全国客服热线：
153-1370-2523
153-1370-2523
摘要
电动汽车（EV）的锂离子电池管理系统（BMS）需要能够平衡预测精度与可识别性、验证鲁棒性、传感需求以及嵌入式计算成本的等效电路模型（ECM）。本研究遵循PRISMA 2020指南，对面向电动汽车BMS应用的最新ECM证据进行了系统性综述，并开发了一个功能驱动的模型选择框架。通过Scopus和Web of Science数据库，使用特定于数据库的2020-2025年出版年份筛选条件进行了检索。在识别出的721条记录中，497条为唯一记录，检索到478篇全文，最终纳入256项研究；其中230项为原创研究，26项为综述。在230项原创研究中，219项（95.2%）记录了实验证据，而89项（38.7%）被评定为满足验证数据独立性的要求。这些结果表明，仅凭端电压精度不足以确立ECM的可部署性。因此，本综述引入了一个最小充分复杂度框架，将目标BMS功能与模型结构、参数化、验证证据、可用传感器以及计算约束联系起来。由此产生的指导原则支持选择复杂度最低的ECM，该模型既与目标BMS决策在物理上相关，又具备充分的可识别性和验证性。1. 引言
锂离子电池（LIBs）被广泛应用于大多数电动汽车电池包中，因为它们具有高能量密度和长循环寿命。这些特性使其适用于需要在宽工作范围内反复充放电的应用[1,2,3,4,5]。然而，仅凭能量密度并不能决定电池在电动汽车中的表现。使用寿命和运行安全裕度同样重要。电池老化会降低可用容量并增加内阻。容量损失会减少可用能量，而电阻增加则限制了电池包可输出的功率，使其更接近其寿命终点标准[2,3]。同时，过于保守的电压、电流或荷电状态（SoC）限制可能会导致车辆运行期间部分剩余电池能力无法被利用。这些要求使电池建模和状态估计成为电池管理系统运行的核心，因为必须确定运行限制以保护电池，同时又不会不必要地限制其可用能力[3,4,5].
电池管理系统（BMS）利用电池模型，根据测量的电流、电压和温度来重构内部状态。由此得出的估计值可用于SoC、SoH和SoP的估算、故障诊断、充电控制，以及执行热限制和安全限制[1]。低阶ECM因其计算成本低而在嵌入式实现中被广泛使用。其参数可通过标准电池测试进行识别，并在需要时于运行过程中更新。低阶整数阶ECM能够重现许多状态估计器所需的终端电压响应，尽管较慢的分布式松弛过程可能无法被充分捕捉[2]. 分数阶模型引入了代表松弛动力学的元素 [1]。当温度成为相关因素时，ECM可以与热状态耦合，从而可以同时评估电损耗和电池温度[6]。退化是通过更新随使用而实际发生变化的参数来处理的，例如内阻和可用容量。物理信息公式更进一步，通过电池行为推导出的关系来约束等效电路模型（ECM），而不是仅仅依赖曲线拟合。电化学和数据驱动模型提供了传统ECM所不具备的能力，但它们需要不同的数据、校准程序和计算资源[1,2]。因此，对于电动汽车电池管理系统（EV-BMS），等效电路模型（ECM）的选择应与其必须执行的任务以及目标硬件中可用的测量和处理能力相挂钩。所选模型还必须在预期运行的温度和老化条件下保持可靠[7,8].
近期文献涵盖了广泛的电池建模和BMS主题。综述和对比研究涉及广泛的电池模型分类、高级BMS功能、快速充电、考虑退化的运行、电池热管理、数字孪生以及混合模型驱动/数据驱动方法[1,2,3,4,5,6,7,8]。专门的综述还探讨了SoC/SoH/RUL估计和功率状态预测[9,10,11]。一些研究侧重于从测试数据中获取ECM参数，而另一些研究则使用阻抗测量来优化电学模型[12,13]。其他研究探讨了分数阶动力学、观测器设计，或在特定驱动循环和电池化学体系下对选定ECM的直接比较[14,15,16,17,18,19,20,21]。然而，这些研究通常孤立地对待主要的模型选择标准。电压拟合性能良好的模型可能需要大量的参数化，变得难以可靠识别，或者随着温度和老化条件的变化而失去精度。它还可能与目标BMS中的估计器或可用计算资源不兼容。因此，现有文献对于为特定BMS功能选择ECM提供的指导有限。
本系统综述通过专门关注用于电动汽车BMS应用的锂离子电池等效电路模型（ECM）来解决这一脱节问题。模型的适用性并非仅凭电压拟合精度来判断。相反，每个ECM家族的评估都结合了其所支持的BMS功能、可用的传感和计算资源、模型所代表的电池动态特性、所需的参数化工作量，以及模型经过验证的条件。最终的综合分析旨在支持以实现为导向的模型选择，确保模型复杂度足以代表所需行为，同时不会增加不必要的校准或计算负担。
主要贡献如下：
第2节描述了基于PRISMA的方法论，并将本综述置于以往研究的背景中。第3节构建了ECM分类法，随后考察了实施标准、BMS功能映射以及决策框架。开放性挑战与未来方向将在第4节中讨论，随后是主要结论第五节.2. 回顾方法论及与以往研究的定位关系
本系统综述采用PRISMA 2020导向的结构，综合了面向电动汽车BMS应用的锂离子电池（LIB）等效电路模型（ECMs）[22,23]。方法论设计针对工程建模证据库进行了调整。因此，与效应测量、元分析和证据确定性相关的PRISMA物品被调整为叙述性综合、方法论可追溯性、验证现实性和实际可部署性。完成的PRISMA 2020清单如下补充表S1.
