CN114385201A - 一种储能设备对应的端平台升级方法及系统 - Google Patents
一种储能设备对应的端平台升级方法及系统 Download PDFInfo
- Publication number
- CN114385201A CN114385201A CN202011110124.7A CN202011110124A CN114385201A CN 114385201 A CN114385201 A CN 114385201A CN 202011110124 A CN202011110124 A CN 202011110124A CN 114385201 A CN114385201 A CN 114385201A
- Authority
- CN
- China
- Prior art keywords
- upgraded
- model
- end platform
- data
- verification
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
Abstract
本发明实施例公开一种储能设备对应的端平台升级方法及系统,该方法包括:云平台基于待升级端平台对应的第一数据,对初始的数字孪生系统进行参数辨识,确定待升级端平台对应的目标数字孪生系统;基于目标数字孪生系统中应用策略生成模型及待升级端平台对应的第二数据,确定待升级端平台对应的目标应用策略信息;基于待升级端平台对应的验证数据,对目标应用策略信息及待升级端平台对应的待升级模型进行验证,确定验证结果;在验证结果表征目标应用策略信息以及待升级模型均验证通过的情况下,将目标应用策略信息及待升级模型发送至待升级端平台,以使待升级端平台升级,以实现对端平台的升级,保障储能设备状态的准确预估。
Description
技术领域
本发明涉及数据升级技术领域,具体而言,涉及一种储能设备对应的端平台升级方法及系统。
背景技术
储能设备的工作状态正常与否的准确预估,是其对应的端平台的一个重要性能要求。例如电动汽车目前常用的铅酸电池、锂电池、镍氢电池等储能设备,一旦储能设备偏离了正常工作状态即处于亚健康状态或故障状态,就会给整个电动汽车的汽车动力系统带来严重的安全隐患,因此,端平台对其工作状态的预估显得尤为重要。
端平台可以通过监控储能设备在运行过程中生成的电池特征数据,来预估储能设备的工作状态的正常与否。随着储能设备应用时长的增长,储能设备会出现老化现象,相应的,为了保证对储能设备的工作状态的正常与否的准确预估,端平台中用于预估储能设备的工作状态正常与否的模型和/或策略参数需要进行相应的更新,即需要对端平台进行更新。
那么,如何实现对端平台的更新,以使得端平台可以实现对所对应储能设备的工作状态的准确预估称为亟待解决的问题。
发明内容
本发明提供了一种储能设备对应的端平台升级方法及系统,以实现对端平台的升级,保障储能设备状态的准确预估。具体的技术方案如下:
第一方面,本发明实施例提供了一种储能设备对应的端平台升级方法,所述方法应用于云平台,所述方法包括:
基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台对应的目标数字孪生系统;
基于所述目标数字孪生系统中应用策略生成模型以及所述待升级端平台对应的第二数据,确定所述待升级端平台对应的目标应用策略信息;
基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,所述验证数据为:从所述第一数据中筛选出的满足预设验证条件的数据;
在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过的情况下,将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台,以使所述待升级端平台基于所述目标应用策略信息以及所述待升级模型进行升级。
可选的,所述第一数据包括:所述待升级端平台所采集的其对应的储能设备在运行过程中生成的第一运行数据、所述待升级端平台基于所述第一运行数据确定的第二运行数据,以及与所述待升级端平台对应的储能设备同类型的其他储能设备在运行过程中生成的第三运行数据以及第四运行数据,其中,所述第四运行数据为基于所述第三运行数据确定的数据。
可选的,所述基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的步骤,包括:
基于所述升级端平台对应的第一验证数据中第一指定特征对应的数据,以及所述待升级端平台对应的待升级模型,确定第二指定特征对应的待验证数据,其中,所述第一验证数据属于所述验证数据,所述待升级模型为:用于确定所述第二指定特征对应的数据的模型;
基于所述第一验证数据中所述第二指定特征对应的数据,以及所述第二指定特征对应的待验证数据,确定所述待升级模型对应的误差值;
基于所述待升级模型对应的误差值以及预设误差阈值,确定所述待升级模型对应的验证结果,其中,若所述待升级模型对应的误差值低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型验证通过的信息;若所述待升级模型对应的误差值不低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型未验证通过的信息;
利用所述待升级端平台对应的第二验证数据、所述应用策略生成模型以及所述待升级模型,对所述目标应用策略信息进行验证,确定所述目标应用策略信息对应的验证结果,其中,所述第二验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据。
可选的,所述基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的步骤,包括:
基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,第三验证数据为所对应工况信息为预设工况信息的数据。
可选的,所述基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的步骤,包括:
利用所述待升级端平台对应的第三验证数据、所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型,控制所述验证模型中电池仿真模型运行,其中,所述第三验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据;
在所述电池模型运行过程中,利用所述验证模型中电池诊断模型监控所述电池仿真模型运行过程,得到所述电池诊断模型对所述电池仿真模型运行过程的监控结果;
基于所述监控结果,确定所述目标应用策略信息以及所述待升级模型的验证结果,其中,若所述监控结果表征所述电池仿真模型运行过程中未出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过,若所述监控结果表征所述电池仿真模型运行过程中出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型未验证通过。
可选的,将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台的步骤之后,所述方法还包括:
获得所述待升级端平台发送的升级反馈信息,其中,所述升级反馈信息为:所述待升级端平台基于其兼容性以及升级后的预测误差结果所确定的信息,其中,所述升级后的预测误差结果为:第一目标运行数据与第二目标运行数据确定的结果,所述第一目标运行数据为:所述待升级端平台基于其对应的储能设备运行过程中所生成的实时运行数据以及所述待升级模型所确定的数据,所述第二目标运行数据为:所述云平台基于所述实时运行数据以及预设运行数据计算模型所确定的数据;
若所述升级反馈信息表征所述待升级端平台升级失败,则获得所述待升级端平台的最新历史版本模型以及最新历史应用策略信息,并发送至所述待升级端平台,以使所述待升级端平台恢复其在升级前的最新历史版本模型以及最新历史应用策略信息。
可选的,所述方法还包括:
在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型不均准确的情况下,返回所述基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台对应的目标数字孪生系统的步骤。
第二方面,本发明实施例提供了一种储能设备对应的端平台升级系统,所述系统包括云平台以及待升级端平台;
所述云平台,被配置为基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台对应的目标数字孪生系统;基于所述目标数字孪生系统中应用策略生成模型以及所述待升级端平台对应的第二数据,确定所述待升级端平台对应的目标应用策略信息;基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,所述验证数据为:从所述第一数据中筛选出的满足预设验证条件的数据;在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过的情况下,将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台;
