CN115422696B - 一种模组数字孪生模型建立方法、系统、终端和介质 - Google Patents
一种模组数字孪生模型建立方法、系统、终端和介质 Download PDFInfo
- Publication number
- CN115422696B CN115422696B CN202210435300.7A CN202210435300A CN115422696B CN 115422696 B CN115422696 B CN 115422696B CN 202210435300 A CN202210435300 A CN 202210435300A CN 115422696 B CN115422696 B CN 115422696B
- Authority
- CN
- China
- Prior art keywords
- macroscopic
- lithium battery
- parameters
- digital twin
- 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.)
- Active
Links
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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Geometry (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种模组数字孪生模型建立方法、系统、终端和介质，其方法包括：创建锂电池的单体数字孪生模型，并获取宏观物化参数以及宏观参数关系；将所述宏观物化参数和所述宏观参数关系输入至所述单体数字孪生模型以获得输出结果，然后根据所述输出结果、宏观物化参数和宏观参数关系分析得到数据分析结果；根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型。本发明能够建立持续、实时和直观的锂电池模组数字孪生模型，精度高可预测性强。
Description
本发明涉及锂电池技术领域，进一步地涉及一种模组数字孪生模型建立方法、系统、终端和介质。
背景技术
在“碳中和”背景下，对可代替石油能源的清洁能源寻找热情持续升温。太阳能、潮汐能、风能、水能等是一种清洁的可持续利用的能源，但能源产生的介质可控性相对不是很强。锂离子电池是目前新一代二次电池、其具有较高的能量密度和循环寿命，目前广泛应用于移动通信、数码科技、电动汽车、能源存储等领域，未来对锂离子电池及其材料的需求难以估量、其配套的上下游产业链也市场巨大。对于锂电池建立数字孪生模型，能够给更加清晰地了解锂电池的实时工作状态，从而更好保障锂电池的经济性、可靠性和安全性。
数字孪生作为一种新兴技术受到电力系统的极大关注，数字孪生是充分利用物理模型、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。锂电池的单体数字孪生系统是基于锂电池单体的物理化学模型的数字孪生系统，其不局限于宏观物化参数，而致力于挖掘锂电池内部微观量的变化规律，故存在很强的预测性和可信性。
目前锂电池的数字孪生系统均基于数据驱动，而非本征的物理化学模型。其在获取大量宏观统计数据的基础上，依靠归纳法进行黑盒处理和数据挖掘，从而总结出锂离子电池及其系统的变化规律模型。该模型操作方便，易于实现，但是需要大量的实验数据作为模型基础以实现拟合，对于超出实验数据范围的预测真实性难以控制。而且，基于对电池进行离线试验的试验结果来设计，所覆盖的应用工况少，试验环境变化小。通过上述方式得到的数字孪生系统尚存在一些较为明显的缺陷，以及无法针对工况做出更新。
发明内容
针对上述技术问题，本发明的目的在于解决现有技术中需要使用大量实验数据建立锂电池模组对应数字孪生模型的适应性弱、准确率低的技术问题。
为了实现上述目的，本发明提供一种模组数字孪生模型建立方法，包括：
创建锂电池的单体数字孪生模型，并获取宏观物化参数以及宏观参数关系；所述宏观物化参数用于表征锂电池单体的运行状态；所述宏观参数关系用于表征锂电池模组中各个锂电池单体之间的关联关系；
将所述宏观物化参数和所述宏观参数关系输入至所述单体数字孪生模型以获得输出结果，然后根据所述输出结果、宏观物化参数和宏观参数关系分析得到数据分析结果；
根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型。
在一些实施方式中，所述创建锂电池的单体数字孪生模型包括：
将所述锂电池单体的经验关系簇作为输入参数，创建所述锂电池的单体数字孪生模型；所述经验关系簇为所述锂电池单体的宏观状态参数与宏观物化参数的先验关系；
根据从所述传感器采集的所述锂电池的测量数据，以及所述单体物理化学模型输出的预测数据和概率分布，得到所述锂电池的真实数据；
根据所述真实数据对所述单体数字孪生模型进行参数更新，生成最终的单体数字孪生模型。
在一些实施方式中，所述根据所述输出结果、宏观物化参数和宏观参数关系分析得到数据分析结果包括：
将所述输出结果、宏观物化参数和宏观参数关系输入至预设数据分析模型组，分析得到所述锂电池模组的数据分析结果；
其中，所述预设数据分析模型组包括等效电路模型、数据驱动模型、温度传导分布模型；所述数据分析结果包括电路状态量、一致性信息熵值、温度分布的信息和模拟数据。
在一些实施方式中，所述根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型之后还包括：
通过所述模组数字孪生模型展示待显示参数；所述待显示参数包括宏观状态参数，宏观物化参数，微观物化参数；
根据所述宏观物化参数和微观物化参数建立预警阈值；
对所述锂电池内部状态进行实时监测得到监测结果；
将所述监测结果与所述预警阈值进行比较，若所述监测结果超过所述预警阈值进行提示预警。
