CN111581850A - 一种应用数字孪生技术的全周期动力电池管理系统 - Google Patents
一种应用数字孪生技术的全周期动力电池管理系统 Download PDFInfo
- Publication number
- CN111581850A CN111581850A CN202010461907.3A CN202010461907A CN111581850A CN 111581850 A CN111581850 A CN 111581850A CN 202010461907 A CN202010461907 A CN 202010461907A CN 111581850 A CN111581850 A CN 111581850A
- Authority
- CN
- China
- Prior art keywords
- twin
- physical
- battery
- cloud
- model
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 25
- 238000007726 management method Methods 0.000 claims abstract description 165
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 52
- 238000011161 development Methods 0.000 claims abstract description 23
- 230000018109 developmental process Effects 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 239000000463 material Substances 0.000 claims abstract description 10
- 230000032683 aging Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000005215 recombination Methods 0.000 claims abstract description 7
- 230000006798 recombination Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims description 25
- 238000012360 testing method Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 239000000178 monomer Substances 0.000 claims description 7
- 238000007600 charging Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract 1
- 238000012827 research and development Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000002035 prolonged effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013144 data compression Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000008521 reorganization Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种应用数字孪生技术的全周期动力电池管理系统，其相较于现有技术可有效减少前期开发过程中的实验量，缩短开发周期。在线端与云端分别采用了长短不同时间尺度的算法，即能够保证在线端处理的实时性，同时在云端实现较高的计算精度。所述系统通过云孪生系统对历史数据的分析，可以及时发现电池材料、结构等方面的不足，同时针对故障电池可以进行溯源，探究故障原因，为新电芯优化开发提供有力参考，由此实现数据闭环。对于梯次利用过程，通过孪生模型即可判定物理模型的真实状态，快速实现对不同老化状态电池的分类重组，因此有效解决了传统梯次利用电池重组前状态难以快速判定、重组后不一致性大的问题。
Description
技术领域
本发明涉及动力电池的管理技术，尤其涉及一种应用数字孪生技术的全周期动力电池管理系统。
背景技术