所述待升级端平台,被配置为获得所述目标应用策略信息以及所述待升级模型,并基于所述目标应用策略信息以及所述待升级模型进行升级。
可选的,所述第一数据包括:所述待升级端平台所采集的其对应的储能设备在运行过程中生成的第一运行数据、所述待升级端平台基于所述第一运行数据确定的第二运行数据,以及与所述待升级端平台对应的储能设备同类型的其他储能设备在运行过程中生成的第三运行数据以及第四运行数据,其中,所述第四运行数据为基于所述第三运行数据确定的数据。
可选的,所述云平台在基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的过程中,被具体配置为:
基于所述升级端平台对应的第一验证数据中第一指定特征对应的数据,以及所述待升级端平台对应的待升级模型,确定第二指定特征对应的待验证数据,其中,所述第一验证数据属于所述验证数据,所述待升级模型为:用于确定所述第二指定特征对应的数据的模型;
基于所述第一验证数据中所述第二指定特征对应的数据,以及所述第二指定特征对应的待验证数据,确定所述待升级模型对应的误差值;
基于所述待升级模型对应的误差值以及预设误差阈值,确定所述待升级模型对应的验证结果,其中,若所述待升级模型对应的误差值低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型验证通过的信息;若所述待升级模型对应的误差值不低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型未验证通过的信息;
利用所述待升级端平台对应的第二验证数据、所述应用策略生成模型以及所述待升级模型,对所述目标应用策略信息进行验证,确定所述目标应用策略信息对应的验证结果,其中,所述第二验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据。
可选的,所述云平台在基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的过程中,被具体配置为:
基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,第三验证数据为所对应工况信息为预设工况信息的数据。
可选的,所述云平台在基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的过程中,被具体配置为:
利用所述待升级端平台对应的第三验证数据、所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型,控制所述验证模型中电池仿真模型运行,其中,所述第三验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据;
在所述电池模型运行过程中,利用所述验证模型中电池诊断模型监控所述电池仿真模型运行过程,得到所述电池诊断模型对所述电池仿真模型运行过程的监控结果;
基于所述监控结果,确定所述目标应用策略信息以及所述待升级模型的验证结果,其中,若所述监控结果表征所述电池仿真模型运行过程中未出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过,若所述监控结果表征所述电池仿真模型运行过程中出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型未验证通过。
可选的,所述云平台还被配置为:
在所述将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台之后,获得所述待升级端平台发送的升级反馈信息,其中,所述升级反馈信息为:所述待升级端平台基于其兼容性以及升级后的预测误差结果所确定的信息,其中,所述升级后的预测误差结果为:第一目标运行数据与第二目标运行数据确定的结果,所述第一目标运行数据为:所述待升级端平台基于其对应的储能设备运行过程中所生成的实时运行数据以及所述待升级模型所确定的数据,所述第二目标运行数据为:所述云平台基于所述实时运行数据以及预设运行数据计算模型所确定的数据;
若所述升级反馈信息表征所述待升级端平台升级失败,则获得所述待升级端平台的最新历史版本模型以及最新历史应用策略信息,并发送至所述待升级端平台,以使所述待升级端平台恢复其在升级前的最新历史版本模型以及最新历史应用策略信息。
可选的,所述云平台还被配置为:
在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型不均准确的情况下,返回所述基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台对应的目标数字孪生系统。
可选的,所述待升级端平台,还被配置为
在基于待升级模型以及目标应用策略参数升级之后,确定是否兼容所述待升级模型;
在确定所述兼容待升级模型的情况下,获得所对应储能平台运行过程中所生成的实时运行数据,并发送至云平台,云平台基于预设数据确定模型以及实时运行数据,确定第二目标运行数据,并发送至所述待升级端平台;
获得所述云平台发送的所述第二目标运行数据;
基于升级后的待升级模型以及实时运行数据,确定第一目标运行数据;
基于所述第一目标运行数据和所述第二目标运行数据,确定所述第一目标运行数据和所述第二目标运行数据之间的差异值;
若该差异值超过预设差异值,或者不兼容待升级模型,则确定表征待升级端平台升级失败的升级反馈信息,发送至所述云平台;
若该差异值未超过预设差异值,则确定表征待升级端平台升级成功的升级反馈信息,发送至所述云平台。
由上述内容可知,本发明实施例提供的一种储能设备对应的端平台升级方法及系统,云平台基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定待升级端平台对应的目标数字孪生系统;基于目标数字孪生系统中应用策略生成模型以及待升级端平台对应的第二数据,确定待升级端平台对应的目标应用策略信息;基于待升级端平台对应的验证数据,对目标应用策略信息以及目标数字孪生系统中待升级端平台对应的待升级模型进行验证,确定验证结果,其中,验证数据为:从第一数据中筛选出的满足预设验证条件的数据;在验证结果表征目标应用策略信息以及待升级端平台对应的待升级模型均验证通过的情况下,将目标应用策略信息以及待升级模型发送至待升级端平台,以使待升级端平台基于目标应用策略信息以及待升级模型进行升级。
应用本发明实施例,云平台可以基于待升级端平台对应的第一数据,构建出待升级端平台对应的目标数字孪生系统,并结合第二数据,确定出待升级端平台对应的目标应用策略信息;以及结合验证数据,对目标应用策略信息以及目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,并在验证结果表征目标应用策略信息以及待升级模型均验证通过的情况下,将目标应用策略信息以及待升级模型发送至待升级端平台,以使待升级端平台升级,利用云平台的计算能力以及存储能力,基于目标数字孪生系统确定出待升级端平台所需升级的应用策略信息以及计算模型,并在确定出的目标应用策略信息以及待升级模型均验证通过的情况下,发送至待升级端平台,实现对待升级端平台的应用策略信息以及计算模型的更新,实现对端平台的升级,进而保障储能设备状态的准确预估。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
本发明实施例的创新点包括:
1、利用云平台的计算能力以及存储能力,基于目标数字孪生系统确定出待升级端平台所需升级的应用策略信息以及计算模型,并在确定出的目标应用策略信息以及待升级模型均验证通过的情况下,发送至待升级端平台,实现对待升级端平台的应用策略信息以及计算模型的更新,实现对端平台的升级,进而保障储能设备状态的准确预估。
2、第一数据既包括待升级端平台上传的历史数据以及实时数据,还包括与待升级端平台所对应储能设备同类型的储能设备所对应的历史数据以及实时数据,通过大量的数据可以建立出更符合实际的待升级端平台对应的目标孪生系统,即得到更符合实际的端平台对应的目标应用策略信息以及待升级模型。
3、提供待升级模型及目标应用策略信息的验证方案,为对待升级端平台的准确升级提供保障。
4、待升级端平台升级后自检确定是否升级成功,并向云平台反馈,云平台获得反馈信息基于反馈信息执行相应步骤,若反馈升级失败,将保存的待升级端平台的升级前的最新历史版本模型以及最新历史应用策略信息发送至待升级端平台,保证待升级端平台的可用性。
5、若目标应用策略信息以及待升级端平台对应的待升级模型不均准确,则重新进行参数辨识,保证所确定的目标应用策略信息以及待升级端平台对应的待升级模型的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的储能设备对应的端平台升级方法的一种流程示意图;
