CN112186275A - 一种基于云端的bms体系 - Google Patents
一种基于云端的bms体系 Download PDFInfo
- Publication number
- CN112186275A CN112186275A CN201910599220.3A CN201910599220A CN112186275A CN 112186275 A CN112186275 A CN 112186275A CN 201910599220 A CN201910599220 A CN 201910599220A CN 112186275 A CN112186275 A CN 112186275A
- Authority
- CN
- China
- Prior art keywords
- battery
- data
- cloud
- bms
- platform
- 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.)
- Pending
Links
- 238000007405 data analysis Methods 0.000 claims abstract description 41
- 230000006870 function Effects 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000036541 health Effects 0.000 claims abstract description 6
- 238000012423 maintenance Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000009413 insulation Methods 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000004092 self-diagnosis Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- H01M10/4257—Smart batteries, e.g. electronic circuits inside the housing of the cells or batteries
-
- 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
- H01M10/4285—Testing apparatus
-
- 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
Abstract
本发明属于电池管理系统领域,具体涉及到前端BMS硬件、边缘计算节点、电池数据分析平台为依托的三层架构组成的新型电池管理系统体系。包括电池容量和SOC不一致判定,电池主动均衡指令计算下发;具备电池寿命预测、健康状态评估功能,包括电池模型更新。本发明所述的基于云端的BMS体系,简化前端硬件部分,加强边缘、云的数据分析功能,并将电池管理、状态评估及运维功能上移至上层平台,依靠上层平台的大数据计算分析能力,提高BMS的安全性,包括风险预警和保护,提高BMS的经济性,包括减低硬件成本,提升电池系统利用效率。
Description
技术领域
本发明属于电池管理系统领域,具体涉及到前端BMS硬件、边缘计算节点、电池数据分析平台为依托的三层架构组成的新型电池管理系统体系。
背景技术
随着新能源汽车销量的逐年提升,陆续将有大量动力电池从电动汽车上淘汰,因此退役动力电池出路亟待解决。
电池系统中单体电压低,必须采用多只串联形式,以及电池衰退的随机性及不确定性问题,导致电化学储能面临诸多挑战。
目前现有的BMS系统存在诸多问题,包括数据记录冗余,数据采样频率虽高,但是产生海量无效数据;电池SOH评价困难,评价指标类型繁多,可有效应用较少;无电池健康管理,电池充放电控制参数无法根据SOH进行动态调整;缺乏安全预警,电池系统安全事故时有发生, 安全预警和管理存在隐患。
本发明所述的基于云端的BMS体系,是以硬件检测、边缘计算节点、电池数据分析平台组成三级架构,简化前端硬件部分,加强边缘、云的数据分析功能,并将电池管理、状态评估及运维功能上移至上层平台,依靠上层平台的大数据计算分析能力,提高BMS的安全性,包括风险预警和保护,提高BMS的经济性,包括减低硬件成本,提升电池系统利用效率。
发明内容
本发明的目的在于克服传统BMS体系中存在的计算能力差,存储能力少,分析能力弱等缺点,并且缺乏电池状态评估及健康管理能力,无法实现根据电池使用记录、历史状态和当前运行环境等综合考虑情况下的精确估计,而提出的一种基于前端BMS硬件、边缘计算节点、电池数据分析平台为依托的三层架构组成的新型电池管理系统体系。
本发明提供一种基于云端的BMS体系,以前端BMS硬件、边缘计算节点、电池数据分析平台为依托的三层架构,以前端数据监测、基本估计以及边缘-云结合的数据分析、精确估计的在线式智能电池管理和运维系统,提高BMS的安全性,包括风险预警和保护,提高BMS的经济性,包括减低硬件成本,提升电池系统利用效率;
所述的基于云端的BMS体系包括前端BMS硬件、边缘计算节点以及一套基于云端的电池数据分析平台;
所述的前端BMS硬件包括主板和从板BCU+BMU、主从一体板、智能电池功率模块和隔离变换器;
