CN110492186A - 一种基于云端控制技术的动力电池模组的管理方法 - Google Patents

Abstract

本发明涉及了一种基于云端控制技术的动力电池模组的管理方法，将动力电池模组作为实际工作环境中的物理实体，先基于数字孪生技术在云端计算平台的仿真环境中搭建与物理实体相匹配的数字化孪生的虚拟动力电池模组模型，配置该模型的仿真工作环境，再由云端计算平台收集物理实体运行产生的物理数据和虚拟动力电池模组模型运行产生的虚拟数据后进行数据分析融合处理，并根据数据处理结果在云端修正更新虚拟动力电池模组模型并基于物理实体标定性能和当前状态结合在线仿真技术获得最新模型下相应的最优控制策略，云端计算平台基于云端控制技术将最优控制策略输入到电池管理系统中以自动管控物理实体运行，并实时更新反馈，整体实现动态最优管理。

Description

一种基于云端控制技术的动力电池模组的管理方法

技术领域

本发明涉及电动汽车的动力电池模组管理技术领域，具体涉及一种基于云端控制技术的动力电池模组的管理方法。

背景技术

汽车上的能量存储装置——动力电池模组是电动汽车的关键部件,当动力电池模组遇到过充、过放等情况时均会使各电池单体的使用寿命缩短并且可能出现安全问题而危及到汽车及乘员的安全。为保护动力电池模组,并防止安全事故发生，人们通常通过给动力电池模组加装电池管理系统(BMS)来实现对动力电池模组状态的监控和管理。电池管理系统(BMS)是基于预设的程序架构来监测控制动力电池模组状态，但处于充放电过程中的动力电池模组通常为非线性系统，参数辨识、状态估算等具有强非线性、复杂性、迟滞性等特征，所以传统的电池管理系统(BMS)工作效率低、管控不及时且不能提前发现和预警一些潜在危险，只有在发生了问题以后才能出现警报，难以对动力电池模组进行动态实时的管理，也无法对动力电池模组进行全生命周期的管理，故而亟待出现可以全方位管理控制电动汽车动力电池模组的有效方法。

现如今，云端控制技术作为一种基于互联网及物联网技术的方便高效的云端管控手段已经得到快速应用发展，云端控制技术还可以与数字孪生技术结合，其中数字孪生技术(Digital Twin)是指以数字化方式映射一个物理实体对象进而模拟物理实体对象在现实环境中的行为动作，具体来说，数字孪生技术是指以数字化的方式建立物理实体的多维度、多时空尺度、多学科、多物理量、多概率的数字化实体(动态虚拟模型)来仿真和刻画物理实体在真实环境中的属性、行为和规则等特性，在数字化空间(虚拟空间)中完成映射，从而反映相对应的物理实体的全生命周期过程的技术。云端控制技术和数字孪生技术作为解决智能制造信息物理融合难题和践行智能制造宗旨的关键技术，已逐渐得到学术界的广泛关注和研究，但是由于数字孪生技术引入国内才仅仅有几年时间，目前也处于初步探索与实践环节，故而数字孪生技术在电动汽车领域的应用极为有限，但是其具有很大的应用前景，值得研究和推动。

发明内容

本发明针对传统动力电池模组的管理方法工作效率低、管控不及时且不能提前发现和预警一些潜在危险等问题提供了一种基于云端控制技术的动力电池模组的管理方法，该方法创新性地引入了云端控制技术和数字孪生技术，并通过搭建与物理实体(实际工作环境中的动力电池模组)完全一致的虚拟动力电池模组模型后分别在实际工作环境和仿真工作环境中同步监测二者的运行数据，并对二者的运行数据进行收集和分析处理，动态监测两者的运行数据以及动态更新虚拟动力电池模组模型进而获得最优控制策略，实现动态管理及控制动力电池模组的工作状态和健康情况，有效提升了动力电池模组整体的工作性能与工作效率。

