CN110310039A - 一种锂电池全生命周期在线优化监控系统及监控方法 - Google Patents
一种锂电池全生命周期在线优化监控系统及监控方法 Download PDFInfo
- Publication number
- CN110310039A CN110310039A CN201910591300.4A CN201910591300A CN110310039A CN 110310039 A CN110310039 A CN 110310039A CN 201910591300 A CN201910591300 A CN 201910591300A CN 110310039 A CN110310039 A CN 110310039A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- battery group
- service life
- cloud platform
- group service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Sustainable Development (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种锂电池全生命周期在线优化监控系统及监控方法,该系统包括:电池管理模块,用于将实时采集的锂电池组中各锂电池工作参数处理成为锂电池组特性数据,并发送至定位通信模块;定位通信模块,用于实时接收并将锂电池组特性数据无线发送至云平台;云平台,用于实时接收并根据锂电池组特性数据输入锂电池组寿命百分比预测模型中,获取锂电池组寿命百分比,将锂电池组寿命百分比与锂电池组寿命百分比‑应用范围数据库进行对比,并提取与当前锂电池组相对应的锂电池组应用范围报告,将该锂电池组应用范围报告发送至车载显示终端加以显示。本发明获取锂电池组寿命百分比,并判断锂电池组属于第几生命期,以评估当前锂电池组的应用范围。
Description
技术领域
本发明涉及电池管理技术领域,尤其涉及一种锂电池全生命周期在线优化监控系统及监控方法。
背景技术
目前,中国锂电池市场规模很大,因此,动力锂电池需求也很大。随着电动力汽车的普及,数量巨大的锂电池直接淘汰造成了资源严重浪费和环境污染等问题。
“全生命周期管理”有望成为解决锂电池诸多问题的有效手段,例如,专利申请号为CN201110074865.9,发明名称为基于物联网技术的动力电池全生命周期监管系统的专利申请,在动力电池上设置微控制单元、GPS模块及RFID标签,使每块动力电池都成为物联网中的一个节点,通过RFID标签与RFID阅读器、及RFID阅读器与电池管理服务器的通信、使动力电池在任一时间、任一地点的信息都会被系统记录下来,这样远程用户及管理者就可通过对在电池管理服务器数据库的查询了解该电池整个生命周期内的详细信息。
近年来锂电池梯次利用的发展路线、技术难点、产业链建设等方面得到普遍关注。锂电池梯次利用是指电动汽车上的动力电池不能满足其功率和能量需求时,将其应用于其他领域(例如储能),充分发挥其剩余80%容量的价值,进而降低锂电池的应用和维护成本,而梯次利用废旧电池有望促进循环经济。
对锂电池状态进行准确的评估和预测,是电源系统高效利用的关键。然而,现有技术对锂电池状态的评估精度不够,导致无法获取精确的锂电池状态,导致无法充分实现锂电池梯次利用的价值。
因此,提供一种锂电池全生命周期在线优化监控系统及监控方法。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的锂电池全生命周期在线优化监控系统及监控方法。
根据本发明的一个方面,提供一种锂电池全生命周期在线优化监控系统,包括:
电池管理模块,用于将实时采集的锂电池组中各锂电池工作参数处理成为锂电池组特性数据,并发送至定位通信模块;
定位通信模块,用于实时接收并将锂电池组特性数据无线发送至云平台;
云平台,用于实时接收并根据锂电池组特性数据输入锂电池组寿命百分比预测模型中,获取锂电池组寿命百分比,将锂电池组寿命百分比与锂电池组寿命百分比-应用范围数据库进行对比,并提取与当前锂电池组相对应的锂电池组应用范围报告,将该锂电池组应用范围报告发送至车载显示终端加以显示。
进一步地,锂电池组寿命百分比为锂电池组的当前满电电量与标准满电电量之比。
进一步地,定位通信模块,还用于采集锂电池组的位置相关参数,发送至云平台;
云平台,还用于接收并根据锂电池组的位置相关参数修订锂电池组的标准满电电量,以修订锂电池组寿命百分比。
进一步地,上述锂电池全生命周期在线优化监控系统,还包括:接口适配器,包括多种接口和接口协议,用于兼容多种储能领域对锂电池组的应用。