根据本发明的另一方面，本发明进一步提供一种模组数字孪生模型建立系统，包括：
创建模块，用于创建锂电池的单体数字孪生模型，并获取宏观物化参数以及宏观参数关系；所述宏观物化参数用于表征锂电池单体的运行状态；所述宏观参数关系用于表征锂电池模组中各个锂电池单体之间的关联关系；
分析模块，用于将所述宏观物化参数和所述宏观参数关系输入至所述单体数字孪生模型以获得输出结果，然后根据所述输出结果、宏观物化参数和宏观参数关系分析得到数据分析结果；
所述创建模块，还用于根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型。
在一些实施方式中，所述创建模块包括：
建立单元，用于将所述锂电池单体的经验关系簇作为输入参数，创建所述锂电池的单体数字孪生模型；所述经验关系簇为所述锂电池单体的宏观状态参数与宏观物化参数的先验关系；
输出单元，用于根据从所述传感器采集的所述锂电池的测量数据，以及所述单体物理化学模型输出的预测数据和概率分布，得到所述锂电池的真实数据；
更新单元，用于根据所述真实数据对所述单体数字孪生模型进行参数更新，生成最终的单体数字孪生模型。
在一些实施方式中，所述分析模块包括：
输入分析单元，用于将所述输出结果、宏观物化参数和宏观参数关系输入至预设数据分析模型组，分析得到所述锂电池模组的数据分析结果；
其中，所述预设数据分析模型组包括等效电路模型、数据驱动模型、温度传导分布模型；所述数据分析结果包括电路状态量、一致性信息熵值、温度分布的信息和模拟数据。
在一些实施方式中，还包括：
展示模块，用于通过所述模组数字孪生模型展示待显示参数；所述待显示参数包括宏观状态参数，宏观物化参数，微观物化参数；
设置模块，用于根据所述宏观物化参数和微观物化参数建立预警阈值；
监测模块，用于对所述锂电池内部状态进行实时监测得到监测结果；
处理模块，用于将所述监测结果与所述预警阈值进行比较，若所述监测结果超过所述预警阈值进行提示预警。
根据本发明的另一方面，本发明进一步提供一种终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现所述模组数字孪生模型建立方法所执行的操作。
根据本发明的另一方面，本发明进一步提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现所述模组数字孪生模型建立方法所执行的操作。
与现有技术相比，本发明所提供的一种模组数字孪生模型建立方法、系统、终端和介质，能够实现。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种模组数字孪生模型建立方法的一个实施例的流程图；
图2是本发明一种模组数字孪生模型建立方法的另一个实施例的流程图；
图3是本发明一种模组数字孪生模型建立系统的一个实施例的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
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，下面将对照附图说明本发明的具体实施方式。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，并获得其他的实施方式。
参考说明书附图1，一种模组数字孪生模型建立方法，包括：
S100创建锂电池的单体数字孪生模型，并获取宏观物化参数以及宏观参数关系；所述宏观物化参数用于表征锂电池单体的运行状态；所述宏观参数关系用于表征锂电池模组中各个锂电池单体之间的关联关系；
具体的，宏观物化参数包括电压、电压变化率、电流、功率、温度分布（指电池表面测得的温度）、内阻、压力等。宏观参数关系包括电压差、容量差、温度差、内阻差等。
基于待预测锂电池的结构与材料，建立用于仿真锂电池内部状态（即宏观状态参数）的理论模型，结合离线的电池试验确定并验证所述模型中对锂电池宏观状态产生影响的参数，基于宏观状态参数建立锂电池的单体数字孪生模型。其中，宏观状态参数包括SOC（state of charge的缩写,表示的是电池剩余电量百分比）、SOH（state of health的缩写,表示的是电池健康度，可以理解为电池当前的容量与出厂容量的百分比）、SOP（State ofPower的缩写，表示的是电池的功率状态）、工况等。
S200将所述宏观物化参数和所述宏观参数关系输入至所述单体数字孪生模型以获得输出结果，然后根据所述输出结果、宏观物化参数和宏观参数关系分析得到数据分析结果；
S300根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型。
具体的，本发明先获取宏观物化参数以及宏观参数关系，将宏观物化参数以及宏观参数关系作为系统的输入，通过微观本征的机理模型进行集成多学科、多物理量、多尺度、多概率的仿真建立持续、实时和直观的锂电池模组的数字孪生模型，精度高可预测性强，从而保证锂电池模组中各单体电池之间具有较好的一致性。
参考说明书附图2，一种模组数字孪生模型建立方法，包括：
S110将所述锂电池单体的经验关系簇作为输入参数，创建所述锂电池的单体数字孪生模型；所述经验关系簇为所述锂电池单体的宏观状态参数与宏观物化参数的先验关系；
具体的，宏观物化参数用于表征锂电池单体的运行状态。宏观状态参数用于表征所述锂电池单体的工况性能。经验关系簇为锂电池单体的宏观状态参数与宏观物化参数的先验关系。宏观物化参数包括电压、电压变化率、电流、功率、温度分布、内阻、压力等。宏观状态参数包括温度、SOC（state of charge的缩写,表示的是电池剩余电量百分比）、SOH（state of health的缩写,表示的是电池健康度，可以理解为电池当前的容量与出厂容量的百分比）、SOP（State of Power的缩写，表示的是电池的功率状态）、工况等。