图2为本发明实施例提供的储能设备对应的端平台升级流程的一种示意图;
图3为本发明实施例提供的储能设备对应的端平台升级系统的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施例,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付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。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明提供了一种储能设备对应的端平台升级方法及系统,以实现对端平台的升级,保障储能设备状态的准确预估。下面对本发明实施例进行详细说明。
图1为本发明实施例提供的储能设备对应的端平台升级方法的一种流程示意图。该方法可以包括如下步骤:
S101:基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定待升级端平台对应的目标数字孪生系统。
本发明实施例所提供的储能设备对应的端平台升级方法,应用于云平台。在一种实现中,实现该储能设备对应的端平台升级方法的功能软件可以以单独的客户端软件的形式存在,也可以以目前相关的客户端软件的插件的形式存在,这都是可以的。
云平台可以与至少一个端平台进行通信,即可以获得至少一个端平台上传的数据,以及针对至少一个端平台执行升级流程,其中,该待升级端平台可以为任一端平台。
在一种情况中,每一端平台均可以获得其对应的储能设备在运行过程中生成的数据,作为第一运行数据,进而利用自身运存的模型以及第一运行数据确定出第二运行数据,进而,将每一端平台均可以将其对应的第一运行数据以及第二运行数据发送至云平台,云平台将所获得的数据存储于预设存储空间,该预设存储空间可以以数据库的形式存在。并且每一端平台均可以利用其预存的应用策略信息控制其所对应的储能设备的运行,以避免储能设备在运行过程中出现问题。其中,应用策略信息包括但不限于:SOP(State OfPower,动力状态)查表值、充电策略以及报警阈值等。
在一种情况中,端平台还可以获得储能设备所处环境的环境信息以及储能设备的地理位置信息、负载情况和状态信息,进而,对应于第一运行数据和第二运行数据发送至云平台,云平台对应于第一运行数据和第二运行数据,存储该环境信息以及储能设备的地理位置信息、负载情况和状态信息,其中,该环境信息可以通过相应的传感器获得,该传感器可以监控储能设备所处环境。环境信息包括但不限于环境温度以及储能设备负载情况等。
在一种实现中,该储能设备为电池系统,该电池系统可以包括至少一节电池,电池可以包括但不限于有铅酸电池、锂电池、镍氢电池等类型的电池。本发明实施例并不限定电池的类型。一种情况中,该储能设备可以为电动汽车或者电动单车或充电桩上的储能设备。
在一种实现中,该储能设备在运行过程中所生成的第一运行数据包括但不限于:每一数据采集时刻对应的电压、电流、最高温度、最低温度以及最大电压等。其中,最高温度可以指:数据采集时刻下储能设备中所有电池的温度中最高温度。最低温度可以指:数据采集时刻下储能设备中所有电池的温度中最低温度,最大电压可以指:数据采集时刻下储能设备中所有电池的电压中最大电压。其中,运行过程可以包括储能设备的充电和/或放电过程。
相应的,端平台基于第一运行数据所确定的第二运行数据可以包括但不限于:SOC(State of Charge,电荷状态)以及SOP等。
在云平台确定某一端平台,即待升级端平台存在升级的需求的情况,获得从数据库中获得待升级端平台对应的第一数据,进而,基于待升级端平台对应的第一数据,利用预设优化算法,对初始的数字孪生系统中的每一模型进行参数辨识,确定待升级端平台对应的目标数字孪生系统。其中,预设优化算法包括但不限于:遗传算法、粒子群算法、蚁群算法、最小二乘法算法、卡尔曼滤波算法等。对初始的数字孪生系统中的每一模型进行参数辨识的过程,可以参见相关参数辨识过程。
在本发明的一种实现方式中,第一数据可以包括:待升级端平台所采集的其对应的储能设备在运行过程中生成的第一运行数据、待升级端平台基于第一运行数据确定的第二运行数据,以及与待升级端平台对应的储能设备同类型的其他储能设备在运行过程中生成的第三运行数据以及第四运行数据,其中,第四运行数据为基于第三运行数据确定的数据。该第三运行数据的数据类型可以存在与第一运行数据的数据类型相同的数据类型,第四运行数据的数据类型可以存在与第二运行数据的数据类型相同的数据类型。第四运行数据可以由生成其所对应第三运行数据的其他储能设备对应的端平台确定。
初始的数字孪生系统所包括的模型包括但不限于:本构模型、热力学及动力学模型、安全预警模型、机械应力模型、电化学-热耦合模型、热模型、电热应力耦合模型、协作信息感知模型、分布式异构数据融合计算模型、等效电路模型以及AI模型等。
其中,本构模型描述材料的应力、应力率与应变、应变率之间的关系,可分为弹性,塑性,粘性以及它们之间的任意组合,本发明实施例中,该本构模型可以为待升级端平台所对应储能设备对应的电极材料的力-电-化耦合的本构模型。
热力学及动力学模型为:用于利用热力学通过电极材料相变过程的吉布斯自由能的变化,及电池充放电的化学反应过程,估算电池的反应产热,结合化学反应的动力学获得电极材料表面的电化学反应动力学,有利于辅助揭示电池内部的反应机理的模型。
安全预警模型为:通过采集的电流、电压、温度及SOC等运行数据,判断储能设备运行过程中是否有安全隐患,如有安全隐患可以及时发出报警信息,使储能设备控制器如端平台,限制储能设备功率或断开储能设备继电器,从而保证储能设备的安全运行及相关人员的生命安全的模型。
机械应力模型可以为:用于模拟储能设备由于外因(受力、湿度变化等)而变形时,在储能设备内各部分之间产生相互作用的内力,以抵抗这种外因的作用,并力图使储能设备从变形后的位置回复到变形前的位置的模型,可以表征外部应力对储能设备性能的影响。
电化学-热耦合模型为模拟储能设备的模型,即后续提到的应用策略生成模型,通过待升级端平台对应的第一数据,得到可以模拟待升级端平台对应的储能设备运行的电化学-热耦合模型。
该热模型为:用于模拟储能设备基于预设发生因素发热或燃烧的模型,例如可以为锂离子电池热模型,预设发生因素包括但不限于短路和电流过大等。
电热应力耦合模型可以为:用于模拟储能设备充/放电过程中,由于电芯内阻及材料相变潜热使储能设备温度发生变化,从而造成电芯材料的热胀冷缩的模型,其可以表征出储能设备内部热应力对储能设备性能的影响。
协作信息感知模型为用于对所获得的储能设备对应的数据进行处理得到最终的储能设备的状态的模型,其从多个角度综合评价储能设备的状态,有利于准确估计储能设备的状态。其中,所获得的储能设备对应的数据包括:储能设备对应的各个传感器的采集信号如电流、电压及温度,和通过储能设备内置传感器得到的储能设备内部状态信息。
分布式异构数据融合计算模型为:利用多种数据结构的异构数据及其对应的储能设备的标签状态,训练所得的用于对储能设备进行故障诊断的网络模型。其中,上述的异构数据包括:在储能设备的充/放电过程中,采集到的电压、电流、温度及热电耦合模型计算出的温度分布图像等,在训练过程中,以上述异构数据为输入,以上述异构数据对应的储能设备的预测状态为输出,进而,通过存在对应关系的预测状态和标签状态调整模型参数,以得到达到收敛状态的模型,即为分布式异构数据融合计算模型。
等效电路模型为:与待升级端平台对应的模型,为用于替换待升级段平台内的模型和/或参数的模型。AI模型为:深度神经网络模型,用于对目标数据孪生系统中应用策略生成模型所生成的目标应用策略信息以及待升级模型进行验证。
以通过遗传算法为例对本构模型的参数辨识为例,对参数辨识过程进行说明:本构模型可以通过选取的多段差异较大的充电过程和/或放电过程段的电流、温度、电压等信息,以电压计算的均方误差作为遗传算法的适应度函数值,将本构模型中的参数,如储能设备的比热容,正、负极活性材料的物质的量、熵系数等,作为遗传算法的优化参数,遗传算法根据多代的计算可以使本构模型收敛,直到适应度函数值小于一定阈值,此本构模型的参数辨识过程完成。
在一种情况中,等效电路模型中辨识参数为电阻、电容的查表值;机械应力模型中辨识参数为材料的弹性模量及泊松比等;电化学-热耦合模型中辨识参数为储能设备的比热容,正、负极活性材料的物质的量、熵系数等;电热应力耦合模型辨识参数为储能设备材料的热膨胀系数等参数;热模型辨识参数为储能设备的材料的比热容、热传导系数、热对流交换系数等。都可以通过上述方法辨识。另外,安全预警模型中的参数可以根据等效电路模型和热模型中的参数进行适配。
S102:基于目标数字孪生系统中应用策略生成模型以及待升级端平台对应的第二数据,确定待升级端平台对应的目标应用策略信息。
本步骤中,该应用策略生成模型为用于模拟待升级端平台所对应储能设备的模型,可以具体为电化学-热耦合模型。
