617181920212223242527282930電壓（0.1mV）陽光電源BM T電池管理技術方案212345678910111213141516171819202122232425272829303.1BM T技術方案簡介2BM T是一種綜合性的電池管理技術，其核心目標是通過實時監測（Monitoring）與動態管理（Manage-ment）的雙重機制，對電池系統進行信號采集-狀態評估-主動調控的全流程閉環管理，最終實現儲能系統安全、高效、長壽命。通過傳感器網絡與數據采集系統，實現多維度監測數據輸入，如對電池電壓V、電流I、溫度T、壓力P等核心參數進行實時追蹤，并以算法驅動提升

16、電池SOH、SOC和SOS等狀態的精準估算。圖12：BM T智能化電池管理技術架構2監測（Monitoring）2基于監測數據，通過主動控制策略對電池系統進行動態調整，包括采用主動/被動均衡技術消除電池單體間差異，管好電池一致性。優化系統內聯動保護策略，平衡性能與壽命，實現故障部件快速切出，管好電池安全性。儲能電池管理的目標應以電網能量調度需求為導向，推動儲能系統的安全性和經濟性全面提升。陽光電源基于“三電融合”理念，深入研究從電網到系統、從系統到電池的垂直化管理，包括圍繞電池的電特性、熱特性和力特性等多維度管理，構建電池全生命周期模型，強化電池信號可感、狀態可知、聯動可控三層架構創新，打造智

17、能化電池管理系統。管理（Management）1234567891011121314151617181920212223242527282930多維度傳感低時延傳感高精度傳感信息可感智能SOH估算智能SOS估算智能SOC估算狀態可知均衡聯動控制熱管理聯動控制交直流聯動控制安全聯動控制系統可控數據模型底座工程數據實驗數據熱模型電模型力模型圖13：直流一體化采樣示意圖VIT采集的精準性是電池管理系統的常規指標。如1500VDC儲能系統中，簇級端口電壓檢測關系到開關合閘前的壓差控制、絕緣電阻識別能力；電池單體級電壓檢測關系到均衡控制及過欠壓保護；電流采集精度直接決定SOC估算精度，影響系統木桶效應的

18、判斷。陽光電源儲能電池管理采用直流一體化采樣技術，實現電壓、電流和絕緣電阻的極簡化、高精度檢測。通過采樣調理電路引入溫度補償、共模干擾抑制等技術，實現全溫度范圍、全生命周期、全頻段干擾下的高精度檢測。標準工況下，電流采集精度優于0.2%RD，高壓采樣精度優于0.4%RD，支撐電池狀態估算高精度。多維度傳感2針對傳統VIT傳感技術對電池狀態表征不全面和熱失控預警滯后等缺陷，陽光電源基于TB級電池全生命周期數據庫，深入分析電池在正常老化階段和熱失控階段各信號參數的變化規律，重點研究電池的電壓、溫度、阻抗、力、氣、光、聲等信號在電池安全狀態演變過程中的變化，階段性提煉出電池膨脹力等多維度傳感技術的工

19、程化應用。實時監測電池單體膨脹力的數值和變化趨勢，利用電池單體的“雙峰呼吸效應”，以及隨電池循環老化，其膨脹力規律性顯著增強的特性，開發SOC/SOH估算算法，實現對電池SOC和SOH狀態的精準估算。并利用膨脹力在熱失控孕育期突破正常充放電的包絡線這一特性，開發算法極早期預警電池熱失控，為儲能系統的安全穩定運行提供更有力保障。高精度傳感13.2信號有效可感1234567891011121314傳感器AD轉換通信SC采樣&保持硬件補償軟件補償數字隔離圖14：電池安全狀態過程中多物理參量產生和演變示意圖15：314Ah電池單體熱失控多特征提取圖16：電池充放電雙峰呼吸效應圖圖17：電池膨脹力隨老化

