CN111027165A - 一种基于数字孪生的动力电池组管理系统及方法 - Google Patents

一种基于数字孪生的动力电池组管理系统及方法 Download PDF

Info

Publication number
CN111027165A
CN111027165A CN201910656602.5A CN201910656602A CN111027165A CN 111027165 A CN111027165 A CN 111027165A CN 201910656602 A CN201910656602 A CN 201910656602A CN 111027165 A CN111027165 A CN 111027165A
Authority
CN
China
Prior art keywords
data
battery pack
power battery
entity
physical
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
Application number
CN201910656602.5A
Other languages
English (en)
Other versions
CN111027165B (zh
Inventor
杨世春
周思达
华旸
郭斌
闫啸宇
曹耀光
周伟韬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201910656602.5A priority Critical patent/CN111027165B/zh
Publication of CN111027165A publication Critical patent/CN111027165A/zh
Application granted granted Critical
Publication of CN111027165B publication Critical patent/CN111027165B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种基于数字孪生的动力电池组管理系统及方法，通过采用物理实体与虚拟实体相互耦合的方式建立数字孪生系统，使用孪生云数据平台通过滚动优化的方法分析物理实体与虚拟实体，通过云端计算系统对孪生云数据进行处理以获取实体电池组与孪生虚拟电池组全生命周期下动力电池组状态，并与终端BMS系统进行交互，实现对动力电池组进行全生命周期管理。