该目标应用策略信息用于控制储能设备的运行过程,以避免储能设备在运行过程中出现异常情况,该异常情况可以包括但不限于:析锂、储能设备滥用等。目标应用策略信息可以包括但不限于:SOP查表值、充电策略以及报警阈值等。其中,充电策略可以用于在储能设备处于低温环境充电时,控制储能设备的充电过程,以避免储能设备出现析锂现象。在端平台检测到储能设备被滥用时,可以根据SOP查表值或报警阈值降低储能设备的输出功率,以避免储能设备被滥用。
电子设备可以利用待升级端平台对应的第二数据中的电流值,激励该应用策略生成模型,使得应用策略生成模型模拟待升级端平台对应的储能设备的运行;监控应用策略生成模型的运行过程,基于应用策略生成模型的运行过程,确定出待升级端平台对应的目标应用策略信息,以使得在应用策略生成模型的运行过程中不出现异常情况,该异常情况包括待升级端平台对应的储能设备对应的异常情况。
其中,该第二数据可以包括:待升级端平台所采集的其对应的储能设备在运行过程中生成的第一运行数据、待升级端平台基于第一运行数据确定的第二运行数据,以及与待升级端平台对应的储能设备同类型的其他储能设备在运行过程中生成的第三运行数据以及第四运行数据,其中,第四运行数据为基于第三运行数据确定的数据。该第二数据可以包括与第一数据重复的数据,也可以包括与第一数据不重复的数据。
S103:基于待升级端平台对应的验证数据,对目标应用策略信息以及目标数字孪生系统中待升级端平台对应的待升级模型进行验证,确定验证结果。
其中,验证数据为:从第一数据中筛选出的满足预设验证条件的数据。
在一种实现方式中,云平台可以从第一数据中筛选出满足预设验证条件的数据,作为验证数据,进而,利用验证数据,对目标应用策略信息以及目标数字孪生系统中待升级端平台对应的待升级模型进行验证,确定验证结果,其中,该验证结果中包括表征目标应用策略信息是否验证通过的信息以及表征待升级模型是否验证通过的信息。
在本发明的一种实现方式中,所述S103可以包括如下步骤011-014:
011:基于升级端平台对应的第一验证数据中第一指定特征对应的数据,以及待升级端平台对应的待升级模型,确定第二指定特征对应的待验证数据。
其中,第一验证数据属于验证数据,待升级模型为:用于确定第二指定特征对应的数据的模型。
012:基于第一验证数据中第二指定特征对应的数据,以及第二指定特征对应的待验证数据,确定待升级模型对应的误差值。
013:基于待升级模型对应的误差值以及预设误差阈值,确定待升级模型对应的验证结果。
其中,若待升级模型对应的误差值低于预设误差阈值,待升级模型对应的验证结果包括:表征待升级模型验证通过的信息;若待升级模型对应的误差值不低于预设误差阈值,待升级模型对应的验证结果包括:表征待升级模型未验证通过的信息。
014:利用待升级端平台对应的第二验证数据、应用策略生成模型以及待升级模型,对目标应用策略信息进行验证,确定目标应用策略信息对应的验证结果。
其中,第二验证数据包括:验证数据中所对应工况信息为预设工况信息的数据。
本实现方式中,云平台可以从验证数据中筛选出第一验证数据,其中,该第一验证数据可以是随机从验证数据中筛选出的数据,也可以是验证数据中所对应生成时刻最近的预设时长内的数据,这都是可以的。
云平台将第一验证数据中第一指定特征对应的数据,输入该待升级模型,通过该待升级模型获得第二指定特征对应的待验证数据。在一种情况中,第一指定特征可以为电流特征,第一指定特征对应的数据为电流值。第二指定特征包括但不限于电压特征、SOC特征,相应的,第二指定特征对应的待验证数据为:待升级模型输出的电压值和SOC值。
可以理解的是,该待升级模型可以为基于第一数据中的第一指定特征对应的数据和第二指定特征对应的数据训练所得的模型,其中,第一指定特征对应的数据为训练待升级模型的样本数据,第二指定特征对应的数据为训练待升级模型的标签数据。第一指定特征对应的数据与第二指定特征对应的数据之间存在一一对应的关系。
进而,利用第一验证数据中第二指定特征对应的数据,以及第二指定特征对应的待验证数据,计算得到待升级模型对应的误差值。在一种情况中,可以计算存在对应关系的第一验证数据中第二指定特征对应的数据,以及第二指定特征对应的待验证数据之间的差值,将该差值之和的平均值作为待升级模型对应的误差值。
比较待升级模型对应的误差值与预设误差阈值的大小,若待升级模型对应的误差值低于预设误差阈值,待升级模型对应的验证结果包括:表征待升级模型验证通过的信息;若待升级模型对应的误差值不低于预设误差阈值,待升级模型对应的验证结果包括:表征待升级模型未验证通过的信息。
在待升级模型对应的验证结果包括:表征待升级模型验证通过的信息的情况下,从验证数据中筛选出所对应工况信息为预设工况信息的数据,作为第二验证数据;进而,将应用策略生成模型作为待升级端平台对应的储能设备,将应用策略生成模型以及待升级模型作为待升级端平台;相应的,将待升级端平台对应的第二验证数据中的第一指定特征对应的数据,输入应用策略生成模型,以激励应用策略生成模型模拟成待升级端平台对应的储能设备运行,利用目标应用策略信息以及待升级模型,控制应用策略生成模型的运行过程,并确定应用策略生成模型的运行结果,基于应用策略生成模型的运行结果,确定目标应用策略信息对应的验证结果。
其中,若应用策略生成模型的运行结果中包括表征应用策略生成模型在运行过程中出现预设异常情况的结果,则目标应用策略信息对应的验证结果包括:表征目标应用策略信息不够准确,即验证不通过的信息;反之,若应用策略生成模型的运行结果中不包括表征应用策略生成模型在运行过程中出现预设异常情况的结果,则目标应用策略信息对应的验证结果包括:表征目标应用策略信息较准确,即验证通过的信息。该预设异常情况包括但不限于:低温充电时析锂状况以及滥用状况。其中,滥用状况可以指输出功率超过预设功率阈值。
在一种情况中,该预设极端工况信息可以包括但不限于:低温充电状况以及高负载状况等。
在一种情况中,还可以获得用户根据自身需求所设置的应用策略信息,进而基于用户根据自身需求所设置的应用策略信息来验证目标应用策略信息,确定出目标应用策略信息的验证结果,其中,若目标应用策略信息中各信息数据与用户根据自身需求所设置的应用策略信息中对应的信息数据之间的差异在预设允许范围内,则确定目标应用策略信息验证通过,反之,若目标应用策略信息中各信息数据与用户根据自身需求所设置的应用策略信息中对应的信息数据之间的差异不在预设允许范围内,则确定目标应用策略信息验证不通过。
S104:在验证结果表征目标应用策略信息以及待升级端平台对应的待升级模型均验证通过的情况下,将目标应用策略信息以及待升级模型发送至待升级端平台,以使待升级端平台基于目标应用策略信息以及待升级模型进行升级。
本步骤中,在验证结果表征目标应用策略信息以及待升级端平台对应的待升级模型均验证通过的情况下,利用预设通信方式,将目标应用策略信息以及待升级模型发送至待升级端平台,待升级端平台获得目标应用策略信息以及待升级模型,并进行升级。其中,该预设通信方式包括但不限于有线网络通信方式、无线网络通信方式以及蜂窝通信方式等。
在一种情况中,待升级模型包括与待升级端平台本地所包含的模型为同类型的模型,即需要对待升级端平台本地所包含的模型进行升级,相应的,该待升级模型可以包括用于升级待升级端平台本地所包含模型的模型参数。在另一种情况中,待升级模型包括与待升级端平台本地所包含的模型为不同类型的模型,即需要对待升级端平台本地所包含的模型进行替换,相应的,该待升级模型可以包括用于替换待升级端平台本地所包含模型的模型。
应用本发明实施例,云平台可以基于待升级端平台对应的第一数据,构建出待升级端平台对应的目标数字孪生系统,并结合第二数据,确定出待升级端平台对应的目标应用策略信息;以及结合验证数据,对目标应用策略信息以及目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,并在验证结果表征目标应用策略信息以及待升级模型均验证通过的情况下,将目标应用策略信息以及待升级模型发送至待升级端平台,以使待升级端平台升级,利用云平台的计算能力以及存储能力,基于目标数字孪生系统确定出待升级端平台所需升级的应用策略信息以及计算模型,并在确定出的目标应用策略信息以及待升级模型均验证通过的情况下,发送至待升级端平台,实现对待升级端平台的应用策略信息以及计算模型的更新,实现对端平台的升级,进而保障储能设备状态的准确预估。
并且,本发明实施例不仅可以实现对待升级端平台本地的模型的更新升级,即更新待升级端平台本地的模型的模型参数,还可以实现对待升级端平台本地的模型的替换升级。
在本发明的另一实施例中,目标数字孪生系统中还可以包括用于验证目标应用策略信息以及待升级模型的验证模型,以实现对证目标应用策略信息以及待升级模型的验证模型的准确性的验证,以保障后续的对待升级端平台对应的储能设备的状态的准确确定。所述S103可以包括如下步骤021:
基于目标数字孪生系统中验证模型以及待升级端平台对应的第三验证数据,对目标应用策略信息以及目标数字孪生系统中待升级端平台对应的待升级模型进行验证,确定验证结果。
其中,第三验证数据为所对应工况信息为预设工况信息的数据。该预设极端工况信息可以包括但不限于:低温充电状况以及高负载状况等。