传感器模组包括但是不限于温度传感器、电压传感器、电流传感器。其中，温度传感器用于采集监测锂电池的温度，电压传感器用于采集监测锂电池的电压，电流传感器用于采集监测锂电池的电流。
先采集两相反应锂电池在不同宏观状态参数下的充放电曲线。不同工况是指不同的充放电倍率和温度，同一个锂电池的充放电倍率不同时其充放电曲线也不同，所以采集数据时，需要采集同一个锂电池在不同充放电倍率和不同温度下的充放电曲线。
为了预测锂电池的宏观状态参数，所以在采集电池的充放电曲线时也需要体现锂电池的宏观状态参数这一变量，使每个充放电曲线都有对应的充放电状态。例如，预测锂电池的剩余寿命，所以在采集电池的充放电曲线时也需要体现锂电池的寿命这一变量，使每个充放电曲线都有对应的充放电工况和寿命。
在采集锂电池的充放电曲线时，可以采集一个两相反应锂电池在不同宏观状态参数下的充放电曲线并形成充放电曲线集，也可以采集多个两相反应锂电池分别在不同宏观状态参数下的充放电曲线并形成充放电曲线集。例如，采集一个两相反应锂电池在不同工况、不同寿命下的充放电曲线并形成充放电曲线集，也可以采集多个两相反应锂电池分别在不同工况、不同寿命下的充放电曲线并形成充放电曲线集。
根据采集的多个充放电曲线得到多组数据后，即可根据多组数据对电池经验模型（包括Nernst模型在内的电池经验模型，也可以包括大数据归纳模型，等效电路模型等）进行训练，建立电池经验模型的模型参数与宏观状态参数的对应关系即可得到经验关系簇。其中，通过训练好的电池经验模型预测锂电池的宏观状态参数时，可以先采集某一工况下的两相反应锂电池在的充放电曲线，然后提取出其充放电曲线中的电池经验模型（包括Nernst模型在内的电池经验模型，也可以包括大数据归纳模型，等效电路模型等）的模型参数，最后根据电池经验模型的模型参数和已训练好的电池经验模型对该待预测锂电池的宏观状态参数进行估计。
根据锂电池应用场景、边缘终端和云端的算力、孪生模型的精度要求，基于经验关系簇选择符合需求的预设模型建立所述单体数字孪生模型。本发明将基于大数据、人工智能学习或实验等方式建立的宏观状态参数（SOC、SOH、SOP、工况等）与宏观物化参数（电压、电流、电压变化率等）的经验关系簇作为数字孪生模型的输入，这样，就能够使用经验关系簇建立锂电池单体物理化学模型。本发明采用的模型根据锂电池应用场景、边缘终端和云端的算力、孪生模型的精度要求等选择集总粒子模型（Lumped Particle Model, LPM）、单粒子模型（Single Particle Model，SPM）、伪二维模型（Pseudo 2 Dimension Model,P2D）、热耦合模型、力耦合模型、力热耦合模型、多维维度边缘效应模型、宏观温度模型等的一种或多种组合建立锂电池物理化学模型。通过上述流程所得的充放电曲线簇是锂电池物化模型的输入参数，从而可得到锂电池内部的微观宏观物化参数，据此得到锂电池宏观物化参数（电流、电压、压力），并通过经验关系曲线簇转化为实际宏观状态参数（寿命、温度、SOC、SOH、SOP等）的预测值的概率分布。
S120根据从所述传感器采集的所述锂电池的测量数据，以及所述单体物理化学模型输出的预测数据和概率分布，得到所述锂电池的真实数据；
S130根据所述真实数据对所述单体数字孪生模型进行参数更新，生成最终的单体数字孪生模型；
具体的，通过传感器和历史数据更新单体数字孪生模型。由于在锂电池数字孪生系统中，另一个关键的输入是实时或低延迟的传感器系统。通过传感器采集的测量数据（即本发明的宏观物化参数）与物理化学模型返回的预测数据和其概率分布得到锂电池的真实数据。真实数据获取的方法有许多，比如标准卡尔曼、扩展卡尔曼和无迹卡尔曼等。主要原理是测量数据有其测量误差和其分布，模型通过历史数据和物理化学关系得到预测数据已有其概率分布，故而能共同返回数据最大概率值，并以此值作为锂电池此时刻的真实数据，更新真实数。
S140获取宏观物化参数以及宏观参数关系；所述宏观物化参数用于表征锂电池单体的运行状态；所述宏观参数关系用于表征锂电池模组中各个锂电池单体之间的关联关系；
S210将所述宏观物化参数和所述宏观参数关系输入至所述单体数字孪生模型以获得输出结果；
S220将所述输出结果、宏观物化参数和宏观参数关系输入至预设数据分析模型组，分析得到所述锂电池模组的数据分析结果；
其中，所述预设数据分析模型组包括等效电路模型、数据驱动模型、温度传导分布模型；所述数据分析结果包括电路状态量、一致性信息熵值、温度分布的信息和模拟数据；
具体的，使用传感器返回锂电池单体的宏观物化参数，以及锂电池模组中各个锂电池单体之间的宏观量关系，以便作为所建立的锂电池单体数字孪生系统（即本发明的单体数字孪生模型）的输入，其得出的输出结果、宏观物化参数和宏观参数关系一起作为预设数据分析模型组的输入。
S300根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型；
具体的，由于单体数字孪生模型可以给出每个锂电池单体的微观宏观参数（宏观物化参数、宏观参数关系、微观物化参数）包括，而且，实际上锂电池模组中的各个锂电池单体有一定的电路拓扑关系，在这个电路拓扑关系之下，比较各个锂电池单体的这些微观宏观参数是否相符即是否一致性，如果相符则对锂电池模组中各锂电池单体对应的数字孪生体进行连接，以创建锂电池模组的模组数字孪生模型。
S400通过所述模组数字孪生模型展示待显示参数；所述待显示参数包括宏观状态参数，宏观物化参数，微观物化参数；
具体的，现有技术中数字孪生系统所能展示和分析的数据仅为宏观数据，没有锂电池单体内部的物理化学微观参数，在存在较大的局限性的同时，其预测能力亦饱受质疑。本发明使用多维度立体展示系统展示锂电池单体系统的各部位参数，可以展示的数据则有宏观状态参数，宏观物化参数，微观物化参数等。微观物化参数包括电池各点的电场电势和电流，以及各相的锂离子浓度、电池内部各处温度分布等等。
S500根据所述宏观物化参数和微观物化参数建立预警阈值；
S600对所述锂电池内部状态进行实时监测得到监测结果；将所述监测结果与所述预警阈值进行比较，若所述监测结果超过所述预警阈值进行提示预警。
具体的，对宏观物化参数和微观物化参数建立预警阈值。具体地，可将参数种类分为经济性、可靠性、安全性三个维度，参数状态分为良好、正常、亚健康、异常、危险等级别。适用一些方法（比如恒虚警）将物化参数的概率分布和阈值进行比较来归类状态级别。也可使用训练人工智能模型将电池状态进行分类和聚类。据并以此值作为物理化学模型下一时刻的预测值和概率分布的输入。
对锂电池内部状态进行实时监测得到监测结果，将监测结果与预警阈值进行比较，如果监测结果超过预警阈值的时候，返回内部宏观状态参数给预警诊断系统进行预警和诊断，返回给决策系统进行维护决策得到维护参数。如果监测结果未超过预警阈值的时候，则继续监测获取锂电池的监测结果，并按一定时间间隔进行日志。
目前锂电池的数字孪生系统均基于数据驱动，而非本征的物理化学模型。而且在实际使用中，需要对上述锂电池进行适当地监测，其中包括电压监测、电流监测、温度监测等，以便估算该电池组的状态特性。而传统的蓄电池测量是利用工程人员现场测量，人力成本很高且测量不够准确。本发明应用于应用场景的锂电及其空间场景分布、布置于实际场景不同维度的宏观物化参数传感器、布置于场景较高维度（整车、整站或电池堆）的边缘计算装置、将传感器数据和边缘计算结果上传的通信装置、布置有模型展示系统和预警诊断系统的服务器或PC端。
优选的，通过状态观测器来修正最大似然系统参数。由于上述实施例通过历史数据和物理化学关系得到预测数据已有其概率分布，在测量有误差的情况下，为了提升单体数字孪生模型的准确率就需要修正最大似然系统参数。
其中，状态观测器包括卡尔曼滤波（Kalman filtering）和无迹卡尔曼滤波等。Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理。Kalman 滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程，Kalman滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用。
此外，无迹卡尔曼滤波是将原本是白噪声分布的样本经过非线性变换后映射所得概率分布加入卡尔曼滤波的修正之中，进行滤波调整的一种方法。
本发明提供了一种锂电池模组数字孪生系统的建立方法，由于基于物化机理模型，精度高可预测性强。此外，还可以滤波修正最大似然系统参数，可靠性、鲁棒性强。最后，本发明存在预警系统和展示系统，直观，操作门槛低。
本发明首先得到各种情况锂电池单体下的宏观状态参数与宏观物化参数的关系作为系统的输入，其后通过微观本征的机理模型进行集成多学科、多物理量、多尺度、多概率的仿真得到实时的实际系统的宏观物化参数，并据此得到模型预测的状态参数及其概率分布，之后通过历史数据和传感器返回的测量数据更新电池的最大似然状态参数，作为下时刻的部分系统输入。在之前的基础上，数字孪生系统最后通过展示系统和预警诊断系统，使监管人员更直观的了解和判断锂电池模组的运行状态。
本发明通过基于大数据、人工智能学习或实验等方式建立的宏观状态参数与宏观物化参数的经验关系，作为锂电池模组的数字孪生模型的输入。在数字孪生的物理化学仿真过程中，产生各方面的物化参数以及其值的概率密度分布，此时通过传感器和历史数据更新此刻锂电池模组的最大似然状态参数，之后通过动画模型在四维展示终端直观展示锂电池模组的历史和实时最大似然状态参数（即本发明的宏观状态参数）和宏观物化参数，接着辅以预警诊断系统对可能存在的危险进行预警诊断，最终建立持续的、实时的、有预测时效性的和直观的锂电池数字孪生系统。
本发明不只能够通过锂电池模组的数字孪生模型实现寿命预测，还能够实现电池内部状态的监测和判断。例如，在一些情况下可能发生电池的状态会标明其可能会发生事故使得电池猝死，由于而这种猝死通常会引发安全问题，本发明亦能实现引发电池猝死的宏观状态参数的监测，以便在电池猝死之前进行预警处理。本发明能够用以实时在线、直观监测锂电池模组的工作状态，从而保证锂电池模组中各单体电池之间具有较好的一致性。
参考说明书附图3，一种模组数字孪生模型建立系统，包括：
创建模块10，用于创建锂电池的单体数字孪生模型，并获取宏观物化参数以及宏观参数关系；所述宏观物化参数用于表征锂电池单体的运行状态；所述宏观参数关系用于表征锂电池模组中各个锂电池单体之间的关联关系；
分析模块20，用于将所述宏观物化参数和所述宏观参数关系输入至所述单体数字孪生模型以获得输出结果，然后根据所述输出结果、宏观物化参数和宏观参数关系分析得到数据分析结果；
所述创建模块10，还用于根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型。
具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。
在一些实施方式中，所述创建模块10包括：
建立单元，用于将所述锂电池单体的经验关系簇作为输入参数，创建所述锂电池的单体数字孪生模型；所述经验关系簇为所述锂电池单体的宏观状态参数与宏观物化参数的先验关系；
输出单元，用于根据从所述传感器采集的所述锂电池的测量数据，以及所述单体物理化学模型输出的预测数据和概率分布，得到所述锂电池的真实数据；
更新单元，用于根据所述真实数据对所述单体数字孪生模型进行参数更新，生成最终的单体数字孪生模型。
具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。
在一些实施方式中，所述分析模块20包括：
输入分析单元，用于将所述输出结果、宏观物化参数和宏观参数关系输入至预设数据分析模型组，分析得到所述锂电池模组的数据分析结果；
其中，所述预设数据分析模型组包括等效电路模型、数据驱动模型、温度传导分布模型；所述数据分析结果包括电路状态量、一致性信息熵值、温度分布的信息和模拟数据。
具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。
在一些实施方式中，还包括：
展示模块，用于通过所述模组数字孪生模型展示待显示参数；所述待显示参数包括宏观状态参数，宏观物化参数，微观物化参数；
设置模块，用于根据所述宏观物化参数和微观物化参数建立预警阈值；
监测模块，用于对所述锂电池内部状态进行实时监测得到监测结果；
处理模块，用于将所述监测结果与所述预警阈值进行比较，若所述监测结果超过所述预警阈值进行提示预警。
具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
本发明的一个实施例，一种终端设备，包括处理器、存储器，其中，存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的计算机程序，所述计算机程序被所述处理器执行时实现包括上述任意一个或者多个实施例所述模组数字孪生模型建立方法的步骤。
所述终端设备可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机、人机交互屏等设备。所述终端设备可包括，但不仅限于处理器、存储器。本领域技术人员可以理解，上述仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如：终端设备还可以包括输入/输出接口、显示设备、网络接入设备、通信总线、通信接口等。通信接口和通信总线，还可以包括输入/输出接口，其中，处理器、存储器、输入/输出接口和通信接口通过通信总线完成相互间的通信。该存储器存储有计算机程序，该处理器用于执行存储器上所存放的计算机程序，实现上述所对应方法实施例中的模组数字孪生模型建立方法。
所述处理器可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor， DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array， FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述终端设备的内部存储单元，例如：终端设备的硬盘或内存。所述存储器也可以是所述终端设备的外部存储设备，例如：所述终端设备上配备的插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述终端设备所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
通信总线是连接所描述的元素的电路并且在这些元素之间实现传输。例如，处理器通过通信总线从其它元素接收到命令，解密接收到的命令，根据解密的命令执行计算或数据处理。存储器可以包括程序模块，例如内核(kernel)，中间件(middleware)，应用程序编程接口(Application Programming Interface，API)和应用。该程序模块可以是有软件、固件或硬件、或其中的至少两种组成。输入/输出接口转发用户通过输入/输出接口(例如感应器、键盘、触摸屏)输入的命令或数据。通信接口将该终端设备与其它网络设备、用户设备、网络进行连接。例如，通信接口可以通过有线或无线连接到网络以连接到外部其它的网络设备或用户设备。无线通信可以包括以下至少一种：无线保真(WiFi)，蓝牙(BT)，近距离无线通信技术(NFC)，全球卫星定位系统(GPS)和蜂窝通信等等。有线通信可以包括以下至少一种：通用串行总线(USB)，高清晰度多媒体接口(HDMI)，异步传输标准接口(RS-232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物联网、电话网络。终端设备可以通过通信接口连接网络，终端设备和其它网络设备通信所用的协议可以被应用、应用程序编程接口(API)、中间件、内核和通信接口至少一个支持。
本发明的一个实施例，一种存储介质，存储介质中存储有至少一条指令，指令由处理器加载并执行以实现上述模组数字孪生模型建立方法对应实施例所执行的操作。例如，存储介质可以是只读内存(ROM)、随机存取存储器(RAM)、只读光盘(CD-ROM)、磁带、软盘和光数据存储设备等。
它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序发送指令给相关的硬件完成，所述计算机程序可存储于一存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述存储介质可以包括：能够携带所述计算机程序的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM， Read-Only Memory）、随机存取存储器（RAM， Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如：在某些司法管辖区，根据立法和专利实践，计算机可读的存储介质不包括电载波信号和电信信号。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种模组数字孪生模型建立方法，其特征在于，包括：
创建锂电池的单体数字孪生模型，并获取宏观物化参数以及宏观参数关系；所述宏观物化参数用于表征锂电池单体的运行状态；所述宏观参数关系用于表征锂电池模组中各个锂电池单体之间的关联关系；
将所述宏观物化参数和所述宏观参数关系输入至所述单体数字孪生模型以获得输出结果，然后根据所述输出结果、宏观物化参数和宏观参数关系分析得到数据分析结果；
根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型；
所述根据所述输出结果、宏观物化参数和宏观参数关系分析得到数据分析结果包括：
将所述输出结果、宏观物化参数和宏观参数关系输入至预设数据分析模型组，分析得到所述锂电池模组的数据分析结果；
其中，所述预设数据分析模型组包括等效电路模型、数据驱动模型、温度传导分布模型；所述数据分析结果包括电路状态量、一致性信息熵值、温度分布的信息和模拟数据；
单体数字孪生模型给出每个锂电池单体的宏观物化参数、宏观参数关系和微观物化参数；锂电池模组中的各个锂电池单体有电路拓扑关系，在这个电路拓扑关系之下，比较各个锂电池单体的宏观物化参数、宏观参数关系和微观物化参数是否相符即是否具备一致性，如果相符则对锂电池模组中各锂电池单体对应的数字孪生体进行连接，以创建锂电池模组的模组数字孪生模型。
2.根据权利要求1所述模组数字孪生模型建立方法，其特征在于， 所述创建锂电池的单体数字孪生模型包括：
将所述锂电池单体的经验关系簇作为输入参数，创建所述锂电池的单体数字孪生模型；所述经验关系簇为所述锂电池单体的宏观状态参数与宏观物化参数的先验关系；
根据从传感器采集的所述锂电池的测量数据，以及所述单体物理化学模型输出的预测数据和概率分布，得到所述锂电池的真实数据；
根据所述真实数据对所述单体数字孪生模型进行参数更新，生成最终的单体数字孪生模型。
3.根据权利要求1或2所述模组数字孪生模型建立方法，其特征在于，所述根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型之后还包括：
通过所述模组数字孪生模型展示待显示参数；所述待显示参数包括宏观状态参数，宏观物化参数，微观物化参数；
根据所述宏观物化参数和微观物化参数建立预警阈值；
对所述锂电池内部状态进行实时监测得到监测结果；
将所述监测结果与所述预警阈值进行比较，若所述监测结果超过所述预警阈值进行提示预警。
4.一种模组数字孪生模型建立系统，其特征在于，包括：
创建模块，用于创建锂电池的单体数字孪生模型，并获取宏观物化参数以及宏观参数关系；所述宏观物化参数用于表征锂电池单体的运行状态；所述宏观参数关系用于表征锂电池模组中各个锂电池单体之间的关联关系；
分析模块，用于将所述宏观物化参数和所述宏观参数关系输入至所述单体数字孪生模型以获得输出结果，然后根据所述输出结果、宏观物化参数和宏观参数关系分析得到数据分析结果；
所述创建模块，还用于根据所述数据分析结果和所述单体数字孪生模型，创建所述锂电池模组的模组数字孪生模型；
所述分析模块包括：
输入分析单元，用于将所述输出结果、宏观物化参数和宏观参数关系输入至预设数据分析模型组，分析得到所述锂电池模组的数据分析结果；
其中，所述预设数据分析模型组包括等效电路模型、数据驱动模型、温度传导分布模型；所述数据分析结果包括电路状态量、一致性信息熵值、温度分布的信息和模拟数据；
单体数字孪生模型给出每个锂电池单体的宏观物化参数、宏观参数关系和微观物化参数；锂电池模组中的各个锂电池单体有电路拓扑关系，在这个电路拓扑关系之下，比较各个锂电池单体的宏观物化参数、宏观参数关系和微观物化参数是否相符即是否具备一致性，如果相符则对锂电池模组中各锂电池单体对应的数字孪生体进行连接，以创建锂电池模组的模组数字孪生模型。
5.根据权利要求4所述模组数字孪生模型建立系统，其特征在于， 所述创建模块包括：
建立单元，用于将所述锂电池单体的经验关系簇作为输入参数，创建所述锂电池的单体数字孪生模型；所述经验关系簇为所述锂电池单体的宏观状态参数与宏观物化参数的先验关系；
输出单元，用于根据从传感器采集的所述锂电池的测量数据，以及所述单体物理化学模型输出的预测数据和概率分布，得到所述锂电池的真实数据；
更新单元，用于根据所述真实数据对所述单体数字孪生模型进行参数更新，生成最终的单体数字孪生模型。
6.根据权利要求4或5所述模组数字孪生模型建立系统，其特征在于，还包括：
展示模块，用于通过所述模组数字孪生模型展示待显示参数；所述待显示参数包括宏观状态参数，宏观物化参数，微观物化参数；
设置模块，用于根据所述宏观物化参数和微观物化参数建立预警阈值；
监测模块，用于对所述锂电池内部状态进行实时监测得到监测结果；
处理模块，用于将所述监测结果与所述预警阈值进行比较，若所述监测结果超过所述预警阈值进行提示预警。
7.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现如权利要求1至权利要求3任一项所述模组数字孪生模型建立方法所执行的操作。
8.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求3任一项所述模组数字孪生模型建立方法所执行的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210435300.7A CN115422696B (zh) | 2022-04-24 | 2022-04-24 | 一种模组数字孪生模型建立方法、系统、终端和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210435300.7A CN115422696B (zh) | 2022-04-24 | 2022-04-24 | 一种模组数字孪生模型建立方法、系统、终端和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115422696A CN115422696A (zh) | 2022-12-02 |
| CN115422696B true CN115422696B (zh) | 2023-07-07 |
Family
ID=84196483
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210435300.7A Active CN115422696B (zh) | 2022-04-24 | 2022-04-24 | 一种模组数字孪生模型建立方法、系统、终端和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115422696B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116308302B (zh) * | 2023-05-19 | 2023-08-08 | 深圳抛物线科技有限公司 | 一种基于数字孪生的绝缘隐患超前预警方法及系统 |
| CN117289624B (zh) * | 2023-09-20 | 2024-03-15 | 广东省电信规划设计院有限公司 | 一种应用于数据孪生技术的数据采集方法及系统 |
| CN117454488B (zh) * | 2023-11-08 | 2024-03-26 | 河北建工集团有限责任公司 | 基于数字孪生传感器的多设备综合方法和系统 |
| CN117436290B (zh) * | 2023-12-21 | 2024-03-08 | 卓世未来(天津)科技有限公司 | 一种数字孪生模型响应优化方法及系统 |
| CN118246346B (zh) * | 2024-05-28 | 2024-08-02 | 青岛军融昌越科技有限公司 | 一种多维立体分析的孪生建模方法 |
| CN118586298B (zh) * | 2024-08-06 | 2024-10-15 | 中国科学院地质与地球物理研究所 | 一种基于深度学习的地质材料拓扑表征方法、系统及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110994050A (zh) * | 2019-12-01 | 2020-04-10 | 国网辽宁省电力有限公司电力科学研究院 | 一种直流电源蓄电池组的管理控制方法及装置 |
| CN113255170A (zh) * | 2021-07-06 | 2021-08-13 | 江苏中车数字科技有限公司 | 一种云边协同工厂数字孪生监控建模系统和建模方法 |
| 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 |
| CN113449468A (zh) * | 2021-06-22 | 2021-09-28 | 北京交通大学 | 一种锂离子电池组的多参数分布特性建模和参数生成方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11572777B2 (en) * | 2019-01-28 | 2023-02-07 | Landmark Graphics Corporation | Constructing digital twins for oil and gas recovery using Ensemble Kalman Filter |
| US11555858B2 (en) * | 2019-02-25 | 2023-01-17 | Toyota Research Institute, Inc. | Systems, methods, and storage media for predicting a discharge profile of a battery pack |
| CN111027165B (zh) * | 2019-07-19 | 2022-05-03 | 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 |
| CN111610448B (zh) * | 2020-06-01 | 2021-05-04 | 北京理工大学 | 一种应用数字孪生技术的锂离子电池寿命预测方法 |
| CN112200493A (zh) * | 2020-11-02 | 2021-01-08 | 傲林科技有限公司 | 一种数字孪生模型构建方法及装置 |
| CN113591364A (zh) * | 2021-06-08 | 2021-11-02 | 北京科技大学 | 燃料电池管理系统的管理方法及装置 |
| CN114154429B (zh) * | 2022-02-10 | 2022-06-14 | 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 |
-
2022
- 2022-04-24 CN CN202210435300.7A patent/CN115422696B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110994050A (zh) * | 2019-12-01 | 2020-04-10 | 国网辽宁省电力有限公司电力科学研究院 | 一种直流电源蓄电池组的管理控制方法及装置 |
| CN113449468A (zh) * | 2021-06-22 | 2021-09-28 | 北京交通大学 | 一种锂离子电池组的多参数分布特性建模和参数生成方法 |
| 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 |
| CN113255170A (zh) * | 2021-07-06 | 2021-08-13 | 江苏中车数字科技有限公司 | 一种云边协同工厂数字孪生监控建模系统和建模方法 |
Non-Patent Citations (5)
| Title |
|---|
| Research on Intelligent Operation and Maintenance System of Battery Based on Digital Twin;Gang Cheng;IEEE;全文 * |