所述的边缘计算节点包括基于高端ARM核心+FPGA核心组成的边缘计算硬件平台、边缘计算软件平台以及边缘-云数据协同平台;
所述的一套基于云端的电池数据分析平台,包括用于支持前端BMS数据接入、存储、规则转发的数据平台,用于支持边缘-云数据协同平台以及支持离线分析和流式分析的大数据平台。
进一步地,简化的前端硬件检测装置,包括基于第四代高压电池组监视器,先进的电池电源管理;自供电方式,满足低功耗要求,支持唤醒;支持最多12路单体电压检测,4路温度检测;高检测精度,最大检测误差小于±2.5mV;支持总电压检测,具备过/欠压监视功能;支持电池与BMU之间的断线检查;isoSPI接口,菊花链,最大1Mbps传输速率;可控被动均衡管理,具备均衡失效自诊断功能。
进一步地,简化的前端电池管理系统,包括基于高可靠性多处理器工业级芯片设计;支持电池状态数据处理,支持SOC/SOH估算;具备电池电压、电流、温度、SOC、SOH报警功能,回路切断保护功能;支持电池热管理;支持运行状态、故障数据、历史事件型数据记录和掉电保存功能;具备采用标准通讯协议的多路CAN、RS485、SPI通讯接口及I/O接口。
进一步地,基于工业级ARM Cortex-A8核心+FPGA核心组成边缘计算硬件平台,外围包括高速数据总线,支持ms级数据采集及存储功能,支持规约转换、数据预处理、转发。内置边缘计算软件平台,支持秒级/分钟级/小时级实时电池数据分析,以及根据电池历史运行数据的状态评估,并参与电池运行实时决策。内置嵌入式Web,具备完善的后台管理及本地显示;支持边缘-云数据/决策协同控制套件边缘端接口。
进一步地,基于云端的电池数据分析平台,包括秒级实时数据分析、分钟级数据分析、小时级数据分析、天级数据分析、月度数据分析、季度数据分析;支持边缘-云数据/决策系统控制套件;基于充/放电数据的快速电池容量差异辨识;基于历史数据的电池容量评估和预测;电池系统多时间尺度安全预警。
进一步地,基于云端的电池数据分析平台,具备电池状态数据监测、记录和备份功能,包括带时间刻度的边缘端电池数据备份及电池全生命周期数据存储;具备电池保护异常告警、被动保护和主动保护功能,包括电池运行边界条件远程设置,电池内阻计算、绝缘分析等异常告警,主动进行电池运行工况异常动作判定,通信中断保护;具备SOC、SOP估算功能,包括充放电曲线记录,主动深充深放控制进行容量估计及SOC校正;具备均衡被动均衡和主动均衡功能,包括电池容量和SOC不一致判定,电池主动均衡指令计算下发;具备电池寿命预测、健康状态评估功能,包括电池模型更新。
与现有技术相比,本发明的有益效果为:
本发明所述的基于云端的BMS体系,是以硬件检测、边缘计算节点、电池数据分析平台组成三级架构,简化前端硬件部分,加强边缘、云的数据分析功能,并将电池管理、状态评估及运维功能上移至上层平台,依靠上层平台的大数据计算分析能力,提高BMS的安全性,包括风险预警和保护,提高BMS的经济性,包括减低硬件成本,提升电池系统利用效率。
附图说明
图1:基于云端的BMS架构;
图2:BMS层级功能框架图;
图3:电池大数据分析平台核心技术。
具体实施方式
以下结合附图对本发明做进一步描述:
实施例:
如附图所示
本发明公开了一种基于云端的新型BMS架构体系,包括简化的前端硬件检测装置,边缘计算节点,基于云端的电池大数据分析平台。
简化的前端硬件检测装置,提供高精度的电池单体电压检测,及可控的被动均衡管理,具备均衡失效自诊断功能;
简化的前端电池管理系统,提供前端基本的电池状态数据处理(包括电压、电流、温度、SOC、SOH),支持电池动态热管理,具备对路CAN、RS485、SPI通信及I/O接口。
简化的功率变换装置,实现电池、隔离变换和电池管理系统的深度融合,支持串并联和快插拔功能
基于高端ARM+FPGA的边缘计算节点,内置机器学习算法,通过边缘-云数据协同平台,实现本地实时数据分析,参与本地电池控制决策。
基于云端的电池大数据分析平台,能够实现电池数据云分析,包括以下时间尺度分析功能:
秒级实时数据分析:作为前端检测BMS的后备保护,实现单体电压过高、过低、压差过大、过温、绝缘偏低等故障报警。
分钟级数据分析:SOP诊断、电压偏高或偏低电池的统计可视化,直流内阻计算、存储及分析、内阻异常告警。
小时级数据分析:特征参数提取、特征向量与特征值计算、离群点检测、电池短路安全预警。
天级数据分析:冲带曲线获取、动态电压排名及结果展示、电池参数差异识别;各单体均衡容量计算,为电池系统均衡提供策略依据,提升电池系统的使用效率。
月度数据分析:特征参数存储与报表生成、电池健康状态评估、电池模型参数更新。
季度数据分析:电池寿命预测、特征参数变化趋势异常分析,为电池维护和维修提供策略依据,实现电池中长期故障预警,保障电池系统的安全运行。
基于云端的电池大数据分析平台,具备以下核心电池分析技术:基于充电数据的快速容量差异辨识,基于历史数据的电池容量评估和预测,电池系统多时间尺度安全预警。
利用本发明所述的技术方案,或本领域的技术人员在本发明技术方案的启发下,设计出类似的技术方案,而达到上述技术效果的,均是落入本发明的保护范围。
Claims (8)
1.一种基于云端的BMS体系,其特征在于:以前端BMS硬件、边缘计算节点、电池数据分析平台为依托的三层架构,以前端数据监测、基本估计以及边缘-云结合的数据分析、精确估计的在线式智能电池管理和运维系统,提高BMS的安全性,包括风险预警和保护,提高BMS的经济性,包括减低硬件成本,提升电池系统利用效率;