动力电池管理系统(Battery Management System,BMS)是保障新能源车辆整车高效、安全及动力电池长寿命运行的核心和关键，相关技术也是各国竞相占领的制高点。传统电池管理系统的主要功能包括电池数据采集、状态监测、安全保护、充放电控制、能量管理、热管理以及信息交互等。然而，由于动力电池具有即用即衰、强时变、强环境温度依赖和强非线性等特征，且电池管理算法日益复杂，电芯更新换代周期不断缩短，传统的电池管理系统架构和开发流程已难以应对挑战，面临的几项主要弊端如：计算能力提升受限、存储空间需求剧增、算法开发周期长等，日渐难以克服。
数字孪生技术(Digital Twin)为上述问题的解决提供了新途径，其充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。通过上传动力电池历史数据至云端大数据平台，基于平台的强大算力和存储空间构建电池孪生模型，可构建新一代的电池管理系统架构，实现车云协同的动力电池全周期精细化、智能化、网联化管理。现有的一些采用了数字孪生技术的电池管理方式中，如中国专利CN110534823A、CN111027165A都是首先建立与实体电池特征一致的虚拟仿真模型(数字电池模块)，再将实体电池和数字电池上传的数据进行耦合得到数字孪生模块，在云端进行参数辨识、状态估计等，CN105789716B是在电动载运工具平台进行参数辨识、SOC和SOP估计等，在云端进行SOH估计，其控制流程仍存在周期长且效率较低的缺点，并且对于电池全寿命周期的适用度还不甚完美。因此，本领域中尚需要一种能够有效适用于电池全寿命周期且更为优化的电池管理系统。
发明内容
有鉴于此，本发明提供了一种应用数字孪生技术的全周期动力电池管理系统，由物理模型系统、物理管理系统、云孪生系统组成；
其中，所述物理模型系统基于真实的电池单体、模组与动力电池系统的物理模型，所述单体、模组和系统包括但不限于尚处于电芯材料、结构、算法开发阶段尚未大规模应用、电动载运工具装备以及梯次利用的电池单体、模组和系统，作为所述物理管理系统的被控对象，以及作为所述物理管理系统的电池管理算法的数据来源，和构建云孪生系统的孪生模型的数据来源；
所述物理管理系统通过数据采集模块获取物理模型系统开发过程中产生的初始参数和使用过程中产生的运行数据，对这些数据进行处理、运行电池管理算法进行计算后，与物理模型系统传来的数据一并上传至所述云孪生系统。其中，
所述云孪生系统基于物理管理系统上传的数据信息，基于云端算法构建电池孪生模型，通过该电池孪生模型和电池历史数据进行数据溯源、状态估计、安全诊断、寿命预测、工况分析等功能；所述云孪生系统的输出信息流一部分流向物理管理系统，为所述物理管理系统的状态监测、决策制定、控制执行等提供参考依据，并最终通过物理管理系统实现对物理模型系统的控制；另一部分直接流向物理模型系统，为电池材料改性、结构优化提供参考和指导，以及为电池管理算法开发过程提供参考和指导，用于对不同老化状态电池的分类重组，实现电池重组梯次利用；
所述电池管理算法与所述云端算法中，电池管理算法采用相对短时间尺度算法，云端算法则采用相对长时间尺度算法。
进一步地，所述相对短时间尺度算法计算周期小于等于物理管理系统和云孪生系统数据传输周期的适合算法；所述相对长时间尺度算法则为计算周期大于物理管理系统和云孪生系统数据传输周期的适合算法，对某些难以在线运行的高精度算法也可以采用作为该相对长时间尺度算法。针对不同系统之间的通信周期调整不同系统之间的计算内容，针对不同的系统通信协议，长短时间尺度算法对应的具体算法有所差异，本发明采用的这种手段能够最大程度地发挥电动载运工具管理系统和云孪生平台的计算能力，有效避免计算能力冗余或计算负载过重问题，充分利用各自的优势，实现数据的及时处理、算法的在线运行与精细化的能量管理。
进一步地，所述初始参数基于充放电机进行电池离线特性测试(如开路电压、容量、混合脉冲测试等)和老化测试获取，作为所述物理模型与孪生模型的初始参数。
进一步地，所述物理模型基于包括但不限于电池和算法早期开发过程中的生产测试数据、电动载运工具装备类型以及电池单体、模组建立；所述电动载运工具类型包括但不限于道路交通、轨道交通、航空运输、水路运输等应用领域。