进一步地,各锂电池工作参数包括各锂电池的电流、电压和工作温度,锂电池组特性数据包括充放电特性参数、温度特性参数和容量衰减特性参数,位置相关参数为地理位置参数。
进一步地,云平台,还用于建立锂电池组寿命百分比预测模型,具体实现如下:
选取BP神经网络的初始权值和阈值,根据BP神经网络的输入量、输出量、初始权值和阈值建立基于遗传算法与BP神经网络的电池充电状态评估模型;
采集历史时刻的锂电池组特性数据以及锂电池组寿命百分比,以历史时刻的锂电池组特性数据作为BP神经网络的输入量,以历史时刻的锂电池组寿命百分比作为BP神经网络的输出量训练锂电池组寿命百分比预测模型。
进一步地,云平台,还用于建立锂电池组寿命百分比-应用范围数据库,具体实现如下:
采集历史时刻的锂电池组寿命百分比、生命期和应用范围,根据历史时刻的锂电池组寿命百分比、生命期和应用范围的对应关系建立锂电池组寿命百分比-应用范围数据库。
根据本发明的另一方面,提供一种锂电池全生命周期在线优化监控方法,包括:
电池管理模块将实时采集的锂电池组中各锂电池工作参数处理成为锂电池组特性数据,并发送至定位通信模块;
定位通信模块实时接收并将锂电池组特性数据无线发送至云平台;
云平台实时接收并根据锂电池组特性数据输入锂电池组寿命百分比预测模型中,获取锂电池组寿命百分比;
云平台将锂电池组寿命百分比与锂电池组寿命百分比-应用范围数据库进行对比,并提取与当前锂电池组相对应的锂电池组应用范围报告,将该锂电池组应用范围报告发送至车载显示终端加以显示。
进一步地,锂电池组寿命百分比为锂电池组的当前满电电量与标准满电电量之比。
进一步地,上述锂电池全生命周期在线优化监控方法,还包括:
定位通信模块采集锂电池组的位置相关参数,发送至云平台;
云平台接收并根据锂电池组的位置相关参数修订锂电池组的标准满电电量,以修订锂电池组寿命百分比。
本发明与现有技术相比具有以下的优点:
本发明的锂电池全生命周期在线优化监控系统及监控方法在线采集并根据各锂电池的特性数据和位置相关参数获取锂电池组寿命百分比,并判断锂电池组属于第几生命期,以评估当前锂电池组的应用范围,有效解决当前锂电池生产、使用、回收等各环节监管处于无序状态的问题。
附图说明
以下结合附图和实施例对本发明作进一步说明。
图1是本发明的锂电池全生命周期在线优化监控系统框图;
图2是本发明的锂电池全生命周期在线优化监控方法步骤图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非被特定定义,否则不会用理想化或过于正式的含义来解释。
要实现锂电池全生命周期在线优化监控,使锂电池全生命周期价值的最大化,首先,对电池组荷电状态(State of Charge,SOC)和健康状态进行精确的预测;其次,需要智能化电池管理技术,能够自适应于不同应用领域,并且兼容多种通信协议;最后,通过大数据分析、智能学习以及在线远程升级等核心技术,实现锂电池的有效管理、梯次利用,有效回收、合理进行破碎分解,提取出有效物质。
图1是本发明的锂电池全生命周期在线优化监控系统框图,参见图1,本发明提供的锂电池全生命周期在线优化监控系统,包括:
电池管理模块,用于将实时采集的锂电池组中各锂电池工作参数处理成为锂电池组特性数据,并发送至定位通信模块;其中,各锂电池工作参数包括各锂电池的电流、电压和工作温度,锂电池组特性数据包括充放电特性参数、温度特性参数和容量衰减特性参数;
定位通信模块,用于实时接收并将锂电池组特性数据无线发送至云平台;
云平台,用于实时接收并根据锂电池组特性数据输入锂电池组寿命百分比预测模型中,获取锂电池组寿命百分比,将锂电池组寿命百分比与锂电池组寿命百分比-应用范围数据库进行对比,并提取与当前锂电池组相对应的锂电池组应用范围报告,将该锂电池组应用范围报告发送至车载显示终端加以显示。其中,锂电池组寿命百分比为锂电池组的当前满电电量与标准满电电量之比。
其中,电池管理模块为电池管理系统,主要包括硬件、底层软件和应用层软件三部分。硬件架构包括主板和从板,可能一个电池模组配备一个从板,这样的设计缺点是如果电池模组的单体数量少于12个会造成采样通道浪费(一般采样芯片有12个通道),或者2-3个从板采集所有电池模组,这种结构一块从板中具有多个采样芯片,优点是通道利用率较高,节省成本,系统配置的灵活性,适应不同容量、不同规格型式的模组和电池包。底层软件按照AUTOSAR(AUTOmotive Open System Architecture,汽车开放系统架构)架构划分成许多通用功能模块,减少对硬件的依赖,可以实现对不同硬件的配置,而应用层软件变化较小。应用层和底层需要确定好RTE(Run Time Environment,运行时环境)接口,并且从灵活性方面考虑DEM(Diagnostic Event Manager,故障诊断事件管理)、DCM(DiagnosticCommunication Manager,故障诊断通信管理)、FIM(Functional Information Manager,功能信息管理)和CAN通讯预留接口,由应用层进行配置。应用层软件架构主要包括高低压管理、充电管理、状态估算,均衡控制和故障管理等等。