本发明的技术方案如下：

一种基于云端控制技术的动力电池模组的管理方法，所述动力电池模组作为实际工作环境中的物理实体，先基于数字孪生技术在云端计算平台的仿真环境中搭建与物理实体相匹配的数字化孪生的虚拟动力电池模组模型，配置虚拟动力电池模组模型的仿真工作环境使其与物理实体的实际工作环境保持一致，再由云端计算平台收集物理实体运行产生的物理数据和虚拟动力电池模组模型运行产生的虚拟数据后进行数据分析融合处理，并根据数据处理结果在云端修正更新所述虚拟动力电池模组模型并基于物理实体标定性能和当前状态结合在线仿真技术获得最新模型下相应的最优控制策略，云端计算平台基于云端控制技术将最优控制策略输入到电池管理系统中以自动改变物理实体运行的管理和控制，所述物理实体运行情况的变化数据再次被收集，同时依变化同步配置的虚拟动力电池模组模型的虚拟数据也再次被收集，云端计算平台再次进行数据分析融合处理，并根据最新数据处理结果实时修正更新模型，再次获得最优控制策略，形成动态滚动数据交换，实现动态最优管理。

优选地，搭建所述虚拟动力电池模组模型是基于所述物理实体的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行数字化的过程。

优选地，进行数字化的过程采用CAD画图法、CAE近似数值分析法和有限元法将所述物理实体各部件进行数字化，再将各数字化部件在云端的仿真工作环境中组装成所述虚拟动力电池模组模型。

优选地，进行数字化的过程包括但不限于几何模型搭建过程、宏观原理构建过程、微观原理构建过程、实时动态数据规划过程、历史数据关联过程。

优选地，所述物理实体各部件包括但不限于各单体电池、传感器、电池散热系统、电池加热系统、模组均衡系统，所述虚拟动力电池模组模型各数字化部件包括但不限于各单体电池模型、传感器模型、电池散热系统模型、电池加热系统模型及模组均衡系统模型。

优选地，所述各单体电池、传感器、电池散热系统、电池加热系统均与电池管理系统连接，云端计算平台通过电池管理系统收集物理实体各部件运行产生的物理数据；所述云端计算平台通过云端网络收集所述虚拟动力电池模组模型中各数字化部件运行产生的虚拟数据。

优选地，所述云端计算平台采用包括但不限于云端大数据算法、深度学习智能预测算法、神经网络算法、机器学习算法、支持向量机中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理以及对虚拟动力电池模组模型进行属性特征修正更新。

优选地，所述云端计算平台对虚拟动力电池模组模型进行修正更新的属性特征包括但不限于电池电压、电池温度、电池故障监测预警、电池老化程度情况、电池单体正负极材料及缺陷构造、电解液浓度及离子浓度分布、隔膜孔隙率缩小或迁移情况、固体电解质界面膜厚度变化情况、耦合电池热量情况、电子模组散热情况中的一种或多种任意组合。

优选地，所述最优控制策略采用电动汽车动力电池模组的状态报告形式，内容包括但不限于电动汽车的动力电池模组或者单个电池的运行状态、安全性分析结果、失效性预警报告、维修保养建议。

本发明的技术效果如下：

本发明涉及了一种基于云端控制技术的动力电池模组的管理方法，该方法创新性地引入了云端控制技术和数字孪生技术，并通过搭建与物理实体(实际工作环境中的动力电池模组)完全一致的虚拟动力电池模组模型后分别在实际工作环境和仿真工作环境中同步监测二者的运行数据，并对二者的运行数据进行收集和分析处理，动态监测两者的运行数据以及动态更新虚拟动力电池模组模型进而获得最优控制策略，实现动态管理及控制动力电池模组的工作状态和健康情况，有效解决了传统动力电池模组的管理方法工作效率低、管控不及时且不能提前发现和预警一些潜在危险的问题，有效提升了动力电池模组整体的工作性能与工作效率实现动态地对动力电池模组全生命周期的精准管理和控制，也可以理解为，通过建立跟随动力电池模组全生命周期且完全匹配的、多维度多尺度的虚拟动力电池模组模型(全生命周期动态系统模型)，通过从物理实体获取的电池模组实际参数预测电池模组全生命周期的状态，从而对动力电池模组的电池电压、电池温度、电池故障监测预警、电池老化程度情况等等属性特征进行分析及优化，并实现动力电池模组的残值估计，通过获得的最新模型下对应的最优控制策略，进一步再反馈至物理实体中以指导汽车动力电池模组的针对性维护，改变实际的动力电池模组的运行操作，从而最终实现对整个电池组或者单个电池的运行状态监测、故障预测预警和电池保养维护等，延长动力电池模组的使用寿命，实现对电池模组的精确管理，提高其工作效率与使用效果并提供了预先安全功能，及时发现预警可能发生的危险情况，避免危险事故的发生，大大提高了动力电池模组乃至整个物理动力系统的系统安全性及应用可靠性。本发明提供的动力电池模组的管理方法，能推动动力电池模组管理与数字孪生技术的深度结合，实现高新技术的联动前进发展；能使作为物理实体的动力电池模组以及在虚拟仿真空间的虚拟动力电池模组模型不断滚动优化，构成数字孪生系统，实现对动力电池组全生命周期的管理；还能为不同电动汽车上的电池模组管理提供云端数据服务支撑，实现数据间的互通，从而提高管理能力。

