全球范围内，能源系统正快速转型以整合可再生能源技术并提升运行效率。然而，由于系统复杂性增加、分布式能源资源普及以及负荷曲线动态变化，能源流的管理与优化仍面临重大挑战[1][2][3]。除监测荷电状态（SOC）和健康状态（SOH）等内部电池状态外，电池管理系统（BMS）通过与能源管理系统（EMS）协同工作，直接控制电池寿命、安全性与健康状况[4]。EMS与BMS间数据交互与同步不足会导致能源利用效率低下并加速电池性能衰退。为提升固定式及移动式电池储能系统（BESSs）中电池寿命、系统安全性与整体性能，实现EMS-BMS协同整合已成为基础性系统设计需求[5]。 电动与混合动力汽车（EVs和HEVs）正逐步成为传统化石燃料汽车的热门环保替代方案。随着运输领域电气化进程的推进，得益于电池技术（特别是锂离子化学体系）的发展[6]，电动汽车在降低碳排放和减少不可再生资源依赖的同时，其性能已能与传统汽车相媲美。然而，由于电动汽车动力总成的复杂性——其必须在严格的安全与运行限制下管理大量能量存储和高功率输出——需要建立强大的监控与管理系统。电池管理系统（BMS）持续分析、监测并保护的关键电池参数包括：荷电状态（SOC）、健康状态（SOH）、能量状态（SOE）、功率状态（SOP）以及温度[7][8][9]。BMS与能量管理系统（EMS）协同工作，防止过充或过放，从而提升电池性能并延长其使用寿命。现代能源系统依赖这种协调机制，通过平衡发电、储能与用电环节来整合可再生能源，从而实现车辆到电网（V2G）能量传输与智能电网运作。人工智能、物联网和云端解决方案的集成，显著增强了能源管理系统（EMS）与电池管理系统（BMS）在固定式和移动应用场景中的实时优化与预测性管理能力。本文全面综述了EMS与BMS领域的最新进展，重点探讨人工智能驱动的技术突破、控制系统及设计方案。特别强调了构建未来交通与能源网络所需的集成化、透明化、安全管理体系所面临的挑战与研究前景。
我们对Scopus、Web of Science、IEEE Xplore和ScienceDirect数据库进行了2000-2025年间的系统检索，使用以下查询条件：((能源管理系统 OR EMS) AND (电池管理系统 OR BMS) AND (集成 OR 协调 OR 合作优化))纳入标准为：经同行评议且探讨固定式电池储能系统、微电网或电动汽车中EMS-BMS协调/集成问题，并提供量化研究结果的文献。研究提取了各文献中EMS-BMS信号交互方式，以及优化时域、控制步长、建模约束条件、评估指标、验证类型（模拟、硬件在环或实地测试）、应用领域、控制/估计方法与评估指标等核心要素。图1显示了2000至2024年间与EMS和BMS相关的年均出版物数量（数据于2025年初检索获取），这些数据表明该领域发展迅速且关注度持续增长。 近年来EMS与BMS领域的研究成果表明，科研活动已跨越多个学科范畴。如图2所示，大部分出版物集中于能源与工程领域，这体现了EMS和BMS研究的核心技术基础。值得注意的是，计算机科学、数学及环境科学领域亦涌现出重要贡献，凸显出计算方法、数据驱动范式及可持续性导向研究路径日益增强的影响力。这种学科分布格局既印证了EMS与BMS研究不断演进的交叉学科属性，也预示着未来智能电池与智慧能源系统发展中跨领域协作的重要性将不断提升[10]。 通过对Scopus数据库（该数据库收录了多种高影响力、同行评审期刊及会议文献）进行关键词检索，我们获得了图1和图2所示的文献计量数据。这些数据涵盖2000至2024年间发表的文献，并于2025年初完成检索，为EMS与BMS技术领域的研究动态和最新进展提供了可靠且时效性强的概览。电池临界寿命、系统可靠性及能源管理面临的严峻挑战，可归因于车辆电气化与可再生能源扩张驱动的电力系统转型。为管理电动汽车、微电网及混合储能系统中的复杂能量流动，需要能确保最高安全性与性能的先进解决方案。电池管理系统（BMS）与能源管理系统（EMS）均不可或缺：BMS保障电池效能与健康状态，EMS则优化分布式资源间的能量分配。然而传统EMS与BMS往往被独立开发。因此，协调与实时信息交换能力受限，导致系统级性能难以达到最优，尤其在电池储能系统(BESSs)中。电池寿命缩短、能源利用效率低下以及潜在安全隐患往往源于这种不协同现象。近期实证研究表明，当能量管理系统(EMS)与电池管理系统(BMS)独立开发和运行时，可观测的性能下降显著。与传统基于规则的方法相比，Tang等[11]证实：将电池健康信息纳入EMS决策可使燃料电池劣化速率降低，系统效率提升超10%。Xu等[12]进一步指出，电池/超级电容电动汽车中EMS-BMS协同可将电池老化减缓达20%。研究[13][14]表明，固定式BESSs的EMS优化过程中若忽视实时电池限值，不仅会导致调度决策欠佳，还会加速电池性能衰退。实时优化、预测性维护和电网韧性提升的实现，现已成为可能，这得益于人工智能（AI）与机器学习（ML）领域的最新进展所赋予的智能化、自适应和预测性EMS与BMS系统。然而，EMS与BMS之间的交互作用、协同效应及集成挑战——尤其是在AI赋能环境下——尚未得到严格检验。 针对能量管理系统（EMS）与电池管理系统（BMS）的现有综述研究已汇总于表1，该表着重呈现了其核心研究方向与局限性。尽管早期研究对EMS架构拓扑、BMS设计方案或混合储能技术进行了全面分析，但往往将EMS与BMS视为独立领域，或仅聚焦于特定子系统。本研究则通过系统化考察EMS-BMS协同整合机制、解析AI/IoT赋能技术，并指出现有研究在互操作性、网络安全及实际验证方面的缺陷，提供了更具连贯性的研究视角。本综述的主要贡献包括：
• Summarizes recent EMS and BMS developments.
• Highlights the need for coordinated operation and data sharing.
• Assesses the impact of digital technologies on EMS–BMS integration.
• We provide a current and comprehensive analysis of EMSs and BMSs, addressing their structures, underlying theories, and essential features for stationary and mobile energy applications.
• We focus on the growing need for effective coordination, real-time data exchange, and co-optimization between EMSs and BMSs in BESSs, which is different from most other assessments. We provide a comprehensive analysis of their interplay, integration challenges, and benefits for enhancing system-level performance, safety, and battery life.
• We classify and evaluate the relative benefits, drawbacks, and applicability of conventional, optimization-based, and AI-driven control and assess the techniques used in EMSs and BMSs for real-time, safety-critical applications.
• We review the latest advancements in AI, ML, IoT, and cloud-based solutions, and discuss their transformative impact on the design, monitoring, and control of EMSs and BMSs.
• We discuss the primary challenges and remaining issues in the EMS–BMS environment, such as explainability, scalability, cyber–physical security, and data integration, and we suggest exciting areas for further study to encourage innovation in this domain.