进一步地，所述物理管理系统在所述物理模型的基础上，结合包括但不限于数据采集模块、计算处理模块、显示单元模块、数据传输模块、命令执行模块(均衡电路、继电器、散热加热电路等)以及相关线束和结构件(盖体、支架、螺栓等)等部件构成。电池管理算法开发过程中，物理管理系统可以为充放电机或基于嵌入式系统开发的电池管理系统样机；电动载运工具充放电循环过程中，物理管理系统指电动载运工具搭载的独立于云孪生系统的基于嵌入式系统开发的电池管理系统；梯次利用过程中，物理管理系统针对不同应用场景有不同的具体实体，但上述各过程涉及的物理管理系统应至少具备数据采集模块、命令执行模块和数据传输模块。梯次利用适用于老化但仍在使用或者电动载运工具退役后重组的电池单体、模组和动力电池系统。物理管理系统在梯次利用的不同应用场景有不同的具体功能，常见的梯次利用场景有储能系统、分布式光伏发电系统、低速电动车等。由于传统的梯次利用企业与电池研发企业、电动载运工具研发企业之间通常不会进行数据共享，传统梯次利用对于电动载运工具退役的电池通常需要再进行额外的充放电测试，获取电池的基本特性和老化程度后再进行重组，甚至还需要重新开发针对重组模组或系统的专用管理系统，利用效率低，耗费时间、物力、人力成本高，实际上也造成了数据资源的浪费。基于云孪生系统构建的孪生模型和存储的历史信息，可以对退役电池进行溯源，分析电池的历史运行信息，快速实现分类重组和与之匹配的管理系统构建，有效提升了梯次利用的效率，降低了梯次利用的成本。此外，梯次利用过程中物理模型系统产生的数据继续上传至云孪生模型直至电池完全报废，有助于构建全寿命周期的电池孪生模型(电动载运工具充放电循环过程直至电池退役只能获得电池SOH100％～80％的数据，80％以下的数据需要通过梯次利用过程获取)，通过数据闭环回传至电池研发企业，为新一代电池的材料、结构等优化提供重要的参考，由此为产业链各层次企业提供了数据共享、互利共赢、循环优化的平台。
进一步地，所述云孪生系统包括但不限于数据传输模块、云端计算模块、数据存储模块等。所述数据传输模块用于和物理模型系统以及物理控制系统进行信息交互；云端计算模块用于孪生模型的构建以及各类云端算法的计算；数据存储模块存储从物理模型系统和物理管理系统获取的各类信息以及孪生模型参数，为电池溯源、寿命预测、残值估计、工况分析等提供信息。
本发明还提供了一种利用上述应用数字孪生技术的全周期动力电池管理系统，进行动力电池管理的方法。在所述系统的物理模型系统、物理管理系统、云孪生系统几个组成部分中，分别执行以下操作：
在所述物理模型系统和物理管理系统之间：针对充放电循环过程，物理管理系统通过数据采集模块实时采集物理模型系统即实体电池组的电压、电流、温度等参数并进行数据预处理；基于预处理得到的数据并结合云孪生系统下传的信息，运行电池管理算法和控制策略制定，通过命令执行模块对物理模型系统进行管理。
所述预处理包括但不限于异常数据剔除、数据打包压缩、数据格式转换等，有利于提升控制算法精度和传输至云孪生系统的数据质量。
在所述物理管理系统和云孪生系统之间：对上述由物理管理系统完成预处理并经电池管理算法计算得到的数据结果，优化上传至云孪生系统，对初始孪生模型进行改进。所述优化包括但不限于通过数据压缩技术、单体数据交替发送技术等，提升上传数据的表征能力和完备性以及孪生模型的精度。云孪生系统根据存储的不同载运工具的所有历史数据，选取电池规格型号相同的载运工具类型及对应参数，构建与物理模型一致的全周期基准孪生模型，同时实时采集的数据和基准孪生模型进行修正更新，建立与物理模型一一对应的全周期修正孪生模型，使其与物理模型具有相同的响应特性；基于该修正孪生模型利用所述云端算法实现故障诊断、寿命预测、状态估计等功能；通过数据传输模块将修正孪生模型参数和云端算法计算结果回传至物理管理系统，更新物理管理系统算法参数，结合电池管理算法计算结果制定最终控制管理策略并由命令执行模块执行，最终实现安全管理、充放电管理、能量管理、热管理、均衡管理等。此外，通过分析不同过程的历史数据，云孪生系统可以获取特定物理模型的常用工况，从而制定定制化的能量优化管理策略，进一步延长电池使用寿命。比如，由云端分析每辆车常用工况，判断某车辆在特定时期的使用频率以及放电大小的持续变化，从而提前通知用户充电以保证电池维持在一个合适的SOC区间，在需要加速的路段进行提前预判，通过车载控制器保证车速平稳提升，避免电池遭受大电流冲击等。
在所述物理模型系统和云孪生系统为：将所述初始参数上传至云孪生系统构建初始孪生模型，针对充放电循环过程，提供所述物理模型和孪生模型实时更新依据；接收云孪生系统传来的历史数据作为电池材料改性、结构优化的参考，以及作为电池管理算法开发过程的参考。
上述本发明所提供的应用数字孪生技术的全周期动力电池管理系统，相较于现有技术至少具有以下有益效果：
(1)、本发明应用数字孪生技术实现电池全周期管理的数据闭环，有效减少各阶段研发周期，提升管理算法精度和能量利用率。数据闭环体现在物理模型系统数据直接或者由物理管理系统间接传递至云孪生系统，最后由云孪生系统数据回传至物理管理系统和物理模型系统的全过程。背景技术所提到的现有技术与本发明的模型构建方式有本质上的差异：已有专利首先建立与实体电池特征一致的虚拟仿真模型(数字电池模块)，再将实体电池和数字电池上传的数据进行耦合得到数字孪生模块。本发明没有数字电池模块，孪生模型的构建基于电池初期研发、电动载运工具应用以及梯次利用的全过程实体电池数据重点是将三个过程利用数据孪生技术实现数据闭环、数据共享，提升各个过程的开发利用效率和管理效果。