Description

一种基于数字孪生的动力电池组管理系统及方法
技术领域
本发明涉及动力电池组管理技术领域，尤其涉及一种基于数字孪生的动力电池组管理系统及方法。
背景技术
纯电动汽车采用电动机作为驱动装置，由车载可充电动力电池组提供能量，具有零排放、高效率、安静、运行平稳、驾驶操作容易、使用维护费用低和所需电能来源广泛等优点，因而在现有的新能源汽车技术中，被视为长期发展目标甚至是最终发展目标。目前纯电动汽车上所使用的动力电池组，为保证使用时的高效性与安全性，引入了电池管理系统，用于监测与控制动力电池组状态。
现有的电池管理系统(Battery Management System，简称BMS)是基于预设的程序架构监测与控制动力电池组状态。但动力电池组在充放电过程中往往呈现为非线性系统，参数辨识、状态估算等具有强非线性、复杂性、迟滞性等特征；且随着使用时间的增加动力电池组会出现性能衰减，在其全生命周期中不能始终保持统一的工作状态。传统电池管理系统难以实时更新控制策略以匹配时变的动力电池组系统，也无法实现对动力电池组全生命周期的管理控制。
近年来，关于数字孪生的研究方兴未艾。数字孪生作为一个新的方法，在系统多维度、多尺度控制过程中体现出了巨大的潜力，但是，这一概念的应用及产业化尚不明确。
发明内容
为解决现有技术的不足，本发明提出一种基于数字孪生的动力电池组管理系统及方法，充分利用数字孪生技术，采用物理实体与虚拟实体相互耦合的方式建立数字孪生系统，使用孪生云数据平台通过滚动优化的方法在线实时全面剖析物理实体与虚拟实体，通过云端计算系统对孪生云数据进行处理以获取实体动力电池组与孪生虚拟动力电池组全生命周期下动力电池组状态与控制策略，并与终端的BMS系统进行交互，实现对动力电池组的全生命周期管理。
为实现以上目的，本发明所采用的技术方案包括：
一种基于数字孪生的动力电池组管理系统，包括物理实体、虚拟实体、孪生云数据平台、云端计算系统以及终端BMS系统，所述物理实体和虚拟实体均与孪生云数据平台连接，所述孪生云数据平台、云端计算系统以及终端BMS系统依次连接；
所述物理实体为需要管理的动力电池组本身；
所述虚拟实体为针对所述物理实体利用数字孪生技术构建的动力电池组模型；
所述孪生云数据平台分别与物理实体以及虚拟实体进行数据交互，并存储、利用多种数据分析并更新物理实体与虚拟实体状态信息；所述多种数据综合了物理实体运行产生的物理数据和虚拟实体运行产生的虚拟数据，所述多种数据的种类包括物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据、标准数据、历史数据中的若干组合；
所述云端计算系统分析从孪生云数据平台获取的物理实体状态信息和虚拟实体状态信息，并采用云端大数据计算方法在云端实时计算进而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；
所述终端BMS系统通过无线信号传输与云端计算系统进行信息交互，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，实现终端BMS系统本身的实时状态更新与控制策略更新，所述终端BMS系统包括有数据采集终端、均衡系统终端、热管理系统终端和/或安全服务终端。
进一步地，所述物理实体包括单体级、模组级和系统级三个层级；所述单体级为动力电池组内单一电池；所述模组级为动力电池组内若干个电池所组成的电池模组；所述系统级为动力电池组系统。
进一步地，所述虚拟实体对应所述物理实体包括单体级模型、模组级模型和系统级模型；所述单体级模型为动力电池组内单一电池的拟合模型；所述模组级模型为若干单体级模型相互耦合的模型或为动力电池组内电池模组的拟合模型；所述系统级模型为若干模组级模型及若干单体级模型相互耦合的模型或为动力电池系统的拟合模型。
进一步地，所述虚拟实体所包含的动力电池组数据包括几何构型、宏观属性、微观尺度属性、动态属性、历史关联数据；所述几何构型包括动力电池组的形状、尺寸、位置、装配关系；所述宏观属性包括动力电池组在流体、电池、电化学、热力学方面的物理属性、参数约束、参数特征；所述微观尺度属性包括电池内部微观尺度下的离子运动特征；所述动态属性包括时变特性、动态特性、性能退化特性；所述历史关联数据包括系统运行规则、系统优化过程。
进一步地，所述物理要素属性数据包括系统规格、功能、性能以及系统内各部分之间关系数据；所述动态过程数据包括系统运行状况、实时性能、环境参数和/或突发扰动数据；所述采集数据包括经由数据采集终端得到的系统实时数据，所述数据采集终端包括传感器、嵌入式系统和/或数据采集卡；所述仿真数据包括运用虚拟实体仿真模拟得到的过程仿真、行为仿真、过程验证、评估、分析和/或预测数据；所述算法数据包括分析过程中涉及的算法、模型、数据处理方法；所述标准数据包括专家知识、行业标准、规则约束、推理推论和/或常用算法库与模型库数据；所述历史数据包括所述物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据和/或标准数据的历史数据。
进一步地，所述终端BMS系统的数据采集终端处理动力电池组的电压采集、电流采集、温度采集和/或传感器精度调整；所述均衡系统终端处理动力电池组的状态更新、均衡判定、拓扑效率和/或策略更新；所述热管理系统终端处理系统内动态环境、工况分析、时变流场和/或策略优化；所述安全服务终端处理系统内绝缘监测、高压互锁、安全服务和/或故障分析。
一种基于数字孪生的动力电池组管理方法，包括以下步骤：
A.将需要管理的动力电池组本身作为物理实体，并针对所述物理实体利用数字孪生技术构建动力电池组模型以作为虚拟实体，通过孪生云数据平台分别与物理实体以及虚拟实体进行数据交互；
B.通过孪生云数据平台存储、利用多种数据分析并更新物理实体与虚拟实体状态信息；所述多种数据综合了物理实体运行产生的物理数据和虚拟实体运行产生的虚拟数据，所述多种数据的种类包括物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据、标准数据、历史数据中的若干组合；
