矿用自卸车电动化的发展及电池管理

doi:10.16638/j.cnki.1671-7988.2025.021.023

摘要/Abstract

摘要： 为应对气候变化，实现碳中和目标，电动矿用自卸车凭借低排放、高能效优势成为矿山绿色转型的核心装备，其电池管理系统（BMS）的性能直接影响整车效能。文章综述了矿用自卸车的发展历程，指出国外技术已向电动化、智能化及氢能融合方向深化，而国内通过自主研发在百吨级电动车型与混合动力节油技术上取得显著突破。聚焦 BMS，分析了电池状态估计与均衡管理技术，对比开路电压法、卡尔曼滤波等方法及主动均衡、被动均衡策略的适用场景，强调高精度算法与能量优化是技术升级的关键。未来需突破电池技术瓶颈，推动 BMS 智能化集成，助力矿山高效减排，支撑“双碳”目标实现。

关键词: 绿色矿山；矿用自卸车；BMS；状态估计；均衡管理

Abstract: To tackle climate change and achieve the goal of carbon neutrality, electric mining dump trucks, with their advantages of low emissions and high energy efficiency, have become the core equipment for the green transformation of mines. The performance of its battery management system (BMS) directly affects the vehicle efficiency. This paper reviews the development history of mining dump trucks, pointing out that foreign technologies have deepened towards electrification, intelligence and hydrogen energy integration, while China has achieved remarkable breakthroughs in 100-ton electric vehicle models and hybrid fuel-saving technologies through independent research and development. Focusing on BMS, it analyzes battery state estimation and balancing management technologies, compares the applicable scenarios of methods such as open-circuit voltage method and Kalman filtering, as well as active balancing and passive balancing strategies, and emphasizes that high-precision algorithms and energy optimization are the keys to technological upgrading. In the future, it is necessary to break through the technological bottlenecks of batteries, promote the intelligent integration of BMS, assist mines in achieving efficient emission reduction, and support the realization of the "dual carbon" goals.

Key words: green mine; mining dump trucks; BMS; state estimation; balance management

顾景涵，王成胜，袁训华. 矿用自卸车电动化的发展及电池管理[J]. 汽车实用技术, 2025, 50(21): 132-137.

GU Jinghan, WANG Chengsheng, YUAN Xunhua. Development of Electrification of Mining Dump Trucks and Battery Management[J]. Automobile Applied Technology, 2025, 50(21): 132-137.