附图说明

图1：为本发明一种基于云端控制技术的动力电池模组的管理方法的概括性原理示意图。

图2：为本发明一种基于云端控制技术的动力电池模组的管理方法的优选的数据优化过程示意图。

具体实施方式

下面结合附图进一步对本发明进行详细说明。

本发明涉及了一种基于云端控制技术的动力电池模组的管理方法，如图1概括性原理示意图所示，将所述动力电池模组作为实际工作环境中的物理实体，所述动力电池模组可能是车载动力电池模组、梯次利用下的电池模组，甚至还可能是非使用状态的电池模组，先基于数字孪生技术在云端计算平台的仿真环境中搭建与物理实体相匹配的数字化孪生的虚拟动力电池模组模型以实时映射所述物理实体运行情况的变化以及实时分析其生命演化过程以及预期未来性能演化方向，配置虚拟动力电池模组模型的仿真工作环境使其与物理实体的实际工作环境保持一致，所述云端计算平台理解为云端数据计算分析系统，再由云端计算平台收集物理实体运行产生的物理数据和虚拟动力电池模组模型运行产生的虚拟数据后进行数据分析融合处理(云端计算平台收集物理数据和虚拟数据的箭头指向图中未示出)，并根据数据处理结果在云端修正更新所述虚拟动力电池模组模型并基于物理实体标定性能和当前状态结合在线仿真技术获得最新模型下相应的最优控制策略，云端计算平台基于云端控制技术将最优控制策略输入到电池管理系统BMS中以自动改变物理实体运行的管理和控制，即所述云端计算平台通过通信系统与电池管理系统BMS进行交互而电池管理系统直接管理控制所述物理实体，所述通信系统为数字信号传递所需的通信设备或信号传递方法，可能为5G信号网络传输、光纤信号传输、无线信号传输等多种传输方式，所述物理实体运行情况的变化数据再次被收集，同时依变化同步配置的虚拟动力电池模组模型的虚拟数据也再次被收集，云端计算平台再次进行数据分析融合处理，并根据最新数据处理结果实时修正更新模型，再次获得最优控制策略，形成动态滚动数据交换，实现动态最优管理，该方法创新性地引入了云端控制技术和数字孪生技术，并通过搭建与物理实体(实际工作环境中的动力电池模组)完全一致的虚拟动力电池模组模型后分别在各自的工作环境中同步监测二者的运行数据，并对二者的运行数据进行收集和分析处理，动态监测两者的运行数据以及动态更新虚拟动力电池模组模型进而获得最优控制策略，实现动态管理及控制动力电池模组的工作状态和健康情况，有效解决了传统动力电池模组的管理方法工作效率低、管控不及时且不能提前发现和预警一些潜在危险的问题，有效提升了动力电池模组整体的工作性能与工作效率实现动态地对动力电池模组全生命周期的精准管理和控制，也可以理解为，通过建立跟随动力电池模组全生命周期且完全匹配的、多维度多尺度的虚拟动力电池模组模型(全生命周期动态系统模型)，通过从物理实体获取的电池模组实际参数预测电池模组全生命周期的状态，从而对动力电池模组的电池电压、电池温度、电池故障监测预警、电池老化程度情况等等属性特征进行分析及优化，并实现动力电池模组的残值估计，通过获得的最新模型下对应的最优控制策略，进一步再反馈至物理实体中以指导汽车动力电池模组的针对性维护，改变实际的动力电池模组的运行操作，从而最终实现对整个电池组或者单个电池的运行状态监测、故障预测预警和电池保养维护等，延长动力电池模组的使用寿命，实现对电池模组的精确管理，提高其工作效率与使用效果并提供了预先预测安全性功能，及时发现预警可能发生的危险情况，避免危险事故的发生，大大提高了动力电池模组乃至整个物理动力系统的系统安全性及应用可靠性。本发明提供的动力电池模组的管理方法，能推动动力电池模组管理与数字孪生技术的深度结合，实现高新技术的联动前进发展；能使作为物理实体的动力电池模组以及在虚拟仿真空间的虚拟动力电池模组模型不断滚动优化，构成数字孪生系统，实现对动力电池组全生命周期的管理；还能为不同电动汽车上的电池模组管理提供云端数据服务支撑，实现数据间的互通，从而提高管理能力。