本实现方式中,该验证模型可以包括用于模拟高精度的储能设备的电池仿真模型,以及用于监控模拟高精度的储能设备的模型的运行过程,并对运行过程进行诊断的电池诊断模型。
该用于模拟高精度的储能设备的模型为:至少通过待升级端平台对应的储能数据对应的运行数据,训练所得的模型,其中,待升级端平台对应的储能数据对应的运行数据包括上述提到的第一运行数据和第二运行数据。在一种情况中,待升级端平台对应的储能数据对应的运行数据还可以包括上述第三运行数据和第四运行数据。
在本发明的另一实施例中,所述021可以包括如下步骤0211-0213:
0211:利用待升级端平台对应的第三验证数据、目标应用策略信息以及目标数字孪生系统中待升级端平台对应的待升级模型,控制验证模型中电池仿真模型运行。
其中,第三验证数据包括:验证数据中所对应工况信息为预设工况信息的数据。
0212:在电池模型运行过程中,利用验证模型中电池诊断模型监控电池仿真模型运行过程,得到电池诊断模型对电池仿真模型运行过程的监控结果。
0213:基于监控结果,确定目标应用策略信息以及待升级模型的验证结果。
其中,若监控结果表征电池仿真模型运行过程中未出现预设异常情况,则验证结果表征目标应用策略信息以及待升级端平台对应的待升级模型均验证通过,若监控结果表征电池仿真模型运行过程中出现预设异常情况,则验证结果表征目标应用策略信息以及待升级端平台对应的待升级模型未验证通过。
将待升级端平台对应的第三验证数据中的第一指定特征对应的数据,输入验证模型中电池仿真模型,以激励电池仿真模型模拟成待升级端平台对应的储能设备运行,利用目标应用策略信息以及待升级模型,控制电池仿真模型的运行过程,在电池模型运行过程中,利用验证模型中电池诊断模型监控电池仿真模型运行过程,确定电池诊断模型对电池仿真模型运行过程的监控结果,基于监控结果,确定目标应用策略信息对应的验证结果。
该电池仿真模型为通过作为样本数据的电流、温度、SOC及电压,训练得到的机器学习模型,存在对应关系的电流、温度、SOC以及电压为对应相同生成时间的数据。以该机器学习模型为神经网络模型为例进行说明,在训练过程中,可以首先将样本数据分为训练集及测试集,在训练过程中,模型的输入为作为样本数据的存在对应关系的电流、温度以及SOC,输出为预测得到的电压,通过计算预测得到的电压与样本数据中的电压的均方误差,进行反向传播,修正神经网络模型的相关模型参数,用测试集中的样本数据测试得到的神经网络模型,直到训练误差及测试误差小于一定阈值,得到电池仿真模型,即AI电池模型。
电池诊断模型包括但并不限于安全预警模型,安全预警模型可以通过待升级模型如等效电路模型或者其他电池模型中所辨识出的电阻、电容以及弛豫时间等查表信息适配得到。通过电池诊断模型中的安全预警模型或其他相关技术中的诊断模型可以监控电池仿真模型的运行过程,对目标应用策略信息进行校验,即监控利用目标应用策略信息控制电池仿真模型的运行过程中,电池仿真模型的运行过程是否会出现异常情况,进而基于是否出现异常情况的结果以及在出现异常情况下所出现的异常情况类型的结果,确定目标应用策略信息对应的验证结果。
其中,若监控结果表征电池仿真模型运行过程中未出现预设异常情况,则验证结果表征目标应用策略信息以及待升级端平台对应的待升级模型均验证通过,若监控结果表征电池仿真模型运行过程中出现预设异常情况,则验证结果表征目标应用策略信息以及待升级端平台对应的待升级模型未验证通过。
在本发明的另一实施例中,在所述S104之后,所述方法还可以包括031-032:
031:获得待升级端平台发送的升级反馈信息。
其中,升级反馈信息为:待升级端平台基于其兼容性以及升级后的预测误差结果所确定的信息,其中,升级后的预测误差结果为:第一目标运行数据与第二目标运行数据确定的结果,第一目标运行数据为:待升级端平台基于其对应的储能设备运行过程中所生成的实时运行数据以及待升级模型所确定的数据,第二目标运行数据为:云平台基于实时运行数据以及预设运行数据计算模型所确定的数据。
032:若升级反馈信息表征待升级端平台升级失败,则获得待升级端平台的最新历史版本模型以及最新历史应用策略信息,并发送至待升级端平台,以使待升级端平台恢复其在升级前的最新历史版本模型以及最新历史应用策略信息。
本实现方式中,待升级端平台在基于待升级模型以及目标应用策略参数升级之后,可以进行自检,确定是否兼容该待升级模型,并在确定兼容的情况下,升级后的待升级端平台获得所对应储能平台运行过程中所生成的实时运行数据,包括但不限于电流值序列、电压值序列等,并基于升级后的待升级模型以及实时运行数据,确定第一目标运行数据,例如可以为SOC序列。待升级端平台可以将实时运行数据发送至云平台,云平台基于预设数据确定模型以及实时运行数据,确定第二目标运行数据,例如SOC序列,该预设数据确定模型可以为相关技术任一可以计算得到第二目标运行数据的模型。
云平台将第二目标运行数据发送至升级后的待升级端平台,待升级端平台基于第一目标运行数据和第二目标运行数据,确定之间的差异值,若该差异值超过预设差异值,或者不兼容待升级模型,则确定表征待升级端平台升级失败的升级反馈信息;若该差异值未超过预设差异值,则确定表征待升级端平台升级成功的升级反馈信息。将所确定的升级反馈信息发送至云平台。
相应的,云平台获得待升级端平台发送的升级反馈信息,若升级反馈信息表征待升级端平台升级失败,为了保证待升级端平台的正常运行,则获得待升级端平台的最新历史版本模型以及最新历史应用策略信息,并发送至待升级端平台,以使待升级端平台恢复其在升级前的最新历史版本模型以及最新历史应用策略信息。
在另一种实现方式中,云平台继续重新对初始的数字孪生系统中的每一模型进行参数辨识,确定待升级端平台对应的目标数字孪生系统,并执行后续的步骤。
在另一种实现方式中,待升级端平台确定自身升级失败后,可以发出提示信息,以提示用户将待升级端平台恢复其在升级前的最新历史版本模型以及最新历史应用策略信息。
在本发明的另一实施例中,所述方法还包括:
在验证结果表征目标应用策略信息以及待升级端平台对应的待升级模型不均准确的情况下,返回所述S101。
在验证结果表征目标应用策略信息以及待升级端平台对应的待升级模型不均准确的情况下,为了确定出准确性高且更符合实际情况的目标应用策略信息和待升级模型,云平台重新获得待升级端平台对应的第一数据,并基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定待升级端平台对应的目标数字孪生系统,并执行后续步骤。
如图2所示,为储能设备对应的端平台升级流程的一种示意图;如图2所示,云平台从预设存储空间,即图中所示的“数据平台”获得待升级端平台对应的第一数据,基于第一数据,利用任一种预设优化算法,对初始的数据孪生系统中每一模型进行参数辨识,得到待升级端平台对应的目标数字孪生系统,其中,目标数据孪生系统包括待升级模型,其中,待升级模型中可以包括用于替换待升级端平台本地模型的模型和/或用于更新待升级平台本地的模型的模型参数的参数,即图2中所示的“模型及参数”。如图2所示,数据孪生系统包括但不限于:AI模型、安全预警模型、电-热耦合模型即电化学-热耦合模型以及等效电路模型。其中,数据孪生系统还可以包括待升级端平台的历史版本的待更新的模型以及应用策略信息,即图2中所示的“历史版本存储”。
云平台利用应用策略生成模型,即“电-热耦合模型”以及从数据平台获得的第二数据,确定待升级端平台对应的目标应用策略信息,即图2中所示的“应用策略”;利用待升级端平台对应的验证数据,对目标应用策略信息以及待升级模型进行验证,确定验证结果,如图所示“验证应用策略是否通过”,在验证结果表征目标应用策略信息以及待升级模型均验证通过的情况下,将目标应用策略信息以及待升级模型打包,发送至待升级端平台,即图中所示的“BMS”(Battery Management System,电池管理系统)。在验证结果表征目标应用策略信息以及待升级模型未均验证通过的情况下,云平台从预设存储空间,重新获得待升级端平台对应的第一数据,基于第一数据,利用任一种预设优化算法,对初始的数据孪生系统中每一模型进行参数辨识,得到待升级端平台对应的目标数字孪生系统。
待升级端平台获得目标应用策略信息以及待升级模型后,进行升级,并自检目标应用策略信息和待升级模型是否升级成功,在确定升级成功的情况下,结束本次升级流程;在确定升级失败的情况下,向云平台反馈表征升级失败的升级反馈信息,云平台获得该升级反馈信息,将最新历史版本模型以及最新历史应用策略信息发送至待升级端平台,以使所述待升级端平台恢复其在升级前的最新历史版本模型以及最新历史应用策略信息。
相应于上述方法实施例,本发明实施例提供了一种储能设备对应的端平台升级系统,如图3所示,所述系统可以包括云平台310以及待升级端平台320;