定位通讯模块主要由BD/GPS定位和网络通讯模块组成。完成电池的实时位置跟踪和电池数据的实时回传。同时根据后台的大数据分析和智能化,根据不同的使用环境和特点,给不同的电池跟踪个性化的电池管理算法模型,从而完成最优和最精确的电池管理。
云平台从采集、建模、存储、分析、智能应用的全流程数据驱动解决方案,主要完成电池大数据的采集、分析,形成个性化的锂电池管理方案,远程更新到电池用户。云平台基于Hadoop大数据架构建立大数据分析系统,具备横向扩展能力、PB级数据存储和挖掘能力。同时运行大数据分析,通过分析电池衰减等各种拓扑结构及运行策略,进行个性化电池健康状态评估,智能更新电池SOC(State of Charge,荷电状态)、SOH(State of Health,健康状况)估算模型,进行数据的分析和挖掘,科技与大数据分析系统预测电池的剩余寿命,评估当前的电池健康状态。
电池管理系统被称为动力电池系统或储能电池系统的神经中枢,对电池系统的性能和安全性起到至关重要的作用。基于采集到的电池实时数据,BMS通过特定算法及策略,对电池系统进行状态管理、能量管理、热管理、均衡管理、通信管理、安全管理等,解决锂电池系统安全性、可用性、易用性、使用寿命等关键问题。
本发明采用双向无线数据传输技术和云平台数据处理手段,提供自BMS终端至云端的电池管理系统完整解决方案,实现对电池系统的全生命周期在线优化管理。在大数据的支撑下,系统智能管理电池使用情况,能将电池剩余电量(SOC)误差精度由5%~8%提升到2%~5%,提高了电池均衡效率,延长了电池的使用寿命。
同时,云平台支持对BMS终端进行远程程序升级。在程序升级页面,创建升级任务,可按项目进行批量程序升级,也可选中单台设备进行升级。任务审核通过后,云平台将首先向设备下发升级指令,等待设备闲置且满足全部升级条件判断后,最终完成程序远程推送及烧录。电池数据云平台支持全部设备升级状态查询,支持单台设备所有升级历史信息查询。
在电池管理方面,通过无线数据传输网络,云平台与BMS终端无缝衔接,支持电池系统实时信息与状态查询、远程报警预警、软硬件信息追溯等功能,极大提升电池系统的数据精确、提高了维护效率,降低了运维成本。
进一步地,定位通信模块,还用于采集锂电池组的位置相关参数,发送至云平台;云平台,还用于接收并根据锂电池组的位置相关参数修订锂电池组的标准满电电量,以修订锂电池组寿命百分比。其中,位置相关参数为地理位置参数。
例如,在不同的城市,或者在同一城市的不同季节,由于环境温度的不同,锂电池组的当前标准满电电量与理想标准满电电量并不相同,因此,需要定位通信模块采集锂电池组的位置相关参数,并且云平台根据位置相关参数获取锂电池组所应用的环境温度,以根据实际的环境温度修订锂电池组的理想标准满电电量,从而修订锂电池组寿命百分比。
进一步地,上述锂电池全生命周期在线优化监控系统,还包括:接口适配器,包括多种接口和接口协议,用于兼容多种储能领域对锂电池组的应用。
接口适配器主要由智能化的、自适应的高兼容性接口适配模块和相关的智能化协议管理软件组成。智能化大数据平台根据梯次利用的应用场景,完成电池的梯次利用的后台管理,智能化接口适配器合理适配不同应用领域的接口和管理系统。
本发明的接口适配器解决梯次利用领域的接口不兼容问题。通过智能接口管理协议,解决了电动汽车用动力锂离子电池与其他储能领域中应用的锂离子蓄电池(如电力用锂离子蓄电池、船用锂离子蓄电池、通信用锂离子电池)系统各自遵循不同的接口、通信等标准,包括:蓄电池系统内部电路接口和接口协议,通讯接口和通讯协议;蓄电池系统与充电设备的电路接口和接口协议,通讯接口和通讯协议;蓄电池系统与放电设备的电路接口和接口协议,通讯接口和通讯协议;蓄电池系统与用户系统的通讯接口和通讯协议等多个方面。
本发明的接口适配器还解决不同应用领域的不同专用管理系统问题。在线智能电池管理系统,通过智能化的、自适应的高兼容性接口适配器,解决了由于不同应用领域对锂离子蓄电池系统各方面的需求与标准的差异化,完美适配各领域电池管理系统的管理架构、机制与方法均存在的差异,这主要包括:电池系统充电方法,电池系统放电方法,电池系统电流、电压、功率限定,电池系统工作温度控制,电池系统均衡机制与规则,充电设备通用要求、放电设备通用要求等方面。
进一步地,云平台,还用于建立锂电池组寿命百分比预测模型,具体实现如下:
选取BP神经网络的初始权值和阈值,根据BP神经网络的输入量、输出量、初始权值和阈值建立基于遗传算法与BP神经网络的电池充电状态评估模型;
采集历史时刻的锂电池组特性数据以及锂电池组寿命百分比,以历史时刻的锂电池组特性数据作为BP神经网络的输入量,以历史时刻的锂电池组寿命百分比作为BP神经网络的输出量训练锂电池组寿命百分比预测模型。
进一步地,BP神经网络包含三层,分别是输入层、隐含层、输出层,隐含层与输入层、输出层之间分别有连接权值,传递函数为非线性变换函数,该非线性变换为以下公式:
net=x1ω1+x2ω2+…+xnωn
其中,net为隐含层的输入值,f(x)为隐含层的输出值,xn为输入层的输入值,ωn为输入层和隐含层的连接权值。
因此,对电池系统特性例如充放电特性、温度特性、容量衰减特性等的建模以及对电池系统状态例如寿命等的估计与预测是电动汽车动力电池梯次利用临界点选择以及生命周期内电池优化管理的根本基础。
为获得合理有效的电池梯次利用,实现电池全生命周期的优化管理,最大程度降低电动汽车动力电池使用成本,提高使用价值,需要全局把控梯次利用临界点,发挥梯次利用电池的最大效用。因此,云平台,还用于建立锂电池组寿命百分比-应用范围数据库,具体实现如下:
采集历史时刻的锂电池组寿命百分比、生命期和应用范围,根据历史时刻的锂电池组寿命百分比、生命期和应用范围的对应关系建立锂电池组寿命百分比-应用范围数据库。
在这里,通过梯次利用的临界点划分不同阶段的生命期。梯次利用的临界点,即用锂离子电池的各项性能下降至什么程度时结束电池的第一生命期,并通过梯次利用更换至其他应用领域进行再利用。显然,临界点的选择对电池全生命周期的性能表现具有重要影响。过早的结束第一生命周期,带来的是电池动力特性的浪费,提高了电动汽车设备更新成本,也将引入额外的改造成本;而过迟的临界点不仅严重影响电池第一生命末期的性能表现,降低电动汽车用户体验,同时导致第二生命期的严重缩水,极大地影响对电池全生命周期性能与经济性的最大化挖掘。例如,锂电池组寿命百分比为80%至100%时,锂电池组为第一生命期,应用范围为电动汽车储能;锂电池组寿命百分比为30%至80%时,锂电池组为第二生命期,应用范围为电厂储能;锂电池组寿命百分比为0%至30%时,锂电池组为第三生命期,应用范围为充电桩储能;等等。
本发明的锂电池组可以设置为基于自适应动态可重构架构的电池系统,通过动态可变的拓扑连接方式,用大量小容量单体电池形成针对不同应用场景需求以及电池状态变化而自适应动态可重构的电池网络,其电池系统特性与状态变化规律同时依赖于单体电池特性及状态与网络拓扑结构两方面的信息。因此,针对自适应动态可重构电池系统下的电池系统建模以及SOC估计预测,需要提出针对单体电池的建模方法及其SOC精准估算预测技术,进而以此为基础结合网络拓扑分析方法,采用自适应动态可重构电池系统整体建模方法。
针对锂电池组的自适应动态可重构电池组管理技术包括:
第一,基于模糊测度的电池网络特征提取、建模及快速计算技术
电池网络特征量化建模是其优化管理的基础。电池网络参量间的相互依赖描述为一个定义在控制变量幂集上的集值函数,通过求解广义非线性Choquet积分,定量测度控制变量间的非加性相互作用及其对系统整体性的影响,从而为定量地描述电池网络系统行为提供了一个有效的方法。此外,基于马尔可夫-蒙特卡罗方法的Choquet积分求解方法,解决了传统基于高斯消元法的积分求解方法运算速度慢,无法处理高维数据的缺点。
第二,基于自适应动态规划的电池网络优化管理技术
电池网络优化管理是一种多尺度的动态网络优化问题。电池系统采用自适应动态规划算法,通过对电池组中各单体电池的相互依赖度量和敏感性进行定量分析,确定对应于不同参数子集合的状态变量的重要性测度,并根据每一参数子集的重要性和敏感性来做相应的参数选择以达到降低电池网络优化状态空间维度的目的,从而大大降低电池网络优化管理策略的计算复杂度,可实现实时执行。
本发明的锂电池全生命周期在线优化监控系统在线采集并根据各锂电池的特性数据和位置相关参数获取锂电池组寿命百分比,并判断锂电池组属于第几生命期,以评估当前锂电池组的应用范围,有效解决当前锂电池生产、使用、回收等各环节监管处于无序状态的问题。
图2是本发明的锂电池全生命周期在线优化监控方法步骤图,参见图2,本发明提供的锂电池全生命周期在线优化监控方法,包括:
S1,电池管理模块将实时采集的锂电池组中各锂电池工作参数处理成为锂电池组特性数据,并发送至定位通信模块;
S2,定位通信模块实时接收并将锂电池组特性数据无线发送至云平台;
S3,云平台实时接收并根据锂电池组特性数据输入锂电池组寿命百分比预测模型中,获取锂电池组寿命百分比;
S4,云平台将锂电池组寿命百分比与锂电池组寿命百分比-应用范围数据库进行对比,并提取与当前锂电池组相对应的锂电池组应用范围报告,将该锂电池组应用范围报告发送至车载显示终端加以显示。