优选地，搭建所述虚拟动力电池模组模型是基于所述物理实体的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行数字化的过程。

优选地，进行数字化的过程采用CAD画图法、CAE近似数值分析法和有限元法将所述物理实体各部件进行数字化，再将各数字化部件在云端的仿真工作环境中组装成所述虚拟动力电池模组模型。

优选地，进行数字化的过程包括但不限于几何模型搭建过程、宏观原理构建过程、微观原理构建过程、实时动态数据规划过程、历史数据关联过程，具体地，几何模型搭建过程一般是几何尺寸、材料属性、电路结构、连接关系、形状、位置、装配关系等的物理数据搭建，可使用三维建模软件等提高细节层次的渲染效果；宏观原理构建过程包括物理实体所遵循的宏观物理规律，比如涉及到的流体、电池、电化学、热力学等学科领域的原理；微观原理构建包括电池内部不同粒度不同空间尺度下的离子运动特征，比如分子动力学、微粒子模型等；实时动态数据规划过程是指物理实体与虚拟动力电池模组模型的参数等应具有时变型、动态性和同步性，并具有性能演化等功能，这些功能变化更新便通过云端大数据算法、深度学习智能预测算法、神经网络算法、机器学习算法、支持向量机等等计算和体现；历史数据关联过程指基于物理实体与虚拟动力电池模组模型的历史数据信息进行在线数据挖掘过程，包括根据深度学习算法、一致性分析法等进行挖掘的过程，也是产生隐形知识成果的优化过程。

优选地，如图2优选的数据优化过程示意图所示，所述物理实体各部件包括但不限于各单体电池、传感器、电池散热系统、电池加热系统、模组均衡系统(部分部件图中未示出)，基于各单体电池、传感器、电池散热系统、电池加热系统、模组均衡系统的几何尺寸、材料属性、电路结构及连接关系的物理数据进行数字化后获得虚拟动力电池模组模型，所述虚拟动力电池模组模型各数字化部件包括但不限于各单体电池模型、传感器模型、电池散热系统模型、电池加热系统模型、模组均衡系统模型及电池模组模型，分别与物理实体的各部件相对应，所述虚拟动力电池模组模型是搭建在在云端计算平台的仿真环境中，所述物理实体和所述虚拟动力电池模组模型通过云端计算平台进行滚动数据交换，形成云数据孪生中心或称为数据孪生系统，云端计算平台的云数据孪生中心和所述物理实体之间分别进行残值评价、云端修正、全生命周期管理、工况需求、电池剩余寿命、均衡控制、安全边界等特征属性的优化时，云端计算平台的云数据孪生中心和所述虚拟动力电池模组模型之间同步分别进行残值估计、云端修正、动态边界、工况仿真、电池寿命预测、均衡仿真、虚拟边界、参数辨识结果、动态状态估算结果等特征属性的优化，同步滚动优化实现全方位管理，举例说明，所述虚拟动力电池模组模型具体针对单个单体电池构建单体电池监控模型，实现对单个电池电压监测、温度监测、故障监测、老化程度监测等，针对动力电池模组构建模组管理模型，从而对动力电池模组一致性特性、老化特性等进行分析及优化，所述虚拟动力电池模组模型通过动力电池模组的数字模型实现数字环境内的性能演化过程，并依靠通过物理实体获取的实时参数预测动力电池模组全生命周期的状态，也可将参数反馈至物理实体中对物理实体运行状态进行控制与优化。

优选地，结合图2，所述各单体电池、传感器、电池散热系统、电池加热系统均与电池管理系统BMS连接(图中用远程交互双向箭头示意)，云端计算平台通过电池管理系统收集物理实体各部件运行产生的物理数据，所述电池管理系统BMS还通过网络或通信系统与云端计算平台及云端计算平台的仿真环境中的虚拟动力电池模组模型相连接实现远程交互，一方面电池管理系统BMS实时采集物理实体各部件运行的物理数据并将所述物理数据传给云端计算平台用以动态更新虚拟动力电池模组模型，另一方面还接收云端计算平台根据最新虚拟动力电池模组模型获得最优控制策略进而改变物理实体汽车动力电池模组的管理，实现云端控制技术远程控制动力电池模组；所述云端计算平台通过云端网络收集所述虚拟动力电池模组模型中各数字化部件运行产生的虚拟数据。