2.1. 检索策略、记录管理与入选标准
指导性问题为：哪些电气ECM家族与电动汽车导向的BMS功能最相关？比较考虑了电压预测能力、复杂性、参数化、可辨识性、可部署性以及对温度变化和老化的鲁棒性。额外的提取字段涵盖了代表性BMS功能的模型假设、估计或预测变量、传感要求、计算可行性以及验证条件。
内部评审方案在筛选开始前已确定，并明确了研究问题、信息来源、入选标准、筛选逻辑、提取字段和叙述性合成方法。该方案未进行前瞻性注册或公开发布。
主要检索于2026年2月9日在Scopus数据库中进行。补充检索于2026年3月16日在Web of Science (WoS)数据库中进行。检索词组合了电池、型号系列、EV/BMS以及与状态估计、参数辨识、诊断、热管理、快速充电和电池健康相关的应用术语。两次检索均限定为英语记录，并根据各数据库检索时索引的2020–2025年出版年份过滤器进行检索。WoSPY检索了早期访问和最终出版年份；原始记录显示引用的七个来源以2025年为基准，最终卷年份为2026年（补充表 S2）。保留了特定数据库的文献类型筛选条件：Scopus仅限文章，而WoS包含文章和综述文章。
在Scopus中执行的查询语句为：TITLE-ABS-KEY((“锂离子电池” OR “锂离子电池” OR “Li-ion电池” OR “Li-ion电池”) AND (“等效电路模型” OR “等效电路模型” OR “等效电路模型” OR “等效电路模型” OR “Thevenin模型” OR “Thevenin模型” OR “PNGV模型” OR “PNGV模型”) AND (“电池管理系统” OR “电池管理系统” OR “荷电状态估计” OR “荷电状态估计” OR “SOC估计” OR “状态估计” OR “参数辨识” OR “参数估计” OR “在线估计” OR “自适应估计”) AND (“电动 汽车” OR “电动汽车” OR “快速充电” OR “热管理” OR “老化感知” OR “退化感知”)) AND PUBYEAR > 2019 AND PUBYEAR < 2026 AND (LIMIT-TO(DOCTYPE, “ar”)) AND (LIMIT-TO(LANGUAGE, “English”)).
WoS执行的检索式为：TS = ((“lithium ion battery*” OR “Li ion battery*”) AND (“equivalent circuit model*” OR “equivalent-circuit model*” OR “Thevenin model*” OR “PNGV model*”) AND (“battery management system*” OR “state of charge estimation” OR “state-of-charge estimation” OR “SOC estimation” OR “state estimation” OR “parameter identification” OR “parameter estimation” OR “online estimation” OR “adaptive estimation”) AND (“electric vehicle*” OR “fast charging” OR “thermal management” OR “aging aware” OR “degradation aware”)) AND PY = (2020–2025) AND DT = (Article OR Review Article)。
2026年9月29日，使用额外的BMS功能和ECM相关术语进行了补充检索，包括SoH、SoP、RUL、Rint、Randles、RC网络、阻抗、分数阶、CPE/Warburg以及滞后术语。Scopus和Web of Science之间的筛选条件保持一致，均设定为“文章”和“综述”文档类型，并应用了英文语言筛选。此次检索共识别出100个额外候选文献，其中82篇符合技术要求，17篇被纳入针对性文献强化；检索流程、存档的检索策略以及候选文献层级的审核情况在以下内容中报告：补充表S2 (Search_Audit).
