CN116090355B - 一种基于区块链和物联网的储能孪生数字模型的构建方法 - Google Patents

一种基于区块链和物联网的储能孪生数字模型的构建方法 Download PDF

Info

Publication number
CN116090355B
CN116090355B CN202310224160.3A CN202310224160A CN116090355B CN 116090355 B CN116090355 B CN 116090355B CN 202310224160 A CN202310224160 A CN 202310224160A CN 116090355 B CN116090355 B CN 116090355B
Authority
CN
China
Prior art keywords
data
internet
digital
energy storage
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
Application number
CN202310224160.3A
Other languages
English (en)
Other versions
CN116090355A (zh
Inventor
汤依水
滕坤
黄国江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Weiheng Intelligent Technology Co ltd
Original Assignee
Jiangsu Weiheng Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Weiheng Intelligent Technology Co ltd filed Critical Jiangsu Weiheng Intelligent Technology Co ltd
Priority to CN202310224160.3A priority Critical patent/CN116090355B/zh
Publication of CN116090355A publication Critical patent/CN116090355A/zh
Application granted granted Critical
Publication of CN116090355B publication Critical patent/CN116090355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Bioethics (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供了一种基于区块链和物联网的储能孪生数字模型的构建方法，步骤包括采集物理实体在多个模式下的数据形成数据集，并结合AI学习，再通过物联网设备进行物理实体的数据监控、采集，并传输至边缘层设备进行存储、记录，边缘计算整合成数据集上传至分布式云端平台；在区块链的私有链中注册数字孪生模型，数字孪生模拟与边缘层数据同步的过程中，也与虚拟节点同步。通过区块链和物联网的使用构建孪生数字模型进一步提高电池储能系统的可预测性以及可管理性。

Description

一种基于区块链和物联网的储能孪生数字模型的构建方法
技术领域
本发明涉及一种储能孪生数字模型的构建方法，更具体的是涉及一种基于区块链和物联网的储能孪生数字模型的构建方法。
背景技术
随着全球电力分布和使用地域的变化，储能电池也随之成为发展最快的电力系统之一。
传统的储能电池在监控、检测和优化时存在一些局限性，如温度控制、充电控制、健康状态、充电状态等，上述不仅关系到储能系统的体验效果上，更是涉及到储能电池的安全性、可靠性和整体性能。
由于储能电池各电性能非一成不变，会随着时间和使用发生变化以及退化，为了最大程度地提高储能电池在使用过程中的电性能，对电池管理系统的要求也越来越高，特别是在安全性和循环寿命方面，所以需要较为高效、准确的方式估算电池的老化和安全状态，能够对储能电池全生命周期进行管理。
电池管理系统（BMS）被称为电池保姆或电池管家，对电池的应用的产业化和市场化至关重要，BMS的主要功能包括电池数据采集、状态估计、充放电控制、故障诊断和报警、平衡控制和通信，因此，为储能电池组开发先进、智能的BMS已成为研究热点，然而，电池的内部状态受环境因素的影响，从而降低了电池状态的可预测性，电池状态估计也是BMS的关键功能，因此需要准确的建模和状态估计可以确保可靠运行，优化电池系统，并为安全管理提供依据。
发明内容
为进一步提高电池状态的可预测性，更好地对电池系统进行管理，本发明提供了一种基于区块链和物联网的储能孪生数字模型的构建方法，具体方案如下：包括以下步骤：
S1、建立区块链：在区块链的私有链中注册电池单体的数字虚拟模型和虚拟节点，使得只有经过授权的数字孪生模型才能从物联网设备接收数据，同时使数字孪生模型和虚拟节点之间数据同步；
S2、建立双向映射：建立储能电池的物理实体和数字孪生模型的双向映射，进一步包括如下子步骤：
S2-1：通过物联网设备收集原始数据并传输至云边缘层；
S2-2：在物联网云边缘层建立电池健康状态SOH、荷电状态SOC的健康模型估算；
S2-3：提取特征，包括参数、ⅠT、/>、t，/>表示t时刻的电压、ⅠT表示t时刻的电流、表示最大电池容量、t表示放电周期中测量的时刻；采用AI深度学习对荷电状态SOC、健康状态SOH的健康模型以及数据集进行训练和测试；
S3、更新数字孪生模型：将经过AI训练的数字驱动模型导入到数字孪生模型中，进一步构建数字孪生模型。
进一步的， S2-1进一步还包括步骤：
采用无线传感器对储能电池物理实体的数据进行监控、采集，并记录在边缘层数据中心内，形成行为-状态类别的数据集；
所述的数据包括储能电池在迭代的充电、放电过程中的电压、电流以及温度参数；由于数据量较大，存储在存储设备上有一定的困难，同时也不易在线访问，因此将数据保存在云端，提高了在线访问的效率；
位于边缘层的数字孪生与边缘层的数据同步，并与边缘共享，用于计算和分析；区块链私有链的虚拟节点与数字孪生数据同步，同时记录每个物联网设备的IP地址，将数据同步在私有区块链中，确保数据的安全且不可修改，以防止其他实体与其他物联网设备交互并将数据导入。
进一步的，S2-2中荷电状态SOC表示电池内的剩余可用能量，对于每N次充放电循环，荷电状态SOC表示t时间，Qt处电池容量与电池最大容量QN的比值，表达式如下：
（1）
式（1）中Qr表示放电容量，Qr用库伦计算方法表示如下：
（2）。
进一步的，S2-2中，健康状态SOH表达式如下：
（3）
式（3）中QN和Qnom分别表示最大容量值和额定容量值。
进一步的，在SOC、SOH估算时，需要结合电池的老化，V是随时间变化的老化参数，从压降定义老化参数M为端电压间隔/>上/>的平均值，ΔVT表示VT在/>区间内的变化量；/>表示时间区间：
(4)
(5)
上式中mean表示平均数；表示总放电时间。
进一步的，利用老化参数M定义SOC和SOH，表达式如下：
（6）
（7）
式中，表示端电压最大电压，/>表示端电压最小值。
有益效果：本发明提供了一种基于区块链和物联网的储能孪生数字模型的构建方法，搭建与物理实体一对一映射的数字孪生模型，通过采集物理实体多个行为模式下的数据，形成数据集，并结合AI学习，能够在对数据集进行特征提取、数据集训练形成前提下，能够准确地在数字孪生模型上预测实际储能系统的温度、温升变化、SOH、SOC等状态；同时通过物联网设备进行物理实体的数据监控、采集，并传输至边缘层设备进行存储、记录，边缘计算整合成数据集上传至分布式云端平台，由分布式云端平台实现高可靠的存储和可扩展的数据访问；通过采用区块链的模式，在区块链的私有链中注册数字孪生模型，数字孪生模拟与边缘层数据同步的过程中，也与虚拟节点同步，采用区块链存储数据，保证数据的安全且不可修改记录，可防止其他物理实体与其他物联网设备交互并将数据导入，综上通过区块链和物联网的使用构建孪生数字模型进一步提高电池储能系统的可预测性以及可管理性。
附图说明
图1是一种基于区块链和物联网的储能孪生数字模型的构建方法的框架图；
图2是物联网云分层图；
图3是一种基于区块链和物联网的储能孪生数字模型的构建方法的流程图。
具体实施方式
为了加深对本发明的理解，下面将结合实施例和附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
实施例：一种基于区块链和物联网的储能孪生数字模型的构建方法，图1是本构建方法的框架示意图，图3是本构建方法的流程图，如图1、3所示，搭建与物理实体一对一映射的数字孪生模型，首先通过采集物理实体在多个模式下的数据形成数据集，并结合AI学习，再通过物联网设备进行物理实体的数据监控、采集，并传输至边缘层设备进行存储、记录，边缘计算整合成数据集上传至分布式云端平台，由分布式云端平台实现高可靠的存储和可扩展的数据访问；在区块链的私有链中注册数字孪生模型，数字孪生模拟与边缘层数据同步的过程中，也与虚拟节点同步，具体包括以下步骤：
S1、建立区块链：在区块链的私有链中注册电池单体的数字虚拟模型和虚拟节点，使得只有经过授权的数字孪生模型才能从物联网设备接收数据，同时使数字孪生模型和虚拟节点之间数据同步；
S2、建立双向映射：建立储能电池的物理实体和数字孪生模型的双向映射，进一步包括如下子步骤：
S2-1：图2是物联网云分层的结构图，如图2所示，通过物联网lot设备收集原始数据并传输至云边缘层，具体包括：
采用无线传感器对储能电池物理实体的数据进行监控、采集，并记录在边缘层数据中心内，形成行为-状态类别的数据集；
上述的数据包括储能电池在迭代的充电、放电过程中的电压、电流以及温度参数；由于数据量较大，存储在存储设备上有一定的困难，同时也不易在线访问，因此将数据保存在云端，提高了在线访问的效率；
位于边缘层的数字孪生与边缘层的数据同步，并与边缘共享，用于计算和分析；区块链私有链的虚拟节点与数字孪生数据同步，同时记录每个物联网设备的IP地址，将数据同步在私有区块链中，确保数据的安全且不可修改，以防止其他实体与其他物联网设备交互并将数据导入；
S2-2：在物联网云边缘层建立电池健康状态SOH、荷电状态SOC的健康模型估算，具体估算如下：
荷电状态SOC表示电池内的剩余可用能量，对于每N次充放电循环，荷电状态SOC表示t时间，Qt处电池容量与电池最大容量QN的比值，表达式如下：
（1）
式（1）中Qr表示放电容量，Qr用库伦计算方法表示如下：
（2）。
S2-2中，健康状态SOH表达式如下：
（3）
式（3）中QN和Qnom分别表示最大容量值和额定容量值。
在SOC、SOH估算时，需要结合电池的老化，V是随时间变化的老化参数，从压降定义老化参数M为端电压间隔/>上/>的平均值，ΔVT表示VT在/>区间内的变化量；/>表示时间区间：
(4)
(5)
上式中mean表示平均数；表示总放电时间。
利用老化参数M定义SOC和SOH，表达式如下：
（6）
（7）
式中，表示端电压最大电压，/>表示端电压最小值。
S2-3：提取特征，包括参数、ⅠT、/>、t，采用AI深度学习对荷电状态SOC、健康状态SOH的健康模型以及数据集进行训练和测试；
S3、更新数字孪生模型：将S2-3经过AI训练的数字驱动模型导入到数字孪生模型中，进一步构建数字孪生模型。通过区块链和物联网的使用构建孪生数字模型进一步提高电池储能系统的可预测性以及可管理性。
作为进一步改进，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于区块链和物联网的储能孪生数字模型的构建方法，其特征在于，包括以下步骤：
S1、建立区块链：在区块链的私有链中注册电池单体的数字虚拟模型和虚拟节点，使得只有经过授权的数字孪生模型才能从物联网设备接收数据，同时使数字孪生模型和虚拟节点之间数据同步；
S2、建立双向映射：建立储能电池的物理实体和数字孪生模型的双向映射，进一步包括如下子步骤：
S2-1：通过物联网设备收集原始数据并传输至云边缘层；
S2-2：在物联网云边缘层建立电池健康状态SOH、荷电状态SOC的健康模型估算；
S2-3：提取特征，包括参数、ⅠT、/>、t，/>表示t时刻的电压、ⅠT表示t时刻的电流、/>表示最大电池容量、t表示放电周期中测量的时刻；采用AI深度学习对荷电状态SOC、健康状态SOH的健康模型以及数据集进行训练和测试；
S3、更新数字孪生模型：将经过AI训练的数字驱动模型导入到数字孪生模型中，进一步构建数字孪生模型；
S2-1包括步骤：
采用无线传感器对储能电池物理实体的数据进行监控、采集，并记录在边缘层数据中心内，形成行为-状态类别的数据集；
所述的数据包括储能电池在迭代的充电、放电过程中的电压、电流以及温度参数；位于边缘层的数字孪生与边缘层的数据同步，并与边缘共享，用于计算和分析；区块链私有链的虚拟节点与数字孪生数据同步，同时记录每个物联网设备的IP地址，将数据同步在私有区块链中，确保数据的安全且不可修改，以防止其他实体与其他物联网设备交互并将数据导入。
2.根据权利要求1所述的一种基于区块链和物联网的储能孪生数字模型的构建方法，其特征在于，S2-2中，所述荷电状态SOC表示电池内的剩余可用能量，对于每N次充放电循环，荷电状态SOC表示t时间、Qt处电池容量与电池最大容量QN的比值，表达式如下：
（1）
式（1）中Qr表示放电容量，Qr用库伦计算方法表示如下：
（2）。
3.根据权利要求1所述的一种基于区块链和物联网的储能孪生数字模型的构建方法，其特征在于，S2-2中，健康状态SOH表达式如下：
（3）
式（3）中QN和Qnom分别表示最大容量值和额定容量值。
4.根据权利要求2或3任一所述的一种基于区块链和物联网的储能孪生数字模型的构建方法，其特征在于，在SOC、SOH估算时，需要结合电池的老化，V是随时间变化的老化参数，从压降定义老化参数M为端电压间隔/>上/>的平均值，ΔVT表示VT在/>区间内的变化量；/>表示时间区间：
(4)
(5)
上式中mean表示平均数；表示总放电时间。
5.根据权利要求4所述的一种基于区块链和物联网的储能孪生数字模型的构建方法，其特征在于，利用老化参数M定义SOC和SOH，表达式如下：
（6）
（7）式中，/>表示端电压最大电压，/>表示端电压最小值。
CN202310224160.3A 2023-03-10 2023-03-10 一种基于区块链和物联网的储能孪生数字模型的构建方法 Active CN116090355B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310224160.3A CN116090355B (zh) 2023-03-10 2023-03-10 一种基于区块链和物联网的储能孪生数字模型的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310224160.3A CN116090355B (zh) 2023-03-10 2023-03-10 一种基于区块链和物联网的储能孪生数字模型的构建方法

Publications (2)

Publication Number Publication Date
CN116090355A CN116090355A (zh) 2023-05-09
CN116090355B true CN116090355B (zh) 2023-08-11

Family

ID=86212207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310224160.3A Active CN116090355B (zh) 2023-03-10 2023-03-10 一种基于区块链和物联网的储能孪生数字模型的构建方法

Country Status (1)

Country Link
CN (1) CN116090355B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579190B (zh) * 2023-07-13 2023-09-19 天津华泽能源信息技术有限公司 一种基于物联网的储能孪生模型构建方法及系统
CN117371047B (zh) * 2023-12-07 2024-03-08 福建中科星泰数据科技有限公司 一种基于区块链技术的储能电池回收管理方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
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
CN113517760A (zh) * 2021-09-10 2021-10-19 广州健新科技有限责任公司 一种基于大数据和数字孪生的电池储能站监测方法及系统
CN114861167A (zh) * 2022-04-06 2022-08-05 国网浙江省电力有限公司电力科学研究院 基于区块链的分布式能量数据管理协同处理方法及系统
CN115099068A (zh) * 2022-07-28 2022-09-23 中国石油大学(华东) 一种基于元宇宙的油藏数值仿真系统
CN115225662A (zh) * 2021-09-22 2022-10-21 北京邮电大学 一种基于数字孪生和区块链的高效可信能源数据处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
CN113517760A (zh) * 2021-09-10 2021-10-19 广州健新科技有限责任公司 一种基于大数据和数字孪生的电池储能站监测方法及系统
CN115225662A (zh) * 2021-09-22 2022-10-21 北京邮电大学 一种基于数字孪生和区块链的高效可信能源数据处理方法
CN114861167A (zh) * 2022-04-06 2022-08-05 国网浙江省电力有限公司电力科学研究院 基于区块链的分布式能量数据管理协同处理方法及系统
CN115099068A (zh) * 2022-07-28 2022-09-23 中国石油大学(华东) 一种基于元宇宙的油藏数值仿真系统

Also Published As

Publication number Publication date
CN116090355A (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN116090355B (zh) 一种基于区块链和物联网的储能孪生数字模型的构建方法
WO2019184850A1 (zh) 电动汽车及其中动力电池的管理系统、方法
CN103728563B (zh) 一种电池健康状态的测算方法
CN102439782B (zh) 用于自然能源利用系统的铅蓄电池和铅蓄电池系统
WO2023284453A1 (zh) 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质
CN104242393A (zh) 基于动态soc估算系统的电池管理系统
CN110324383B (zh) 云服务器、电动汽车及其中动力电池的管理系统、方法
EP4059769A1 (en) Cloud-device synergy-based battery management system, vehicle, and battery management method
CN110687460B (zh) 一种soc预估方法
CN116298931A (zh) 一种基于云端数据的锂离子电池容量估计方法
CN204030697U (zh) 基于动态soc估算系统的电池管理系统
CN106786909B (zh) 一种储能液态金属电池的成组均衡控制装置及控制方法
Li et al. An indirect state-of-health estimation method based on improved genetic and back propagation for online lithium-ion battery used in electric vehicles
CN111525197B (zh) 一种蓄电池soh实时估算系统及方法
CN110492185A (zh) 一种锂电池组均衡方法及系统
CN107402356B (zh) 一种基于动态参数辨识的ekf估算铅酸电池soc方法
CN110927585A (zh) 一种基于自循环校正的锂电池soh估算系统及方法
CN115951225A (zh) 一种电池均衡优化容量估计方法和装置
Tang et al. An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance
CN112733479B (zh) 一种单体电池的模型参数计算方法、装置和介质
CN115932614A (zh) 一种锂电池储能系统充放电的电池荷电状态检测方法和系统
CN115267543A (zh) 变温工况下锂电池容量损失推算方法、系统及存储介质
CN110687459B (zh) 一种soc预估方法
CN113884924A (zh) 基于卷积神经网络的锂离子电池内部短路诊断方法及系统
CN113655384A (zh) 一种云边端计算的电池状态计算方法

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