进一步地,锂电池组寿命百分比为锂电池组的当前满电电量与标准满电电量之比。
进一步地,上述锂电池全生命周期在线优化监控方法,还包括:
定位通信模块采集锂电池组的位置相关参数,发送至云平台;
云平台接收并根据锂电池组的位置相关参数修订锂电池组的标准满电电量,以修订锂电池组寿命百分比。
本发明的锂电池全生命周期在线优化监控方法在线采集并根据各锂电池的特性数据和位置相关参数获取锂电池组寿命百分比,并判断锂电池组属于第几生命期,以评估当前锂电池组的应用范围,有效解决当前锂电池生产、使用、回收等各环节监管处于无序状态的问题。
对于方法实施例而言,由于其与系统实施例基本相似,所以描述的比较简单,相关之处参见系统实施例的部分说明即可。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
本发明在传统电池管理系统(BMS)中增加大数据分析、智能学习以及在线远程升级等核心技术,实现了电池系统的全生命周期在线优化管理,从“BMS”到“iBMS”,给产业发展注入的是创新和变革。
本发明基于状态评估与预测的电池全生命周期管理,其核心还是对电池状态的在线诊断与预测。一方面,针对服役时间较长的电池系统,须对其不同生命阶段的性能进行评估与预测;另一方面,也需要对电池系统全生命周期下的安全性能演变进行评估。
本发明的锂电池全生命周期在线优化监控系统及监控方法,通过BMS检测动力电池组中各单体电池的状态来确定整个电池系统的状态,通过无线网络将这些数据发送到云平台,云平台通过大数据分析、智能学习、并根据它们的状态对动力电池系统进行对应的控制调整和策略实施,实现对动力电池系统及各单体的充放电管理以保证动力电池系统安全稳定地运行和最优梯次利用临界点评估。通过智能化的、自适应的高兼容性接口适配器和智能接口管理协议解决不同应用场景的协议和管理不兼容问题,从而解决梯次利用问题。最后根据实时数据,完成锂电池的有效回收、合理进行破碎分解,提取出有效物质。
本发明通过大数据分析、智能学习以及在线远程监控等核心技术,对电池在不同使用环境(如温度、充放电使用特性等)下容量衰减机理进行准确把握,建立高精确度的电池寿命预测模型,可以根据不同的应用场景,找到最优的梯次利用临界点。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种锂电池全生命周期在线优化监控系统,其特征在于,包括:
电池管理模块,用于将实时采集的锂电池组中各锂电池工作参数处理成为锂电池组特性数据,并发送至定位通信模块;
定位通信模块,用于实时接收并将锂电池组特性数据无线发送至云平台;
云平台,用于实时接收并根据锂电池组特性数据输入锂电池组寿命百分比预测模型中,获取锂电池组寿命百分比,将锂电池组寿命百分比与锂电池组寿命百分比-应用范围数据库进行对比,并提取与当前锂电池组相对应的锂电池组应用范围报告,将该锂电池组应用范围报告发送至车载显示终端加以显示。
2.根据权利要求1所述的锂电池全生命周期在线优化监控系统,其特征在于,锂电池组寿命百分比为锂电池组的当前满电电量与标准满电电量之比。
3.根据权利要求2所述的锂电池全生命周期在线优化监控系统,其特征在于,定位通信模块,还用于采集锂电池组的位置相关参数,发送至云平台;
云平台,还用于接收并根据锂电池组的位置相关参数修订锂电池组的标准满电电量,以修订锂电池组寿命百分比。
4.根据权利要求3所述的锂电池全生命周期在线优化监控系统,其特征在于,还包括:接口适配器,包括多种接口和接口协议,用于兼容多种储能领域对锂电池组的应用。
5.根据权利要求4所述的锂电池全生命周期在线优化监控系统,其特征在于,各锂电池工作参数包括各锂电池的电流、电压和工作温度,锂电池组特性数据包括充放电特性参数、温度特性参数和容量衰减特性参数,位置相关参数为地理位置参数。
6.根据权利要求5所述的锂电池全生命周期在线优化监控系统,其特征在于,云平台,还用于建立锂电池组寿命百分比预测模型,具体实现如下:
选取BP神经网络的初始权值和阈值,根据BP神经网络的输入量、输出量、初始权值和阈值建立基于遗传算法与BP神经网络的电池充电状态评估模型;
采集历史时刻的锂电池组特性数据以及锂电池组寿命百分比,以历史时刻的锂电池组特性数据作为BP神经网络的输入量,以历史时刻的锂电池组寿命百分比作为BP神经网络的输出量训练锂电池组寿命百分比预测模型。
7.根据权利要求6所述的锂电池全生命周期在线优化监控系统,其特征在于,云平台,还用于建立锂电池组寿命百分比-应用范围数据库,具体实现如下:
采集历史时刻的锂电池组寿命百分比、生命期和应用范围,根据历史时刻的锂电池组寿命百分比、生命期和应用范围的对应关系建立锂电池组寿命百分比-应用范围数据库。
