《Journal of Environmental Chemical Engineering》：Synergistic and Green Decontamination of Anion Exchange Resins: A Surfactant and Citric Acid Approach
编辑推荐：
智能电网中能源管理系统（EMS）与电池管理系统（BMS）的协同优化研究，探讨AI、IoT等技术对系统性能提升的作用及现存挑战。
Sadiqa Jafari | Sung-Yong Son
智能能源系统融合研究机构，高敞大学，京畿道，13120，韩国
摘要
随着交通运输的快速电气化和可再生能源的融入，先进的能源和电池管理技术的重要性日益增加。能源管理系统（EMS）和电池管理系统（BMS）对于移动和固定能源系统的安全、可靠和高效运行变得越来越重要。然而，EMS和BMS的发展常常受到不切实际假设、信息共享效率低下以及整体系统性能下降的阻碍。本研究全面系统地回顾了控制算法、EMS和BMS，以及云计算、人工智能（AI）和物联网（IoT）的最新进展。该综述强调了EMS与BMS的协同集成，并批判性地分析了状态估计方法、数字孪生技术、可解释AI（XAI）和二次电池管理。我们分析了传统控制系统、基于优化的控制系统和AI驱动的控制系统各自的优缺点，并展示了与离散解决方案相比，协同集成的EMS-BMS如何提升系统性能、安全性和电池寿命。我们指出了主要的研究空白，包括互操作性、网络安全和实际验证方面的问题。基于这一关键评估，我们提出了重要的建议和未来的研究方向，以指导可靠、智能和可持续的EMS-BMS系统的开发。
引言
全球范围内，能源系统正在迅速发展，以整合可再生能源技术并提高运营效率。然而，由于系统复杂性的增加、分布式能源资源的出现以及负载特性的变化，管理和优化能源流仍然具有挑战性[1]、[2]、[3]。除了监测电池的内部状态（如充电状态（SOC）和健康状态（SOH）外，电池管理系统（BMS）与能源管理系统（EMS）协同工作，直接控制电池的寿命、安全性和健康状况[4]。EMS和BMS之间数据交换和同步不足可能导致能源使用效率低下和电池老化加速。为了提高固定和移动电池储能系统（BESS）的电池寿命、系统安全性和整体性能，协调的EMS-BMS集成是基本的设计需求[5]。
电动汽车（EV）和混合动力电动汽车（HEV）作为更环保的替代品，正变得越来越受欢迎。此外，交通运输的电气化也在不断推进。由于电池技术的进步，尤其是在锂离子化学领域，EV在降低碳排放方面能够与传统车辆相媲美[6]。然而，由于EV动力系统的复杂性，需要强大的监控和管理系统来在严格的安全和运行限制下管理大量的能量存储和高功率输出。充电状态（SOC）、健康状态（SOH）、能量状态（SOE）、功率状态（SOP）和温度是BMS持续分析、监控和保护的重要电池指标[7]、[8]、[9]。BMS与EMS协同工作，防止过充或深度放电，从而提高电池性能和寿命。现代能源系统依赖这种协调，通过平衡发电、存储和消费来整合可再生能源，从而实现车辆到电网（V2G）的能量传输和智能电网。本文详细介绍了EMS和BMS的最新进展，重点关注AI驱动的突破、控制系统和设计。特别是，强调了为未来的交通和能源网络创建集成、透明和安全的管理系统所面临的困难和研究前景。
使用以下查询在Scopus、Web of Science、IEEE Xplore和ScienceDirect中系统地搜索了2000年至2025年的相关文献：((能源管理系统 OR EMS) AND (电池管理系统 OR BMS) AND (集成 OR 协调 OR 共同优化))。纳入了讨论了固定BESS、微电网或EV中EMS-BMS协调或集成的同行评审文章，并提供了定量结果。从每项研究中检索了EMS-BMS信号、优化范围、控制步骤、建模约束、评估指标、验证类型（仿真、硬件在环或现场）、应用领域、控制/估计技术和评估指标。
图1显示了2000年至2024年间与EMS和BMS相关的年均出版物数量，这些数据在2025年初获得，表明了该领域的快速发展及其日益增长的兴趣。
EMS和BMS领域的最新出版趋势表明，研究活动涵盖了多个学科领域。如图2所示，大多数出版物集中在能源和工程学领域，这反映了EMS和BMS研究的核心技术基础。然而，计算机科学、数学和环境科学也做出了重要贡献，突显了计算驱动、数据驱动和可持续性方法日益重要的作用。这种学科分布强调了EMS和BMS研究的跨学科性质，并强调了跨领域合作在智能电池和智能能源系统未来发展中的重要性[10]。
在Scopus数据库中基于关键词的搜索，该数据库索引了多种高影响力的同行评审期刊和会议，得出了图1和图2所示的文献计量数据。这些数据涵盖了2000年至2024年的文章，并在2025年初获得，提供了关于EMS和BMS技术研究活动和新发展的可靠和及时的总结。