优选地，如图2所示，作为物理实体的动力电池模组与虚拟动力电池模组模型形成滚动优化过程。云端计算平台分别与动力电池模组与虚拟动力电池模组模型传输数据与信息，并依据所获取的信息对电池模组全生命周期状态进行存储、传输、分析，并以此为基础制定动力电池模组的控制策略，随后将更新的模组参数数据及其他数据与更新的控制策略等传递给终端BMS用于实时控制电池模组。云端计算平台可用于生成基于动力电池组全生命周期的控制策略及实时参数信息，并和终端BMS通过无线信号传输进行信息交货，获取从云端计算系统分析得到的控制策略及实时参数信息，用于终端BMS的实时状态更新与控制策略更新。

动力电池模组涉及各单体电池以及相应的模组控制系统等建立，其中电池单体实体内容包括但不限于：单体电池正负极材料及缺陷构造，电解液浓度及离子浓度分布，隔膜孔隙率缩小或迁移，SEI膜增厚或减薄等；电池模组控制系统在单体电池实体基础上，包括但不限于耦合电池产热传热机理，结合电池组散热系统及其他电附属元件等建立电池模组级实体。

虚拟动力电池模组模型按“单体-模组”级别建立，针对单个电池构建单体级模型，如仿真模型可耦合锂电池电化学反应机理，传热机理，机械应力原理等多学科内容，建立锂离子电池全生命周期模型，从而实现对单个电池的监测、故障预测和维护等；针对模组级模型，建立基于动态边界的多维多尺度产热散热电池模组模型，从而模组电池组一致性特性、老化特性等进行分析及优化，构建全生命周期动态系统模型，对各模组模型及单体模型间的交互与耦合关系进行描述，从而对整个模组性能演化进行分析与预测，并实现动力电池模组的残值估计。虚拟动力电池模组模型通过动力电池模组获取的电池组实际参数预测电池组全生命周期的状态，并反馈至动力电池模组中对实体电池组状态进行控制与优化；云端计算平台通过融合物理实况数据与多时空关联数据、历史数据、标准数据等信息数据得到信息物理融合数据，从而反映更加全面与准确的信息，实现信息的共享与增值。终端BMS为电动汽车的BMS实体。

通过电池管理系统BMS对物理实体(实际的汽车动力电池模组)进行管理是指包括模组信息管理、模组均衡管理、模组热管理、模组安全管理等各方面的管理，模组信息管理具体又包括电压采集、温度检测、状态估算、传感器修正等，模组均衡管理包括状态更新、均衡判定、拓扑效率、策略更新等，模组热管理包括动态环境、时变流场、工况分析、策略优化等，模组安全管理又包括绝缘检测、高压互锁、安全边界、最大可用能预测等，这种全生命周期、全方位的管理才能实现对动力电池模组的精确管理和控制，图中根据物理实体然后基于数字孪生技术搭建所述虚拟动力电池模组模型的步骤也可以理解为物理实体与虚拟动力电池模组模型耦合形成数字孪生系统，其工作内容表现在系统规格、功能、性能、关系等的物理要素属性数据与反映系统运行状况、实时性能、环境参数、突发扰动等的动态过程数据，通过传感器、嵌入式系统、数据采集卡等采集数据，通过虚拟动力电池模组模型开展的过程仿真、行为仿真、过程验证、评估、分析、预测等的仿真数据，包括如算法、模型、数据处理方法算法数据，包括如专家知识、行业标准、规则约束、推理推论、常用算法库与模型库等标准数据等，通过融合物理实况数据与多时空关联数据、历史数据、标准数据等信息数据得到信息物理融合数据，从而反映更加全面与准确的信息，实现信息的共享与增值，最终用于精确管理动力电池模组的全生命周期的运行控制。

优选地，所述云端计算平台采用包括但不限于云端大数据算法、深度学习智能预测算法、神经网络算法、机器学习算法、支持向量机中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理以及对虚拟动力电池模组模型进行属性特征修正更新，以实现基于云端计算物理实体未来性能演化方向，用于精确预测物理实体的全生命周期控制策略。

优选地，所述云端计算平台对虚拟动力电池模组模型进行修正更新的属性特征包括但不限于电池电压、电池温度、电池故障监测预警、电池老化程度情况、电池单体正负极材料及缺陷构造、电解液浓度及离子浓度分布、隔膜(SEI膜)孔隙率缩小或迁移情况、固体电解质界面膜厚度变化情况、耦合电池热量情况、电子模组散热情况中的一种或多种任意组合。