参考文献

[ 1 ] 冯彦彪,邵俊恺,杨珏,等.矿用自卸车新能源技术研究现状与展望[J].煤炭科学技术,2023,51(S1):343-350. [ 2 ] 孙彦红.欧盟绿色转型的实践与经验[J].人民论坛, 2022(10):96-99. [ 3 ] 杜伟,文腾.《“十四五”现代能源体系规划》等多项政策出台布局中国新型能源体系[J].国际石油经济, 2023,31(1):9-10. [ 4 ] 黄成彬,周子伟,徐焱,等.不同模式重卡运输系统成本分析与关键因素敏感性研究[J].交通运输工程与信息学报,2025,23(2):97-109. [ 5 ] 时培成,单子贤,朱海龙,等.新能源汽车动力电池系统的集成化设计技术[J].中国机械工程,2025,36(7): 1611-1623. [ 6 ] 胡浩然,卢自让.新能源商用车关键技术[J].汽车电器, 2025(2):30-34. [ 7 ] 肖梦承,金娇,刘帅,等.道路能源收集关键技术研究进展 [J/OL]. 北京工业大学学报 ,2025,51(6):1-23 [2025-03-21].http://kns.cnki.net/kcms/detail/11.2286. T.20250414.1625.016.html. [ 8 ] 杨威威,罗登昊,张文明.基于深度强化学习算法的纯电动矿用汽车再生制动策略研究[J].工程科学学报, 2024,46(3):503-513. [ 9 ] 李佳蔚.混合动力矿用自卸车能量管控方法与实验平台[D].北京:中国矿业大学,2024. [10] 张杰山.新能源矿用车电池技术发展趋势分析[J].建设机械技术与管理,2023,36(1):31-34. [11] EDMO D C R,HERNANI M L,GIORGIO D T.New Approach for Reduction of Diesel Consumption by Comparing Different Mining Haulage Configurations[J]. Journal of Environmental Management,2016,172:177- 185. [12] 周松涛.矿用电动轮自卸车全液压转向系统设计及仿真分析[D].广州:华南理工大学,2012. [13] 刘建功,张远辉,魏菲,等.基于规则的混合动力矿用自卸车能量管理策略研究[J/OL].系统仿真学报,2025, 37(2):1-11[2025-03-21].https://doi.org/10.16182/j.iss n1004731x.joss.23-1218. [14] 王翔浩.串联式混合动力矿用卡车整车控制策略研究[D].济南:山东交通学院,2023. [15] 李东明,苑全红,张亚琼,等.车用动力电池 PACK 工厂设计综述[J].电气时代,2021(1):18-21. [16] 张华清,鲍久圣,张磊,等.百吨级双桥刚性矿卡 PS 型混动系统设计及控制策略研究[J/OL].中国机械工程,1-12[2025-03-21].http://kns.cnki.net/kcms/detail/42. 1294.TH.20250123.1119.002.html. [17] 陈海生,李泓,徐玉杰,等.2022 年中国储能技术研究进展[J].储能科学与技术,2023,12(5):1516-1552. [18] 申明.电动汽车热管理直冷系统研究及其控制分析 [D].长春:吉林大学,2021. [19] 李瑞瑞.基于隔热材料的航空动力电池热失控蔓延抑制和仿真研究[D].重庆:重庆交通大学,2024. [20] 王连成,邵安林,曲福明,等.金属矿山开采技术发展现状与展望 [J/OL]. 工程科学学报 ,2025,47(5):1-13 [2025-03-21].http://kns.cnki.net/kcms/detail/10.1297. TF.20250318.1739.003.html. [21] 王金铎.新能源汽车锂电池寿命预测模型研究[J].汽车知识,2025,25(2):4-6. [22] 谢冬雪.电动汽车的电池管理系统设计[D].大连:大连理工大学,2018. [23] 张辉,李艳东,李建军,等.电动汽车动力锂电池组电源管理系统设计[J].电源技术,2016,40(7):1407-1411. [24] 阮超鹏,敖银辉.电动汽车电池管理系统研究现状与分析[J].汽车文摘,2021(6):24-34. [25] 罗承东,吕桃林,解晶莹,等.电池管理系统算法综述 [J].电源技术,2021,45(10):1371-1375. [26] 张远辉.基于混合动力矿车能量管理策略研究[D].邯郸:河北工程大学,2023. [27] 李先洲.固态锂电池应用前景分析[J].汽车文摘,2025 (3):24-31. [28] JOSHI A,MISHRA K D,SINGH R,et al.A Comprehensive Review of Solid-state Batteries[J].Applied Energy, 2025,386:125546. [29] 魏振山,吴磊,李龙,等.柔性超级电容器及其研究进展 [J].纺织科技进展,2023(3):1-5. [30] 杨书华,邹鹏,石文荣,等.锂离子电池管理系统研究 [J].电源技术,2015,39(12):2593-2594,2724. [31] 詹大琳,黄丽莹,卢欣欣.基于 BMS 的电动汽车电池管理系统控制[J].专用汽车,2022(2):18-21.[32] 张博远.电动汽车电池管理系统电池荷电状态估算研究[D].青岛:青岛大学,2020. [33] 西安西热锅炉环保工程有限公司,西安交通大学.多元复合超临界二氧化碳体系资源化废旧钴酸锂电池的方法:202210240674.3[P].2022-06-03. [34] 季亮.基于双卡尔曼滤波电池电池荷电状态估算研究及电池管理系统设计[D].天津:河北工业大学,2020. [35] 王一全,黄碧雄,严晓,等.基于 LSTM-DaNN 的动力电池电池荷电状态估算方法[J].储能科学与技术,2020, 9(6):1969-1975. [36] ZHENG Y,OUYANG M,HAN X,et al.Investigating the Error Sources of the Online State of Charge Estimation Methods for Lithium-ion Batteries in Electric Vehicles[J].Journal of Power Sources,2018,377(2): 161-188. [37] 崔孝凯,王庆芝,刘其朋.基于数据驱动的锂电池健康状态预测[J].复杂系统与复杂性科学,2024,21(3): 154-159. [38] 张吴哲,蔡志端,吴成傲,等.基于变分模态分解与特征增强的锂电池健康状态估计方法[J/OL].储能科学与技术 ,2025,14(9):1-13[2025-03-21].https://doi.org/10. 19799/j.cnki.2095-4239.2025.0033. [39] SONTHALIA A,JOSEPHIN F J,VARUVEL G E,et al. A Deep Learning Multi-feature Based Fusion Model for Predicting the State of Health of Lithium-ion Batteries[J].Energy,2025,317:134569. [40] 蒲倩,钱进,朱春晓,等.锂电池热管理系统多物理场耦合数值模拟研究[J].智能计算机与应用,2023,13(3): 111-116. [41] 严刚,李顶根,秦李伟,等.纯电动汽车锂离子电池成组热效应分析[J].汽车工程学报,2016,6(5):313-317. [42] 王毅,杨泽鑫,高天,等.面向渗透率最大化的电动汽车智能充电策略[J].电力电子技术,2023,57(8):50-54. [43] 雷雅晴.基于智能算法的电动汽车充电调度策略研究[D].南京:东南大学,2023. [44] 王沈策.SF35100 型电动轮自卸车驾驶室开发设计 [J].机械设计,2015,32(7):129. [45] 钱海章,张强,李帅.“十四五”规划下中国制造供给能力及发展路径思考[J].数量经济技术经济研究,2022, 39(1):28-50. [46] MANAS M,YADAV R,DUBEY R K.Designing A Battery Management System for Electric Vehicles:A Congregated Approach[J].Journal of Energy Storage, 2023,74:109439. [47] LAWDER M T,SUTHAR B,NORTHROP P W C,et al. Battery Energy Storage System (BESS) and Battery Management System (BMS) for Grid-Scale Applications[J].Proceedings of the IEEE,2014,102(6):1014- 1030. [48] 张继阳,郑秀,赵斌,等.电网级大规模储能的电池技术进展[J].电池,2024,54(5):745-750.