所述的基于云端的BMS体系包括前端BMS硬件、边缘计算节点以及一套基于云端的电池数据分析平台;
所述的前端BMS硬件包括主板和从板BCU+BMU、主从一体板、智能电池功率模块和隔离变换器;
所述的边缘计算节点包括基于高端ARM核心+FPGA核心组成的边缘计算硬件平台、边缘计算软件平台以及边缘-云数据协同平台;
所述的一套基于云端的电池数据分析平台,包括用于支持前端BMS数据接入、存储、规则转发的数据平台,用于支持边缘-云数据协同平台以及支持离线分析和流式分析的大数据平台。
2.根据权利要求1所述的基于云端的BMS体系,其特征在于:简化的前端硬件检测装置,包括基于第四代高压电池组监视器,先进的电池电源管理;自供电方式,满足低功耗要求,支持唤醒;支持最多12路单体电压检测,4路温度检测;高检测精度,最大检测误差小于±2.5mV;支持总电压检测,具备过/欠压监视功能;支持电池与BMU之间的断线检查;isoSPI接口,菊花链,最大1Mbps传输速率;可控被动均衡管理,具备均衡失效自诊断功能。
3.根据权利要求1所述的基于云端的BMS体系,其特征在于:简化的前端电池管理系统,包括基于高可靠性多处理器工业级芯片设计;支持电池状态数据处理,支持SOC/SOH估算;具备电池电压、电流、温度、SOC、SOH报警功能,回路切断保护功能;支持电池热管理;支持运行状态、故障数据、历史事件型数据记录和掉电保存功能;具备采用标准通讯协议的多路CAN、RS485、SPI通讯接口及I/O接口。
4.根据权利要求1所述的基于云端的BMS体系,其特征在于:基于工业级ARM Cortex-A8核心+FPGA核心组成边缘计算硬件平台,外围包括高速数据总线,支持ms级数据采集及存储功能,支持规约转换、数据预处理、转发。
5.内置边缘计算软件平台,支持秒级/分钟级/小时级实时电池数据分析,以及根据电池历史运行数据的状态评估,并参与电池运行实时决策。
6.内置嵌入式Web,具备完善的后台管理及本地显示;支持边缘-云数据/决策协同控制套件边缘端接口。
7.根据权利要求1所述的基于云端的BMS体系,其特征在于: 基于云端的电池数据分析平台,包括秒级实时数据分析、分钟级数据分析、小时级数据分析、天级数据分析、月度数据分析、季度数据分析;支持边缘-云数据/决策系统控制套件;基于充/放电数据的快速电池容量差异辨识;基于历史数据的电池容量评估和预测;电池系统多时间尺度安全预警。
8.根据权利要求1所述的基于云端的BMS体系,其特征在于:基于云端的电池数据分析平台,具备电池状态数据监测、记录和备份功能,包括带时间刻度的边缘端电池数据备份及电池全生命周期数据存储;具备电池保护异常告警、被动保护和主动保护功能,包括电池运行边界条件远程设置,电池内阻计算、绝缘分析等异常告警,主动进行电池运行工况异常动作判定,通信中断保护;具备SOC、SOP估算功能,包括充放电曲线记录,主动深充深放控制进行容量估计及SOC校正;具备均衡被动均衡和主动均衡功能,包括电池容量和SOC不一致判定,电池主动均衡指令计算下发;具备电池寿命预测、健康状态评估功能,包括电池模型更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599220.3A CN112186275A (zh) | 2019-07-04 | 2019-07-04 | 一种基于云端的bms体系 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599220.3A CN112186275A (zh) | 2019-07-04 | 2019-07-04 | 一种基于云端的bms体系 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112186275A true CN112186275A (zh) | 2021-01-05 |
Family
ID=73915309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910599220.3A Pending CN112186275A (zh) | 2019-07-04 | 2019-07-04 | 一种基于云端的bms体系 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112186275A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112732443A (zh) * | 2021-01-12 | 2021-04-30 | 徐州普罗顿氢能储能产业研究院有限公司 | 一种基于边缘计算的储能电站状态评估与运行优化系统 |
CN112910064A (zh) * | 2021-05-10 | 2021-06-04 | 恒银金融科技股份有限公司 | 一种应用于电池充放电的安全系统 |
CN113097580A (zh) * | 2021-03-23 | 2021-07-09 | 苏州恒电能源动力科技有限公司 | 一种基于边缘计算的警用划水板电池组 |
CN113839449A (zh) * | 2021-10-29 | 2021-12-24 | 蜂巢能源科技有限公司 | 储能系统安全控制方法及控制系统 |