优选地，所述最优控制策略采用电动汽车动力电池模组的状态报告形式，内容包括但不限于电动汽车的动力电池模组或者单个电池的运行状态、安全性分析结果、失效性预警报告、维修保养建议，具体还可能包括如电压控制阈值、电流控制阈值、温度控制阈值以及其他相关的控制参数等，甚至还包括对其他器件的参数修正指导，比如对传感器精度的修正指导，实时动态控制物理实体，及时发现潜在危险提前预警并能修正相关器件参数或精度，保证动力电池模组的稳定高效的应用，提高其工作效率。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

Claims (9)

1.一种基于云端控制技术的动力电池模组的管理方法，其特征在于，所述动力电池模组作为实际工作环境中的物理实体，先基于数字孪生技术在云端计算平台的仿真环境中搭建与物理实体相匹配的数字化孪生的虚拟动力电池模组模型，配置虚拟动力电池模组模型的仿真工作环境使其与物理实体的实际工作环境保持一致，再由云端计算平台收集物理实体运行产生的物理数据和虚拟动力电池模组模型运行产生的虚拟数据后进行数据分析融合处理，并根据数据处理结果在云端修正更新所述虚拟动力电池模组模型并基于物理实体标定性能和当前状态结合在线仿真技术获得最新模型下相应的最优控制策略，云端计算平台基于云端控制技术将最优控制策略输入到电池管理系统中以自动改变物理实体运行的管理和控制，所述物理实体运行情况的变化数据再次被收集，同时依变化同步配置的虚拟动力电池模组模型的虚拟数据也再次被收集，云端计算平台再次进行数据分析融合处理，并根据最新数据处理结果实时修正更新模型，再次获得最优控制策略，形成动态滚动数据交换，实现动态最优管理。

2.根据权利要求1所述的动力电池模组的管理方法，其特征在于，搭建所述虚拟动力电池模组模型是基于所述物理实体的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行数字化的过程。

3.根据权利要求2所述的动力电池模组的管理方法，其特征在于，进行数字化的过程采用CAD画图法、CAE近似数值分析法和有限元法将所述物理实体各部件进行数字化，再将各数字化部件在云端的仿真工作环境中组装成所述虚拟动力电池模组模型。

4.根据权利要求2或3所述的动力电池模组的管理方法，其特征在于，进行数字化的过程包括但不限于几何模型搭建过程、宏观原理构建过程、微观原理构建过程、实时动态数据规划过程、历史数据关联过程。

5.根据权利要求4所述的动力电池模组的管理方法，其特征在于，所述物理实体各部件包括但不限于各单体电池、传感器、电池散热系统、电池加热系统、模组均衡系统，所述虚拟动力电池模组模型各数字化部件包括但不限于各单体电池模型、传感器模型、电池散热系统模型、电池加热系统模型及模组均衡系统模型。

6.根据权利要求5所述的动力电池模组的管理方法，其特征在于，所述各单体电池、传感器、电池散热系统、电池加热系统均与电池管理系统连接，云端计算平台通过电池管理系统收集物理实体各部件运行产生的物理数据；所述云端计算平台通过云端网络收集所述虚拟动力电池模组模型中各数字化部件运行产生的虚拟数据。

7.根据权利要求6所述的动力电池模组的管理方法，其特征在于，所述云端计算平台采用包括但不限于云端大数据算法、深度学习智能预测算法、神经网络算法、机器学习算法、支持向量机中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理以及对虚拟动力电池模组模型进行属性特征修正更新。

8.根据权利要求7所述的动力电池模组的管理方法，其特征在于，所述云端计算平台对虚拟动力电池模组模型进行修正更新的属性特征包括但不限于电池电压、电池温度、电池故障监测预警、电池老化程度情况、电池单体正负极材料及缺陷构造、电解液浓度及离子浓度分布、隔膜孔隙率缩小或迁移情况、固体电解质界面膜厚度变化情况、耦合电池热量情况、电子模组散热情况中的一种或多种任意组合。

9.根据权利要求8所述的动力电池模组的管理方法，其特征在于，所述最优控制策略采用电动汽车动力电池模组的状态报告形式，内容包括但不限于电动汽车的动力电池模组或者单个电池的运行状态、安全性分析结果、失效性预警报告、维修保养建议。