(2)、本发明提出了新架构下算法长/短时间尺度的新定义，且算法的计算平台不同。通过这种定义，能够最大程度地发挥电动载运工具管理系统和云孪生平台的计算能力，有效避免计算能力冗余或计算负载过重问题，充分利用各自的优势，实现数据的及时处理、算法的在线运行与精细化的能量管理。
(3)、本发明不同系统之间的信息传输内容有别于现有技术，其中的数据优化上传方式能够有效降低无用、重复、错误数据所占比重，提升上传数据的表征能力和完备性从而提升孪生模型的精度，降低上传数据的规模和数据传输成本。所述优化上传包括但不限于通过数据压缩技术、单体数据交替发送技术等。
(4)本发明提出了历史工况分析技术进行能量管理策略定向优化。通过分析不同过程的历史数据，云孪生系统可以获取特定物理模型的常用工况，从而完善与物理模型一一对应的全周期修正孪生模型，并基于模型制定定制化的能量优化管理策略，进一步延长电池使用寿命。
附图说明
附图1为本发明所提供系统的结构框图
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明所提供的应用数字孪生技术的全周期动力电池管理系统，如图1所示，由物理模型系统、物理管理系统、云孪生系统组成；
其中，所述物理模型系统基于真实的电池单体、模组与动力电池系统的物理模型，作为所述物理管理系统的被控对象，以及作为所述物理管理系统的电池管理算法的数据来源，和构建云孪生系统的孪生模型的数据来源；
所述物理管理系统通过数据采集模块获取物理模型系统开发过程中产生的初始参数和使用过程中产生的运行数据，对这些数据进行处理、运行电池管理算法进行计算后，与物理模型系统传来的数据一并上传至所述云孪生系统；
所述云孪生系统基于物理管理系统上传的数据信息，基于云端算法构建电池孪生模型，通过该电池孪生模型和电池历史数据进行数据溯源、状态估计、安全诊断、寿命预测、工况分析等功能；所述云孪生系统的输出信息流一部分流向物理管理系统，为所述物理管理系统的状态监测、决策制定、控制执行等提供参考依据，并最终通过物理管理系统实现对物理模型系统的控制；另一部分直接流向物理模型系统，为电池材料改性、结构优化提供参考和指导，以及为电池管理算法开发过程提供参考和指导，用于对不同老化状态电池的分类重组，实现电池重组梯次利用；
所述电池管理算法与所述云端算法中，电池管理算法采用相对短时间尺度算法，云端算法则采用相对长时间尺度算法。
由此，基于数字孪生技术实现了电芯与管理算法开发、电动载运工具充放电循环以及梯次利用直至完全报废的电池全寿命周期的数据闭环，有效缩减各流程开发时间，提高了能量利用率和使用安全性，延长了电池使用寿命。
在本发明的优选实施例中，所述相对短时间尺度算法计算周期小于等于物理管理系统和云孪生系统数据传输周期的适合算法；所述相对长时间尺度算法则为计算周期大于物理管理系统和云孪生系统数据传输周期的适合算法，对某些难以在线运行的高精度算法也可以采用作为该相对长时间尺度算法。
在本发明的优选实施例中，所述初始参数基于充放电机进行电池离线特性测试(如开路电压、容量、混合脉冲测试等)和老化测试获取，作为所述物理模型与孪生模型的初始参数。
在本发明的优选实施例中，所述物理模型基于包括但不限于电池和算法早期开发过程中的生产测试数据、电动载运工具装备类型以及电池单体、模组建立；所述电动载运工具类型包括但不限于道路交通、轨道交通、航空运输、水路运输等应用领域。
在本发明的优选实施例中，所述物理管理系统在所述物理模型的基础上，结合包括但不限于数据采集模块、计算处理模块、显示单元模块、数据传输模块、命令执行模块(均衡电路、继电器、散热加热电路等)以及相关线束和结构件(盖体、支架、螺栓等)等部件构成。电池管理算法开发过程中，物理管理系统通常为充放电机或基于嵌入式系统开发的电池管理系统样机；电动载运工具充放电循环过程中，物理管理系统指电动载运工具搭载的独立于云孪生系统的基于嵌入式系统开发的电池管理系统；梯次利用过程中，物理管理系统针对不同应用场景有不同的具体实体，但上述各过程涉及的物理管理系统应至少具备数据采集模块、命令执行模块和数据传输模块。
在本发明的优选实施例中，所述云孪生系统包括但不限于数据传输模块、云端计算模块、数据存储模块等。所述数据传输模块用于和物理模型系统以及物理控制系统进行信息交互；云端计算模块用于孪生模型的构建以及各类云端算法的计算；数据存储模块存储从物理模型系统和物理管理系统获取的各类信息以及孪生模型参数，为电池溯源、寿命预测、残值估计、工况分析等提供信息。
