《Computers & Chemical Engineering》：Implementation of Fuzzy Based Active Cell Balancing Algorithm for Battery Management Systems of Al-Air Batteries used in Electric Vehicles
编辑推荐：
铝空气（Al-air）电池具有为电动汽车提供更长续航里程的优势。它们不需要充电-放电过程，因为它们利用水发电。每个铝空气（Al-air）电池理论上可提供2.7V的电压和8100 Wh/kg的比容量，许多这样的电池可以堆叠形成能够为电动汽车（EV）供电的电池组。
铝空气（Al-air）电池具有为电动汽车提供更长续航里程的优势。它们不需要充电-放电过程，因为它们利用水发电。每个铝空气（Al-air）电池理论上可提供2.7V的电压和8100 Wh/kg的比容量，许多这样的电池可以堆叠形成能够为电动汽车（EV）供电的电池组。由于许多电池连接在一起，因此需要进行电池均衡。主动电池均衡是电池管理系统（BMS）的一个关键方面，用于优化锂离子（Li-ion）电池、铝空气（Al-air）电池等电池组的性能和寿命。研究人员提出了一种创新的主动电池均衡算法，采用基于多层神经网络的自适应神经模糊推理系统（MLNN-ANFIS）方法，专门针对铝空气（Al-air）电池进行了定制。基于MLNN-ANFIS的算法根据荷电状态（SoC）差值智能管理电池之间的能量转移，旨在减轻电池不平衡并提高整体电池组效率。通过全面的仿真和实验验证，对所提出的算法的性能进行了评估，并与传统的主动电池均衡技术进行了比较。结果表明，所提出的ANFIS算法在SoC上实现了收敛，并且比其他神经网络和基于模糊逻辑的主动均衡算法快两倍，从而最大限度地减少了铝空气（Al-air）电池系统中的能量损失。该算法也为实时实验室组装的铝空气（Al-air）电池组实现了均衡。
**论文解读：基于多层神经网络自适应神经模糊推理系统的铝空气电池主动均衡算法**
**研究背景与问题**
铝空气（Al-air）电池因其高能量密度（理论比容量8100 Wh/kg）、铝资源丰富、安全性高和环保可回收等优势，在电动汽车（EV）领域具有巨大潜力。然而，Al-air电池存在效率较低、阳极腐蚀等问题，且串联电池组中单体电池间荷电状态（SoC）不一致会降低整体性能并缩短寿命。主动电池均衡是电池管理系统（BMS）的关键技术，能通过能量转移实现SoC均衡。现有研究多针对锂离子（Li-ion）电池，且模糊逻辑或神经网络方法多用于被动均衡（耗散能量），对Al-air电池的主动均衡研究较少。因此，本研究专门针对Al-air电池开发了一种基于多层神经网络自适应神经模糊推理系统（MLNN-ANFIS）的主动均衡算法，旨在提高均衡速度与效率，推动Al-air电池商业化。该论文发表在《Computers》上。
**主要关键技术方法**
研究人员采用MLNN-ANFIS算法，结合神经网络的学习能力与模糊逻辑的推理能力，以相邻电池的SoC差（dSOC）和绝对SoC（aSOC）为输入，通过模糊隶属函数和规则层（如图2所示9条规则）生成控制信号，驱动MOSFET桥栅控电路，实现多阶段（3阶段）相邻电池对间的能量转移。仿真在MATLAB 2023b中进行，初始SoC随机设定（85%与75%）。实时实验使用8个铝空气纽扣电池（来自Labkart India Pvt. Ltd.，铝箔纯度99.99%，6M KOH电解液，Whatman滤纸隔膜）串联组成电池组，通过计时安培法（Chronoamperometry）测量总电荷与获得电荷，利用放电深度（DoD）法计算SoC。
**研究结果**
**3.1 SoC平衡状态**
- 电压法（Voltage Method）：仅通过电压阈值控制，未完全收敛，200秒后仍不平衡。
- 模糊推理系统（FIS）：约90秒后趋于收敛，但未能达到100%均衡。
- 多层神经网络自适应神经模糊推理系统（MLNN-ANFIS）：在180秒后实现100%SoC收敛，且电感电压与电流波形显示出稳定的周期性工作状态。
**3.2 运行时效率比较**
通过10次运行取平均，各方法在3个阶段的总均衡时间分别为：电压法80.36秒，FIS法58.57秒，Sugeno FIS法50.98秒，MLNN-ANFIS法45.11秒。MLNN-ANFIS最快，比电压法快约1.8倍，且每次运行时间逐步缩短，体现了学习能力。
**3.3 实时实验**
**3.3.1 铝空气8节电池串联电池组组装**
8个纽扣Al-air电池串联，开路电压（OCV）范围1.05–1.44 V，总电压约9.5 V（因镍带电阻损耗）。
**3.3.2 实时SoC评估与主动均衡**
通过计时安培法计算各电池SoC（最小55%，最大89%）。三种算法对比（表2）：
- 第1阶段：电压法320s，FIS 214s，Sugeno FIS 205s，MLNN-ANFIS 187s。
- 第2阶段：电压法412s，FIS 289s，Sugeno FIS 253s，MLNN-ANFIS 216s。
- 第3阶段：电压法484s，FIS 303s，Sugeno FIS 281s，MLNN-ANFIS 275s。
MLNN-ANFIS在每个阶段均最快，且实现100%完美均衡，而其他方法仅收敛至80%左右。
**总结讨论与结论**
讨论指出，MLNN-ANFIS的优势在于快速收敛（仿真约80s，实时约275s）和完全均衡，而传统方法（电压法、FIS、Sugeno FIS）在实时实验中因SoC差异大（34% vs 仿真10%）需更长时间且无法完全收敛。研究人员认为，该算法在更大铝空气电池组（如电动汽车用）中可显著缩短均衡时间并提升效率。论文结论翻译如下：
主动电池均衡在增强电动汽车电池管理系统（BMS）中发挥关键作用，通过维持均衡的荷电状态（SoC）水平并延长电池组寿命。研究人员的研究引入了一种基于模糊逻辑的并联电阻-电容技术的新型主动均衡算法。与传统方法相比，所提出的MLNN-ANFIS算法通过根据SoC差异智能调节能量转移，降低了复杂度并提高了均衡效率。此外，该研究强调了铝空气电池技术在革新电动汽车储能解决方案方面的潜力。MLNN-ANFIS在每个阶段比FIS和电压法快两倍实现收敛，在仿真中约80秒内使8节串联电池的SoC均衡，在实时实验室组装的铝空气电池中约275秒实现完美均衡。总之，对于铝空气电池，MLNN-ANFIS主动均衡方法可实现更快的收敛和更高的效率，从而提升电动汽车的性能。