CN115548480A (zh) * | 2022-11-01 | 2022-12-30 | 湖南东舟能源有限公司 | 电池系统及电池系统的控制方法 |
CN116093459A (zh) * | 2023-03-20 | 2023-05-09 | 苏州时代华景新能源有限公司 | 一种锂电池储能箱的智能监测方法及系统 |
WO2023197488A1 (zh) * | 2022-04-11 | 2023-10-19 | 上海玫克生储能科技有限公司 | 单粒子电化学模型计算装置及方法 |
TWI825686B (zh) * | 2022-04-22 | 2023-12-11 | 大葉大學 | 智能電源管理邊緣估算系統及建置方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227494A (zh) * | 2013-05-17 | 2013-07-31 | 北京华电天仁电力控制技术有限公司 | 一种储能电池管理系统 |
CN105789716A (zh) * | 2016-03-03 | 2016-07-20 | 北京交通大学 | 一种广义电池管理系统 |
CN105955146A (zh) * | 2016-06-27 | 2016-09-21 | 中国科学技术大学 | 一种电动汽车动力电池组远程监控系统 |
CN108021531A (zh) * | 2018-01-05 | 2018-05-11 | 贾宝银 | 基于fpga可重构架构的可变限速云端边缘数据处理平台系统 |
CN108258338A (zh) * | 2017-12-29 | 2018-07-06 | 江苏博强新能源科技股份有限公司 | 电池的管理系统和方法 |
CN108469590A (zh) * | 2018-03-22 | 2018-08-31 | 深圳市南霸科技有限公司 | 一种基于物联网的智能电池状态监测系统 |
US20180331546A1 (en) * | 2017-04-14 | 2018-11-15 | Advanced Charging Technologies Inc. | Battery management system including cloud server to schedule batteries for use and related methods |
US20190064787A1 (en) * | 2017-08-31 | 2019-02-28 | Rockwell Automation Technologies, Inc. | Discrete manufacturing hybrid cloud solution architecture |
CN109606200A (zh) * | 2018-12-19 | 2019-04-12 | 江苏科达车业有限公司 | 一种新能源汽车电池管理系统 |
US20190158370A1 (en) * | 2017-11-17 | 2019-05-23 | Electronics And Telecommunications Research Institute | Computing system and method for intelligent ioe information framework |
-
2019
- 2019-07-04 CN CN201910599220.3A patent/CN112186275A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227494A (zh) * | 2013-05-17 | 2013-07-31 | 北京华电天仁电力控制技术有限公司 | 一种储能电池管理系统 |
CN105789716A (zh) * | 2016-03-03 | 2016-07-20 | 北京交通大学 | 一种广义电池管理系统 |
CN105955146A (zh) * | 2016-06-27 | 2016-09-21 | 中国科学技术大学 | 一种电动汽车动力电池组远程监控系统 |
US20180331546A1 (en) * | 2017-04-14 | 2018-11-15 | Advanced Charging Technologies Inc. | Battery management system including cloud server to schedule batteries for use and related methods |
US20190064787A1 (en) * | 2017-08-31 | 2019-02-28 | Rockwell Automation Technologies, Inc. | Discrete manufacturing hybrid cloud solution architecture |
US20190158370A1 (en) * | 2017-11-17 | 2019-05-23 | Electronics And Telecommunications Research Institute | Computing system and method for intelligent ioe information framework |