本发明还提供了一种利用上述应用数字孪生技术的全周期动力电池管理系统，进行动力电池管理的方法。在所述系统的物理模型系统、物理管理系统、云孪生系统几个组成部分中，分别执行以下操作：
在所述物理模型系统和物理管理系统之间：针对充放电循环过程，物理管理系统通过数据采集模块实时采集物理模型系统即实体电池组的电压、电流、温度等参数并进行数据预处理；基于预处理得到的数据并结合云孪生系统下传的信息，运行电池管理算法和控制策略制定，通过命令执行模块对物理模型系统进行管理。
所述预处理包括但不限于异常数据剔除、数据打包压缩、数据格式转换等，有利于提升控制算法精度和传输至云孪生系统的数据质量。
在本发明的一个典型实施例中，电动汽车车载管理系统通过每秒采集电池组的电压、温度、电流，基于递推最小二乘算法辨识电池参数并实时计算电池组的峰值功率(Stateof Power,SOP)，对电池组充放电功率进行在线管理。对于梯次利用过程，不同应用场景物理管理系统组成会有所差异，但应至少具备物理模型系统数据采集、控制策略执行和将数据信息上传至云孪生系统的功能。
在所述物理管理系统和云孪生系统之间：对上述由物理管理系统完成预处理并经电池管理算法计算得到的数据结果，优化上传至云孪生系统，对初始孪生模型进行改进。所述优化包括但不限于通过数据压缩技术、单体数据交替发送技术等，提升上传数据的表征能力和完备性以及孪生模型的精度。云孪生系统根据存储的不同载运工具的所有历史数据，选取电池规格型号相同的载运工具类型及对应参数，构建与物理模型一致的全周期基准孪生模型，同时实时采集的数据和基准孪生模型进行修正更新，建立与物理模型一一对应的全周期修正孪生模型，使其与物理模型具有相同的响应特性；基于该修正孪生模型利用所述云端算法实现故障诊断、寿命预测、状态估计等功能；通过数据传输模块将修正孪生模型参数和云端算法计算结果回传至物理管理系统，更新物理管理系统算法参数，结合电池管理算法计算结果制定最终控制管理策略并由命令执行模块执行，最终实现安全管理、充放电管理、能量管理、热管理、均衡管理等。此外，通过分析不同过程的历史数据，云孪生系统可以获取特定物理模型的常用工况，从而制定定制化的能量优化管理策略，进一步延长电池使用寿命。
在所述物理模型系统和云孪生系统为：将所述初始参数上传至云孪生系统构建初始孪生模型，针对充放电循环过程，提供所述物理模型和孪生模型实时更新依据；接收云孪生系统传来的历史数据作为电池材料改性、结构优化的参考，以及作为电池管理算法开发过程的参考。
通过本发明提出的应用数字孪生技术的全周期电池管理系统可实现电芯与管理算法开发、电动载运工具充放电循环以及梯次利用直至完全报废的电池数据闭环，能够大幅缩减前期开发过程中的实验周期，实现物理模型和孪生模型协同的动力电池全周期精细化、智能化、网联化管理。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种应用数字孪生技术的全周期动力电池管理系统，其特征在于：所述系统由物理模型系统、物理管理系统、云孪生系统组成；
其中，所述物理模型系统基于真实的电池单体、模组与动力电池系统的物理模型，作为所述物理管理系统的被控对象，以及作为所述物理管理系统的电池管理算法的数据来源，和构建云孪生系统的孪生模型的数据来源；
所述物理管理系统通过数据采集模块获取物理模型系统开发过程中产生的初始参数和使用过程中产生的运行数据，对这些数据进行处理、运行电池管理算法进行计算后，与物理模型系统传来的数据一并上传至所述云孪生系统；
所述云孪生系统基于物理管理系统上传的数据信息，基于云端算法构建电池孪生模型，通过该电池孪生模型和电池历史数据进行数据溯源、状态估计、安全诊断、寿命预测、工况分析功能；所述云孪生系统的输出信息流一部分流向物理管理系统，为所述物理管理系统的状态监测、决策制定、控制执行等提供参考依据，并最终通过物理管理系统实现对物理模型系统的控制；另一部分直接流向物理模型系统，为电池材料改性、结构优化提供参考和指导，以及为电池管理算法开发过程提供参考和指导，用于对不同老化状态电池的分类重组，实现电池重组梯次利用；
所述电池管理算法与所述云端算法中，电池管理算法采用相对短时间尺度算法，云端算法则采用相对长时间尺度算法。
2.如权利要求1所述的系统，其特征在于：所述相对短时间尺度算法计算周期小于等于物理管理系统和云孪生系统数据传输周期的适合算法；所述相对长时间尺度算法则为计算周期大于物理管理系统和云孪生系统数据传输周期的适合算法，对某些难以在线运行的高精度算法也可以采用作为该相对长时间尺度算法。
3.如权利要求2所述的系统，其特征在于：所述初始参数基于电池离线特性测试和老化测试获取，作为所述物理模型与孪生模型的初始参数。
