蓄电池应用领域与分类：

免维护无须补液； UPS不间断电源；

内阻小，大电流放电性能好； 消防备用电源；

适应温度广； 安全防护报警系统；

自放电小； 应急照明系统；

使用寿命长； 电力，邮电通信系统；

荷电出厂，使用方便； 电子仪器仪表；

安全防爆； 电动工具,电动玩具；

独特配方，深放电恢复性能好； 便携式电子设备；

无游离电解液，侧倒仍能使用； 摄影器材；

产品通过CE,ROHS认证,所有电池 太阳能、风能发电系统；

符合 标准。 巡逻自行车、红绿警示灯等。

GFMG系列(OPzV)

管式胶体2V阀控密封铅酸蓄电池，具有超长的浮充/循环寿命、无需加水维护、温度适应范围宽等特点，改进型铅膏配方极大改善了电池的放电能力。

极适合于高温、频繁停电、电网波动较大的恶劣环境以及电力环境复杂的储能系统应用，可为用户提供长使用寿命的电池保障。

性能和优势

·容量范围：200 3000Ah

·温度范围：-25 60

·压铸板栅、管式极板

·GEL技术

·铜芯嵌入式端子，内阻小

·储存期一年

·安装架设计耐9烈度地震

·循环寿命1200次(80DoD)

·设计浮充寿命20年(25)

充电：-25 60温度：23 27

光宇蓄电池中国区总经销

电动汽车采用电能替代化石燃料作为动力，是未来交通的长远解决方案。动力电池系统作为电动汽车的心脏，只有对其进行充分的了解，才能实现电动汽车的顺利推广。本文从国内外电动汽车主要车载动力电池的发展趋势角度出发，对比较有发展前景的锂离子电池及其电池管理系统进行了重点分析。

锂离子电池组充电机充电不均衡易使其产生过充放电问题，严重损害其使用寿命。本文提出了一种新型智能充电机充电模式，使电池组更加安全、可靠地充电机充电，能够延长其使用寿命，增加安全性，降低使用成本。

1、车载锂离子电池管理系统

作为电动汽车电池的监测“大脑”，电池管理系统(BMS)在混合动力电动汽车中可以实现对电池剩余电量的监测，预测电池的功率强度，便于对整个电池系统的了解和整车系统的掌控。

在纯电动汽车中，BMS具有预测电池剩余电量、预测行驶里程和故障诊断等智能调节功能。BMS对锂离子电池的作用尤为明显，可以改善电池的使用状态、延长电池使用寿命、增加电池安全性。BMS将是未来电动汽车发展的关键技术。

如图1所示，BMS中数据采集模块对电池组的电压、电流和温度进行测量，然后将采集的数据分别传送到热管理模块、安全管理模块并进行数据显示。热管理模块对电池单体温度进行控制，确保电池组处于-优温度范围内。

安全管理模块对电池组的电压、电流、温度及荷电状态(SOC)估算结果进行判断，当出现故障时发出故障报警并及时采取断路等紧急保护措施。状态估计模块根据采集的电池状态数据，进行SOC和健康状态(SOH)估算。

目前主要是SOC估算，SOH估算技术尚不成熟。能量管理模块对电池的充放电过程进行控制，其中包括电池电量均衡管理，用来消除电池组中各单体的电量不一致问题。数据通信模块采用CAN通信的方式，实现BMS与车载设备和非车载设备之间的通信。

BMS的核心功能是SOC估计、均衡管理和热管理，此外还具有其他功能比如充放电管理、预充电机充电管理等。在电池充放电过程中，需要根据环境状态、电池状态等相关参数进行管理，设置电池的充放电曲线，例如设置充电机充电电流、充电机充电上限电压值、放电下限电压值等。电动汽车的高压系统电路存在的容性负载在上电瞬间相当于短路，因此需要进行预充电机充电管理来防止高压电路上电瞬态电流冲击。

2、电池管理系统的核心功能

2.1 SOC估算

SOC用来描述电池剩余电量，是电池使用过程中-重要的参数之一。SOC估计是判断电池过充过放的基础，精确的估计可以限度的避免电池组的过充放电问题，使其更加可靠地运行。

电池SOC的估算在内部工作环境和外界使用环境变换的影响下呈现出非常强烈的非线性。影响电池容量的内外因素有多种，如电池温度、电池寿命、电池内阻等，要准确完成SOC估算有很大困难。

现有的SOC估算方法如下：

(1)安时计量法。安时计量法不考虑电池内部结构、状态等方面的变化，因而有结构简单、操作方便的优点，但是该方法的精度不高。若电流测量精度不高，那么随着时间的推移，SOC累计误差将不断加大，影响-终结果。该方法适合计量电动汽车上的电池SOC，若能提高测量精度，不失为一种简单可靠的SOC计量方法。

(2)开路电压法。锂离子电池开路电压与SOC有近似线性关系，可用来判断电池内部的状态。但因测量要求较为严格，需要电池静置时间至少在1 h以上，不适合单独使用于电动汽车内电池的在线实时检测。一般情况下，因开路电压法在充电机充电初、末期估算值准确率较高，经常将开路电压法与安时计量法结合使用。

(3)卡尔曼滤波法。卡尔曼滤波法凭借出色的纠正误差能力，特别适合于电流波动剧烈的混合动力电池，该估算法的缺点在于对系统处理速度的要求较高。

(4)神经网络法。神经网络具有分布并行处理、非线性映射和自适应学习等特性，因此可以用于模拟电池动态特性，估算SOC。但是此方法需要大量参考数据供神经网络进行学习，且数据和训练方法要求较高，否则会造成不可接受的误差。