20、逐漸增大151617181920212223242527282930電壓（V）膨脹力（kgf）時間采樣時刻膨脹力（kgf）電壓膨脹力圖18：低時延高速實時工業總線在儲能系統中的應用示例信號可感有效性在時延維度主要體現在傳感器的響應時間、采樣回路的調理與AD轉換時間、以及數字量的通信時間等方面，其中通信時間在儲能系統中較為突出。鋰電池儲能系統由多個電池簇組成，電池簇間常見通信形式多為CAN、RS485、以太網等，通信速率差異較大，數據經多層轉換后傳輸延時大，影響VIT數據采集的一致性，對SOC的估算也產生影響。隨著儲能應用場景拓展，如構網型儲能的應用，電網對儲能系統的響應速度要求越來越高，同時大

21、規模、多支路的并聯系統，也對設備間時延一致性提出更高要求。為應對以上技術挑戰，陽光電源采用高速實時工業總線技術，統一儲能系統內部通信方式，取代傳統的分層式架構，通信速率由兆bps級提升至百兆bps級，多簇SOC刷新周期一致性更高，控制指令響應延遲縮短至原來的十分之一，多臺PCS出力控制一致性更精準，同時達成us級控制同步大幅提升規?；瘶嬀W支撐的響應能力、故障保護軟停機能力。低時延傳感 3儲能電池的狀態估算是電池管理系統的核心任務，涉及SOH、BOL、SOL、EOL、RUL、SOC、SOP、3.3狀態精準可知 高速實時工業總線12345678910111213141516171819202122

22、23242527282930儲能系統 ESS電池管理系統變流器PCS變流器PCS變流器PCS并網點采樣儲能系統 ESS能量管理EMS電池管理系統變流器PCS變流器PCS變流器PCS技術方案陽光電源依托全球多場景儲能系統運行數據與實驗室測試數據，覆蓋極端氣候、高負荷循環等復雜工況，成功研發出具有強泛化能力的高精度SOH估算模型。該方案通過多維傳感矩陣實時采集電壓、溫度、電流、膨脹力及阻抗等關鍵運行參數，并建立秒級同步監測機制?；陔姵乩匣瘎恿W機理與呼吸效應特征，構建包含膨脹力峰值、阻抗弛豫度等多維專家特征體系，通過設計深度學習矩陣網絡架構，并應用遷移學習訓練技術，實現SOH的高精度估算。并創新

23、性融合SOL與RUL雙維度評估體系，建立容量衰減軌跡與熱失控風險因子的耦合模型，使健康狀態評估具備多參數動態補償能力。智能SOH估算1在儲能電池的SOH估算領域，行業內普遍采用容量校正、內阻估計、電化學模型以及數據驅動等方法，存在電化學特性多變、測量難度高、計算復雜度高等問題，制約了SOH估算精度提升。其中，最常用的容量校正法本質上是以電池單體的充放電可用容量來間接衡量電池單體的健康狀態，這種方法僅能反映電池單體的容量衰減程度，而無法提供具體的、直觀的健康度信息。這類似于通過一個人的食物攝入量來衡量其整體健康狀況，存在局限性。一些研究中引入SOL與RUL對應，表征電池單體可用容量的狀態。SOE

24、、SOS多個關鍵參數。這些參數相互關聯、共同構成電池狀態的全方位評估體系，為電池的高效、安全運行提供支持。參數主要影響因素SOHState of Health定義電池當前容量或性能相對于全新狀態的衰減程度SOLState of Life循環次數、使用環境、充放電策略SOH、循環次數、使用時間電池的壽命狀態，表示壽命消耗情況BOLBeginning of Life制造工藝，環境條件，初始參數一致性電池從制造完成并首次投入使用時的狀態EOLEnd of Life老化程度、使用環境、化學副反應電池性能衰減到不再滿足特定應用需求的臨界點電池在失效前還能使用的時間或循環次數RULRemaining Us

