随着新能源产业和通信行业的快速发展,人类的节能和环保意识不断增强,锂离子电池作为储能电池凭借其循环寿命长、无环境污染等独特优势迅速获得人们的青睐。随着锂离子电池在储能系统的应用越来越广泛,人们希望通过先进的信息技术实现对分布式储能锂电池组的远程管理,而不再是简单地停留于使用层面,锂电池管理系统(Battery Management System,BMS)承担的就是这样的角色。本文从多角度出发对锂电池管理系统的需求进行把握,设计了一个安全、高效、灵活的锂电池管理系统。主要的工作成果如下:(1)根据系统的需求分析,提出前后台分系统的设计思想,合理地安排系统的分工,并采用C/S和B/S相结合的软件架构在.NET平台上完成锂电池管理系统的设计,即后台系统使用C/S架构,实现与GPRS数据传输单元(Data Transfer Unit,DTU)的通信,保证系统传输数据的安全性,前台系统使用B/S架构,实现灵活的人机交互。具体设计包括:对系统的数据库进行需求分析,基于此,对数据库的概念模型、逻辑结构以及物理结构进行合理地设计;采用多任务并行编程的模式实现BMS后台系统的通信接口设计,便于BMS与多客户端之间进行数据传输;根据BMS系统人机交互的需求将前台系统划分为几个不同的功能模块,并给出各模块的详细功能与实现方式;根据UI设计原则对系统的操作界面进行设计,提供用户简洁、灵活的友好界面。(2)总结影响锂电池荷电状态(State of Charge,SOC)估算的因素,并充分比较分析目前常用的估算方法,提出误差反向传播(Back Propagation,BP)神经网络法作为本文SOC估算的方法,同时对该神经网络的模型及其算法进行详细地研究。在此基础上,通过对具体问题进行分析,确定BP神经网络的网络层数以及输入输出参数;其次对训练样本进行预处理,提高神经网络的性能;然后根据经验公式,采用试探法对神经网络进行训练并确定隐含层节点数;最后在MATLAB上用训练好的BP神经网络对测试样本进行放电量估算,估算结果理想,符合系统的设计需求,并证明了采用双隐含层BP神经网络进行锂电池组SOC估算具有较高的精度。(3)搭建完整的测试平台,并对BMS的前后台系统进行测试、验证。通过测试表明系统各个环节运行正常,后台系统能够准确、可靠地接收数据,并成功地对数据进行解析与存储;前台系统也能对数据进行有效处理与分析并提供灵活的人机交互功能。测试结果验证了系统设计的准确性与可行性。