C.孪生云数据平台分析获得的动力电池组的物理要素属性数据、动态过程数据、采集数据以及动力电池组模型，结合孪生云数据平台存储的算法数据、标准数据、历史数据得到对应物理实体的孪生云数据，并将获得的孪生云数据发送至云端计算系统；
D.云端计算系统接收来自孪生云数据平台的物理实体孪生云数据以及动力电池组的物理要素属性数据、动态过程数据、采集数据，采用云端大数据计算方法在云端实时计算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，并将生成的控制策略及实时参数信息发送至终端BMS系统；
E.终端BMS系统接收来自云端计算系统的控制策略及实时参数信息，并利用所述控制策略及实时参数信息更新对动力电池组的控制策略，完成一次动力电池组管理循环；
按照设定频率重复上述步骤A至E，实现对动力电池组的全生命周期滚动优化管理。
进一步地，所述方法还包括所述虚拟实体根据所述物理要素属性数据、动态过程数据、采集数据以及所述孪生云数据滚动优化更新。
进一步地，所述物理要素属性数据包括系统规格、功能、性能以及系统内各部分之间关系数据；所述动态过程数据包括系统运行状况、实时性能、环境参数和/或突发扰动数据；所述采集数据包括经由数据采集终端得到的系统实时数据，所述数据采集终端包括传感器、嵌入式系统和/或数据采集卡；所述仿真数据包括运用虚拟实体仿真模拟得到的过程仿真、行为仿真、过程验证、评估、分析和/或预测数据；所述算法数据包括分析过程中涉及的算法、模型、数据处理方法；所述标准数据包括专家知识、行业标准、规则约束、推理推论和/或常用算法库与模型库数据；所述历史数据包括所述物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据和/或标准数据的历史数据。
进一步地，步骤A所述针对所述物理实体利用数字孪生技术构建的动力电池组模型具体包括基于数字孪生技术采用电化学-热-机全耦合模型建立多维度、多尺度动力电池组单体模型以及在单体模型的基础上采用动态边界方法建立多层次动力电池组模组模型。
本发明的有益效果为：
本发明所述技术方案充分利用数字孪生方法采用物理实体与虚拟实体相互耦合的方式建立对应目标动力电池组及其配套终端BMS系统的数字孪生系统，通过孪生云数据平台针对物理实体与虚拟实体的滚动优化在线实时全面剖析物理实体与虚拟实体，通过云端计算系统对孪生云数据进行处理以获取实体动力电池组与孪生虚拟动力电池组全生命周期下动力电池组状态与控制策略，并与终端BMS系统进行交互，实现对动力电池组的全生命周期管理；虚拟实体对应物理实体优选包括单体级模型、模组级模型和系统级模型，能够有针对性的模拟仿真动力电池组内的各种运行过程；使用本发明所述系统及方法，能为数字孪生应用过程中所需的多维多时空尺度模型、信息物理融合数据等提供支撑，进行动力电池组全生命周期管理有助于数字孪生方法的产业化实现；还能为电动汽车领域不同的电池组需求提供所需的智能服务支撑，具有良好的适应性及数据迁移性。
附图说明
图1为本发明实施例的系统工作示意图。
图2为本发明实施例的系统结构示意图。
具体实施方式
为了更清楚的理解本发明的内容，将结合附图和实施例详细说明。
本发明利用数字孪生技术，针对动力电池组实体优选采用三级结构建立虚拟实体，并采用物理实体与虚拟实体相互耦合的方式建立数字孪生系统。通过使用孪生云数据平台滚动优化的方法在线实时全面更新物理实体与虚拟实体的运行状态孪生云数据，通过云端计算系统对孪生云数据进行处理以获取实体动力电池组(物理实体)与孪生虚拟动力电池组(虚拟实体)全生命周期下动力电池组状态与控制策略，并与终端BMS系统进行交互，实现对动力电池组的全生命周期管理。所述的物理实体为需要管理的动力电池组本身，也指真实世界中的动力电池组；所述的虚拟实体为针对所述物理实体利用数字孪生技术构建的动力电池组模型，也是虚拟仿真云环境中的动力电池组数字模型；所述的孪生云数据平台为云端数据存储、分析及传输系统；所述的云端计算系统为云数据处理系统，所述的终端BMS系统为真实世界中的纯电动汽车所装载的BMS实体。物理实体与虚拟实体与孪生云数据平台之间包括但不限于通过无线信号传输，孪生云数据平台与云端计算系统包括但不限于通过无线信号传输或物理连接传输(如光纤传输等)，云端计算系统与终端BMS系统包括但不限于通过无线信号传输。所述的物理实体与虚拟实体形成滚动优化过程。物理实体的状态参数传递至孪生云数据平台后通过在线参数辨识、动态状态估算等方法标定及优化虚拟实体。
如图1所示为本发明一种实施例的系统工作示意图，包括特定数据连接的物理实体、虚拟实体、孪生云数据平台、云端计算系统(云端处理)以及终端BMS系统。所述孪生云数据平台分别与物理实体以及虚拟实体进行数据交互，并存储、利用多种数据分析并更新物理实体与虚拟实体状态信息；所述多种数据综合了物理实体运行产生的物理数据和虚拟实体运行产生的虚拟数据，所述多种数据的种类包括物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据、标准数据、历史数据中的若干组合；所述云端计算系统分析从孪生云数据平台获取的物理实体状态信息和虚拟实体状态信息，并采用云端大数据计算方法在云端实时计算进而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；所述终端BMS系统通过无线信号传输与云端计算系统进行信息交互，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，实现终端BMS系统本身的实时状态更新与控制策略更新，所述终端BMS系统包括有数据采集终端、均衡系统终端、热管理系统终端和/或安全服务终端。