25、eful LifeSOCState of ChargeSOH、使用條件、衰減速率充放電電流、溫度、老化程度電池當前剩余電量與最大可用電量的百分比電池在當前狀態下能夠提供的最大充放電功率SOPState of PowerSOEState of EnergySOC、溫度、SOH電池的安全狀態，評估是否存在過充、過放、過熱等風險SOSState of SafetySOC、溫度、SOH、電流、電壓SOC、SOH電池當前存儲的能量與最大可用能量的百分比表1：電池核心狀態估算定義1234567891011121314151617圖19：基于多維數據的SOH估算策略實際測試結果表明，該技術可實現電池單體級S

26、OH估算誤差2%，電池簇SOH估算誤差3%。以100MWh儲能電站為例，SOH估算精度每提升1%，電站可信出力電量增加1MWh，顯著提升了儲能系統的經濟性與可靠性。智能SOC估算 2在儲能電池的SOC估算領域，目前行業主流解決方案通常采用安時積分、開路電壓法、卡爾曼濾波并結合在線校準策略，以保證SOC的精度，但在電壓平臺期缺乏有效的校準手段。如電池長期在非校準區間內充放電，安時積分的累積誤差會逐漸增大，導致SOC估算精度下降，進而引發SOC跳變、出力波動等一系列連鎖反應，無法滿足電網調度要求，進而影響儲能電站的穩定運行與經濟收益。電壓電流溫度膨脹力壓差電量溫差膨脹力變化率監督訓練遷移訓練空間網

27、絡空間網絡空間網絡時間網絡SOH一次數據二次數據高維抽象特征實驗數據工程數據技術方案陽光電源提出基于多維度感知融合智能算法的SOC平臺期估算策略。例如通過引入電池膨脹力數據采集，利用電池的呼吸效應，在充放電過程中提取膨脹力曲線的極值點與SOC特征數據，并結合充放電過程的IC（增量容量分析）曲線，挖掘其峰谷值點與平臺期SOC的映射關系，構建電池特征與平臺期SOC的關聯模型，實現SOC全范圍有效校準，平臺期內SOC估算誤差達到3%以內。以100MWh儲能電站為例，SOC估算精度每提升1%，全年可多充放電量達365MWh（按一天一充一放計算），大幅提升了儲能電站的經濟效益與運行效率。12345678

28、91011121314151617181920212223242527282930在儲能運行過程中，環境溫度、充放電倍率、電池老化程度等因素相互交織，依靠任意單一維度參數都難以實現精準故障預警、保護，其中最大的挑戰之一是預警閾值設置。僅依賴閾值判斷容易誤觸發保護機制，干擾電池正常使用。此外，電池內部反應復雜，現有方法難以捕捉微短路等潛在隱患。圖20：基于多特征輸入的智能化SOC估算策略 智能SOS估算3技術方案 熱失控預警及仿真驗證陽光電源基于電池電化學機理和多物理場耦合建模，構建覆蓋析鋰、內短路及熱失控的全域安全狀態（SOS）評估體系，形成“機理研究-特征提取-智能診斷-主動防護”的閉環管理

29、。通過外短路/過充/過熱等極端工況測試，解析熱失控進程中機-電-熱多維度信號的耦合演化規律，建立跨尺度多物理場動態模型，精準模擬熱失控前后電池的受力、溫度及電壓變化，實現從局部析鋰到熱蔓延的全鏈條仿真。通過對這些參數的實時監測與分析，彌補單一維度非黑即白的不足，及時捕捉熱失控早期跡象，進而采取有效預警措施，并為SOS估算提供科學依據。1234567891011121314151617181920212223242527282930模型輸入輸出結果模型訓練膨脹力特征IC 特征圖21：熱失控預警機理建模圖22：電壓-容量二階微分識別析鋰技術原理 析鋰診斷通過電池運行及靜置狀態下中的電壓-容量（V-