检索共获得721条数据库记录。合并去重后剔除了224条重复、重叠或重复的条目，剩余497条唯一记录。通过DOI、标题、作者列表、出版年份、期刊/来源元数据以及在元数据不完整时的手动核对，识别出重复和重叠记录。对所有唯一记录进行了全文获取情况检查；478篇全文可获取，19篇无法获取。
在去重之后，对全部497条唯一记录进行了全文检索尝试。第一作者使用预定义的提取矩阵完成了初步的资格评估和数据提取。对478篇可获取的全文根据资格标准进行了评估，并按模型家族、BMS功能、参数化方法、验证概况、报告指标、温度或老化处理以及部署约束进行了分类。在最终分类前，通过共同作者之间的讨论对模糊或临界分类进行了核实。
第二名评审员独立重新评估了30份记录：一致性为24/30（80%），Cohen'sκ=0.5982，六处分歧通过共识解决。这项回顾性检查独立于原始筛选过程，提高了方法透明度；然而，由于初始筛选主要由单一评审员完成，因此不构成完整的双人筛选（补充表S2, Independent_Check).
系统证据集包含256个在全文评估后符合入选标准的来源。用于支持综述方法论的两个PRISMA 2020报告参考文献不属于此证据集。因此，参考文献数量不应被解读为PRISMA纳入数量，因为参考文献列表还包含方法论/背景来源以及不属于256项研究主要证据集的补充参考文献。在478篇可获取的全文记录中，52篇在技术上不符合条件，170篇在技术上符合条件但因证据重叠、主题优先级或边际贡献有限而未被纳入综合分析。未纳入的初次检索记录的记录级处置情况见补充表S2 (Excluded_Studies），这在保留历史状态的同时，将技术资格与文献保留区分开来。图1总结了识别、整合、检索、资格评估和纳入过程。
图1。遵循PRISMA 2020指南的综述流程图。
另外两项专利申请仅作为技术背景被引用在第4节中；它们未通过系统检索获取，未进行资格评估，也未计入256项纳入的研究中。
补充表 S2将公开的支撑数据集整合到一个工作簿中。它包含完整的256项研究纳入记录列表、记录级提取和Q1–Q8评价、定量总结、补充检索审计、241条未纳入的初次检索记录（含处理/原因信息），以及回顾性的30条记录独立检查。
由于纳入的研究在模型结构、化学体系、运行工况、验证协议和报告指标方面存在显著差异，因此未进行元分析。
研究设计根据报告的方法进行分类，记录级编码见补充表S2为描述性计数提供了基础。源不确定性保留为NR，而非推导得出。
对256项研究证据集应用了工程建模关键评价清单。八个领域评估内容包括：(Q1)模型定义完整性；(Q2)参数化透明度；(Q3)可识别性或可观测性证据；(Q4)验证数据的独立性；(Q5)验证剖面的充分性；(Q6)指标和单位的透明度；(Q7)温度和老化处理；以及(Q8)可重复性和数据/代码/参数可用性。每个领域被归类为充分、部分、记录失败、未报告/不可验证或不适用。评分不会合并为全局质量得分，也不会影响资格。
临床偏倚风险评估工具和GRADE证据确定性框架被认为不直接适用于这一异质性工程建模证据库。由于未产生汇总效应量估计，且纳入的研究使用了异质的模型结构、验证方案和性能指标，因此未进行正式的报告或发表偏倚定量评估。
表1按电池技术、电动汽车/电池管理系统相关性、电池管理系统结构、验证、电池管理系统功能和出版特征对预定义标准进行分类。
表1。用于资格评估的纳入和排除标准。
检索策略存在若干局限性。Scopus和WoS提供了广泛的覆盖范围，但仅在其他地方索引的研究仍未包含在内。检索仅限于在预设的数据库特定2020-2025年年份筛选条件下检索到的英文记录。由于化学成分、SoC窗口、温度、电流特性、老化、验证协议、数据集和指标的差异，直接比较受到了限制。会议论文集被排除在预设的文献类型范围之外，以保持证据库的同质性，重点关注全文同行评审的期刊出版物，这些出版物通常提供更完整的实验方法和验证细节。尽管如此，这一限制可能会导致主要在会议场合发表的早期参数识别或实施研究代表性不足。未进行前瞻性公开协议注册被视为一种方法学上的局限性。
2020–2025年的窗口期界定了系统性证据集；早期的HPPC、OCV–SoC以及经典ECM参考文献仅作为方法论背景[24,25,26,27].2.2. 文献计量支持与综述范围