如图2所示为本发明系统结构的一种实施例示意图，其中物理实体与虚拟实体通过本发明所述系统结构形成滚动优化过程。孪生云数据平台分别于物理实体与虚拟实体进行数据交互，并对数据进行存储、传输、分析，同时将信息传递给云端计算系统用于实时更新动力电池组全生命周期状态。云端计算系统用于分析从孪生云数据平台获取的物理实体状态信息与虚拟实体状态信息，在云端实时计算并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，所述的云端计算系统可采用云端大数据计算方法，还可进一步采用基于深度学习的智能预测处理系统等实现云端计算处理。终端BMS系统通过无线信号传输与云端计算系统进行信息交互，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系统的实时状态更新与控制策略更新。
优选地，物理实体按“电池单体-电池模组-电池组系统”级别建立，其中电池单体实体内容包括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；电池模组实体在单体电池实体基础上，包括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；电池组系统实体包括电池组标准箱结构等。虚拟实体按“单体-模组-系统”级别建立，针对单个电池构建单体级模型，如电化学-热-机全耦合模型，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，从而对模组电池组一致性特性、老化特性等进行分析及优化；而针对整个电池组系统，可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，从而对整个系统演化进行分析与预测，并估算动力电池组残值。
虚拟实体通过物理实体获取的电池组实际参数预测电池组全生命周期的状态，并反馈至物理实体中对实体电池组状态进行控制与优化；进一步地，虚拟实体的建立过程主要包括几何构型、宏观属性构建、微观尺度属性构建、动态属性更新、历史数据关联等，即虚拟实体所包含的动力电池组数据包括几何构型、宏观属性、微观尺度属性、动态属性、历史关联数据等，其中，几何构型包括但不限于形状、尺寸、位置、装配关系等，可适用三维建模软件等提高细节层次的渲染效果；宏观属性构建包括但不限于物理模型的物理属性、参数约束、参数特征等，包括但不限于流体、电池、电化学、热力学等建模仿真；微观尺度属性构建包括但不限于电池内部不同粒度不同空间尺度下的离子运动特征等；动态属性更新包括但不限于使用状态机、马尔科夫链、神经网络的方法分析虚拟系统的时变特性、动态特性、性能退化等过程；历史数据关联包括但不限于基于虚拟系统的历史信息采用深度学习、一致性分析等过程挖掘系统的新规则，形成隐形知识产生的优化过程。
孪生云数据平台是数字孪生的驱动，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。终端BMS系统为电动汽车的BMS实体，主要包括数据采集终端，均衡系统终端，热管理系统终端，安全服务终端等。
本发明还包括一种基于数字孪生的动力电池组管理方法，具体包括以下步骤：
A.将需要管理的动力电池组本身作为物理实体，并针对所述物理实体利用数字孪生技术构建动力电池组模型(包括基于数字孪生技术采用电化学-热-机全耦合模型建立多维度、多尺度动力电池组单体模型以及在单体模型的基础上采用动态边界方法建立多层次动力电池组模组模型)以作为虚拟实体，通过孪生云数据平台分别与物理实体以及虚拟实体进行数据交互；
B.通过孪生云数据平台存储、利用多种数据分析并更新物理实体与虚拟实体状态信息；所述多种数据综合了物理实体运行产生的物理数据和虚拟实体运行产生的虚拟数据，所述多种数据的种类包括物理要素属性数据(包括系统规格、功能、性能以及系统内各部分之间关系数据)、动态过程数据(包括系统运行状况、实时性能、环境参数和/或突发扰动数据)、采集数据(包括经由数据采集终端如传感器、嵌入式系统和/或数据采集卡得到的系统实时数据)、仿真数据(包括运用虚拟实体仿真模拟得到的过程仿真、行为仿真、过程验证、评估、分析和/或预测数据)、算法数据(包括分析过程中涉及的算法、模型、数据处理方法)、标准数据(包括专家知识、行业标准、规则约束、推理推论和/或常用算法库与模型库数据)、历史数据(包括所述物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据和/或标准数据的历史数据)中的若干组合；
C.孪生云数据平台分析获得的动力电池组的物理要素属性数据、动态过程数据、采集数据以及动力电池组模型，结合孪生云数据平台存储的算法数据、标准数据、历史数据得到对应物理实体的孪生云数据，并将获得的孪生云数据发送至云端计算系统；
D.云端计算系统接收来自孪生云数据平台的物理实体孪生云数据以及动力电池组的物理要素属性数据、动态过程数据、采集数据，采用云端大数据计算方法在云端实时计算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，并将生成的控制策略及实时参数信息发送至终端BMS系统；
E.终端BMS系统接收来自云端计算系统的控制策略及实时参数信息，并利用所述控制策略及实时参数信息更新对动力电池组的控制策略，完成一次动力电池组管理循环；
按照设定频率重复上述步骤A至E，实现对动力电池组的全生命周期滚动优化管理，包括将虚拟实体根据所述物理要素属性数据、动态过程数据、采集数据以及所述孪生云数据滚动优化更新。
本发明所述基于数字孪生的动力电池组管理方法采用“单体-模组-系统”的建模思路，例如采用电化学-热-机全耦合模型建立多维度、多尺度动力电池组单体模型，用于模拟单体动力电池充放电过程中的电池内部电化学反应进程(如离子浓度等)，采用动态边界方法建立多层次动力电池模组模型，并耦合动力电池组内其他组件建立动力电池组全生命周期系统模型。虚拟实体参数由物理实体获得，并通过滚动优化的方式使之趋近物理实体。
以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换等都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (10)