CN108258338A (zh) * | 2017-12-29 | 2018-07-06 | 江苏博强新能源科技股份有限公司 | 电池的管理系统和方法 |
CN108021531A (zh) * | 2018-01-05 | 2018-05-11 | 贾宝银 | 基于fpga可重构架构的可变限速云端边缘数据处理平台系统 |
CN108469590A (zh) * | 2018-03-22 | 2018-08-31 | 深圳市南霸科技有限公司 | 一种基于物联网的智能电池状态监测系统 |
CN109606200A (zh) * | 2018-12-19 | 2019-04-12 | 江苏科达车业有限公司 | 一种新能源汽车电池管理系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112732443A (zh) * | 2021-01-12 | 2021-04-30 | 徐州普罗顿氢能储能产业研究院有限公司 | 一种基于边缘计算的储能电站状态评估与运行优化系统 |
CN113097580A (zh) * | 2021-03-23 | 2021-07-09 | 苏州恒电能源动力科技有限公司 | 一种基于边缘计算的警用划水板电池组 |
CN112910064A (zh) * | 2021-05-10 | 2021-06-04 | 恒银金融科技股份有限公司 | 一种应用于电池充放电的安全系统 |
CN113839449A (zh) * | 2021-10-29 | 2021-12-24 | 蜂巢能源科技有限公司 | 储能系统安全控制方法及控制系统 |
WO2023197488A1 (zh) * | 2022-04-11 | 2023-10-19 | 上海玫克生储能科技有限公司 | 单粒子电化学模型计算装置及方法 |
TWI825686B (zh) * | 2022-04-22 | 2023-12-11 | 大葉大學 | 智能電源管理邊緣估算系統及建置方法 |
CN115548480A (zh) * | 2022-11-01 | 2022-12-30 | 湖南东舟能源有限公司 | 电池系统及电池系统的控制方法 |
CN115548480B (zh) * | 2022-11-01 | 2023-04-18 | 湖南东舟能源有限公司 | 电池系统及电池系统的控制方法 |
CN116093459A (zh) * | 2023-03-20 | 2023-05-09 | 苏州时代华景新能源有限公司 | 一种锂电池储能箱的智能监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112186275A (zh) | 一种基于云端的bms体系 | |
WO2021169486A1 (zh) | 基于充电过程监控电池阻抗异常的方法、系统以及装置 | |
CN102231546B (zh) | 具有均衡充放电功能的电池管理系统及其控制方法 | |
CN103094633B (zh) | 一种用于电动汽车动力电池的检测及维护系统 | |
CN202309138U (zh) | 变电站直流电源系统用磷酸铁锂电池管理系统 | |
CN112331941A (zh) | 云端辅助电池管理系统及方法 | |
CN115494404B (zh) | 一种蓄电池组在线监测方法 | |
CN104242393A (zh) | 基于动态soc估算系统的电池管理系统 | |
CN102749585A (zh) | 一种基于多层支持向量机的蓄电池在线监测方法 | |
CN110324383B (zh) | 云服务器、电动汽车及其中动力电池的管理系统、方法 | |
Xu et al. | A vehicle-cloud collaborative method for multi-type fault diagnosis of lithium-ion batteries | |
CN107121639A (zh) | 一种多维参数直流系统蓄电池管理方法及装置 | |
CN110931899B (zh) | 锂离子动力电池组的故障诊断及失效处理系统以及方法 | |
CN104391253A (zh) | 一种使用fpga监测变电站蓄电池状态的方法 | |
CN111509319A (zh) | 一种储能电源phm管理系统 | |
CN110789395A (zh) | 一种多层式bms控制系统 | |
CN204030697U (zh) | 基于动态soc估算系统的电池管理系统 | |
CN104201787A (zh) | 基于卡尔曼滤波算法的移动储能电站电池管理系统 | |
CN102221678A (zh) | 一种电池系统在线寿命计算方法 | |
CN205621815U (zh) | 一种基于plc的铅酸动力电池管理系统 | |
CN204030731U (zh) | 基于卡尔曼滤波算法的移动储能电站电池管理系统 | |
CN112529464A (zh) | 一种电池包的健康度评估方法、装置及相关产品 | |
CN204497784U (zh) | 液流储能电池充放电控制系统 | |
CN115201681A (zh) | 一种锂电池安全性能检测方法及系统 | |
CN204886310U (zh) | 基于arm的锂电池管理系统 |
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 |