VOSviewer（1.6.21版本）为验证检索记录的主题覆盖范围提供了描述性支持。文献计量图谱是基于标题和摘要生成的词共现网络。图2展示了最终的网络图。保留的网络与综述范围相一致。一个术语簇与状态估计和辨识相关，包括SoC估计、联合状态估计、EKF、UKF、FFRLS、HPPC、DST、OCV和参数辨识。第二个簇突出了优化和验证术语，包括PSO、GA、实验验证和ECM参数。第三个主题区域将电化学阻抗谱、内阻、退化、SoP、SoE、电化学模型和分数阶模型联系起来；该区域支持纳入基于阻抗、考虑老化、面向功率/能量以及先进的ECM扩展。第四个组包括电池单体、电池模块、电池包、热模型和电池热管理系统，证实了电池包级和热约束对于电动汽车BMS部署的相关性。这些聚类共同连接了ECM分类、参数化、验证、状态估计、热约束以及EV-BMS部署。文献计量聚类被用于组织综合主题，而最终的模型选择建议则是基于提取的工程证据而非词频得出的。
图2。使用VOSviewer从检索记录的标题和摘要中提取的术语共现网络。颜色表示VOSviewer根据共现模式识别的术语聚类。
表2总结了230项原始研究中的ECM家族、BMS功能、验证独立性、温度和老化处理，以及仅电压报告情况。
表2。230项原始研究的描述性特征。计数表示记录的阳性编码；未经验证的条目（NR）列于补充表 S2。类别存在重叠；温度和老化覆盖范围不一定需要是实验性的。2.3. 与以往综述和比较研究的定位关系
表3通过按主要范围和剩余空白对文献进行分组，确定了本综述与以往综述及比较研究的关系。
表3。本综述与以往综述及比较研究的定位概览。3. EV-BMS的等效电路模型
本节探讨哪些等效电路模型（ECM）结构适用于不同的电动汽车电池管理系统（EV-BMS）任务，以及在何种运行条件下适用。比较时考虑了各模型捕捉的电池动力学特性、参数获取方式，以及生成的模型是否可验证并实现实时运行。
3.1. 基础ECM拓扑结构
在ECM中，电压响应通过开路电压（OCV）源、欧姆电阻和动态支路来表示。这种紧凑的电气表示法有利于在线BMS计算，因为它减少了必须估计的状态数量。然而，其有效性取决于在相关运行范围内对模型参数的可靠识别[70].
Rint、1RC、2RC/nRC和PNGV型模型的主要区别在于，除了OCV源和欧姆电阻外，所包含的动态元件的数量和类型 [26,27]. 1RC模型引入了单一极化支路，而2RC和nRC模型则包含额外的时间常数。PNGV模型增加了一个与电荷相关的电压状态。滞后、热耦合、老化依赖性、物理信息关系以及分数阶行为被分别作为模型增强或扩展来处理，而非作为基础拓扑结构。
因此，每项研究可能会被分配一个基础拓扑结构，并在适用情况下，分配一个或多个增强标签。
典型的SoC估算器将电流和电压测量值与ECM结合。当OCV–SoC关系或拟合的电阻和RC参数不能准确反映电池状态时，估算状态就会偏离真实状态。温度变化和老化是导致此类偏差的常见原因[42,63].
图3展示了电路结构如何从Rint模型转变为基于RC和PNGV的模型。该图还说明了用于表示迟滞和分数阶动力学的附加元件。图(a)–(f)中所示的标准电路结构和方程均有图注中直接提供的特定模型参考文献支持。
图3。用于EV-BMS应用的典型ECM结构及其对应的标准公式。各面板显示：() 静态Rint结构 [) 一阶泰文模型或1RC模型 [26,27]; () 二阶泰文模型或2RC模型 [) 广义的16,26,27]; (-RC 戴维南模型 [) PNGV/RC–PNGV 公式 [16,26,27]; (]；以及 () 分数阶与滞后增强 []。各面板中显示的方程对应于所引用的模型系列的标准公式。-RC Thevenin model [70]; (e) PNGV/RC–PNGV formulation [15,71,72]; and (f) fractional-order and hysteresis augmentations [30,37]. The equations shown in each panel correspond to the standard formulations associated with the cited model family.
增加模型复杂度并不保证更高的准确性；必须通过可辨识性和验证来证明引入额外动态元素的合理性。
为了保持一致，以下比较采用放电正电流，端电压，荷电状态
电话：153-1370-2523
美国邱健蓄电池集团总部