1.一种基于数字孪生的动力电池组管理系统，包括物理实体、虚拟实体、孪生云数据平台、云端计算系统以及终端BMS系统，所述物理实体和虚拟实体均与孪生云数据平台连接，所述孪生云数据平台、云端计算系统以及终端BMS系统依次连接；
所述物理实体为需要管理的动力电池组本身；
所述虚拟实体为针对所述物理实体利用数字孪生技术构建的动力电池组模型；
所述孪生云数据平台分别与物理实体以及虚拟实体进行数据交互，并存储、利用多种数据分析并更新物理实体与虚拟实体状态信息；所述多种数据综合了物理实体运行产生的物理数据和虚拟实体运行产生的虚拟数据，所述多种数据的种类包括物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据、标准数据、历史数据中的若干组合；
所述云端计算系统分析从孪生云数据平台获取的物理实体状态信息和虚拟实体状态信息，并采用云端大数据计算方法在云端实时计算进而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；
所述终端BMS系统通过无线信号传输与云端计算系统进行信息交互，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，实现终端BMS系统本身的实时状态更新与控制策略更新，所述终端BMS系统包括有数据采集终端、均衡系统终端、热管理系统终端和/或安全服务终端。
2.如权利要求1所述的系统，其特征在于所述物理实体包括单体级、模组级和系统级三个层级；所述单体级为动力电池组内单一电池；所述模组级为动力电池组内若干个电池所组成的电池模组；所述系统级为动力电池组系统。
3.如权利要求2所述的系统，其特征在于所述虚拟实体对应所述物理实体包括单体级模型、模组级模型和系统级模型；所述单体级模型为动力电池组内单一电池的拟合模型；所述模组级模型为若干单体级模型相互耦合的模型或为动力电池组内电池模组的拟合模型；所述系统级模型为若干模组级模型及若干单体级模型相互耦合的模型或为动力电池系统的拟合模型。
4.如权利要求1所述的系统，其特征在于所述虚拟实体所包含的动力电池组数据包括几何构型、宏观属性、微观尺度属性、动态属性、历史关联数据；所述几何构型包括动力电池组的形状、尺寸、位置、装配关系；所述宏观属性包括动力电池组在流体、电池、电化学、热力学方面的物理属性、参数约束、参数特征；所述微观尺度属性包括电池内部微观尺度下的离子运动特征；所述动态属性包括时变特性、动态特性、性能退化特性；所述历史关联数据包括系统运行规则、系统优化过程。
5.如权利要求1所述的系统，其特征在于所述物理要素属性数据包括系统规格、功能、性能以及系统内各部分之间关系数据；所述动态过程数据包括系统运行状况、实时性能、环境参数和/或突发扰动数据；所述采集数据包括经由数据采集终端得到的系统实时数据，所述数据采集终端包括传感器、嵌入式系统和/或数据采集卡；所述仿真数据包括运用虚拟实体仿真模拟得到的过程仿真、行为仿真、过程验证、评估、分析和/或预测数据；所述算法数据包括分析过程中涉及的算法、模型、数据处理方法；所述标准数据包括专家知识、行业标准、规则约束、推理推论和/或常用算法库与模型库数据；所述历史数据包括所述物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据和/或标准数据的历史数据。
6.如权利要求1所述的系统，其特征在于所述终端BMS系统的数据采集终端处理动力电池组的电压采集、电流采集、温度采集和/或传感器精度调整；所述均衡系统终端处理动力电池组的状态更新、均衡判定、拓扑效率和/或策略更新；所述热管理系统终端处理系统内动态环境、工况分析、时变流场和/或策略优化；所述安全服务终端处理系统内绝缘监测、高压互锁、安全服务和/或故障分析。
7.一种基于数字孪生的动力电池组管理方法，包括以下步骤：
A.将需要管理的动力电池组本身作为物理实体，并针对所述物理实体利用数字孪生技术构建动力电池组模型以作为虚拟实体，通过孪生云数据平台分别与物理实体以及虚拟实体进行数据交互；
B.通过孪生云数据平台存储、利用多种数据分析并更新物理实体与虚拟实体状态信息；所述多种数据综合了物理实体运行产生的物理数据和虚拟实体运行产生的虚拟数据，所述多种数据的种类包括物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据、标准数据、历史数据中的若干组合；
C.孪生云数据平台分析获得的动力电池组的物理要素属性数据、动态过程数据、采集数据以及动力电池组模型，结合孪生云数据平台存储的算法数据、标准数据、历史数据得到对应物理实体的孪生云数据，并将获得的孪生云数据发送至云端计算系统；
D.云端计算系统接收来自孪生云数据平台的物理实体孪生云数据以及动力电池组的物理要素属性数据、动态过程数据、采集数据，采用云端大数据计算方法在云端实时计算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，并将生成的控制策略及实时参数信息发送至终端BMS系统；
E.终端BMS系统接收来自云端计算系统的控制策略及实时参数信息，并利用所述控制策略及实时参数信息更新对动力电池组的控制策略，完成一次动力电池组管理循环；
按照设定频率重复上述步骤A至E，实现对动力电池组的全生命周期滚动优化管理。
8.如权利要求7所述的方法，其特征在于所述方法还包括所述虚拟实体根据所述物理要素属性数据、动态过程数据、采集数据以及所述孪生云数据滚动优化更新。
9.如权利要求7或8所述的方法，其特征在于所述物理要素属性数据包括系统规格、功能、性能以及系统内各部分之间关系数据；所述动态过程数据包括系统运行状况、实时性能、环境参数和/或突发扰动数据；所述采集数据包括经由数据采集终端得到的系统实时数据，所述数据采集终端包括传感器、嵌入式系统和/或数据采集卡；所述仿真数据包括运用虚拟实体仿真模拟得到的过程仿真、行为仿真、过程验证、评估、分析和/或预测数据；所述算法数据包括分析过程中涉及的算法、模型、数据处理方法；所述标准数据包括专家知识、行业标准、规则约束、推理推论和/或常用算法库与模型库数据；所述历史数据包括所述物理要素属性数据、动态过程数据、采集数据、仿真数据、算法数据和/或标准数据的历史数据。
10.如权利要求7或8所述的方法，其特征在于步骤A所述针对所述物理实体利用数字孪生技术构建的动力电池组模型具体包括基于数字孪生技术采用电化学-热-机全耦合模型建立多维度、多尺度动力电池组单体模型以及在单体模型的基础上采用动态边界方法建立多层次动力电池组模组模型。
CN201910656602.5A 2019-07-19 2019-07-19 一种基于数字孪生的动力电池组管理系统及方法 Active CN111027165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910656602.5A CN111027165B (zh) 2019-07-19 2019-07-19 一种基于数字孪生的动力电池组管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910656602.5A CN111027165B (zh) 2019-07-19 2019-07-19 一种基于数字孪生的动力电池组管理系统及方法