所述云平台310,被配置为基于待升级端平台320对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台320对应的目标数字孪生系统;基于所述目标数字孪生系统中应用策略生成模型以及所述待升级端平台320对应的第二数据,确定所述待升级端平台对应的目标应用策略信息;基于所述待升级端平台320对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,所述验证数据为:从所述第一数据中筛选出的满足预设验证条件的数据;在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过的情况下,将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台320;
所述待升级端平台320,被配置为获得所述目标应用策略信息以及所述待升级模型,并基于所述目标应用策略信息以及所述待升级模型进行升级。
应用本发明实施例,云平台可以基于待升级端平台对应的第一数据,构建出待升级端平台对应的目标数字孪生系统,并结合第二数据,确定出待升级端平台对应的目标应用策略信息;以及结合验证数据,对目标应用策略信息以及目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,并在验证结果表征目标应用策略信息以及待升级模型均验证通过的情况下,将目标应用策略信息以及待升级模型发送至待升级端平台,以使待升级端平台升级,利用云平台的计算能力以及存储能力,基于目标数字孪生系统确定出待升级端平台所需升级的应用策略信息以及计算模型,并在确定出的目标应用策略信息以及待升级模型均验证通过的情况下,发送至待升级端平台,实现对待升级端平台的应用策略信息以及计算模型的更新,实现对端平台的升级,进而保障储能设备状态的准确预估。
并且,本发明实施例不仅可以实现对待升级端平台本地的模型的更新升级,即更新待升级端平台本地的模型的模型参数,还可以实现对待升级端平台本地的模型的替换升级。
在本发明的另一实施例中,所述第一数据包括:所述待升级端平台所采集的其对应的储能设备在运行过程中生成的第一运行数据、所述待升级端平台基于所述第一运行数据确定的第二运行数据,以及与所述待升级端平台对应的储能设备同类型的其他储能设备在运行过程中生成的第三运行数据以及第四运行数据,其中,所述第四运行数据为基于所述第三运行数据确定的数据。
在本发明的另一实施例中,所述云平台在基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的过程中,被具体配置为:
基于所述升级端平台对应的第一验证数据中第一指定特征对应的数据,以及所述待升级端平台对应的待升级模型,确定第二指定特征对应的待验证数据,其中,所述第一验证数据属于所述验证数据,所述待升级模型为:用于确定所述第二指定特征对应的数据的模型;
基于所述第一验证数据中所述第二指定特征对应的数据,以及所述第二指定特征对应的待验证数据,确定所述待升级模型对应的误差值;
基于所述待升级模型对应的误差值以及预设误差阈值,确定所述待升级模型对应的验证结果,其中,若所述待升级模型对应的误差值低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型验证通过的信息;若所述待升级模型对应的误差值不低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型未验证通过的信息;
利用所述待升级端平台对应的第二验证数据、所述应用策略生成模型以及所述待升级模型,对所述目标应用策略信息进行验证,确定所述目标应用策略信息对应的验证结果,其中,所述第二验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据。
在本发明的另一实施例中,所述云平台在基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的过程中,被具体配置为:
基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,第三验证数据为所对应工况信息为预设工况信息的数据。
在本发明的另一实施例中,所述云平台在基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的过程中,被具体配置为:
利用所述待升级端平台对应的第三验证数据、所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型,控制所述验证模型中电池仿真模型运行,其中,所述第三验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据;
在所述电池模型运行过程中,利用所述验证模型中电池诊断模型监控所述电池仿真模型运行过程,得到所述电池诊断模型对所述电池仿真模型运行过程的监控结果;
基于所述监控结果,确定所述目标应用策略信息以及所述待升级模型的验证结果,其中,若所述监控结果表征所述电池仿真模型运行过程中未出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过,若所述监控结果表征所述电池仿真模型运行过程中出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型未验证通过。
在本发明的另一实施例中,所述云平台还被配置为:
在所述将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台之后,获得所述待升级端平台发送的升级反馈信息,其中,所述升级反馈信息为:所述待升级端平台基于其兼容性以及升级后的预测误差结果所确定的信息,其中,所述升级后的预测误差结果为:第一目标运行数据与第二目标运行数据确定的结果,所述第一目标运行数据为:所述待升级端平台基于其对应的储能设备运行过程中所生成的实时运行数据以及所述待升级模型所确定的数据,所述第二目标运行数据为:所述云平台基于所述实时运行数据以及预设运行数据计算模型所确定的数据;
若所述升级反馈信息表征所述待升级端平台升级失败,则获得所述待升级端平台的最新历史版本模型以及最新历史应用策略信息,并发送至所述待升级端平台,以使所述待升级端平台恢复其在升级前的最新历史版本模型以及最新历史应用策略信息。
在本发明的另一实施例中,所述云平台还被配置为:
在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型不均准确的情况下,返回所述基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台对应的目标数字孪生系统。
在本发明的另一实施例中,所述待升级端平台,还被配置为:
在基于待升级模型以及目标应用策略参数升级之后,确定是否兼容所述待升级模型;
在确定所述兼容待升级模型的情况下,获得所对应储能平台运行过程中所生成的实时运行数据,并发送至云平台,云平台基于预设数据确定模型以及实时运行数据,确定第二目标运行数据,并发送至所述待升级端平台;
获得所述云平台发送的所述第二目标运行数据;
基于升级后的待升级模型以及实时运行数据,确定第一目标运行数据;
基于所述第一目标运行数据和所述第二目标运行数据,确定所述第一目标运行数据和所述第二目标运行数据之间的差异值;
若该差异值超过预设差异值,或者不兼容待升级模型,则确定表征待升级端平台升级失败的升级反馈信息,发送至所述云平台;
若该差异值未超过预设差异值,则确定表征待升级端平台升级成功的升级反馈信息,发送至所述云平台。
上述系统、装置实施例与系统实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是: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实施例技术方案的精神和范围。
Claims (15)
1.一种储能设备对应的端平台升级方法,其特征在于,所述方法应用于云平台,所述方法包括:
基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台对应的目标数字孪生系统;
基于所述目标数字孪生系统中应用策略生成模型以及所述待升级端平台对应的第二数据,确定所述待升级端平台对应的目标应用策略信息;
基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,所述验证数据为:从所述第一数据中筛选出的满足预设验证条件的数据;
在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过的情况下,将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台,以使所述待升级端平台基于所述目标应用策略信息以及所述待升级模型进行升级。
2.如权利要求1所述的方法,其特征在于,所述第一数据包括:所述待升级端平台所采集的其对应的储能设备在运行过程中生成的第一运行数据、所述待升级端平台基于所述第一运行数据确定的第二运行数据,以及与所述待升级端平台对应的储能设备同类型的其他储能设备在运行过程中生成的第三运行数据以及第四运行数据,其中,所述第四运行数据为基于所述第三运行数据确定的数据。