8.一种锂电池全生命周期在线优化监控方法,其特征在于,包括:
电池管理模块将实时采集的锂电池组中各锂电池工作参数处理成为锂电池组特性数据,并发送至定位通信模块;
定位通信模块实时接收并将锂电池组特性数据无线发送至云平台;
云平台实时接收并根据锂电池组特性数据输入锂电池组寿命百分比预测模型中,获取锂电池组寿命百分比;
云平台将锂电池组寿命百分比与锂电池组寿命百分比-应用范围数据库进行对比,并提取与当前锂电池组相对应的锂电池组应用范围报告,将该锂电池组应用范围报告发送至车载显示终端加以显示。
9.根据权利要求8所述的锂电池全生命周期在线优化监控方法,其特征在于,锂电池组寿命百分比为锂电池组的当前满电电量与标准满电电量之比。
10.根据权利要求9所述的锂电池全生命周期在线优化监控方法,其特征在于,还包括:
定位通信模块采集锂电池组的位置相关参数,发送至云平台;
云平台接收并根据锂电池组的位置相关参数修订锂电池组的标准满电电量,以修订锂电池组寿命百分比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910591300.4A CN110310039B (zh) | 2019-07-02 | 2019-07-02 | 一种锂电池全生命周期在线优化监控系统及监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910591300.4A CN110310039B (zh) | 2019-07-02 | 2019-07-02 | 一种锂电池全生命周期在线优化监控系统及监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110310039A true CN110310039A (zh) | 2019-10-08 |
CN110310039B CN110310039B (zh) | 2023-04-14 |
Family
ID=68078817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910591300.4A Active CN110310039B (zh) | 2019-07-02 | 2019-07-02 | 一种锂电池全生命周期在线优化监控系统及监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110310039B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111917840A (zh) * | 2020-07-15 | 2020-11-10 | 唐山学院 | 一种用于锂电池的远程通信信息处理方法及系统 |
CN111916871A (zh) * | 2020-07-16 | 2020-11-10 | 合肥阳光新能源科技有限公司 | 储能电池舱温控方法、储能放电控制方法及储能应用系统 |
CN112714156A (zh) * | 2020-12-18 | 2021-04-27 | 北京新能源汽车技术创新中心有限公司 | 一种云端bms协同管理方法、系统以及车辆 |
CN113255205A (zh) * | 2021-04-02 | 2021-08-13 | 南京工程学院 | 基于电动汽车电池的生命周期成本和电池温度优化方法 |
CN114779098A (zh) * | 2022-04-14 | 2022-07-22 | 江苏金锋源新能源有限公司 | 一种锂离子电池的状态评估方法及系统 |
CN115343631A (zh) * | 2022-07-13 | 2022-11-15 | 周海花 | 基于混合动力汽车锂电池的在线监测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130260188A1 (en) * | 2012-03-29 | 2013-10-03 | Dwaine Coates | Method and apparatus for optimized battery life cycle management |
CN106383316A (zh) * | 2016-08-30 | 2017-02-08 | 郑州轻工业学院 | 一种梯次利用锂电池性能评价方法 |
CN106487066A (zh) * | 2016-11-22 | 2017-03-08 | 深圳市清深科技有限公司 | 一种远程电池智能管理系统 |
CN106908736A (zh) * | 2017-03-17 | 2017-06-30 | 哈尔滨工业大学 | 基于深度置信网和相关向量机融合的锂电池剩余寿命预测方法 |