30、Q）曲線特性，建立電池析鋰特征動力學模型，重點提取充電末期及靜置弛豫階段的電壓異常波動信號，如平臺壓降滯后、弛豫電壓回升速率異常等。通過高精度數據采集系統捕捉析鋰誘發的微電壓畸變，結合小波變換與時間序列分析算法，分離噪聲并量化析鋰相關電壓偏移特征?？捎行ёR別沉積鋰而導致的系統欠壓、壓差故障，實現高精度析鋰診斷。多維傳感耦合特征分析典型故障誘導儲能電池熱失控演化過程多物理場熱失控機理建模仿真結果儲能電池正常運行材料微觀內部變化宏觀特征熱失控有限元機理模型1234567891011121314151617181920儲能系統中提升電池信號可感、狀態可知的目的是實現系統聯動控制，通過智能化的控制管理

31、，使復雜系統成為一個有機整體。儲能控制系統由多個層級組成，一旦各層級控制邏輯自行決策，設備間配合缺少統一協調，易出現帶載切斷或切斷不及時等現象，通過多層級的冗余保護，可實現故障及時保護的同時，系統軟停機，避免由單一故障斷層響應造成系統局部因電、熱應力過大沖擊而失效的問題，給儲能系統帶來損失。3.4系統聯動可控圖23：內短路診斷結果圖多級安全聯動控制1 內短路早期識別通過動態一致性分析算法，構建電壓-溫度聯合離群度指標。計算電池模塊內單體電壓標準差與滑動窗口均值偏移量的加權熵，捕捉電壓突降或緩慢偏移；通過三維熱場重構技術，定位局部溫升速率超限區域；結合電池IC曲線特征和離群點檢測算法，識別因內短

32、路導致的主峰面積衰減或峰位偏移，顯著提升隱患早期識別能力。為實現SOS研究的全面落地，陽光電源搭建了電池運行狀態大數據平臺，深度整合運行數據，利用機器學習算法分析海量數據，精準識別極早期異常狀態，實現精準熱失控預警（準確率99%提前5min，準確率95%提前10min），保障儲能電站的安全可靠運行。212223242527282930圖25：五級聯動均衡系統架構圖24：ArcDefender弧識別技術配套快速滅弧聯動方案技術方案陽光電源儲能系統電池管理技術將主動電氣安全防護分為簇級、電池堆級，中壓級、模塊級，通過多級聯動保護，實現電池出現安全故障時，確保電氣回路可靠分斷。對于可能引起電站起火的

33、拉弧故障，陽光電源首創ArcDefender直流拉弧檢測技術可毫秒級、100%準確識別電弧，并同PCS的PWM信號管理快速聯動，實現0.2S內斷開電氣回路，實現有效滅弧。儲能電池在充放電過程中，因溫度差異、老化速度不均以及系統結構設計等因素，導致電池單體間SOC不一致。傳統儲能系統上下級設備間聯動控制不足，僅電池單體級均衡技術難以實現站點級別的全局均衡與協調。多級均衡聯動控制2技術方案陽光電源對異常電池單體的失效機理進行分析，通過提取出關鍵失效特征，開發自放電率差異算法，儲能系統實現異常電池單體的實時檢測，對異常電池單體提前識別，從而避免因電池單體自放電異常而導致均衡一直盲目進行。在均衡控制前

34、對電池單體健康狀態進行評估，隔離或限制使用病態電池單體，并采用柔性均衡技術，避免對病態電池單體產生負作用。此外，通過整站級電池單體數據通道，實現了從電池單體到整站的多級協同管理：電池簇級實時采集電池單體數據并執行被動均衡，電池模塊級進行主動均衡；柜級系統基于多電池簇數據差異實施跨簇均衡，并將數據上傳至Block級實現柜體間均衡，由EMS整合所有層級數據，統籌全場級均衡策略。1234567891011121314151617181920212223242527282930Block 間均衡Container 間均衡Rack 間均衡Cell 均衡EMSPack 間均衡Container 1Bloc