4.如权利要求1所述的系统，其特征在于：所述孪生模型基于电池和算法早期开发过程中的生产测试数据、电动载运工具运行数据以及梯次利用过程产生的数据建立；所述电动载运工具类型包括道路交通、轨道交通、航空运输、水路运输领域中的载运工具。
5.如权利要求1所述的系统，其特征在于：所述物理管理系统在所述物理模型的基础上，结合数据采集模块、计算处理模块、显示单元模块、数据传输模块、命令执行模块、相关线束和其他结构件构成。
6.如权利要求1所述的系统，其特征在于：所述云孪生系统包括数据传输模块、云端计算模块、数据存储模块；所述数据传输模块用于和物理模型系统以及物理控制系统进行信息交互；云端计算模块用于孪生模型的构建以及各类云端算法的计算；数据存储模块存储从物理模型系统和物理管理系统获取的各类信息以及孪生模型参数，为电池溯源、寿命预测、残值估计、工况分析过程提供信息。
7.一种动力电池管理的方法，利用权利要求1-6任一项所述的电池管理系统，其特征在于：在所述系统的物理模型系统、物理管理系统、云孪生系统几个组成部分中，分别执行以下操作：
在所述物理模型系统和物理管理系统之间：针对充放电循环过程，物理管理系统通过数据采集模块实时采集物理模型系统即实体电池组的电压、电流、温度等参数并进行数据预处理；基于预处理得到的数据并结合云孪生系统下传的信息，运行电池管理算法和控制策略制定，通过命令执行模块对物理模型系统进行管理；
在所述物理管理系统和云孪生系统之间：对上述由物理管理系统完成预处理并经电池管理算法计算得到的数据结果，优化上传至云孪生系统，对初始孪生模型进行改进；云孪生系统根据存储的不同载运工具的所有历史数据，选取电池规格型号相同的载运工具类型及对应参数，构建与物理模型一致的全周期基准孪生模型，同时实时采集的数据和基准孪生模型进行修正更新，建立与物理模型一一对应的全周期修正孪生模型，使其与物理模型具有相同的响应特性；基于该修正孪生模型利用所述云端算法实现故障诊断、寿命预测、状态估计等功能；通过数据传输模块将修正孪生模型参数和云端算法计算结果回传至物理管理系统，更新物理管理系统算法参数，结合电池管理算法计算结果制定最终控制管理策略并由命令执行模块执行，最终实现安全管理、充放电管理、能量管理、热管理、均衡管理；
在所述物理模型系统和云孪生系统之间：物理模型系统将所述初始参数上传至云孪生系统构建初始孪生模型；针对充放电循环过程，提供所述物理模型和孪生模型实时更新依据；接收云孪生系统传来的历史数据作为电池材料改性、结构优化的参考，以及作为电池管理算法开发过程的参考。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010461907.3A CN111581850B (zh) | 2020-05-27 | 2020-05-27 | 一种应用数字孪生技术的全周期动力电池管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010461907.3A CN111581850B (zh) | 2020-05-27 | 2020-05-27 | 一种应用数字孪生技术的全周期动力电池管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111581850A true CN111581850A (zh) | 2020-08-25 |
| CN111581850B CN111581850B (zh) | 2022-10-28 |
Family
ID=72111021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010461907.3A Active CN111581850B (zh) | 2020-05-27 | 2020-05-27 | 一种应用数字孪生技术的全周期动力电池管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111581850B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112949170A (zh) * | 2021-02-05 | 2021-06-11 | 北京千驷驭电气有限公司 | 一种基于数字孪生技术的运营推演系统及方法 |
| CN113064939A (zh) * | 2021-04-07 | 2021-07-02 | 北京理工大学 | 一种新能源车辆三电系统安全特征数据库构建方法 |
| CN113253709A (zh) * | 2021-06-07 | 2021-08-13 | 江苏中车数字科技有限公司 | 一种适用于轨道交通车辆健康诊断方法及装置 |