CN107797067A (zh) * | 2016-09-05 | 2018-03-13 | 北京航空航天大学 | 一种基于深度学习的锂离子电池寿命迁移预测方法 |
CN108536939A (zh) * | 2018-03-29 | 2018-09-14 | 上海交通大学 | 一种起重机车桥寿命预测方法及系统 |
-
2019
- 2019-07-02 CN CN201910591300.4A patent/CN110310039B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130260188A1 (en) * | 2012-03-29 | 2013-10-03 | Dwaine Coates | Method and apparatus for optimized battery life cycle management |
CN106383316A (zh) * | 2016-08-30 | 2017-02-08 | 郑州轻工业学院 | 一种梯次利用锂电池性能评价方法 |
CN107797067A (zh) * | 2016-09-05 | 2018-03-13 | 北京航空航天大学 | 一种基于深度学习的锂离子电池寿命迁移预测方法 |
CN106487066A (zh) * | 2016-11-22 | 2017-03-08 | 深圳市清深科技有限公司 | 一种远程电池智能管理系统 |
CN106908736A (zh) * | 2017-03-17 | 2017-06-30 | 哈尔滨工业大学 | 基于深度置信网和相关向量机融合的锂电池剩余寿命预测方法 |
CN108536939A (zh) * | 2018-03-29 | 2018-09-14 | 上海交通大学 | 一种起重机车桥寿命预测方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111917840A (zh) * | 2020-07-15 | 2020-11-10 | 唐山学院 | 一种用于锂电池的远程通信信息处理方法及系统 |
CN111917840B (zh) * | 2020-07-15 | 2023-02-03 | 唐山学院 | 一种用于锂电池的远程通信信息处理方法及系统 |
CN111916871A (zh) * | 2020-07-16 | 2020-11-10 | 合肥阳光新能源科技有限公司 | 储能电池舱温控方法、储能放电控制方法及储能应用系统 |
CN111916871B (zh) * | 2020-07-16 | 2021-09-14 | 合肥阳光新能源科技有限公司 | 储能电池舱温控方法、储能放电控制方法及储能应用系统 |
CN112714156A (zh) * | 2020-12-18 | 2021-04-27 | 北京新能源汽车技术创新中心有限公司 | 一种云端bms协同管理方法、系统以及车辆 |
CN113255205A (zh) * | 2021-04-02 | 2021-08-13 | 南京工程学院 | 基于电动汽车电池的生命周期成本和电池温度优化方法 |
CN113255205B (zh) * | 2021-04-02 | 2023-11-21 | 南京工程学院 | 基于电动汽车电池的生命周期成本和电池温度优化方法 |
CN114779098A (zh) * | 2022-04-14 | 2022-07-22 | 江苏金锋源新能源有限公司 | 一种锂离子电池的状态评估方法及系统 |
CN115343631A (zh) * | 2022-07-13 | 2022-11-15 | 周海花 | 基于混合动力汽车锂电池的在线监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110310039B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110310039A (zh) | 一种锂电池全生命周期在线优化监控系统及监控方法 | |
Wang et al. | Digital twin and cloud-side-end collaboration for intelligent battery management system | |
Liu et al. | Towards long lifetime battery: AI-based manufacturing and management | |
Wang et al. | A survey of digital twin techniques in smart manufacturing and management of energy applications | |