35、k 1Block mRACK1PCS 1RACK2PCS 2RACK3PCS 3RACKnPCS nContainer nRACK1PCS 1RACK2PCS 2RACK3PCS 3RACKnPCS nLC1LCn圖27：智能溫控算法邏輯圖運行狀態控制決策決策執行數據歸一化處理電池狀態設備狀態環境狀態預測模型時序預測模型充放電歷史數據充放電工況預測曲線環境溫度預測曲線天氣預測數據液冷機組啟停壓縮變頻控制變頻調速(水泵/風扇)多通道轉換智能決策樹算法技術方案陽光電源將電池信息狀態、熱管理系統與充放電策略等數據整合利用，以AI仿生熱平衡控制策略，學習模仿人類經驗行為，在不同環境、工況下實現自主決策

36、降低系統輔助能耗。依據歷史充放電曲線，通過模型預測控制算法（MPC）對未來一天內的充放電行為進行預測，并結合電池溫度與環境溫度變化趨勢，設計動態智能化熱管理控制策略，保證電池溫度變化處于合理的動態范圍，又有效減少制冷量的消耗。該技術結合電池單體級智能算法與上下級功率動態分配機制，提升儲能系統整體效能、延長電池壽命并優化能量利用率。通過五級聯動均衡充分釋放每顆電池單體潛力，實現儲能電站充放電量提升5%（某100MWh項目為例)，同時實現電池SOC的自動標定，節省人工上站標定的帶來的停機損失、標定人力費用。傳統儲能熱管理的主流控制策略主要依賴人工經驗和固定模式，制冷機組的控制系統僅根據冷卻液溫度與

37、設定目標的差值進行調節，未能充分利用器件響應特性、儲能歷史充放電數據、天氣信息及環境溫度等相關數據。這種局限性導致在復雜儲能場景下，控制策略響應滯后，進而造成過度投入制冷帶來不必要的能耗損失。仿生模型與熱管理聯動控制3圖26：儲能系統熱管理三大難題區域氣候差異大環境復雜性不同器件溫度變化趨勢差異大電池：大熱慣量特性電力電子：小熱慣量特性滯后性1234567891011121314151617181920212223242527282930溫控目標差異大多目標性電池：185水溫，有上下限電力電子：不高于50水溫，無下限不同地區平均溫度差異3.5技術特點與價值表2 智能溫控算法在不同工況節省的輔助

38、供電損耗圖28：滿足電網故障穿越的簇級動態調壓方案對比相對常規智能控制算法，基于模型預測控制的AI仿生熱平衡算法在不同工況節省輔助供電損耗如下所示：隨著可再生能源滲透率持續提升，電網對儲能越來越高的調度需求直接映射到直流側的電池。如電網高穿要求全SOC段保交流側有功的能力、以及交流側諧波電流與直流側紋波電流的協同抑制等，將進一步加速交直流側深度聯動，而通過粗放的超配或降額使用等手段滿足電網在構建新型電力系統方面的全新需求，無疑將導致初始投資增加。直流控制與交流并網聯動4陽光電源BMT電池管理技術通過對電池信號有效可感、狀態精準可知、信息聯動可控，助力儲能系統安全、高效運行，實現全生命周期價值最

39、大化。技術方案陽光電源在電池管理系統中采用主動感知、主動儲備、主動協調的交直一體化管理技術。以電網高穿要求全SOC范圍保有功的能力為例：傳統全功率簇級動態調壓兩級架構，成本高、效率低；部分功率簇級動態調壓成本低、效率高，兼具多簇并聯下的簇均衡功能，可解決簇間環流問題。工況一充一放一充一放一充一放降損20.8%30.4%2.6%環境25-205a)全功率簇級動態調壓 b)部分功率簇級動態調壓DCDCDCDC242527282930圖29：BMT電池管理技術特征與價值一覽圖30：BMT電池管理技術-鑒衡測試報告經濟可提前預警熱失控 從源頭避免安全事故 提前 5min 預警熱失控，準確率99%提前