| 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 |
| 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 |
| CN114154429A (zh) * | 2022-02-10 | 2022-03-08 | 中国长江三峡集团有限公司 | 一种储能系统的数字孪生体构建方法、装置及存储介质 |
| CN116227248A (zh) * | 2023-05-10 | 2023-06-06 | 长江三峡集团实业发展(北京)有限公司 | 重力储能系统的数字孪生体构建方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190173109A1 (en) * | 2017-12-04 | 2019-06-06 | General Electric Company | Digital twin based management system and method and digital twin based fuel cell management system and method |
| CN110208705A (zh) * | 2019-05-09 | 2019-09-06 | 赛尔网络有限公司 | 一种锂电池剩余寿命预测方法及装置 |
| CN110534823A (zh) * | 2019-07-19 | 2019-12-03 | 北京航空航天大学 | 一种动力电池均衡管理系统及方法 |
| CN110988559A (zh) * | 2019-12-20 | 2020-04-10 | 国网湖北省电力公司咸宁供电公司 | 基于物联网的变电站直流系统全生命周期的在线监测方法 |
| CN111027165A (zh) * | 2019-07-19 | 2020-04-17 | 北京航空航天大学 | 一种基于数字孪生的动力电池组管理系统及方法 |
-
2020
- 2020-05-27 CN CN202010461907.3A patent/CN111581850B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190173109A1 (en) * | 2017-12-04 | 2019-06-06 | General Electric Company | Digital twin based management system and method and digital twin based fuel cell management system and method |
| CN110208705A (zh) * | 2019-05-09 | 2019-09-06 | 赛尔网络有限公司 | 一种锂电池剩余寿命预测方法及装置 |
| CN110534823A (zh) * | 2019-07-19 | 2019-12-03 | 北京航空航天大学 | 一种动力电池均衡管理系统及方法 |
| CN111027165A (zh) * | 2019-07-19 | 2020-04-17 | 北京航空航天大学 | 一种基于数字孪生的动力电池组管理系统及方法 |
| CN110988559A (zh) * | 2019-12-20 | 2020-04-10 | 国网湖北省电力公司咸宁供电公司 | 基于物联网的变电站直流系统全生命周期的在线监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 熊瑞 等: "电池管理系统被动均衡电路的热仿真研究", 《2019中囯汽车工程学会年会论文集》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112949170A (zh) * | 2021-02-05 | 2021-06-11 | 北京千驷驭电气有限公司 | 一种基于数字孪生技术的运营推演系统及方法 |
| CN113064939A (zh) * | 2021-04-07 | 2021-07-02 | 北京理工大学 | 一种新能源车辆三电系统安全特征数据库构建方法 |
| CN113253709A (zh) * | 2021-06-07 | 2021-08-13 | 江苏中车数字科技有限公司 | 一种适用于轨道交通车辆健康诊断方法及装置 |
| CN113253709B (zh) * | 2021-06-07 | 2021-09-21 | 江苏中车数字科技有限公司 | 一种适用于轨道交通车辆健康诊断方法及装置 |