| 一种高精度电池模拟器的设计与实现;李练兵;姚路;何树宝;董德林;;电源技术(01);全文 * |
| 动力电池组能量均衡管理控制策略;赵奕凡;杜常清;颜伏伍;;电机与控制学报(10);全文 * |
| 数字孪生及其在航空航天中的应用;孟松鹤;叶雨玫;杨强;黄震;解维华;;航空学报(09);全文 * |
| 电池组的数据结构表示方法及应用;郭景涛;符惠群;;工业计量(03);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115422696A (zh) | 2022-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115422696B (zh) | 一种模组数字孪生模型建立方法、系统、终端和介质 | |
| Xu et al. | Remaining useful life prediction of lithium-ion batteries based on wiener process under time-varying temperature condition | |
| US20210325469A1 (en) | Learning apparatus, estimation apparatus, learning method, estimation method, recording medium having recorded thereon learning program, and recording medium having recorded thereon estimation program | |
| CN111460379B (zh) | 基于高斯过程回归的多工况动力系统性能预测方法及系统 | |
| CN114722625B (zh) | 锂电池的单体数字孪生模型建立方法、系统、终端和介质 | |
| Niu et al. | Study of degradation of fuel cell stack based on the collected high-dimensional data and clustering algorithms calculations | |
| CN112149329B (zh) | 核电厂关键设备的状态预演方法、系统、设备及存储介质 | |
| CN112818602B (zh) | 基于大数据分析的电池数字孪生控制方法及装置 | |
| Nagulapati et al. | A novel combined multi-battery dataset based approach for enhanced prediction accuracy of data driven prognostic models in capacity estimation of lithium ion batteries | |
| CN110927606B (zh) | 电池状态监测方法、装置 | |
| CN115563683A (zh) | 一种基于数字孪生的水利工程自动化安全监测管理系统 | |
| CN111460380B (zh) | 一种基于高斯过程回归的多工况续驶里程预测方法及系统 | |
| Chen et al. | State of health estimation of lithium-ion batteries based on equivalent circuit model and data-driven method | |
| CN114879046B (zh) | 一种基于卡尔曼滤波的锂电池寿命预测方法和系统 | |
| CN116482540A (zh) | 电池电压不一致性的分析预测方法、装置及系统 | |
| CN115805810A (zh) | 电池故障预测方法、装置、设备、存储介质和程序产品 | |
| CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
| CN116061690A (zh) | 一种电动汽车充电过程中的安全预警方法及装置 | |
| Pang et al. | A Review on the Prediction of Health State and Serving Life of Lithium‐Ion Batteries | |
| Cao et al. | An early diagnosis method for overcharging thermal runaway of energy storage lithium batteries | |
| Ma et al. | A novel health index for battery RUL degradation modeling and prognostics | |
| CN113487087A (zh) | 一种设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质 | |
| Zhai et al. | Degradation prediction of 65 kW proton exchange membrane fuel cells on city buses using a hybrid approach with the advantage actor-critic method | |
| CN115064222B (zh) | 一种锂电池工况预测方法和系统 | |
| CN114881316B (zh) | 锂电池剩余寿命预测方法、系统、终端设备及存储介质 |
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 |