Publications (2)

Publication Number Publication Date
CN111027165A true CN111027165A (zh) 2020-04-17
CN111027165B CN111027165B (zh) 2022-05-03

Family

ID=70200037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910656602.5A Active CN111027165B (zh) 2019-07-19 2019-07-19 一种基于数字孪生的动力电池组管理系统及方法

Country Status (1)

Country Link
CN (1) CN111027165B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581850A (zh) * 2020-05-27 2020-08-25 北京理工大学 一种应用数字孪生技术的全周期动力电池管理系统
CN111611750A (zh) * 2020-05-28 2020-09-01 北京理工大学 一种应用数字孪生技术的锂离子电池充电及热管理方法
CN112016748A (zh) * 2020-08-26 2020-12-01 国网重庆市电力公司电力科学研究院 一种稳控装置运行状态的动态分析与量化评估方法
CN112114785A (zh) * 2020-09-21 2020-12-22 西安西电开关电气有限公司 一种基于微服务的数字孪生体构建方法和系统
CN112347586A (zh) * 2020-11-12 2021-02-09 上海电气液压气动有限公司 对液压系统进行数字孪生的系统
CN112347692A (zh) * 2020-09-21 2021-02-09 深圳前海有电物联科技有限公司 不间断电源的电池预测性维护的实现方法、装置和电子装置
CN112711892A (zh) * 2020-12-07 2021-04-27 深圳先进技术研究院 一种基于数字孪生和区块链技术的云电池管理系统及方法
CN112928360A (zh) * 2021-01-22 2021-06-08 中国第一汽车股份有限公司 一种动力电池导热传输方法、系统、终端和储存介质
CN113406508A (zh) * 2021-06-23 2021-09-17 苏州东吴智控科技有限公司 基于数字孪生的电池检测和维护方法及装置
CN113495215A (zh) * 2021-06-28 2021-10-12 清华大学深圳国际研究生院 一种虚拟电芯系统及其运行方法和一种孪生电池
CN113517760A (zh) * 2021-09-10 2021-10-19 广州健新科技有限责任公司 一种基于大数据和数字孪生的电池储能站监测方法及系统
CN113627780A (zh) * 2021-08-09 2021-11-09 中国海洋石油集团有限公司 基于深水浮式平台状态监测与评估的一体化数字孪生系统
CN113671382A (zh) * 2021-09-06 2021-11-19 中国科学院电工研究所 一种基于云-端数字孪生的电池储能系统状态估计方法
CN113740747A (zh) * 2021-08-31 2021-12-03 北京航空航天大学 一种面向可靠性数字孪生的锂电池组充放电测试与数据采集系统
CN113771691A (zh) * 2021-11-09 2021-12-10 北京航空航天大学 基于赛博物理系统的全生命周期动力电池管理装置及方法
CN113792423A (zh) * 2021-09-04 2021-12-14 苏州特比姆智能科技有限公司 一种tpm设备管理的数字孪生行为约束方法及系统
CN113895309A (zh) * 2021-10-09 2022-01-07 北京理工大学 一种应用数字孪生技术的电池热管理方法
CN114004168A (zh) * 2021-12-24 2022-02-01 武汉理工大学 一种基于数字孪生的燃料电池综合管理系统及方法
CN114630211A (zh) * 2022-05-13 2022-06-14 苏州氢澜科技有限公司 一种基于数字孪生的燃料电池生产系统及其调整方法
CN115097788A (zh) * 2022-06-15 2022-09-23 昆明理工大学 一种基于数字孪生工厂的智能管控平台
CN115365779A (zh) * 2021-05-18 2022-11-22 中移(上海)信息通信科技有限公司 燃料电池的装配方法、装配装置及装配设备
CN115396508A (zh) * 2022-07-06 2022-11-25 北京航空航天大学 一种基于赛博链的动力电池管理架构与方法
CN115422696A (zh) * 2022-04-24 2022-12-02 上海玫克生储能科技有限公司 一种模组数字孪生模型建立方法、系统、终端和介质
CN116609686A (zh) * 2023-04-18 2023-08-18 江苏果下科技有限公司 一种基于云平台大数据的电芯一致性评估方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016179248A1 (en) * 2015-05-05 2016-11-10 Ptc Inc. Augmented reality system
CN108829943A (zh) * 2018-05-29 2018-11-16 哈尔滨工业大学深圳研究生院 一种航天器太阳电池阵布片方案的优化方法
CN109146090A (zh) * 2018-07-30 2019-01-04 红塔烟草(集团)有限责任公司 一种基于设备数字孪生体管理平台的零部件生命周期管理方法
CN109218335A (zh) * 2018-11-14 2019-01-15 行云新能科技（深圳）有限公司 基于电池管理系统的数据交互方法、终端及存储介质
CN109773588A (zh) * 2019-03-01 2019-05-21 山东大学 一种机床数字孪生模型性能测试方法及装置
CN109873185A (zh) * 2017-12-04 2019-06-11 通用电气公司 基于数字孪生体的管理系统和方法及基于数字孪生体的燃料电池管理系统和方法
CN110008647A (zh) * 2019-05-08 2019-07-12 广东三向智能科技股份有限公司 数字孪生仿真装置和数字孪生仿真系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016179248A1 (en) * 2015-05-05 2016-11-10 Ptc Inc. Augmented reality system
CN109873185A (zh) * 2017-12-04 2019-06-11 通用电气公司 基于数字孪生体的管理系统和方法及基于数字孪生体的燃料电池管理系统和方法
CN108829943A (zh) * 2018-05-29 2018-11-16 哈尔滨工业大学深圳研究生院 一种航天器太阳电池阵布片方案的优化方法
CN109146090A (zh) * 2018-07-30 2019-01-04 红塔烟草(集团)有限责任公司 一种基于设备数字孪生体管理平台的零部件生命周期管理方法
CN109218335A (zh) * 2018-11-14 2019-01-15 行云新能科技（深圳）有限公司 基于电池管理系统的数据交互方法、终端及存储介质
CN109773588A (zh) * 2019-03-01 2019-05-21 山东大学 一种机床数字孪生模型性能测试方法及装置
CN110008647A (zh) * 2019-05-08 2019-07-12 广东三向智能科技股份有限公司 数字孪生仿真装置和数字孪生仿真系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
