作为能源节约和减排的关键领域，交通运输行业也是实现全球碳峰值和碳中和目标的重要途径，这极大地推动了新能源汽车（NEV）技术的快速发展[1]。目前，锂离子电池系统作为NEV的重要能源和动力来源，需要大量电池通过串联和并联配置协同工作以提供高功率输出，从而满足车辆驾驶的需求[2]。由于电池生产和制造过程中的差异以及实际应用环境的复杂性，电池的一致性问题变得显著且不可避免[3]。这些问题限制了电池组的能量和功率输出，并加速了正常电池的性能衰退[4]。此外，长期在不同放电深度下运行会加速电池老化[5]。因此，探索有效的措施来缓解电池不一致性问题并提高电池系统性能具有重要意义，这也是当前电池管理系统研究的核心课题。
电池的不一致性是绝对的，而一致性是相对的。将锂离子电池的一致性保持在较小范围内可以减少不一致性带来的不良影响并提高性能。改善电池不一致性的措施分为两类：首先是生产控制，通过优化制造标准和分选技术来最大化出厂时的一致性[6]，但这仅能确保分组后的初始一致性。如前所述，复杂的驾驶条件和环境因素会导致性能参数随时间推移而发生变化，从而扩大不一致性。第二类是通过电池管理系统采取均衡措施：及时识别异常电池并实施均衡[7]，包括被动均衡和主动均衡。被动均衡通过高容量电池的能量耗散来实现均衡，虽然实施简单，但能量损失较大且存在热风险[8]；而主动均衡则避免了能量浪费，是目前的主流解决方案[9]。
常见的主动均衡策略根据其特征参数可分为基于电压的、基于状态-of-charge（SOC）的和基于容量的策略（SOC是评估电池剩余容量的核心参数，定义为电池在指定工作条件下能够提供的可用剩余容量与其额定容量之比，即电池充电至上限截止电压后以标准速率放电至下限截止电压时的容量）。SOC通常以0%到100%的百分比表示。SOC与容量之间存在映射关系，电池制造商可以通过台架测试获得这种关系）。基于电压的策略使用电压作为一致性判据，旨在使各个电池的工作电压对齐或将不一致性控制在阈值范围内。Wang等人[10]提出了一种基于电压的均衡电路和策略，通过实时电压采集来控制电流，从而实现均衡。由于电压易于获取且计算简单，这种策略在工程中得到广泛应用。然而，电压作为外部参数会随温度和充放电速率变化，无法真实反映容量的一致性。此外，在电压平台期即使充电量变化显著，电压变化也很小，这会影响均衡判断[11]。Xia等人[12]通过一种新型拓扑结构（升降压转换器和开关阵列）和深度学习优化的策略解决了这一问题，显著提高了均衡速度。基于SOC的策略认为SOC本质上反映了电池间的容量差异，因此是最有效的一致性指标[7]。Kim等人[13]使用扩展卡尔曼滤波器（EKF）进行SOC估计，并基于SOC实施均衡，使得电池循环寿命延长了49圈，相比基于电压的方法更为有效，这突显了准确SOC估计的关键作用。然而，准确的SOC获取具有挑战性，因为它会增加系统复杂性和计算负担[14][15]，均衡的准确性和效率依赖于在线SOC估计[16][17]。基于容量的策略旨在最大化充放电容量，提高电池间容量的一致性，通过在线识别分配均衡能量来提升利用率[18]。尽管一些研究提出了使用参数识别进行剩余容量估计的基于容量的方法（缩短了均衡时间），但在在线容量估计方面仍面临挑战[19]。
近期文献调查显示，只有少数研究人员尝试过结合多参数进行主动均衡研究。Yang等人[17]提出了一种自适应均衡方法，利用电压和SOC信息，通过粒子群优化算法调整模糊控制器的切换约束和调节均衡电流，与传统模糊控制相比，该方法在充电过程中的均衡速度提高了30.1%，放电过程中的均衡速度提高了22.3%。Li等人[20]开发了一种基于电压和SOC数据的分段均衡策略，根据SOC状态调整均衡电流的大小。与平均差分策略或单变量策略相比，该策略效率更高。Ashraf等人[21]提出了一种基于SOC和电压信息的模块化旁路均衡技术，仿真验证表明该拓扑结构实现了SOC/电压均衡，将电压差异从2V降低到了250mV。Yu等人[22]提出了一种考虑SOC和SOH（健康状态）协调均衡的策略，并设计了一种ITD-DCA算法，能够适应参数变化并实现SOC和SOH的同时均衡。
纯基于电压的策略受到温度、充放电速率和电池内阻等因素的限制，难以最大程度确保电池一致性。即使是很小的电压波动也会影响均衡判断[23]。基于SOC和容量的均衡策略虽然理论上能够实现更好的均衡性能，但对准确估计的要求较高，在实际应用和实施中颇具挑战[24][25]。此外，现有研究忽略了一个关键点：当选择单一特征参数进行均衡判断时，常常会出现错误的均衡或过度均衡现象。这主要是因为电池组中存在老化电池时，它们的充放电容量会下降，内阻会增加。虽然老化电池在充电时的端电压高于正常电池，但其容量较低。使用单一参数进行主动均衡会导致老化电池的容量进一步降低，这与均衡的初衷相悖。多参数协调均衡技术主要通过集成智能算法进行仿真研究，尚未在实际场景中得到验证。最重要的是，现有方法未能充分考虑多参数协调的协同效应，也未将电池健康状态纳入考虑范围[22]。因此，有必要通过分层算法架构建立一种满足实际应用需求的均衡算法，同时考虑电池使用寿命的影响。这项工作具有重要的学术价值和实际意义。
本研究从实际应用场景出发，将均衡应用分为未老化场景（电池使用的早期阶段）和老化场景（电池使用的中期至后期阶段）。未老化场景主要解决单个电池之间的不一致性问题，选择SOC作为主动均衡的特征参数；老化场景则需要考虑老化电池的影响，选择电压和SOC作为特征参数，进行老化电池识别并实施主动均衡。本文的创新点和主要贡献如下：（1）从实际场景出发，提出了一种分层主动均衡架构，同时考虑了一致性均衡和老化均衡，有效满足了未老化和老化场景的均衡需求；（2）考虑到电池老化的影响，开发了一种结合电压和SOC多参数协同的均衡方法，实现了准确识别和高效平衡；（3）通过实际车辆电池模块验证了该均衡算法的有效性和实时性能，为实际应用中的主动均衡提供了新的解决方案。