40、10min 預警熱失控，準確率95%實現多級聯動保護 避免單一故障導致系統安全風險電氣回路 100%斷開 毫秒級、100%準確識別拉弧、0.2S 關斷回路滅弧安 全具備高精度的SOH和SOC估算，提升系統放電量（以1GWh電站、一天一次充放循壞為例）電池單體 SOH 估算誤差2%，電池簇 SOH 估算誤差3%SOC 估算誤差3%實現多級聯動均衡，提升系統放電量從電池單體到 Block 的五級聯動均衡，儲能電站充放電量提升 5%電池 SOC 的自動標定，無人工上站標定帶來的停機損失、標定人力等費用相較誤差 5%，電站每年多放電 7.3GWh在不同環境溫度和使用工況下降低輔助損耗在一充一放下，至多

41、降低 30.4%的輔助損耗經濟高效、精準滿足電網調度需求高穿下全 SOC 段保有功，無簇間環流 us 級出力同步經 濟SOH估算檢測報告SOC估算檢測報告電流精度檢測報告智能均衡檢測報告智能熱管理檢測報告12345678910111213141516171819202122232425BM T技術未來展望21234567891011121314151617181920212223242526圖31：智能電池模塊多維度可感示例當前電池管理技術正從電池狀態監測為主走向主動控制管理，包括多層級均衡管理、熱管理及安全保護等，面對未來更高比例的可再生能源并網需求、電力系統對靈活性/穩定性的更高要求，以及

42、新型電池技術的涌現，電池管理技術將朝著更高精度、更強智能化和更廣兼容性的方向發展。從硬件層面，通過電池的電力電子化，電池管理的產品形態將趨于隱形化，與變流控制融為一體，主動管理能力大幅提升；從軟件層面，通過深度融合AI、大數據和物聯網技術，電池管理技術將從側重于管安全提升至管健康，從快速聯動控制提升至預測性控制。4.1電池信號可感VP均衡與EIS檢測復用電路IT+ULin+U0以高安全、高能量密度為亮點的全固態電池已成為全球持續研發的焦點，需要克服的材料活性與電池高性能之間巨大挑戰。在電池單體未實現本征安全之前，多維度傳感的目標是讓電化學反應被看見，重點構建熱失控特征“指紋庫”。如殼體外置傳感

43、，易于工程化實現，但增加了通訊及成組復雜性，如膨脹力、防爆閥檢測等，殼體內置傳感相對更直接、可觀測性更高，如光纖、專用芯片等，但與電池單體材料兼容性、長期耐久性等還有待深入研究。針對電池單體從工程化應用角度，AI技術率先應用于電池模塊更具性價比，如模塊混用、智能診斷等，讓模塊除具備簡單的信號采集功能外，也具備模塊級大腦，使儲能系統實現模塊級即插即用、實現緊急故障快速動作。此外，智能模塊將支持電子護照技術，記錄電池單體和模塊的全生命周期數據（如生產信息、歷史運行狀態、維護記錄等），為運維決策提供數據支撐。通過標準化通信協議和接口，智能模塊能夠實現快速集成與混用，適配不同規模和類型的儲能系統，降低

44、運維復雜度與成本?？偟膩碚f，電池傳感技術將朝著高精度、高集成、智能化和低功耗方向發展，為儲能系統提供更安全、高效和可靠的管理能力。未來，智能電池模塊將成為儲能系統智能化升級的核心載體，推動儲能電站運維向數字化、自動化和智能化方向演進，全面提升儲能系統的經濟性和可靠性。針對電池模塊1234567891011121314151617181920212223242527282930結合電壓、電流、溫度、阻抗譜、壓力、形變等多維度傳感數據，多源數據融合技術將加快構建更高精度的電池狀態估算體系。電化學模型、等效電路模型與機器學習算法的深度融合，將顯著提升SOC、SOH和SOP的估算精度，為儲能系統的安全

45、運行和高效管理提供可靠支撐。機理模型應用基礎上，AI技術的深度集成也將成為電池狀態估算的核心驅動力?；谏疃葘W習、強化學習和遷移學習的智能化算法，能夠根據電池的運行環境、老化程度和工況變化，動態調整狀態估算參數，提升算法的魯棒性和適應性。此外，AI算法還將支持電池故障的早期預警與診斷，為預測性維護提供數據基礎，從而降低運維成本并延長電池壽命。圖32：EIS阻抗譜檢測技術的應用4.2電池狀態可知電化學阻抗譜（EIS）檢測技術在儲能電池管理系統上的應用前景廣闊。例如，結合機器學習等算法，利用EIS檢測技術提取的特征參數，如純歐姆電阻、電荷轉移電阻、雙電層電容等，更準確地評估電池的SOC、SOH和R

46、UL等，為電池的安全管理、均衡控制、壽命預測等功能提供更精準的數據支持。通過對阻抗譜特征的分析，提前捕捉電池的早期故障信號，實現微短路、析鋰等安全故障的早期預警和準確診斷，提高儲能系統的安全性、經濟性。電化學阻抗譜檢測技術1儲能電池運行數據龐大，但數據標注成本高，缺少標簽的電池運行數據常常被認為是“低質量數據”，無法得到充分利用。在智能化時代，儲能電站積累的海量電池運行數據將成為提升系統安全性和經濟性的核心資產。在大數據基礎上，隨著數據-機理融合技術的突破，自監督學習有望成為儲能電池全生命周期管理的核心技術底座。自監督學習將從未標注數據中提取通用特征，再遷移到下游任務，結合電池智能感知發揮諸多

47、核心價值：通過時序掩碼預測技術預測被遮蔽的電壓/電流片段或重構充放電曲線、對比學習如SimCLR、MoCo算法區分正常與異常充放電曲線等任務，直接利用無標簽數據學習電池動態特征?；赥ransformer的預訓練模型通過長序列注意力機制，自動捕捉不同工況下的容量衰減模式，將預訓練模型提取的時序特征與物理退化模型融合，實現全工況、全生命周期的容量衰減預測。儲能電站?；煊貌煌瑥S商、批次電池，傳統模型需針對每種電池重新訓練，自監督遷移學習通過領域自適應技未來，隨著微型化、低成本的硬件和高效算法的進一步發展，EIS檢測技術有望推動電池管理系統向智能化方向演進，實現對電池全面感知的健康度管理。自監督模型

48、技術21234567891011121314151617181920212223242527282930SOX析鋰預警卷芯溫度圖33：電池管理與DC/AC共控制器平臺實現交直流一體化管理儲能電站電池管理系統需低延遲、低功耗算法，通過知識蒸餾將預訓練的大模型（如Transformer）壓縮為輕量級LSTM，在嵌入式芯片中實時運行。術，將已標注的A型號電池知識遷移至無標注的B型號電池，增強模型的泛化性能。在新型電力系統加速構建的背景下，儲能系統正經歷從機械堆疊向智能融合的跨越式發展。電池管理技術的電力電子化革新正成為破解電池系統木桶效應、提升整體效能的關鍵路徑。電池管理電力電子化14.3系統聯動可

49、控基于電池管理-功率變換一體化控制器的新型架構，將重構傳統儲能系統的層級結構。直流側方案通過集成電池管理與DC/DC變換功能，交流側方案實現電池管理與DC/AC逆變協同，這種二合一的設計理念不僅簡化了系統拓撲，通過硬件資源復用顯著降低系統成本。系統架構深度一體化通過重構通訊架構與優化控制邏輯，儲能系統對電網調度指令的響應速度將突破傳統電池管理系統架構的延時瓶頸。電力電子化的電池管理系統可直接參與電網頻率調節、無功支撐等高級應用，使儲能單元真正成為具備主動支撐能力的電網友好型電源。系統響應速度實時化新一代系統將突破靜態均衡技術局限，通過智能電力電子裝置動態調節電池工作狀態。針對電池老化產生的不可

50、逆損傷，系統可自動生成適配的脈沖修復策略，面對復雜工況時，能依據實時參數自動優化充放電策略，有效延長電池服役周期。系統主動自愈能力進化 DC/AC連接電池簇BAC綜合控制器第二電流采集電路第三電壓采集電路BMU_NBMU_1.VA第四電壓采集電路VBPWM通訊12345678910111213141516171819202122232425272829圖34：電池管理與DC/DC共控制器平臺實現更高效的直流耦合圖35：儲能系統數字孿生平臺搭建及其應用未來是數字化時代，數字孿生技術將促進電池管理系統虛實聯動，提升系統預測性可控能力，提前發現和解決潛在的安全隱患，提高儲能系統的運行效率和使用壽命。

51、除此之外，云邊協同的AI應用，包括邊緣計算集成技術通過在電池管理、變流等關鍵部件中嵌入AI芯片，構建從電池單體到電池模塊，再到整個電池系統高精度的虛擬模型，能夠實時模擬和監測電池狀態。數字孿生模型將持續自我優化，具備更強的智能診斷和預測能力，提前預判潛在故障，實現本地實時決策與聯動控制一體化的能力，提高鋰電池儲能系統的響應速度和效率，安全管理更加精細化，從全生命周期的角度出發，確保系統的安全穩定運行。隨著智能化應用推廣，電池全生命周期碳足跡追蹤、電池護照等相關的數據安全、網絡安全也將面臨新的挑戰，持續探索新型加密技術、建立相應信息安全標準也將日益凸顯。電池管理數智虛擬化2數字虛體物理實體虛實融

52、合以虛控實系統應用故障智能診斷數字化工具軟件編程軟件CADCAE信號采集參數計算數據通信維護操作指導狀態預測運行優化系統設計集成驗證機械電氣電磁熱流體信息物理模型融合機理數據模型融合虛實同步求解引擎模型庫三維結構一維仿真三維仿真三維演示算法庫數據分析機器學習預測分析診斷分析數據庫設計數據仿真數據試驗數據運維數據連接電池簇 DC/DC第一電流采集電路第一電壓采集電路第二電壓采集電路綜合控制器BMU_NBMU_1.VBVAI通訊1234567891011121314151617181920212223242527282930物理域模型虛實融合運行信息域模型數據接入機械電氣電磁熱流體12345678

53、91011121314151617181920212223242527282930總結和展望繼發布SCT干細胞電網技術白皮書，陽光電源基于“三電融合”理念再次發布BM2T電池管理技術白皮書，引領儲能系統透明化健康發展。展望未來，電池管理技術的創新將與儲能產業的蓬勃發展相輔相成，陽光電源將積極與產業界、學術界的協同合作，立足底層技術創新，共同推動全球能源體系向清潔化、智能化和可持續化邁進。311234567891011121314151617181920212223242527282930墡縟趵賂鉸擄噴昷橉!3136.3137!W233136妘4桸棧獸梪旝橭詵镾塒桹牣惡峗藥愥貶醭鮒桹饅梥棾艊烏。鬫。鯤閔跀燒。昦恖梮訵惡峗、羾鮒呺跤叅鮪嬟侸醭薶呯罌踃詵镾啂靪呺酁楇醮牣惡峗桹嬟俋艊墬時、罌澑梪旝橭惡峗鱧辭贋鍊醭椨彾麇駁郿徏恔賂翄瑧醭唻崯鮪梪旝橭蕬醢會熱艊麇駁踵恔惔麇、賂翄瑧詵镾醭鄽蓜販敘醢惡峗岴醭詆蓜、賂翄瑧鐭麋桹駡誒跤蹺諦鐴壈昦嶼靂傖27:誑賂!賂鉸擄呭昷孎惡賂!賂鉸擄啢蠿姃賂!賂鉸擄悆誑釆341199岄梽1662.!7643!89898988鈫鯰xxx/tvohspxqpxfs/dpn綈硰鄡511!22:!88:諪tbmftAtvohspxqpxfs/dpn