LUKAS MERKLE等: "Architecture of a Digital Twin for Enabling Digital Services for Battery Systems", 《2019 IEEE INTERNATIONAL CONFERENCE ON INDUSTRIAL CYBER PHYSICAL SYSTEMS (ICPS)》 *
PENG YU等: "A Low Cost Flexible Digital Twin Platform for Spacecraft Lithium-ion Battery Pack Degradation Assessment", 《2019 IEEE INTERNATIONAL INSTRUMENTATION AND MEASUREMENT TECHNOLOGY CONFERENCE》 *
YANG SHICHUN等: "Control Strategy for Vehicle Inductive Wireless Charging Based on Load Adaptive and Frequency Adjustment", 《ENERGIES》 *
刘潇翔等: "航天控制系统基于数字孪生的智慧设计仿真", 《系统仿真学报》 *
周伟韬等: "混合动力装甲车复合电源负载功率控制与仿真", 《计算机仿真》 *
廖瑾瑜等: "电动汽车用电池管理系统测试平台的设计与研究", 《中国电源学会第18届全国电源技术年会》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581850B (zh) * 2020-05-27 2022-10-28 北京理工大学 一种应用数字孪生技术的全周期动力电池管理系统
CN111581850A (zh) * 2020-05-27 2020-08-25 北京理工大学 一种应用数字孪生技术的全周期动力电池管理系统
CN111611750A (zh) * 2020-05-28 2020-09-01 北京理工大学 一种应用数字孪生技术的锂离子电池充电及热管理方法
CN111611750B (zh) * 2020-05-28 2022-09-23 北京理工大学 一种应用数字孪生技术的锂离子电池充电及热管理方法
CN112016748A (zh) * 2020-08-26 2020-12-01 国网重庆市电力公司电力科学研究院 一种稳控装置运行状态的动态分析与量化评估方法
CN112347692B (zh) * 2020-09-21 2024-02-06 深圳有电物联科技有限公司 不间断电源的电池预测性维护的实现方法、装置和电子装置
CN112114785A (zh) * 2020-09-21 2020-12-22 西安西电开关电气有限公司 一种基于微服务的数字孪生体构建方法和系统
CN112347692A (zh) * 2020-09-21 2021-02-09 深圳前海有电物联科技有限公司 不间断电源的电池预测性维护的实现方法、装置和电子装置
CN112114785B (zh) * 2020-09-21 2024-01-19 西安西电开关电气有限公司 一种基于微服务的数字孪生体构建方法和系统
CN112347586A (zh) * 2020-11-12 2021-02-09 上海电气液压气动有限公司 对液压系统进行数字孪生的系统
CN112711892A (zh) * 2020-12-07 2021-04-27 深圳先进技术研究院 一种基于数字孪生和区块链技术的云电池管理系统及方法
CN112928360B (zh) * 2021-01-22 2022-08-16 中国第一汽车股份有限公司 一种动力电池导热传输方法、系统、终端和储存介质
CN112928360A (zh) * 2021-01-22 2021-06-08 中国第一汽车股份有限公司 一种动力电池导热传输方法、系统、终端和储存介质
CN115365779B (zh) * 2021-05-18 2024-05-03 中移(上海)信息通信科技有限公司 燃料电池的装配方法、装配装置及装配设备
CN115365779A (zh) * 2021-05-18 2022-11-22 中移(上海)信息通信科技有限公司 燃料电池的装配方法、装配装置及装配设备
CN113406508A (zh) * 2021-06-23 2021-09-17 苏州东吴智控科技有限公司 基于数字孪生的电池检测和维护方法及装置
CN113495215A (zh) * 2021-06-28 2021-10-12 清华大学深圳国际研究生院 一种虚拟电芯系统及其运行方法和一种孪生电池
CN113495215B (zh) * 2021-06-28 2024-01-12 清华大学深圳国际研究生院 一种虚拟电芯系统及其运行方法和一种孪生电池
CN113627780A (zh) * 2021-08-09 2021-11-09 中国海洋石油集团有限公司 基于深水浮式平台状态监测与评估的一体化数字孪生系统
CN113740747A (zh) * 2021-08-31 2021-12-03 北京航空航天大学 一种面向可靠性数字孪生的锂电池组充放电测试与数据采集系统
CN113792423A (zh) * 2021-09-04 2021-12-14 苏州特比姆智能科技有限公司 一种tpm设备管理的数字孪生行为约束方法及系统
CN113792423B (zh) * 2021-09-04 2023-10-24 苏州特比姆智能科技有限公司 一种tpm设备管理的数字孪生行为约束方法及系统
CN113671382A (zh) * 2021-09-06 2021-11-19 中国科学院电工研究所 一种基于云-端数字孪生的电池储能系统状态估计方法
CN113517760A (zh) * 2021-09-10 2021-10-19 广州健新科技有限责任公司 一种基于大数据和数字孪生的电池储能站监测方法及系统
CN113895309A (zh) * 2021-10-09 2022-01-07 北京理工大学 一种应用数字孪生技术的电池热管理方法
CN113895309B (zh) * 2021-10-09 2023-09-29 北京理工大学 一种应用数字孪生技术的电池热管理方法
CN113771691B (zh) * 2021-11-09 2022-02-15 北京航空航天大学 基于赛博物理系统的全生命周期动力电池管理装置及方法
CN113771691A (zh) * 2021-11-09 2021-12-10 北京航空航天大学 基于赛博物理系统的全生命周期动力电池管理装置及方法
CN114004168A (zh) * 2021-12-24 2022-02-01 武汉理工大学 一种基于数字孪生的燃料电池综合管理系统及方法
CN115422696A (zh) * 2022-04-24 2022-12-02 上海玫克生储能科技有限公司 一种模组数字孪生模型建立方法、系统、终端和介质
CN114630211A (zh) * 2022-05-13 2022-06-14 苏州氢澜科技有限公司 一种基于数字孪生的燃料电池生产系统及其调整方法
CN115097788A (zh) * 2022-06-15 2022-09-23 昆明理工大学 一种基于数字孪生工厂的智能管控平台
CN115396508B (zh) * 2022-07-06 2023-09-01 北京航空航天大学 一种基于赛博链的动力电池管理系统与方法
CN115396508A (zh) * 2022-07-06 2022-11-25 北京航空航天大学 一种基于赛博链的动力电池管理架构与方法
CN116609686A (zh) * 2023-04-18 2023-08-18 江苏果下科技有限公司 一种基于云平台大数据的电芯一致性评估方法
CN116609686B (zh) * 2023-04-18 2024-01-05 江苏果下科技有限公司 一种基于云平台大数据的电芯一致性评估方法

Also Published As

Publication number Publication date
CN111027165B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
CN111027165B (zh) 一种基于数字孪生的动力电池组管理系统及方法
CN110492186B (zh) 一种基于云端控制技术的动力电池模组的管理方法
Zhou et al. Multi-step reinforcement learning for model-free predictive energy management of an electrified off-highway vehicle
Li et al. Big data driven lithium-ion battery modeling method based on SDAE-ELM algorithm and data pre-processing technology
Bhatti et al. Towards the future of smart electric vehicles: Digital twin technology
CN110456635B (zh) 基于数字孪生技术的电动汽车动力系统的控制方法
Wang et al. Digital twin and cloud-side-end collaboration for intelligent battery management system
CN111581850B (zh) 一种应用数字孪生技术的全周期动力电池管理系统
Zhao et al. Lithium-ion batteries state of charge prediction of electric vehicles using RNNs-CNNs neural networks
CN107870306A (zh) 一种基于深度神经网络下的锂电池荷电状态预测算法
CN110488629A (zh) 一种基于数字孪生技术的混合动力汽车的管控方法
US20200271725A1 (en) Systems, methods, and storage media for predicting a discharge profile of a battery pack
CN112711892A (zh) 一种基于数字孪生和区块链技术的云电池管理系统及方法
Naseri et al. Digital twin of electric vehicle battery systems: Comprehensive review of the use cases, requirements, and platforms
Zhang et al. Intelligent state of charge estimation of battery pack based on particle swarm optimization algorithm improved radical basis function neural network
KR102090476B1 (ko) 클라우드 및 빅데이터를 활용한 bms 최적화 시스템
AU2021101964A4 (en) Artificial intelligence based smart electric vehicle battery management system
CN112714156A (zh) 一种云端bms协同管理方法、系统以及车辆
CN113591364A (zh) 燃料电池管理系统的管理方法及装置
Anandavel et al. Application of digital twins to the product lifecycle management of battery packs of electric vehicles
CN117252051A (zh) 一种基于数字孪生的电缆隧道监测预警方法及系统
Chen et al. Health-considered energy management strategy for fuel cell hybrid electric vehicle based on improved soft actor critic algorithm adopted with Beta policy
Khalatbarisoltani et al. Energy management strategies for fuel cell vehicles: a comprehensive review of the latest progress in modeling, strategies, and future prospects
Qiao et al. A novel intelligent weight decreasing firefly–particle filtering method for accurate state‐of‐charge estimation of lithium‐ion batteries
Deng et al. A systematic review on the current research of digital twin in automotive application

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