3.如权利要求1所述的方法,其特征在于,所述基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的步骤,包括:
基于所述升级端平台对应的第一验证数据中第一指定特征对应的数据,以及所述待升级端平台对应的待升级模型,确定第二指定特征对应的待验证数据,其中,所述第一验证数据属于所述验证数据,所述待升级模型为:用于确定所述第二指定特征对应的数据的模型;
基于所述第一验证数据中所述第二指定特征对应的数据,以及所述第二指定特征对应的待验证数据,确定所述待升级模型对应的误差值;
基于所述待升级模型对应的误差值以及预设误差阈值,确定所述待升级模型对应的验证结果,其中,若所述待升级模型对应的误差值低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型验证通过的信息;若所述待升级模型对应的误差值不低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型未验证通过的信息;
利用所述待升级端平台对应的第二验证数据、所述应用策略生成模型以及所述待升级模型,对所述目标应用策略信息进行验证,确定所述目标应用策略信息对应的验证结果,其中,所述第二验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据。
4.如权利要求1所述的方法,其特征在于,所述基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的步骤,包括:
基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,第三验证数据为所对应工况信息为预设工况信息的数据。
5.如权利要求1所述的方法,其特征在于,所述基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的步骤,包括:
利用所述待升级端平台对应的第三验证数据、所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型,控制所述验证模型中电池仿真模型运行,其中,所述第三验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据;
在所述电池模型运行过程中,利用所述验证模型中电池诊断模型监控所述电池仿真模型运行过程,得到所述电池诊断模型对所述电池仿真模型运行过程的监控结果;
基于所述监控结果,确定所述目标应用策略信息以及所述待升级模型的验证结果,其中,若所述监控结果表征所述电池仿真模型运行过程中未出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过,若所述监控结果表征所述电池仿真模型运行过程中出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型未验证通过。
6.如权利要求1-5任一项所述的方法,其特征在于,将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台的步骤之后,所述方法还包括:
获得所述待升级端平台发送的升级反馈信息,其中,所述升级反馈信息为:所述待升级端平台基于其兼容性以及升级后的预测误差结果所确定的信息,其中,所述升级后的预测误差结果为:第一目标运行数据与第二目标运行数据确定的结果,所述第一目标运行数据为:所述待升级端平台基于其对应的储能设备运行过程中所生成的实时运行数据以及所述待升级模型所确定的数据,所述第二目标运行数据为:所述云平台基于所述实时运行数据以及预设运行数据计算模型所确定的数据;
若所述升级反馈信息表征所述待升级端平台升级失败,则获得所述待升级端平台的最新历史版本模型以及最新历史应用策略信息,并发送至所述待升级端平台,以使所述待升级端平台恢复其在升级前的最新历史版本模型以及最新历史应用策略信息。
7.如权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型不均准确的情况下,返回所述基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台对应的目标数字孪生系统的步骤。
8.一种储能设备对应的端平台升级系统,其特征在于,所述系统包括云平台以及待升级端平台;
所述云平台,被配置为基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台对应的目标数字孪生系统;基于所述目标数字孪生系统中应用策略生成模型以及所述待升级端平台对应的第二数据,确定所述待升级端平台对应的目标应用策略信息;基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,所述验证数据为:从所述第一数据中筛选出的满足预设验证条件的数据;在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过的情况下,将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台;
所述待升级端平台,被配置为获得所述目标应用策略信息以及所述待升级模型,并基于所述目标应用策略信息以及所述待升级模型进行升级。
9.如权利要求8所述的系统,其特征在于,所述第一数据包括:所述待升级端平台所采集的其对应的储能设备在运行过程中生成的第一运行数据、所述待升级端平台基于所述第一运行数据确定的第二运行数据,以及与所述待升级端平台对应的储能设备同类型的其他储能设备在运行过程中生成的第三运行数据以及第四运行数据,其中,所述第四运行数据为基于所述第三运行数据确定的数据。
10.如权利要求8所述的系统,其特征在于,所述云平台在基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的过程中,被具体配置为:
基于所述升级端平台对应的第一验证数据中第一指定特征对应的数据,以及所述待升级端平台对应的待升级模型,确定第二指定特征对应的待验证数据,其中,所述第一验证数据属于所述验证数据,所述待升级模型为:用于确定所述第二指定特征对应的数据的模型;
基于所述第一验证数据中所述第二指定特征对应的数据,以及所述第二指定特征对应的待验证数据,确定所述待升级模型对应的误差值;
基于所述待升级模型对应的误差值以及预设误差阈值,确定所述待升级模型对应的验证结果,其中,若所述待升级模型对应的误差值低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型验证通过的信息;若所述待升级模型对应的误差值不低于所述预设误差阈值,所述待升级模型对应的验证结果包括:表征所述待升级模型未验证通过的信息;
利用所述待升级端平台对应的第二验证数据、所述应用策略生成模型以及所述待升级模型,对所述目标应用策略信息进行验证,确定所述目标应用策略信息对应的验证结果,其中,所述第二验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据。
11.如权利要求8所述的系统,其特征在于,所述云平台在基于所述待升级端平台对应的验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的过程中,被具体配置为:
基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果,其中,第三验证数据为所对应工况信息为预设工况信息的数据。
12.如权利要求11所述的系统,其特征在于,所述云平台在基于所述目标数字孪生系统中验证模型以及所述待升级端平台对应的第三验证数据,对所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型进行验证,确定验证结果的过程中,被具体配置为:
利用所述待升级端平台对应的第三验证数据、所述目标应用策略信息以及所述目标数字孪生系统中所述待升级端平台对应的待升级模型,控制所述验证模型中电池仿真模型运行,其中,所述第三验证数据包括:所述验证数据中所对应工况信息为预设工况信息的数据;
在所述电池模型运行过程中,利用所述验证模型中电池诊断模型监控所述电池仿真模型运行过程,得到所述电池诊断模型对所述电池仿真模型运行过程的监控结果;
基于所述监控结果,确定所述目标应用策略信息以及所述待升级模型的验证结果,其中,若所述监控结果表征所述电池仿真模型运行过程中未出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型均验证通过,若所述监控结果表征所述电池仿真模型运行过程中出现预设异常情况,则所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型未验证通过。
13.如权利要求11所述的系统,其特征在于,所述云平台还被配置为:
在所述将所述目标应用策略信息以及所述待升级模型发送至所述待升级端平台之后,获得所述待升级端平台发送的升级反馈信息,其中,所述升级反馈信息为:所述待升级端平台基于其兼容性以及升级后的预测误差结果所确定的信息,其中,所述升级后的预测误差结果为:第一目标运行数据与第二目标运行数据确定的结果,所述第一目标运行数据为:所述待升级端平台基于其对应的储能设备运行过程中所生成的实时运行数据以及所述待升级模型所确定的数据,所述第二目标运行数据为:所述云平台基于所述实时运行数据以及预设运行数据计算模型所确定的数据;
若所述升级反馈信息表征所述待升级端平台升级失败,则获得所述待升级端平台的最新历史版本模型以及最新历史应用策略信息,并发送至所述待升级端平台,以使所述待升级端平台恢复其在升级前的最新历史版本模型以及最新历史应用策略信息。
14.如权利要求8-13任一项所述的系统,其特征在于,所述云平台还被配置为:
在所述验证结果表征所述目标应用策略信息以及所述待升级端平台对应的待升级模型不均准确的情况下,返回所述基于待升级端平台对应的第一数据,对初始的数字孪生系统中的每一模型进行参数辨识,确定所述待升级端平台对应的目标数字孪生系统。
15.如权利要求8-13任一项所述的系统,其特征在于,所述待升级端平台,还被配置为:
在基于待升级模型以及目标应用策略参数升级之后,确定是否兼容所述待升级模型;
在确定所述兼容待升级模型的情况下,获得所对应储能平台运行过程中所生成的实时运行数据,并发送至云平台,云平台基于预设数据确定模型以及实时运行数据,确定第二目标运行数据,并发送至所述待升级端平台;
获得所述云平台发送的所述第二目标运行数据;
基于升级后的待升级模型以及实时运行数据,确定第一目标运行数据;
基于所述第一目标运行数据和所述第二目标运行数据,确定所述第一目标运行数据和所述第二目标运行数据之间的差异值;
若该差异值超过预设差异值,或者不兼容待升级模型,则确定表征待升级端平台升级失败的升级反馈信息,发送至所述云平台;
若该差异值未超过预设差异值,则确定表征待升级端平台升级成功的升级反馈信息,发送至所述云平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011110124.7A CN114385201A (zh) | 2020-10-16 | 2020-10-16 | 一种储能设备对应的端平台升级方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011110124.7A CN114385201A (zh) | 2020-10-16 | 2020-10-16 | 一种储能设备对应的端平台升级方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114385201A true CN114385201A (zh) | 2022-04-22 |
Family
ID=81192641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011110124.7A Pending CN114385201A (zh) | 2020-10-16 | 2020-10-16 | 一种储能设备对应的端平台升级方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114385201A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117519759A (zh) * | 2023-12-29 | 2024-02-06 | 广云物联网科技(广州)有限公司 | 家庭储能系统设备远程升级方法及系统 |
-
2020
- 2020-10-16 CN CN202011110124.7A patent/CN114385201A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117519759A (zh) * | 2023-12-29 | 2024-02-06 | 广云物联网科技(广州)有限公司 | 家庭储能系统设备远程升级方法及系统 |
CN117519759B (zh) * | 2023-12-29 | 2024-04-02 | 广云物联网科技(广州)有限公司 | 家庭储能系统设备远程升级方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiong et al. | Online fault diagnosis of external short circuit for lithium-ion battery pack | |
Kang et al. | A multi-fault diagnostic method based on an interleaved voltage measurement topology for series connected battery packs | |
CN108544925B (zh) | 电池管理系统 | |
Hu et al. | Advanced fault diagnosis for lithium-ion battery systems: A review of fault mechanisms, fault features, and diagnosis procedures | |
Rezvanizaniani et al. | Review and recent advances in battery health monitoring and prognostics technologies for electric vehicle (EV) safety and mobility | |
US20170117725A1 (en) | Thermal Monitoring of Battery Packs | |
KR101992051B1 (ko) | 배터리 잔량 예측 방법 및 배터리 잔량 예측 시스템 | |
CN114154429B (zh) | 一种储能系统的数字孪生体构建方法、装置及存储介质 | |
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 | |
Singh et al. | Model based condition monitoring in lithium-ion batteries | |
CN115702533B (zh) | 用于预测多电池电能存储系统的功率状态的方法 | |
CN108205114B (zh) | 电池寿命的预测方法及系统 | |
WO2023185601A1 (zh) | 一种电池健康状态信息确定方法、装置及电池系统 | |
CN113728242A (zh) | 对可充电电池中的析锂进行表征 | |
EP4321884A1 (en) | Apparatus of detecting abnormal cell in battery pack and method thereof | |
CN111890933A (zh) | 车辆的电池管理方法和系统、车辆和服务器 | |
Zhang et al. | A multi-fault diagnosis method for lithium-ion battery pack using curvilinear Manhattan distance evaluation and voltage difference analysis | |
CN111624433B (zh) | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 | |
US20220381831A1 (en) | Evaluation device, computer program, and evaluation method | |
Zhang et al. | An application‐oriented multistate estimation framework of lithium‐ion battery used in electric vehicles | |
CN114385201A (zh) | 一种储能设备对应的端平台升级方法及系统 | |
CN115649005A (zh) | 电池温度采样故障预警方法、系统、电子设备及存储介质 | |
CN116400221A (zh) | 一种电池管理系统安全功能的测试方法 | |
Sharma et al. | Prognostics-Informed Battery Reconfiguration in a Multi-Battery Small UAS Energy System | |
Rolt et al. | Full battery pack modelling: An electrical sub-model using an eecm for hev applications |
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 |