一种基于BMS的“边-云”结合系统及方法

本发明涉及电池管理，尤其是涉及一种基于bms的“边-云”结合系统及方法。

背景技术：

1、随着新能源汽车和储能系统的快速普及，电池组的规模和数量不断增大，而锂电池的特性极其复杂，在有限的bms开发周期内很难进行全生命周期特性测试、建模和标定，同时传统bms系统已经难以满足实时监测和管理的需求，传统的bms系统只能实现对电池组内部的状态、温度等基本参数的监测，无法实现对电池组的整体性能优化和远程管理。此外，电池安全问题有很多偶发问题，在bms开发阶段很难有充分样本建立安全的模型，并且进行标定管理。为了解决这些问题，基于bms的“边-云”结合技术应运而生，它将边缘计算和云计算技术与bms系统相结合，实现对电池组的实时监测、数据分析和管理，提高电池组的使用效率和安全性。其具有实时性强、数据分析能力强、安全性高等优点。

2、如今已有一些关于“边-云”结合技术框架被提出，其中有代表性、公开发表的专利有如下几个：

3、关于汽车动力电池系统设计管理方案专利目前公开发表的有如下几个：授权公告号为cn115441539a的实用发明专利公开了一种bms的均衡方法、终端，通过判定均衡条件，以确定目标均衡方式，并通过目标均衡方式对应的目标均衡处理方式进行均衡处理，满足bms在不同的均衡状态下进行均衡，以实现bms中的所有电芯在短时间内达到同一电压，从而提高均衡效率；授权公告号为cn111555447a的发明专利公开了一种基于“云-管-边-端”架构的智能配电系统，其依托于边缘计算终端这一“边”层设备，基于本地通信网络实现“端”层数据的统一接入，基于远程通信网络对上统一接入电力物联网平台，并结合“配电房站内智能监控系统”、“台区低压智能设备监测”等业务板块，实现了配电房站内的电气量、环境监测、设备状态、视频监控等数据的统一采集接入和智能分析；授权公告号为cn113657207a的发明专利公布了一种云-边协同配电站火光智能监测方法及系统，该系统包括云平台、边缘计算平台、视频设备。通过在边缘端搜集数据在云端训练的模式，提高了计算资源的利用率，减小了任务延迟，并能不断提升检测精度；但是上述现有技术均未对电池组实时监测且无法实现对电池组的整体性能优化和远程管理。

技术实现思路

1、本发明的目的是提供一种基于bms的“边-云”结合系统及方法，解决上述技术存在的现有技术均未对电池组实时监测且无法实现对电池组的整体性能优化和远程管理的问题。

2、为实现上述目的，本发明提供了一种基于bms的“边-云”结合系统，包括数据采集模块、数据存储模块和数据分析模块；

3、所述数据采集模块通过传感器对电池组的参数进行实时采集，采集的数据包括电压、电流、温度、容量；

4、所述数据存储模块包括数据上传和云端服务器；

5、所述数据分析模块包括云端训练和ota灰度测试。

6、优选的，所述云端训练包括数据接收与存储阶段、数据处理与模型训练阶段和状态估计与反馈控制阶段。

7、优选的，所述数据接收与存储阶段中云端服务器接收来自边缘设备的电池感知数据，通过建立稳定的数据传输通道，边缘设备将采集到的电池参数数据发送至云端服务器，云端服务器负责接收、解析和存储接收到的数据。

8、优选的，所述数据处理与模型训练阶段中云端服务器对接收到的电池感知数据进行处理和分析，进而训练、优化电池状态估计模型；所述数据处理与模型训练阶段具体过程如下：首先，进行数据清洗和特征提取，将原始数据转化为有意义的特征向量，特征向量包括电池充放电曲线、电池容量、内阻；然后，建立状态估计模型，使用机器学习算法或统计学方法来训练模型，通过使用历史电池数据进行训练，模型学习到电池状态与感知参数之间的关系然后进行状态估计。

9、优选的，所述状态估计与反馈控制阶段中云端服务器基于训练好的模型进行电池状态估计，并生成相应的反馈控制策略，根据接收到的最新电池感知数据，云端服务器通过状态估计模型预测电池的剩余寿命、容量衰减情况的信息；基于状态估计的结果，云端服务器生成反馈控制策略，将其传输回边端设备，控制电池的充放电行为、调整系统负载。

10、优选的，所述ota灰度测试包括前期准备阶段、测试执行阶段、结果评估与全面发布阶段。

11、优选的，所述前期准备阶段包括确定测试目标、制定测试计划、测试用例、搭建测试环境和准备测试工具。

12、一种基于bms的“边-云”结合方法，包括以下步骤：

13、步骤1、通过传感器对电池组的参数进行实时采集；

14、步骤2、将步骤1中采集到的数据通过物联网技术实时传输到云端或边缘计算节点，并将采集到的数据进行存储和处理；

15、步骤3、对步骤2中经过存储和处理的数据进行分析；

16、步骤4、根据步骤3中的数据分析结果生成相对应的控制指令，并将控制指令下载到部分实车中进行ota灰度测试，根据测试结果进行优化，直到误差低于使用要求；

17、步骤5、将云端训练得到的用于监测电池状态的模型下载到全部用户的车中，并更新系统。

18、因此，本发明采用上述的一种基于bms的“边-云”结合系统及方法，具有以下有益效果：

19、1、实时观测：基于bms的“边-云”结合技术可以实时监测电池组的状态、电压、电流、温度等参数，并进行快速反馈和响应，以确保整个电池组的安全性和稳定性；

20、2、可大范围使用：基于bms的“边-云”结合技术可以广泛应用于新能源汽车、储能系统、太阳能电站等领域，为这些领域的电池组提供全方位的监测、控制和管理；

21、3、数据分析能力强：基于bms的“边-云”结合技术可以将电池组的各项参数进行数据分析和建模，提供有针对性的优化和调节建议，以最大程度地提升电池组的效率和使用寿命；

22、4、故障诊断：基于bms的“边-云”结合技术可以及时响应电池组出现的异常情况、及时检测并提供故障诊断报告，为维修和保养提供依据，通过远程控制和管理实现对电池组的远程切断和隔离，保障整个系统的安全性；

23、5、可扩展性强：基于bms的“边-云”结合技术可以实现对多台电池组的管理和控制，并提供可视化的数据监测和分析服务，可以方便地进行扩展和升级，适应不同规模和需求的用户；

24、6、用户展示：将数据分析和控制结果进行可视化展示，通过手机app、web界面等方式向用户展示电池组的实时状态和性能指标，便于用户进行监测和管理。

25、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

技术特征：

1.一种基于bms的“边-云”结合系统，其特征在于：包括数据采集模块、数据存储模块和数据分析模块；

2.根据权利要求1所述的一种基于bms的“边-云”结合系统，其特征在于：所述云端训练包括数据接收与存储阶段、数据处理与模型训练阶段和状态估计与反馈控制阶段。

3.根据权利要求2所述的一种基于bms的“边-云”结合系统，其特征在于：所述数据接收与存储阶段中云端服务器接收来自边缘设备的电池感知数据，通过建立稳定的数据传输通道，边缘设备将采集到的电池参数数据发送至云端服务器，云端服务器负责接收、解析和存储接收到的数据。

4.根据权利要求2所述的一种基于bms的“边-云”结合系统，其特征在于，所述数据处理与模型训练阶段中云端服务器对接收到的电池感知数据进行处理和分析，进而训练、优化电池状态估计模型；所述数据处理与模型训练阶段具体过程如下：首先，进行数据清洗和特征提取，将原始数据转化为有意义的特征向量，特征向量包括电池充放电曲线、电池容量、内阻；然后，建立状态估计模型，使用机器学习算法或统计学方法来训练模型，通过使用历史电池数据进行训练，模型学习到电池状态与感知参数之间的关系然后进行状态估计。

5.根据权利要求2所述的一种基于bms的“边-云”结合系统，其特征在于：所述状态估计与反馈控制阶段中云端服务器基于训练好的模型进行电池状态估计，并生成相应的反馈控制策略，根据接收到的最新电池感知数据，云端服务器通过状态估计模型预测电池的剩余寿命、容量衰减情况的信息；基于状态估计的结果，云端服务器生成反馈控制策略，将其传输回边端设备，控制电池的充放电行为、调整系统负载。

6.根据权利要求1所述的一种基于bms的“边-云”结合系统，其特征在于：所述ota灰度测试包括前期准备阶段、测试执行阶段、结果评估与全面发布阶段。

7.根据权利要求6所述的一种基于bms的“边-云”结合系统，其特征在于：所述前期准备阶段包括确定测试目标、制定测试计划、测试用例、搭建测试环境和准备测试工具。

8.一种基于bms的“边-云”结合方法，其特征在于，包括以下步骤：

技术总结
本发明公开了一种基于BMS的“边‑云”结合系统及方法，属于电池管理技术领域，包括数据采集模块、数据存储模块和数据分析模块；所述数据采集模块通过传感器对电池组的参数进行实时采集，采集的数据包括电压、电流、温度、容量；所述数据存储模块包括数据上传和云端服务器；所述数据分析模块包括云端训练和OTA灰度测试。本发明基于上述一种基于BMS的“边‑云”结合系统及方法，通过实时监测、数据分析、远程控制和管理等手段，解决了传统BMS系统无法满足的技术问题，为新能源汽车和储能系统提供了更加全面、高效、安全的电池管理方案。

技术研发人员：李晓宇,吕沫含,李廓,梅新艺,饶中浩
受保护的技术使用者：河北工业大学
技术研发日：
技术公布日：2024/1/15