| 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 |
| 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 |
| 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 |
| CN114154429A (zh) * | 2022-02-10 | 2022-03-08 | 中国长江三峡集团有限公司 | 一种储能系统的数字孪生体构建方法、装置及存储介质 |
| CN116227248A (zh) * | 2023-05-10 | 2023-06-06 | 长江三峡集团实业发展(北京)有限公司 | 重力储能系统的数字孪生体构建方法、装置及电子设备 |
| CN116227248B (zh) * | 2023-05-10 | 2023-07-07 | 长江三峡集团实业发展(北京)有限公司 | 重力储能系统的数字孪生体构建方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111581850B (zh) | 2022-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111581850B (zh) | 一种应用数字孪生技术的全周期动力电池管理系统 | |
| 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 | |
| CN102231546B (zh) | 具有均衡充放电功能的电池管理系统及其控制方法 | |
| CN109324291B (zh) | 一种针对质子交换膜燃料电池寿命预测的预测方法 | |
| CN114372417A (zh) | 基于充电网的电动汽车电池健康状态和剩余寿命评估方法 | |
| 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 | |
| CN110082682B (zh) | 一种锂电池荷电状态估计方法 | |
| CN113960476A (zh) | 基于信息物理融合技术的动力电池故障监测方法及系统 | |
| CN104348205A (zh) | 一种基于soc-soh分布式bms系统 | |
| CN112714156A (zh) | 一种云端bms协同管理方法、系统以及车辆 | |
| WO2021052540A1 (de) | Zustandswert für wiederaufladbare batterien | |
| CN114636948A (zh) | 一种储能系统寿命评估方法、装置、电子设备及存储介质 | |
| CN115616425A (zh) | 电池性能分析方法、电子设备及储能系统 | |
| CN111308350A (zh) | 一种通过大数据进行轨交锂电池性能评估的整体模型框架 | |
| CN110187280A (zh) | 一种基于灰色模型的锂电池剩余寿命概率预测的方法 | |
| CN106058338A (zh) | 一种动力电池组的检测维护和均衡保养设备 | |
| CN116609686B (zh) | 一种基于云平台大数据的电芯一致性评估方法 | |
| US20230305073A1 (en) | Method and apparatus for providing a predicted aging state of a device battery based on a predicted usage pattern | |
| CN115951225A (zh) | 一种电池均衡优化容量估计方法和装置 | |
| CN103337674B (zh) | 一种十六串动力磷酸铁锂电池矩阵均衡控制装置及方法 | |
| CN113655384A (zh) | 一种云边端计算的电池状态计算方法 | |
| CN114492182A (zh) | 一种电池组任意拓扑结构循环寿命推衍预测方法 | |
| CN113495215A (zh) | 一种虚拟电芯系统及其运行方法和一种孪生电池 | |
| Fangdan et al. | Capacity estimation of large-scale retired li-ion batteries for second use based on support vector machine |
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 |