Zhao et al. | Lithium-ion batteries state of charge prediction of electric vehicles using RNNs-CNNs neural networks | |
Ma et al. | State of health estimation and remaining useful life prediction for lithium-ion batteries by improved particle swarm optimization-back propagation neural network | |
Yu et al. | Big-data-based power battery recycling for new energy vehicles: information sharing platform and intelligent transportation optimization | |
CN104022552B (zh) | 一种用于电动汽车充电控制的智能检测方法 | |
CN104246798A (zh) | 基于模糊专家系统的问题分析和优先级确定 | |
AL-Jumaili et al. | Advancements in intelligent cloud computing for power optimization and battery management in hybrid renewable energy systems: A comprehensive review | |
CN111581850A (zh) | 一种应用数字孪生技术的全周期动力电池管理系统 | |
Liu et al. | A blockchain-based trustworthy collaborative power trading scheme for 5G-enabled social internet of vehicles | |
CN112950001B (zh) | 基于云边端闭环架构的智慧能量管控系统及方法 | |
Anandavel et al. | Application of digital twins to the product lifecycle management of battery packs of electric vehicles | |
CN103617447A (zh) | 智能变电站的评价系统及评价方法 | |
Yang et al. | CHAIN: Cyber hierarchy and interactional network | |
CN105488337A (zh) | 一种电动汽车充换电网络服务能力评估方法 | |
Zhao et al. | Optimizing electric vehicle charging schedules and energy management in smart grids using an integrated GA-GRU-RL approach | |
CN116596105A (zh) | 一种考虑配电网发展的充电站负荷预测方法 | |
Fernández et al. | Impact of an electrified parkade on the built environment: An unsupervised learning approach | |
Sánchez-Valverde et al. | An open ICT solution to integrate multi-modular battery systems on buildings | |
CN113191740A (zh) | 一种计量资产管理系统 | |
Huang et al. | Long-Term Health State Estimation of Energy Storage Lithium-Ion Battery Packs | |
CN110852378A (zh) | 一种基于导航系统的道路工况运动学片断提取方法 | |
Xia et al. | Technologies for Energy Storage Power Stations Safety Operation: Battery State Evaluation Survey and a Critical Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |