CN117276702A - 一种基于数字孪生的云电池储能管理系统及其控制方法 - Google Patents

一种基于数字孪生的云电池储能管理系统及其控制方法 Download PDF

Info

Publication number
CN117276702A
CN117276702A CN202311184966.0A CN202311184966A CN117276702A CN 117276702 A CN117276702 A CN 117276702A CN 202311184966 A CN202311184966 A CN 202311184966A CN 117276702 A CN117276702 A CN 117276702A
Authority
CN
China
Prior art keywords
energy storage
battery
model
cloud
data
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
Application number
CN202311184966.0A
Other languages
English (en)
Inventor
李智欢
刘淼
张俊峰
伍兆恒
陈衍恒
潘海平
瞿运武
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.)
Guangzhou Zhaohe Power Technology Co ltd
Original Assignee
Guangzhou Zhaohe Power 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 Guangzhou Zhaohe Power Technology Co ltd filed Critical Guangzhou Zhaohe Power Technology Co ltd
Priority to CN202311184966.0A priority Critical patent/CN117276702A/zh
Publication of CN117276702A publication Critical patent/CN117276702A/zh
Pending legal-status Critical Current

Links

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
    • H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
    • 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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
    • 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
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • 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
    • H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Architecture (AREA)
  • Human Computer Interaction (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种基于数字孪生的云电池储能管理系统及其控制方法，系统包括云电池储能系统、物联网组件、云端数据服务中心、数字孪生平台和用户界面模块。方法包括：云电池储能系统实时采集储能电池多维度的工作状态数据；物联网组件对工作状态数据进行分类、压缩以及格式和协议转换后，发送给云端数据服务中心进行保存；数字孪生平台从云端数据服务中心获取工作状态数据，并以此建立云电池储能系统数字孪生模型；获取云电池储能系统数字孪生模型的数据指标，以实时监测并分析电池健康状况；用户界面模块从数字孪生平台获取云电池储能系统数字孪生模型的输出数据并在可视化界面。本发明实现了对云电池储能系统状态的实时监测、精准评估和管理。

Description

一种基于数字孪生的云电池储能管理系统及其控制方法
技术领域
本发明涉及电力领域，尤其涉及一种基于数字孪生的云电池储能管理系统及其控制方法。
背景技术
云电池是一种基于云计算、互联网和物联网技术的新型储能电池，通过在储能电池内嵌入智能传感器从而实现对电池的智能化管理。其主要特点是通过云端的大数据分析和智能算法实现对电池的全生命周期管理。
云电池内置的智能感知设备可以实时监测电池的状态和工作情况；云端的大数据处理和分析则可以对电池的性能和寿命进行评估和预测，并且根据不同的需求进行优化和调整。
数字孪生是以物理模型、数值模拟等手段，将真实世界中的对象在虚拟世界中进行建模，使得实际对象在虚拟世界中的表现高度一致，为实际对象的健康评估、故障预警等提供了可能。
基于数字孪生的储能管理系统的构建是在物理系统进行储能管理的基础上，利用虚拟仿真技术将储能管理系统建立成一个完整的数字孪生平台。数字孪生平台将物理系统的实时数据与虚拟系统的仿真模型相结合实现虚实映射，使得储能管理系统的监控、预测、优化和决策更加精准、高效和可靠。基于数字孪生的云电池储能管理系统作为一种新型技术，在储能领域有着广泛应用前景。
目前现有的储能管理方式及系统仍存在一些不足之处：
(1)数据质量问题：目前现有的储能电池管理方式及系统通常仅对传统的物理量采集，如电流、电压、温度等。这些物理量虽然能提供一定的信息，但仍然有局限性，不能全面、准确地反映电池的实际状态。缺乏多维度的储能电池数据，无法全面、综合地揭示电池内外部的状态和动态变化。在实际应用中，仅依靠传统物理量采集是不足以实现精确建模和分析预测的需求。
(2)目前基于数字孪生的储能管理系统主要基于储能系统的几何结构和材料属性进行建模，缺乏对储能电池物理特性的全方面建模，例如基于数字孪生的电化学反应建模、传热传质建模或机械形变模型。由于缺乏多维度全方面的储能电池数据和完备的建模手段，现有模型往往需要进行简化和假设，难以全面准确地提供云电池储能系统的实时监测、分析预测和管理。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种基于数字孪生的云电池储能管理系统及其控制方法，基于数字孪生技术实现对云电池储能系统的全生命周期数字建模和仿真，进而实现对云电池储能系统状态的实时监测、精准评估和管理。旨在解决现有技术中储能电池数据采集不够全面、缺乏对储能电池物理特性的全方面建模的问题。
为解决上述技术问题，本发明提出的技术方案为：
一种基于数字孪生的云电池储能管理系统，包括云电池储能系统、物联网组件、云端数据服务中心、数字孪生平台和用户界面模块，所述云电池储能系统通过物联网组件与云端数据服务中心连接，且所述云端数据服务中心、数字孪生平台和用户界面模块两两之间互相连接，其中：
所述云电池储能系统包括多个储能电池，每个储能电池分别安装有对应的传感器，所述传感器包括电流传感器、电压传感器、温度传感器、压力传感器、声音传感器以及图像采集装置；
所述物联网组件用于将所述传感器采集的工作状态数据转换为统一的格式之后发送给云端数据服务中心；
所述云端数据服务中心用于存储并处理所述工作状态数据；
所述数字孪生平台用于根据所述工作状态数据建立多维度的云电池储能系统数字孪生模型，所述云电池储能系统数字孪生模型包括三维结构模型、电化学反应模型、传热传质模型、机械形变模型；
所述用户界面模块用于获取云电池储能系统数字孪生模型的输出数据，并提供可视化界面显示所述输出数据，还用于在所述云电池储能系统数字孪生模型的输出数据超过预设阈值时，在可视化界面进行报警提示。
本发明还提出一种云电池储能管理系统控制方法，应用于所述的基于数字孪生的云电池储能管理系统，包括以下步骤：
S1)云电池储能系统通过多种传感器实时采集储能电池多维度的工作状态数据，并将所述工作状态数据发送给物联网组件；
S2)物联网组件对所述工作状态数据进行分类、压缩以及格式和协议转换后，发送给云端数据服务中心进行保存；
S3)数字孪生平台从云端数据服务中心获取工作状态数据，根据所述工作状态数据建立并更新云电池储能系统数字孪生模型的三维结构模型、电化学反应模型、传热传质模型和机械形变模型，对所述云电池储能系统数字孪生模型进行虚实校验；
S4)获取所述云电池储能系统数字孪生模型的数据指标，根据所述数据指标实时监测并分析电池健康状况；
S5)用户界面模块从数字孪生平台获取云电池储能系统数字孪生模型的输出数据，并提供可视化界面显示所述输出数据。
进一步的，步骤S3中根据所述工作状态数据建立并更新云电池储能系统数字孪生模型的三维结构模型、电化学反应模型、传热传质模型和机械形变模型时，包括：
S301)利用建筑信息模型技术对云电池储能系统的实体几何形状、电池内部结构和组件进行建模得到三维结构模型；
S302)对电极反应、电解液中的离子传输、电化学活性物质的扩散、可逆和/或不可逆反应进行建模，以模拟电池内部的电化学过程，得到电化学反应模型；
S303)对热扩散、热对流、传质以及温度和浓度之间耦合关系进行建模，以模拟电池内部的传热传质过程，得到传热传质模型；
S304)对电池的形变特性、电池的应力分布进行建模，得到机械形变模型。
进一步的，步骤S301包括以下步骤：
S311)获取电池的三维结构数据；
S312)使用BIM软件，根据所述三维结构数据中的尺寸数据和形状数据，创建外形模型；
S313)在外形模型基础上，根据所述三维结构数据中的内部结构和组件尺寸的数据，建立电池内部的组件和结构模型；
S314)根据电池的实际物理特性和材料属性进行参数设置；
S315)根据所述三维结构数据中的材料属性数据，进行电池材料的属性分析。
进一步的，步骤S302中对电极反应进行建模包括以下步骤：
S321)根据电池体系中的化学反应，确定电极反应的反应物和生成物；
S322)根据电极反应的特性，确定电荷转移过程；
S323)根据电荷转移过程，基于Nernst-Planck方程计算质量平衡方程，所述质量平衡方程用于出离子传输过程；
S324)根据电荷转移过程，用Butler-Volmer方程作为过电位方程，所述过电位方程用于描述电子传输过程；
S325)将电极的边界条件和初始条件的值输入质量平衡方程和过电位方程，以计算出质量平衡方程和过电位方程的完整解。
进一步的，所述质量平衡方程如下所示：
其中，Ci表示为第i个离子的浓度，t表示为时间，Di表示为第i个离子的扩散系数，Ui表示为第i个离子迁移速度；
所述过电位方程如下所示：
其中，J表示为当前电流密度，J0表示为初始状态下的交换电流密度，αa和αc表示为电子的转移系数，F表示为法拉第常数，R表示为气体常数，T表示为温度，τ表示为过电位。
进一步的，步骤S303中对温度和浓度之间耦合关系进行建模包括：根据储能电池活性物质的传输特性建立质量守恒方程，将质量守恒方程与Navier-Stokes方程耦合，得到温度与浓度耦合方程。
进一步的，所述温度与浓度耦合方程表达式如下：
其中，ρ表示为电池内部流体的密度，C表示为电池活性物质的浓度，t表示为时间，v表示为流体的速度，D表示为扩散系数，T表示为温度，υ表示为热扩散系数，q表示为热源项。
进一步的，步骤S304包括以下步骤：
S341)获取储能电池材料的物性参数和形变特性实验数据；
S342)分析储能电池内部受力情况，采用有限元分析法确定储能电池的应力分布；
S343)根据储能电池材料的应力-应变的线性关系建立机械形变模型中弹性形变模型的方程；
S344)根据von Mises屈服准则建立机械形变模型中储能电池材料的塑性形变模型的方程；
S345)使用数值方法求解弹性形变模型和塑性形变模型的方程，得到储能电池的形变结果。
进一步的，步骤S343中，弹性形变模型包括多轴应力状态，表达式如下：
σ＝[σx,σyσz,ωxy,ωyz,ωxz]
其中，σx、σy、σz分别表示为沿x、y、z轴方向正应力分量，ωxy、ωyz、ωxz分别表示为沿相应平面的剪应力分量；
步骤S344中，塑性形变模型包括塑性应变方程，表达式如下：
εpdot＝M·(σeq-σy)n·sign(σeq-σy)
其中，σeq表示为等效应力，εpdot表示为塑性应变率，M和n表示为储能电池材料的塑性参数。
与现有技术相比，本发明的优点在于：
(1)本发明针对云电池储能系统中的单体储能电池实时采集其多维度的工作状态数据。基于数字孪生技术对云电池储能系统进行建模仿真，将实际的云电池储能系统与虚拟的云电池储能系统建立映射关系，实现实时监控。并设计相应的用户界面及时反映出电池的监测数据，以便用户进行及时决策，有效提高储能云电池储能管理系统的可靠性和安全性。
(2)本发明引入了电流传感器、电压传感器、温度传感器、压力传感器、声音传感器以及图像采集装置等多个传感器，能够全方位地采集储能电池的各种参数和状态信息，可获得更丰富、全面的数据，实现对电池内外部状态和动态变化的综合监测。
多维度数据的采集为精确建模和分析提供数据支撑。通过对各项参数的综合分析和建模，可以更准确地了解电池的工作状态、性能特征和寿命状况，有助于提高所述云电池储能系统的性能预测和优化控制。
多维度数据的采集和分析实现了对储能电池的实时监测和反馈，有助于及时发现问题、进行调整和优化，提高云电池储能系统的运行效率和可靠性。
(3)本发明的数字建模方法更加全面和综合，包括几何结构、物理特性、环境变量和工作状态数据等参数及其数据间的关系属性，可提供更全面的系统信息和更准确的模型描述。这些模型综合考虑了所述云电池储能系统的电化学、热力学和机械特性，实现了对储能电池的全方位建模，可能够更准确地监测和辅助预测云电池储能系统的工作状态、性能特征和寿命状况。
附图说明
图1为本发明实施例的系统组成示意图。
图2为本发明实施例的数字孪生平台结构示意图。
图3为本发明实施例的控制方法流程图。
图4为本发明实施例中建立云电池储能系统数字孪生模型的流程示意图。
图5为本发明实施例中三维结构模型的建立流程图。
图6为本发明实施例中对电极反应进行建模的流程图。
图7为本发明实施例中储能电池的机械形变模型的建立流程图。
图例说明：1-云电池储能系统、2-物联网组件、3-云端数据服务中心、4-数字孪生平台、5-用户界面模块。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
实施例一
为了解决目前储能电池数据采集不够全面、缺乏对储能电池物理特性的全方面建模的问题，本实施例提出一种基于数字孪生的云电池储能管理系统，如图1所示，包括云电池储能系统1、物联网(IoT)组件2、云端数据服务中心3、数字孪生平台4和用户界面(UI)模块5，所述云电池储能系统1通过物联网组件2与云端数据服务中心3连接，且所述云端数据服务中心3、数字孪生平台4和用户界面模块5两两之间互相连接，具体的，所述云电池储能系统1与物联网组件2通过无线网络连接；所述云端数据服务中心3分别与物联网组件2、数字孪生平台4和用户界面模块5通过无线网络连接，所述数字孪生平台4与用户界面模块5网络连接。
下面对于各功能模块进行具体说明。
本实施例中，所述云电池储能系统1是由多个储能电池单体及其配套的多种智能传感器设备组成的整体。在每个储能电池内嵌入多个智能传感器用于采集储能电池的工作状态数据，包括多个储能电池，每个储能电池分别安装有对应的传感器，这些传感器包括安装于储能电池内部的电流传感器、电压传感器、温度传感器、压力传感器、声音传感器以及安装于储能电池外部图像采集装置。
其中，所述电流传感器用于测量储能电池的充放电电流等；所述电压传感器用于测量储能电池的充放电电压等；所述温度传感器用于测量储能电池的温度；压力传感器用于测量储能电池内部的压力变化等；利用声音传感器对电池内部的正常/异常运行状态进行识别与判断；通过图像采集装置对储能装置的外部形态、损伤等特征进行识别和分类。
在本实施例中，云电池储能系统基于RS-485接口嵌入多路电流电压采集器、温度传感器、压力传感器等无线传感器设备，通过数据采集和信号处理实现对储能电池进行全方位的监测，包括瞬态电流、电压、电池温度、充放电时间、电池循环寿命、电池内阻、最大充电速率、最大放电速率、能量密度、功率密度等关键参数的采集，以及环境温湿度、光照等外部因素的监测。其中瞬态电流、电压、电池温度、充放电时间、电池循环寿命、电池内阻、最大充电速率、最大放电速率等数据可直接采集或监测得出，能量密度、功率密度、电化学势能以及后续建模过程中的所用的部分已知数据是通过计算得出，相关数据的计算过程为常规的方法，故不逐一说明。
另外，储能电池的数据采集并不仅局限于传统的物理量采集，还涵盖了声音、图像等多维度信息的采集与处理，以实现更全方面的电池工作状态监测与分析。包括利用声音传感器对电池内部的正常/异常运行状态进行识别与判断，或者通过图像采集技术获取电池内外部环境、电池外观等更丰富的信息，可对储能装置的外部破损等特征进行识别和分类。声音和图像的采集主要用于对电池内外部的异常运行状态的检测，辅助UI界面进行交互展示。图像采集结果可用于辅助系统三维结构模型的虚实校验中。电池实体几何形状和组件的尺寸、表面特性和材料属性等精细数据采集人工仪器测定，构建的电池三维模型与图像采集到的电池实体进行对比。
在本实施例中，多种智能传感器设备所采集的数据可用于更细致的内外部机理分析，包括电池内部化学过程、传热传质状态、形变过程等，为电池性能的优化和故障诊断提供更准确的依据。可以更好地支持数字孪生模型的构建与校验，通过更准确地模拟云电池储能系统的内外部状态和动态变化，提高数字孪生模型的分析预测能力。另外，多维度数据的采集可以实时监测电池的健康状况，更及时有效地发现电池的异常状态和故障，提高所述云电池储能系统的安全性和可靠性。
综上所述，多元化的信息采集方式为后续数字孪生模型的构建和运行提供数据支撑，以实现对云电池储能系统全生命周期的动态监控和分析。
通过前述多种智能传感器设备实时采集储能电池的工作状态数据，并将数据基于控制器局域网(CAN)协议发送到物联网组件2。
本实施例中，物联网(IoT)组件2作为云电池储能系统与云端数据服务中心之间的桥梁，其作用是在云电池储能系统1和云端数据服务中心3之间建立起稳定的互联网连接以实现实时高效的数据传输，用于将所述传感器采集的工作状态数据发送给云端数据服务中心3。
在本实施例中，针对无线场景下的数据采集需求，物联网(IoT)组件2采用树莓派4B作为物联网桥接组件以收集所述云电池储能系统1的工作状态数据，并与所述云端数据服务中心3建立通信连接。物联网组件2将接收到的数据格式统一转换为XML格式，以便在基于数字孪生的云电池储能管理系统内不同模块进行数据传输；并对数据进行压缩，以减少数据传输的带宽需求。
物联网组件2根据不同传感器采集到的数据进行分类和协议转换，并通过预设的ZigBee、TCP/IP协议和消息队列遥测传输(MQTT)协议将数据发送到云端数据服务中心3，以保证数据传输的安全性和稳定性。
本实施例中，云端数据服务中心3用于存储并处理所述工作状态数据，云端数据服务中心3是由一个数据记录器和一个托管数据库组成，具有强大的数据存储和处理能力。数据记录器获取由云电池传感器采集的大量非结构化或半结构化数据，并记录数据类型、数据大小、初次传输时间等，再传输到云端数据库中，所述托管数据库具有分布式拒绝服务(DDoS)防护、多冗余连接以及数据加密通道，只有所述云电池储能管理系统的运营工作人员有权通过密钥验证访问、获取数据，以保障所述云点出储能系统数据的安全性和可靠性。
本实施例中，数字孪生平台4用于从云端数据服务中心3采集储能电池的工作状态数据信息，根据所述工作状态数据建立多维度的云电池储能系统数字孪生模型。如图2所示，数字孪生平台4包括建模模块，所述建模模块的作用是通过数字孪生建模技术对实体云电池储能系统中的关键参数进行数字化建模，以构建出所述云电池储能系统的数字孪生体。让生成的虚拟储能电池模型可以准确地反映实际储能电池的状态，使实际云电池储能系统的运行状态可以在虚拟环境中进行模拟和管理。
本实施例中，建模模块包括建模语言子模块、模型参数子模块和模型校验子模块二级模块。其中：
建模语言子模块用于定义数字孪生模型中的各种组件和元素等；在数字孪生建模过程中，需要明确定义模型的组成部分，包括系统的结构、元件的属性等。建模语言子模块提供了一种规范性工具，用于描述和定义这些组件和元素，包括语法、语义和语义扩展等方面的规则，使得建模人员能够按照一定的标准和规范进行模型的描述和定义。通过建模语言子模块，可以准确地表达模型的结构和属性，确保模型的一致性和可理解性，同时也方便模型的进一步分析和应用。
模型参数子模块用于定义数字孪生模型的参数和限制条件；在数字孪生建模过程中，模型的参数是模型的输入或可调节的变量，可影响模型的行为和性能。模型参数子模块提供了一种机制，用于明确地定义模型的参数，并指定参数的取值范围、界限条件等。通过模型参数子模块，可以确定模型的输入和可调节变量，并规定它们的有效范围和限制条件，以确保模型的可靠性和适用性。此外，模型参数子模块还可以提供参数的默认值和优化算法等功能，以方便模型的参数设置和调整，使得模型能够更好地拟合实际情况，并提供准确的模拟和预测结果。
模型校验子模块通过比对云电池储能系统的实时数据来优化数字孪生模型。在本实施例中，在完成所述云电池储能系统的数字孪生体的构建后，利用海量监测数据驱动数字孪生体的动态更新。所述模型校验模块用于将数字孪生平台的模拟数据与实时同频运行的实体云电池储能系统的实际运行数据不断比对以评估它们之间的差异，通过误差协方差及其他指标进行判断，若实体云电池储能系统和数字孪生体之间的差异值超过预设阈值，基于梯度下降法优化调整模型参数，以确保数字孪生体具备强大的适应能力和预测精度。
在本实施例中，云电池储能系统建模工作是基于云电池储能系统的几何结构、物理特性、环境变量和工作状态数据等参数及其数据间的关系属性，并根据在建模语言子模块和模型参数子模块中设定的模型参数、建模组件、限制条件，建立起所述云电池储能系统数字孪生模型包括三维结构模型、电化学反应模型、传热传质模型、机械形变模型，使得数字孪生平台中的虚拟储能电池系统和实际储能电池系统一一对应，实现所述云电池储能系统的虚实映射，以提高相关工作人员对云电池储能管理系统的分析管理水平。
本实施例在云电池储能系统数字孪生模型中建立了十一种子模型，云电池储能系统数字孪生模型的电化学反应模型中包括电极反应子模型、离子传输子模型、电化学活性物质扩散子模型和可逆/不可逆反应子模型。云电池储能系统数字孪生模型的传热传质模型包括热扩散子模型、热对流子模型、传质子模型以及温度和浓度耦合关系子模型。云电池储能系统数字孪生模型的机械形变模型包括弹性形变子模型和塑性形变子模型。
相对于其他基于数字孪生的储能管理系统所采用的建模方案，本发明具有更全面、更准确、更细致的模型描述和更强大的健康监测和预测评估能力，这将为所述云电池储能系统的优化和运行提供更可靠的数据支撑和更便捷的决策参考。
本实施例中，用户界面模块5作为所述云电池储能系统数字孪生平台与工作人员之间的纽带，用于获取云电池储能系统数字孪生模型的输出数据，并提供可视化界面显示所述输出数据，从而实现对云电池储能系统进行可视化管理。用户界面模块5不仅可以提供云电池单体或电池簇的工作状态数据以及传感器运行状态的实时可视化，还提供多种数据可视化类型和历史运行数据，帮助工作人员调度维护和维修。通过对虚拟云电池储能系统数字孪生体和实体云电池储能系统进行关联绑定，在虚拟云电池储能系统中设置报警阈值，在所述云电池储能系统数字孪生模型的输出数据超过预设阈值时，在可视化界面进行报警提示。使工作人员在虚拟云电池储能系统发生故障时能及时通过用户界面获知消息，实现对云电池储能系统的实时监控和故障预警。为保障所述系统数据的私密性和完整性，用户界面模块5只能通过HTTPS协议访问，并且需要用户通过密钥认证。
在本实施例中，用户界面模块5的可视化界面主要包括以下内容：1.数据信息展示：包括当前云电池储能系统及电池单体的运行状态、剩余容量，以及与其相关的能量供应和消耗情况等信息。可视化界面采用了图形化、可视化方式展示数据，如通过饼图、柱状图等形式展示能量供应和消耗情况，通过折线图展示云电池储能系统的历史数据变化趋势等。2.交互控件设计：为方便用户操作，可视化界面采用了一些直观的按钮、滑动条等交互控件以及一些提示性语言，帮助用户更好地理解云电池储能系统的运行情况和操作流程。3.报警信息提示：当云电池储能系统发生异常或出现故障时，系统会自动发送报警信息，提示用户及时处理。4.安全操作提示：为防止用户误操作，可视化界面还提供了一些安全操作提示，比如对重要参数的修改需要进行确认等。
实施例二
本实施例提出一种云电池储能管理系统控制方法，应用于实施例1所述的基于数字孪生的云电池储能管理系统，如图3所示，包括以下步骤：
S1)云电池储能系统1通过多种传感器实时采集储能电池多维度的工作状态数据，并将所述工作状态数据发送给物联网组件2；
S2)物联网组件2对所述工作状态数据进行分类、压缩以及格式和协议转换后，发送给云端数据服务中心3进行保存；
S3)数字孪生平台4从云端数据服务中心3获取工作状态数据，根据所述工作状态数据建立并更新云电池储能系统数字孪生模型的三维结构模型、电化学反应模型、传热传质模型和机械形变模型，实时对所述云电池储能系统数字孪生模型进行虚实校验；
S4)获取所述云电池储能系统数字孪生模型的数据指标，根据所述数据指标实时监测并分析电池健康状况；
S5)用户界面模块5从数字孪生平台4获取云电池储能系统数字孪生模型的输出数据，并提供可视化界面显示所述输出数据，使得用户通过基于Web平台的云电池储能管理系统的UI界面访问云电池储能系统，以实现人机交互。
本实施例的步骤S3中，根据所述工作状态数据建立并更新云电池储能系统数字孪生模型的三维结构模型、电化学反应模型、传热传质模型和机械形变模型时，包括：
首先，建立云电池储能系统数字孪生模型的三维结构模型、电化学反应模型、传热传质模型和机械形变模型，参见图4，其示出了本实施例提供云电池储能系统数字孪生模型构建流程，详述如下：
S301)云电池储能系统的三维结构建模：
建立云电池储能系统的三维几何模型是云电池储能系统建模工作中的重要步骤。主要是利用建筑信息模型(BIM)技术对云电池储能系统的实体几何形状、电池内部结构和组件进行建模得到三维结构模型；通过建立所述云电池储能系统的三维BIM模型，有助于工作人员直观地掌握所述云电池储能系统的组件和设备之间的位置关系和布局，了解储能电池的几何尺寸、表面特性和材料属性等参数，更好地理解和分析所述云电池储能系统的工作原理。
参见图5，其示出了本实施例提供的三维结构建模流程图，步骤S301包括以下步骤：
S311)数据采集：获取电池的三维结构数据，三维结构数据包括云电池实体几何形状、电池内部结构和组件的尺寸、表面特性和材料属性等；
S312)几何建模：使用BIM软件，根据所述三维结构数据中的尺寸数据和形状数据，创建外形模型；具体的，通过使用AutoCAD软件进行建模，根据云电池的尺寸和形状，创建几何体，通过绘制相应的图形和构件，构建云电池的外观和内部结构模型；
S313)内部结构建模：在外形模型基础上，根据所述三维结构数据中的内部结构和组件尺寸的数据，建立电池内部的组件和结构模型；具体的，通过使用BIM软件的建模功能，根据电池的内部构造，创建电池的单元、连接器、电极等组件，并将其放置在适当的位置；
S314)参数设定：根据电池的实际物理特性和材料属性进行参数设置；例如，根据电池的电化学特性设置电极材料的导电性、离子扩散率等参数。根据电池的尺寸和几何形状设置相应的尺寸参数；
S315)材料属性分析：根据所述三维结构数据中的材料属性数据，进行电池材料的属性分析。具体可以使用BIM软件的属性分析功能，从BIM模型中提取云电池组件的材料属性数据，通过分析模型中的材料信息，获取各组件的材料类型、热导率、密度等属性，并将这些属性与相应的组件关联。
以上是利用BIM技术建立云电池储能系统的几何形状、电池内部结构和组件的建模流程。通过三维BIM模型，可以直观地了解云电池的几何尺寸、表面特性和材料属性等参数。所述参数对于后续的电化学反应模型、传热传质模型和机械形变模型的建模工作提供了基础和依据。
S302)云电池储能系统的电化学反应建模：
在云电池储能系统三维结构建模的基础上，对电池内部的电化学反应进行建模。对电极反应、电解液中的离子传输、电化学活性物质的扩散、可逆和/或不可逆反应进行建模，以模拟电池内部的电化学过程，得到电化学反应模型。
电化学反应建模包括以下几个子模型的建立：
1、电极反应模型建立：根据电池体系和电极材料的特性，建立电极反应的数学表达式。电极反应模型的建立是电化学建模中的重要一步，它描述了电极在电池体系中的反应过程。
参见图6，其示出了本实施例提供的电极反应模型建立流程，步骤S302中对电极反应进行建模包括以下步骤：
S321)根据电池体系中的化学反应，确定电极反应的反应物和生成物；
在本实施例中，所述储能电池为锂离子电池，锂离子嵌入和脱嵌于石墨电极上，锂离子(Li+)是反应物，石墨中的锂嵌入化合物(LiC6)是生成物。
S322)根据电极反应的特性，确定电荷转移过程；
电极反应通常涉及电子和离子的转移过程。在锂离子电池中，电子在电极表面进行电子传导，离子在电解质中进行离子传导。
S323)根据电荷转移过程，基于Nernst-Planck方程计算质量平衡方程，所述质量平衡方程用于出离子传输过程；
在本实施例中，
基于Nernst-Planck方程思路，根据电荷转移过程，设计了质量平衡方程来描述锂离子在电解质中的传输过程，质量平衡方程如下所示：
其中，Ci表示为第i个离子的浓度，t表示为时间，Di表示为第i个离子的扩散系数，Ui表示为第i个离子迁移速度，表示锂离子浓度随时间的变化率，也就是浓度的时间导数。它描述了随着时间的推移，电解质中锂离子浓度的变化情况。等号左边的/>可以理解为浓度变化的速率，即单位时间内浓度的变化量。在这个方程中，已知的量通常包括：C：锂离子的浓度，表示锂离子在电解质中的分布情况。Ci第i个离子的浓度可以通过电池中的电位差直接测量得出。Di的测量是基于传感器搜集到的基础数据，通过离子扩散实验(常规方法)直接测量得出的。Ui的测量是通过基于传感器搜集到的基础数据(常规方法)离子迁移实验直接测量得出的。
S324)根据电荷转移过程，用Butler-Volmer方程作为过电位方程，所述过电位方程用于描述电子传输过程；
在本实施例中，采用Butler-Volmer方程作为所述电极反应模型的过电位方程，以描述锂离子在电极表面的嵌入和脱嵌过程，过电位方程如下所示：
其中，J表示为当前电流密度，J0表示为初始状态下的交换电流密度，αa和αc表示为电子的转移系数，F表示为法拉第常数，R表示为气体常数，T表示为温度，τ表示为过电位。
式(2)中，当前电流密度J未知，等号右边的变量为已知。初始状态下的交换电流密度J0，温度T是基于所述传感器直接测量得出，电子的转移系数αa和αc，法拉第常数F，气体常数R为系统设定，过电位τ基于交流阻抗法计算得出，为常规方法故不详细阐述。
S325)将电极的边界条件和初始条件的值输入质量平衡方程和过电位方程，以计算出质量平衡方程和过电位方程的完整解。
根据实际情况确定电极的边界条件和初始条件的值，带入所述质量平衡方程和过电位方程式中，即可计算出方程的完整解，从而确定电极反应情况。所述边界条件和初始条件可以根据实际问题和所述云电池储能系统的具体性质确定。
通过以上步骤可建立电极反应的数学模型。所述电极反应模型可以帮助相关工作人员理解和预测电极的电化学行为，并为云电池储能系统的管理工作提供数据支持。
2、离子传输模型建立：根据电解液中的离子传输特性，建立离子传输的数学模型。
在本实施例中，描述离子在电解液中的浓度分布和扩散的离子传输方程如下所示：
其中，Cm表示为电解液中的总离子浓度，φm表示为电解液的总离子电势，Zi表示为第i个离子的电荷数，F表示为法拉第常数，Ci表示为第i个离子的浓度。
式(3)中，Cm电解液中的总离子浓度，电解液的总离子电势未知。通过测量或计算电解液中每个离子的浓度状态，综合得出电解液中的总离子浓度和电势，即可直观看出离子在电解液中的浓度分布和扩散情况。Zi第i个离子的电荷数基于法拉第电位法计算得出，为常规方法故不详细阐述。Ci第i个离子的浓度可以通过电池中的电位差直接测量得出。
3、电化学活性物质扩散模型建立：考虑到电池内部活性物质的扩散过程，建立物质扩散的数学模型。
在一实施例中，采用Fick扩散定律描述电池内部活性物质浓度的变化。电化学活性物质扩散方程如下所示:
其中，C表示为电池内部活性物质的浓度，t表示为时间，D表示为电池内部活性物质的扩散系数。
式(4)这个方程是描述电池内部活性物质浓度变化的扩散方程，在方程中，表示活性物质浓度C随时间的变化率。这表示了活性物质在电池中的扩散过程。D是活性物质的扩散系数，它表示了活性物质在电池中扩散的速率。扩散系数D是已知的，基于传感器搜集到的基础数据计算得出(常规方法)获取。/>是活性物质浓度的Laplace算子，基于传感器搜集到的基础数据计算得出(常规方法)获取，表示了活性物质浓度的梯度。它描述了浓度的空间变化。已知的量通常包括电池的几何形状、活性物质的扩散系数、电池中的初始浓度分布。通过求解这个扩散方程，可以得到电池内活性物质浓度随时间和空间的变化。这对于理解电池中的反应动力学、设计优化电池结构以及预测电池性能非常重要。
4、可逆/不可逆反应模型建立：
在电化学反应建模过程中需要考虑可逆/不可逆反应对电极反应速率的影响。首先，根据电极反应的特性，确定可逆/不可逆反应的机制。可逆反应是指电极反应在任何电荷转移步骤中都没有限制，而不可逆反应则存在电荷转移步骤受限制的情况。以此分别建立可逆/不可逆的影响模型。
(1)可逆反应的影响模型：对于可逆反应，使用可逆反应影响方程来描述可逆反应对电极反应速率的影响。可逆反应影响方程如下所示：
V＝V0·(eατ-e-ατ)
其中，V表示为电极反应速率，V0表示为在零过电位时的电极反应速率，α表示为电子的传递系数，τ表示为过电位。
可逆反应影响方程描述了过电位对电极反应速率的影响。等号左边的V表示电极反应速率，它通过方程中的电压变化和传递系数来表示。
V0表示在零过电位时的电极反应速率，即当过电位为零时，电极反应速率的基准值。这个参数通过测量得到。
α表示电子的传递系数，它反映了电子在电极间传递的效率。传递系数α通常是由电极材料和反应条件决定的，通过基于传感器搜集到的基础数据计算得出(常规方法)获取。
τ表示过电位，它是电极反应的驱动力。过电位可以通过测量电极电势与标准电极电势之间的差异来获得。
通过可逆反应影响方程，我们可以了解过电位对电极反应速率的影响。通过改变过电位，我们可以调控电极反应速率，进一步了解和优化电化学反应的过程。
已知量通常包括V0、α和过电位，用于预测和优化电化学反应的速率和效果，以及设计更高效的电化学系统。
所述可逆反应影响方程描述了电荷传输速率与过电位之间的指数关系。可逆反应影响方程表示了可逆反应对电极反应速率的影响。当过电位增加时，指数函数的值会增加，从而使电极反应速率增加。反之，当过电位减小时，指数函数的值会减小，从而使电极反应速率减小。
(2)不可逆反应的影响模型：对于不可逆反应，可以使用极化曲线模型来描述其对电极反应速率的影响。极化曲线是电流密度与过电位之间的关系曲线，在一实施例中，极化曲线是一个非线性的函数。
实际情况下，电极反应往往同时存在可逆和不可逆反应，将可逆反应和不可逆反应的模型结合起来，可更全面地考虑两者对电极反应速率的综合影响。
综上所述，建立电池内部的电化学反应模型综合考量电极反应、离子传输、物质扩散以及可逆/不可逆反应等因素。通过建立相关的数学方程，可以模拟电池内部的电化学过程。该模型可以用于预测电池性能、优化电池设计以及指导电池的运行与管理。
S303)云电池储能系统的传热传质建模：
在本实施例中，所述一种基于数字孪生的云电池储能管理系统需要考虑到电池热与质量的传输问题，对热扩散、热对流、传质以及温度和浓度之间耦合关系进行建模，以模拟电池内部的传热传质过程，得到传热传质模型。
传热传质建模包括以下几个子模型的建立：
1、热扩散模型建立：根据电池的几何形状和材料特性，建立热扩散的数学模型。在一实施例中，采用热传导方程描述电池内部温度分布的变化。所述热传导方程如下所示：
其中，表示温度随时间的变化率，也就是温度的时间导数，T表示为电池内部温度，t表示为时间，/>表示为热扩散系数，方程右边的空间导数项/>描述了温度的空间变化，其中/>表示温度的二阶空间导数，可基于常规方法-有限差分法进行离散化和求解。
2、热对流模型建立：考虑到电池与周围环境的热交换，建立热对流的数学模型。在一实施例中，采用对流传热方程来描述电池内部和外部的热量传递。所述热传导方程如下所示：
Q＝hA(T-T∞)#(7)
其中，Q表示为热流密度，h表示为对流传热系数，A表示为传热面积，T表示为电池表面温度，T∞表示为周围环境温度。
3、传质模型建立：根据电池内部活性物质的浓度分布和扩散特性，建立传质的数学模型。在一实施例中，采用Fick扩散定律描述电池内活性物质的浓度分布变化。传质方程如下所示：
其中，C表示为电池内部活性物质的浓度，t表示为时间，D表示为物质的扩散系数。
4、温度与浓度的耦合模型建立：由于温度和浓度在传热传质过程中相互耦合，需要将温度和浓度的变化相互考虑。在本实施例中，采用Navier-Stokes方程和质量守恒方程相耦合的方式来描述温度和浓度的耦合关系，步骤S303中对温度和浓度之间耦合关系进行建模包括：根据储能电池活性物质的传输特性建立质量守恒方程，将质量守恒方程与Navier-Stokes方程耦合，得到温度与浓度耦合方程。
Navier-Stokes方程描述了流体的运动行为。在电池内部，流体的质量传输会影响温度和浓度的分布。根据质量守恒方程和动量守恒方程，可以得到Navier-Stokes方程。Navier-Stokes方程如下所示：
其中，ρ表示为电池内部流体的密度，t表示为时间，v表示为流体的速度，p表示为压力，μ表示为动力粘度，g表示为重力加速度。
Navier-Stokes方程中，已知量通常包括电池内流体的密度ρ、速度v、压力p、动力粘度μ和重力加速度g。这些量基于传感器搜集到的基础数据计算得出(常规方法)。通过求解Navier-Stokes方程，可以获取电池内部流体的速度和压力分布。这有助于理解电池内部质量传输的影响，进而优化电池设计和性能。
根据储能电池活性物质的传输特性建立质量守恒方程。质量守恒方程如下所示：
其中，C表示为电池活性物质的浓度，t表示为时间，v表示为流体的速度，D表示为扩散系数，表示活性物质浓度C随时间的变化率，/>表示活性物质的质量流量收支，/>表示活性物质的扩散通量。
通过求解式(11)的方程，可以了解活性物质浓度随时间和空间的变化，从而预测电池内部活性物质的分布和扩散行为。式(11)中，已知的量通常包括电池活性物质的浓度分布C、流体速度v、扩散系数D。浓度基于传感器搜集到的基础数据计算得出(常规方法)。流体速度基于传感器搜集到的基础数据通过流体动力学模拟实验测量得到。扩散系数为根据文献资料系统设定，通过将已知量输入到质量守恒方程中，并求解方程，可以获得活性物质的浓度随时间和空间的变化情况，从而更好地理解和优化电池内部活性物质传输行为。
温度和浓度的耦合关系可以通过耦合Navier-Stokes方程和质量守恒方程来实现。温度与浓度耦合方程如下所示：
其中，T表示为温度，υ表示为热扩散系数，q表示为热源项。
上式中，温度通过传感器测量得到，热源项的大小和分布基于传感器搜集到的基础数据通过实验测量获得，热扩散系数通过系统确定，它通常取决于材料本身的物理性质以及温度。
通过将已知量输入到式(12)和式(13)的方程中，并求解方程，可以获得温度的空间和时间分布。这对于理解和优化储能系统中的热传导行为、温度分布以及热管理非常重要。
综上所述，建立电池传热传质模型需要考虑热扩散、热对流、传质以及温度和浓度之间的耦合关系。通过建立相关的数学方程，模拟电池内部的传热传质过程。所述传热传质模型可以用于预测电池的温度分布、浓度分布以及优化电池设计，以提高所述云电池储能系统的性能和寿命，并为储能电池设计和优化提供指导。
S304)云电池储能系统的机械形变建模：
机械形变是所述储能电池长期使用中不可避免的问题。因此，需要对电池的机械形变进行建模，机械形变模型的建模参数主要包括电池的形变特性、电池的应力分布等，因此本实施例中对电池的形变特性、电池的应力分布进行建模，得到机械形变模型。
参见图7，其示出了本实施例提供的储能电池的机械形变模型建立流程，步骤S304包括以下步骤：
S341)形变特性的研究：获取储能电池材料的物性参数和形变特性实验数据；具体的，通过试验获取电池材料的应力-应变曲线，了解所述储能电池的形变行为和力学性质。
S342)应力分析：分析储能电池内部受力情况，采用有限元分析法确定储能电池的应力分布；
在本实施例中，采用有限元分析方法，将电池模型离散化为小区域，建立节点和单元的网格结构，并通过解析或数值方法求解线性弹性静力学方程，以获得节点处的应力分布。
首先建立线性弹性静力学方程，以表示储能电池内部的受力平衡关系。线性弹性静力学方程如下所示：
其中，σ表示为电池应力张量，表示为梯度运算符，R表示为体力荷载。
式(14)中，已知量包括体力荷载R和电池应力张量的梯度体力荷载通常是由外部施加的，可以根据压力传感器测量得到。而电池应力张量的梯度/>则可以通过应力张量实验(常规)测试得到。通过解决这个方程，可以求解出未知的应力张量σ，从而了解储能电池内部的应力分布情况，进一步分析电池的受力状态和可能的结构变形等信息。
根据弹性理论，应力张量与应变张量之间的关系可以表示为：
σ＝E·ε#(15)
其中，σ表示为储能电池应力张量，E表示为储能电池的弹性模量，ε表示为电池应变张量。
所述电池应变张量可通过位移场的梯度来计算，电池应变张量如下所示：
其中，u表示为位移场，基于压力传感器实验测量得到，T表示为矩阵的转置。
随后，使用有限元法来近似位移场u和应力张量σ。假设在各单元上的位移场可以通过节点上的位移值进行线性插值，即：
u(x,y)＝Ni(x,y)·ui#(17)
其中，Ni是节点i处的线性插值函数，ui是节点i处的位移。
把公式(17)代入公式(16)，把公式(16)代入公式(15)，即将位移场u代入应变张量公式中即可得出：
最后，将应变张量代入应力与应变关系中，即可得到节点i处的应力张量σi,储能电池的各节点应力分布公式如下所示：
综上计算推导过程，本发明利用有限元法建立单元的刚度矩阵和载荷向量，并通过求解线性方程组来计算每个节点的位移ui。根据位移值出计算节点处的应力分布σi。
S343)弹性形变模型建立：根据储能电池材料的应力-应变的线性关系建立机械形变模型中弹性形变模型的方程；
经试验，储能电池材料具有一定线弹性行为，本实施例根据材料的应力-应变关系建立弹性形变模型。
在本实施例中，经过试验所述储能电池材料在力作用下的形变符合线弹性行为，即满足胡克定律，即存在应力和应变之间的线性关系。则根据材料的力学性质和实验数据，建立应力和应变之间的关系如上式(15)所示。
在本实施例中，所述弹性形变模型建立需要考虑多轴应力状态。因为对于电池材料来说，由于受到不同方向上的力作用则存在多轴应力状态。本发明采用柯西应力张量描述多轴应力状态下的应力分布。对于实体储能电池材料，多轴应力状态σo公式如下所示：
σo＝[σx,σyσz,ωxy,ωyz,ωxz]#(20)
其中，σx、σy、σz分别表示为沿x、y、z轴方向正应力分量，ωxy、ωyz、ωxz分别表示为沿相应平面的剪应力分量，均基于压力传感器实验测量得到。
S344)塑性形变模型建立：根据von Mises屈服准则建立机械形变模型中储能电池材料的塑性形变模型的方程；
经试验储能电池材料存在可塑性行为，因此本实施例还引入塑性形变模型计算电池形变是否超过弹性阈值。
在本实施例中，通过建立塑性形变模型结合材料性质的分析，判断电池材料的形变是否超过了弹性阈值，即是否存在可塑性行为。本发明采用von Mises屈服准则来描述其塑性形变行为，其方程如下所示：
其中，σeq表示为等效应力。
根据von Mises屈服准则，设定塑性应变率方程来表示塑性应变率与等效应力之间的关系，塑性应变率方程如下所示：
εpdot＝M·(σeq-σy)n·sign(σeq-σy)#(22)
其中，εpdot表示为塑性应变率，M和n表示为储能电池材料的塑性参数
S345)形变模型的求解：使用数值方法求解弹性形变模型和塑性形变模型的方程，得到储能电池的形变结果。
在本实施例中，形变模型的求解过程采用的是有限元方法。所述有限元方法是将储能电池选择适当的单元类型和网格划分，将电池划分为若干小单元，并确定每个小单元的节点位置。根据胡克定律得到应力场与应变场的关系，结合等效原理，得出各小单元的应变能密度，所述应变能密度等于应力与应变之积的体积分布。将该等式应用到每个小单元上，并利用有限元法中的位移插值和应变插值，即可推导出小单元的离散方程组。在离散方程组中，将每个小单元的位移和应变与其相邻节点的位移和应变联系起来，可得出整个储能电池的位移场和应变场，即整个储能电池的形变结果。
通过求解形变模型的方程，可以获得储能电池在不同加载条件下的形变情况，从而评估其结构强度和变形情况，为优化电池设计和性能提供参考。
综上所述，建立储能电池的机械形变模型以考虑电池材料的形变特性，分析电池内部的应力分布，并建立弹性形变和塑性形变子模型。通过数值求解方法，可以获得储能电池的形变结果，进而辅助评估电池的机械稳定性和寿命。所述机械形变模型可为云电池储能系统优化和电池设计提供重要参考。
通过建立所述多个模型，可以优化云电池储能系统的运行策略，提高所述种基于数字孪生的云电池储能管理系统的性能和管理效率。全方面多维度数字建模还可以为所述云电池储能系统提供更全面的健康监测，有助于提高管理系统的可靠性和安全性。
步骤S3中，在完成云电池储能系统数字孪生模型的三维结构模型、电化学反应模型、传热传质模型和机械形变模型的构建之后，即构建了云电池储能系统的数字孪生体。然后继续从云端数据服务中心3获取工作状态数据，即可根据这些工作状态数据计算得到数字孪生模型建模过程中各项数据指标(包括直接测量得出的或测量后计算得出的数据，如电池活性浓度C、当前电流密度J、多轴应力状态σo、电池内部温度T等，数据过多不一一列举。)，并输入云电池储能系统数字孪生模型，从而驱动数字孪生体的动态更新。
在实时对所述云电池储能系统数字孪生模型进行虚实校验的过程中，针对三维结构模型，将其与图像采集装置采集到的电池实体进行对比，针对电化学反应模型、传热传质模型和机械形变模型，将这些模型输出的模拟数据与实时同频运行的实体云电池储能系统的实际运行数据进行对比。通过误差协方差及其他指标进行判断，若实体云电池储能系统和数字孪生体之间的差异值超过预设阈值，基于梯度下降法优化调整模型参数，以确保数字孪生体具备强大的适应能力和预测精度。
在本实施例中，设定数字孪生体模拟的云电池储能系统的预测结果为ysim，实际运行数据为yreal，它们的之间的误差γ表示为:
γ＝yreal-ysim#(23)
所述误差协方差用于评估预测结果与实际数据之间的差异。误差协方差Conv(γ)计算公式如下所示：
Conv(γ)＝E[(γ-E(γ))(γ-E(γ)T)]#(24)
其中，E(γ)表示为误差的期望值，T表示矩阵的转置，该协方差矩阵反映了实体云电池储能系统和数字孪生体之间误差的方差和相似度。
在本实施例中，若误差协方差评估结果显示数字孪生体的预测结果与实际数据存在较大差异，超过了预设阈值，采用梯度下降法进行模型参数的优化调整，以提高数字孪生体的适应能力和预测精度，通过迭代更新模型参数，使目标函数逐步逼近最优解。
所述梯度下降法的更新规则如下所示：
其中，θnew表示为迭代后的所述云电池储能系统数字孪生模型的参数值，θold表示为上一次迭代的模型参数值，ψ表示为学习率(即步长)，H(θold)表示为损失函数对于模型参数的梯度。
学习率ψ的选取可根据所述云电池储能系统建模具体情况进行调整，过大的学习率可能导致模型震荡，而过小的学习率可能导致模型收敛速度过慢。通过以上步骤，梯度下降法能够不断更新模型参数，以使目标函数逐步逼近最优解，从而提高数字孪生体的适应能力和预测精度。
在步骤S4中，属性特征对应前文建模过程中的各项数据指标，包括直接测量得出的或测量后计算得出的数据，如电池活性浓度C、当前电流密度J、多轴应力状态σo、电池内部温度T、塑性应变率εpdot、热流密度Q等。
对云电池健康状况指标的实时监测分析过程中，当电池活性物质的浓度C降低或增高时，可能会有以下情况异常：
1.电池容量变化：电池的容量是指电池所能存储和释放的电能量。当活性物质的浓度降低时，电池的容量可能会减小，因为活性物质的浓度直接影响着电池储存能量的能力。
2.循环寿命降低：电池的循环寿命是指电池能够进行充放电循环的次数。当活性物质的浓度降低时，电池的循环寿命可能会降低，因为活性物质的浓度对电池的化学反应速率和稳定性有重要影响。
3.充电速度变慢：活性物质浓度降低可能导致电池内部反应速率降低，从而使得电池的充电速度变慢。这会导致充电时间延长，影响电池的使用体验。
4.功率输出降低：活性物质浓度降低可能导致电池的内阻增加，从而导致电池输出功率降低。这会影响电池在需要大功率输出的应用中的性能。
5.电池发热和安全性：当活性物质浓度降低时，电池内部的电化学反应可能变得不稳定，导致电池发热问题的加剧。这会影响电池的安全性能，可能引发过热、发生热失控等安全问题。
当电池在多轴应力状态下，其数值突破了其承受的阈值时，可能会出现以下异常情况：
1.力学破坏：电池材料或结构在承受超过其承载能力的应力时，可能会发生力学破坏，如裂缝、断裂或变形等。这可能导致电池的失效和损坏。
2.安全风险：当电池超过其承受阈值的应力时，可能引发安全风险，如电池过热、燃烧、爆炸等。这是因为电池内部的化学反应可能被激发或不受控制地进行，释放出大量热量和气体，引发严重的安全问题。
3.性能下降：当电池超过其承受阈值的应力时，其性能可能会下降。这可能导致电池的容量减小、循环寿命降低、功率输出降低等问题，影响电池的可用性和可靠性。
4.结构变形：在超过承受阈值的应力下，电池的结构可能会发生不可逆的变形，导致其形状和尺寸的改变。这可能影响到电池与其他组件的连接、机械稳定性以及整个系统的运行。
当电池的热流密度Q数值突破了其承受的阈值时，可能会出现以下异常情况：
1.过热：当电池在承受超过其设计热流密度的热量时，可能会发生过热现象。过高的热流密度会导致电池内部温度升高，超过安全范围，可能引发电池内部化学反应失控、材料老化、内部组件热膨胀等问题。
2.安全风险：过高的热流密度可能引发电池的安全风险，如引发电池内部燃烧、爆炸等。电池内部化学反应的剧烈发生可能释放出大量热量和气体，造成严重的安全问题。
3.电池寿命损耗：长时间经历超过设计热流密度的高温环境会加速电池的寿命损耗。高温环境对电池材料和化学反应造成损害，可能导致容量衰减、循环寿命减少等问题。
4.性能下降：过高的热流密度可能导致电池的性能下降。高温环境会影响电池的容量、内阻、循环寿命和功率输出等性能指标，降低电池的可靠性和可用性。
因此，在实时检测分析过程中，当云电池储能系统的属性特征超过所设定的阈值时，步骤S5中，用户界面模块5还可以生成对应的报警信息提醒用户。
综上所述，本发明通过提供一种基于数字孪生的云电池储能管理系统及其控制方法，以解决现有技术中存在云电池储能系统的储能电池数据采集不够全面、建模方法不够完善，无法准确对储能电池进行智能化数据分析，导致数据分析准确率较低且效率不高的技术问题。本发明以数字孪生技术作为手段，通过云电池嵌入的智能感知设备，实时采集多维度工作状态数据。基于数字孪生技术对所述云电池储能系统进行全方位建模和仿真，将实际的云电池储能系统与虚拟的云电池储能系统建立映射关系，实现了实时监控和辅助优化云电池储能系统的运行。并设计相应的UI界面实时及时反映出所述云电池储能系统的健康评估数据，以便用户进行及时决策，有效提高储能云电池储能管理系统的可靠性和安全性。基于多维度数据的采集以及多模型精确计算实现对云电池储能系统的数字化管理和分析预测，进而提高储能电系统的管理效率可靠性。
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (10)

1.一种基于数字孪生的云电池储能管理系统，其特征在于，包括云电池储能系统(1)、物联网组件(2)、云端数据服务中心(3)、数字孪生平台(4)和用户界面模块(5)，所述云电池储能系统(1)通过物联网组件(2)与云端数据服务中心(3)连接，且所述云端数据服务中心(3)、数字孪生平台(4)和用户界面模块(5)两两之间互相连接，其中：
所述云电池储能系统(1)包括多个储能电池，每个储能电池分别安装有对应的传感器，所述传感器包括电流传感器、电压传感器、温度传感器、压力传感器、声音传感器以及图像采集装置；
所述物联网组件(2)用于将所述传感器采集的工作状态数据发送给云端数据服务中心(3)；
所述云端数据服务中心(3)用于存储并处理所述工作状态数据；
所述数字孪生平台(4)用于根据所述工作状态数据建立多维度的云电池储能系统数字孪生模型，所述云电池储能系统数字孪生模型包括三维结构模型、电化学反应模型、传热传质模型、机械形变模型；
所述用户界面模块(5)用于获取云电池储能系统数字孪生模型的输出数据，并提供可视化界面显示所述输出数据，还用于在所述云电池储能系统数字孪生模型的输出数据超过预设阈值时，在可视化界面进行报警提示。
2.一种云电池储能管理系统控制方法，应用于权利要求1所述的基于数字孪生的云电池储能管理系统，其特征在于，包括以下步骤：
S1)云电池储能系统(1)通过多种传感器实时采集储能电池多维度的工作状态数据，并将所述工作状态数据发送给物联网组件(2)；
S2)物联网组件(2)对所述工作状态数据进行分类、压缩以及格式和协议转换后，发送给云端数据服务中心(3)进行保存；
S3)数字孪生平台(4)从云端数据服务中心(3)获取工作状态数据，根据所述工作状态数据建立并更新云电池储能系统数字孪生模型的三维结构模型、电化学反应模型、传热传质模型和机械形变模型，对所述云电池储能系统数字孪生模型进行虚实校验；
S4)获取所述云电池储能系统数字孪生模型的数据指标，根据所述数据指标实时监测并分析电池健康状况；
S5)用户界面模块(5)从数字孪生平台(4)获取云电池储能系统数字孪生模型的输出数据，并提供可视化界面显示所述输出数据。
3.根据权利要求2所述的云电池储能管理系统控制方法，其特征在于，步骤S3中根据所述工作状态数据建立并更新云电池储能系统数字孪生模型的三维结构模型、电化学反应模型、传热传质模型和机械形变模型时，包括：
S301)利用建筑信息模型技术对云电池储能系统的实体几何形状、电池内部结构和组件进行建模得到三维结构模型；
S302)对电极反应、电解液中的离子传输、电化学活性物质的扩散、可逆和/或不可逆反应进行建模，以模拟电池内部的电化学过程，得到电化学反应模型；
S303)对热扩散、热对流、传质以及温度和浓度之间耦合关系进行建模，以模拟电池内部的传热传质过程，得到传热传质模型；
S304)对电池的形变特性、电池的应力分布进行建模，得到机械形变模型。
4.根据权利要求3所述的云电池储能管理系统控制方法，其特征在于，步骤S301包括以下步骤：
S311)获取电池的三维结构数据；
S312)使用BIM软件，根据所述三维结构数据中的尺寸数据和形状数据，创建外形模型；
S313)在外形模型基础上，根据所述三维结构数据中的内部结构和组件尺寸的数据，建立电池内部的组件和结构模型；
S314)根据电池的实际物理特性和材料属性进行参数设置；
S315)根据所述三维结构数据中的材料属性数据，进行电池材料的属性分析。
5.根据权利要求3所述的云电池储能管理系统控制方法，其特征在于，步骤S302中对电极反应进行建模包括以下步骤：
S321)根据电池体系中的化学反应，确定电极反应的反应物和生成物；
S322)根据电极反应的特性，确定电荷转移过程；
S323)根据电荷转移过程，基于Nernst-Planck方程计算质量平衡方程，所述质量平衡方程用于出离子传输过程；
S324)根据电荷转移过程，用Butler-Volmer方程作为过电位方程，所述过电位方程用于描述电子传输过程；
S325)将电极的边界条件和初始条件的值输入质量平衡方程和过电位方程，以计算出质量平衡方程和过电位方程的完整解。
6.根据权利要求5所述的云电池储能管理系统控制方法，其特征在于，所述质量平衡方程如下所示：
其中，Ci表示为第i个离子的浓度，t表示为时间，Di表示为第i个离子的扩散系数，Ui表示为第i个离子迁移速度；
所述过电位方程如下所示：
其中，J表示为当前电流密度，J0表示为初始状态下的交换电流密度，αa和αc表示为电子的转移系数，F表示为法拉第常数，R表示为气体常数，T表示为温度，τ表示为过电位。
7.根据权利要求根据权利要求3所述的云电池储能管理系统控制方法，其特征在于，步骤S303中对温度和浓度之间耦合关系进行建模包括：根据储能电池活性物质的传输特性建立质量守恒方程，将质量守恒方程与Navier-Stokes方程耦合，得到温度与浓度耦合方程。
8.根据权利要求7所述的云电池储能管理系统控制方法，其特征在于，所述温度与浓度耦合方程表达式如下：
其中，ρ表示为电池内部流体的密度，C表示为电池活性物质的浓度，t表示为时间，v表示为流体的速度，D表示为扩散系数，T表示为温度，υ表示为热扩散系数，q表示为热源项。
9.根据权利要求3所述的云电池储能管理系统控制方法，其特征在于，步骤S304包括以下步骤：
S341)获取储能电池材料的物性参数和形变特性实验数据；
S342)分析储能电池内部受力情况，采用有限元分析法确定储能电池的应力分布；
S343)根据储能电池材料的应力-应变的线性关系建立机械形变模型中弹性形变模型的方程；
S344)根据von Mises屈服准则建立机械形变模型中储能电池材料的塑性形变模型的方程；
S345)使用数值方法求解弹性形变模型和塑性形变模型的方程，得到储能电池的形变结果。
10.根据权利要求9所述的云电池储能管理系统控制方法，其特征在于，步骤S343中，弹性形变模型包括多轴应力状态，表达式如下：
σ＝[σx，σyσz,ωxy,ωyz，ωxz]
其中，σx、σy、σz分别表示为沿x、y、z轴方向正应力分量，ωxy、ωyz、ωxz分别表示为沿相应平面的剪应力分量；
步骤S344中，塑性形变模型包括塑性应变率方程，表达式如下：
εpdot＝M·(σeq-σy)n·sign(σeq–σy)
其中，σeq表示为等效应力，εpdot表示为塑性应变率，M和n表示为储能电池材料的塑性参数。
CN202311184966.0A 2023-09-13 2023-09-13 一种基于数字孪生的云电池储能管理系统及其控制方法 Pending CN117276702A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311184966.0A CN117276702A (zh) 2023-09-13 2023-09-13 一种基于数字孪生的云电池储能管理系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311184966.0A CN117276702A (zh) 2023-09-13 2023-09-13 一种基于数字孪生的云电池储能管理系统及其控制方法

Publications (1)

Publication Number Publication Date
CN117276702A true CN117276702A (zh) 2023-12-22

Family

ID=89200030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311184966.0A Pending CN117276702A (zh) 2023-09-13 2023-09-13 一种基于数字孪生的云电池储能管理系统及其控制方法

Country Status (1)

Country Link
CN (1) CN117276702A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117810582A (zh) * 2024-01-09 2024-04-02 佛山市思搏达科技有限公司 一种基于植入式传感器的储能电池智能监测系统
CN118101732A (zh) * 2024-04-25 2024-05-28 深圳市峰和数智科技有限公司 一种基于云端数字孪生的液流电池运维系统和方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117810582A (zh) * 2024-01-09 2024-04-02 佛山市思搏达科技有限公司 一种基于植入式传感器的储能电池智能监测系统
CN118101732A (zh) * 2024-04-25 2024-05-28 深圳市峰和数智科技有限公司 一种基于云端数字孪生的液流电池运维系统和方法
CN118101732B (zh) * 2024-04-25 2024-08-20 深圳市峰和数智科技有限公司 一种基于云端数字孪生的液流电池运维系统和方法

Similar Documents

Publication Publication Date Title
CN110492186B (zh) 一种基于云端控制技术的动力电池模组的管理方法
CN117276702A (zh) 一种基于数字孪生的云电池储能管理系统及其控制方法
Wang et al. Application of digital twin in smart battery management systems
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
Zhang et al. State of charge-dependent aging mechanisms in graphite/Li (NiCoAl) O2 cells: Capacity loss modeling and remaining useful life prediction
US11462929B2 (en) Systems and methods for direct estimation of battery parameters using only charge/discharge curves
Zhang et al. Real-time capacity estimation of lithium-ion batteries utilizing thermal dynamics
CN116455085B (zh) 一种电池储能电站智能监控系统
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
Wang et al. Decoupling parameter estimation strategy based electrochemical-thermal coupled modeling method for large format lithium-ion batteries with internal temperature experimental validation
CN114970376A (zh) 锂电池的健康度和剩余寿命预测模型的构建方法及装置
Valentin et al. Modeling of thermo-mechanical stresses in Li-ion battery
Yi et al. Digital twin-long short-term memory (LSTM) neural network based real-time temperature prediction and degradation model analysis for lithium-ion battery
Zhu et al. A novel based-performance degradation Wiener process model for real-time reliability evaluation of lithium-ion battery
CN115422696A (zh) 一种模组数字孪生模型建立方法、系统、终端和介质
CN114943135A (zh) 基于数字孪生的动力电池设计与管理方法
CN115932592A (zh) 一种基于数字孪生模型的电动汽车电池故障诊断方法
CN108647838A (zh) 一种基于随机矩阵理论和在线序列极限学习机的电网态势感知方法
Wu et al. A collaborative estimation scheme for lithium-ion battery state of charge and state of health based on electrochemical model
CN113253125B (zh) 一种基于信息融合的磷酸铁锂电池热失控监测方法及系统
CN117408108A (zh) 一种基于有限元及实时监测的健康监测方法
CN116609686B (zh) 一种基于云平台大数据的电芯一致性评估方法
CN116258467A (zh) 一种电力施工管控系统
CN116189827A (zh) 面向对象数字孪生的空间结构模型生成及全寿命管理方法
Fang et al. Analysis of Performance Degradation in Lithium-Ion Batteries Based on a Lumped Particle Diffusion Model

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