关键的电池寿命、系统可靠性和能源管理挑战可以归因于由车辆电气化和可再生能源扩展所驱动的能源系统转型。为了管理EV、微电网和HES中的复杂能源流，需要先进的解决方案来确保最大的安全性和性能。BMS和EMS都是必不可少的；BMS保护电池效率和健康状况，而EMS优化分散资源之间的能源流。然而，传统的EMS和BMS通常是独立开发的。因此，协调和实时信息交换受到限制，导致系统级性能不佳，尤其是在BESS中。这种差异常常导致电池寿命缩短、能源使用效率低下和潜在的安全隐患。最近的实证研究表明，当EMS和BMS分别开发运行时，性能会显著下降。与传统的基于规则的技术相比，Tang等人[11]表明，将电池健康信息纳入EMS决策可以减少燃料电池的退化，并提高系统效率超过10%。此外，Xu等人[12]指出，在电池/超级电容器电动汽车中，EMS-BMS的协调可以将电池老化减少20%。研究表明，在固定BESS的EMS优化中忽略实时电池限制会导致不理想的调度选择以及更快的电池老化[13]、[14]。最近在AI和ML方面的进展使得智能、适应性和预测性的EMS和BMS成为可能，从而实现了实时优化和预测性管理。然而，EMS和BMS之间的相互作用、协同效应和集成挑战，特别是在AI支持的环境中，尚未得到严格研究。
已经完成的关于EMS和BMS的综述研究在表1中进行了总结，突出了它们的主要重点和局限性。尽管早期研究对EMS拓扑结构、BMS设计或混合能源存储技术进行了深入分析，但往往将EMS和BMS视为不同的领域或仅关注某些子系统。相比之下，当前的工作通过系统地研究协调的EMS-BMS集成、分析AI/IoT支持的技术，并识别与互操作性、网络安全和实际验证相关的问题，提供了更为连贯的视角。
该综述的方法论框架和主题组织在图3中进行了总结（见图3）。
该框架旨在引导读者从基本概念到复杂的集成技术，最终对当前领域的问题和新机遇进行批判性评估。以下总结了该综述的主要贡献：
- •
我们提供了对EMS和BMS的当前和全面分析，涵盖了它们的结构、基础理论和固定及移动能源应用的关键特性。
- •
我们关注BESS中EMS和BMS之间有效协调、实时数据交换和共同优化的日益增长的需求，这与其他大多数评估不同。我们全面分析了它们之间的相互作用、集成挑战以及提高系统级性能、安全性和电池寿命的好处。
- •
我们分类并评估了传统控制方法、基于优化的方法和AI驱动方法的相对优势、缺点和适用性，并评估了它们在实时、安全关键应用中的使用情况。
- •
我们回顾了AI、ML、IoT和基于云的解决方案的最新进展，并讨论了它们对EMS和BMS的设计、监控和控制的变革性影响。
- •
我们讨论了EMS-BMS环境中的主要挑战和剩余问题，如可解释性、可扩展性、网络物理安全性和数据集成，并提出了鼓励该领域创新的有趣研究方向。
本文的其余部分结构如下：第2节介绍了EMS和BMS的基本概念、控制方案和最新发展。第3节涵盖了EMS和BMS的协调和集成。第4节概述了未解决的问题和潜在的研究方向，第5节对综述进行了总结。
章节片段
能源和电池管理系统概述
随着现代能源系统变得越来越复杂并依赖存储技术，EMS和BMS变得越来越重要。本节重点介绍了EMS和BMS的功能、控制方法和挑战。此外，还探讨了EMS和BMS的基本概念、架构和最新发展。
EMS-BMS集成和协调
本节首先介绍了通用的EMS-BMS协调（角色、交换的信号和耦合级别），然后讨论了趋势、差距和建议。现代能源系统依赖于集成和协调EMS和BMS，以最大化其效率、安全性和功能性[13]、[14]。包括微电网、分布式能源资源和EV在内的应用复杂性的增加，强调了更深入合作的必要性。历史上，EMS和BMS
开放性挑战和未来方向
EMS和BMS技术发展迅速；然而，要充分发挥下一代EMS的潜力，仍需解决几个挑战。一个持续的挑战是确保高质量、实时和可互操作的数据共享，因为传感器精度、通信协议和过时的基础设施的差异继续阻碍了无缝集成。然而，随着基于云和IoT的EMS-BMS平台的日益集成，这些系统面临着
结论
将动态电池行为建模与BMS和EMS协调集成仍然是一项困难的任务，需要大量的计算能力和实时适应性。尽管最近的进展很有前景，但仍需更多工作来实现跨各种EV平台、使用模式和实际控制实验室环境之外的实际操作场景的可扩展和可靠的优化。目前的大部分研究集中在基础监控和控制上，尽管
术语表
EMS和BMS研究中使用的所有重要缩写和符号在表9中列出，以促进清晰度并保证整个研究中的语言一致性。
CRediT作者贡献声明
Sadiqa Jafari：撰写——审稿与编辑、撰写——原始草稿、可视化、验证、方法论、调查、数据整理。Sung-Yong Son：监督、资源管理、项目管理和资金获取。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本工作部分得到了信息与通信技术规划与评估研究所（IITP）的资助，该研究所由韩国政府（MSIT）资助（IITP-2025-RS-2023-00259004，50%）和韩国能源技术评估与规划研究所（KETEP）的资助，该研究所由韩国政府（MCEE）资助（RS-2024-00419642，50%）
