云端一体电池全生命周期智慧管控架构及其方法技术

本发明专利技术实施例公开一种云端一体电池全生命周期智慧管控架构及其方法，该架构中，包括数据采集系统、储能节点、模型/算法、控制器、数据存储、数字孪生体、数据孪生体校验；数字孪生体是储能节点的数字抽象模型，数字孪生体基于采集的数据进行不断的自更新；数字孪生体校验是通过数字孪生体及历史数据对数字孪生体进行反复更新、校验，得到准确的孪生体，并用于控制器；模型/算法是在端平台控制器中实现的模型/策略，模型/算法通过数字孪生体的校验得到；控制器由模型/算法进行初始化，在储能节点的全生命周期内通过模型/算法不断更新调整，更精确的控制储能节点。应用实施例提供的方案，能够适用于储能节点的整个生命周期。能够适用于储能节点的整个生命周期。能够适用于储能节点的整个生命周期。

【技术实现步骤摘要】
云端一体电池全生命周期智慧管控架构及其方法


[0001]本专利技术涉及电池全生命周期智慧管控
，具体而言，涉及云端一体电池全生命周期智慧管控架构及其方法。

技术介绍

[0002]近些年新能源设备迅速发展，符合当今社会对于节能环保方面的需求，因此具有广泛的发展前景，对于新能源设备(新能源汽车、储能节点等)都需要控制器，对其进行状态控制，以保证其安全运行。而计算机技术对其运行也起着重要的作用，正如我们所说的云，云即为云平台，包括大数据存储、大数据算法、大数据可视化界面等。云平台承担着大数据存储、数字孪生系统构建及云计算等诸多任务，对储能节点的状态估计、策略更新、模型更新、故障预测等有很重要的作用。
[0003]目前在储能节点管理过程一般只有其固化的模型及控制策略，模型和策略也相对简单，这种管理系统很难适用于储能节点的整个生命周期。且存在下述缺点：
[0004]1.现有技术中只有借助云平台进行电池单一特性的计算，如估算SOH(健康状态)，并没有充分利用云平台的计算能力；
[0005]2.现有技术中云平台的数字孪生体中模型比较单一，如只应用大数据算法，计算电池的状态；
[0006]3.现有技术中云平台对端平台中的模型只进行了相关参数的更新，不能使端平台对电池的估算精度全方位的提升；
[0007]4.现有技术中没有有效的应用历史数据对储能节点进行分析；
[0008]5.现有技术中没有利用多车的电池数据信息对当前储能节点进行分析。

技术实现思路

[0009]本专利技术提供了云端一体电池全生命周期智慧管控架构及其方法，以解决上述
技术介绍
中提到的问题。具体的技术方案如下：
[0010]本专利技术提供了云端一体电池全生命周期智慧管控架构，包括：云平台和端平台，所述端平台包括数据采集系统、储能节点、模型/算法、控制器，所述云平台包括数据存储、数字孪生体、数据孪生体校验；
[0011]所述数字孪生体是所述储能节点的数字抽象模型，所述数字孪生体基于采集的数据进行不断的自更新；
[0012]所述数字孪生体校验是通过所述数字孪生体及历史数据对所述数字孪生体进行反复更新、校验，得到准确的数字孪生体，并用于所述控制器；
[0013]所述模型/算法是在端平台所述控制器中实现的模型/策略，所述模型/算法通过所述数字孪生体的校验得到；
[0014]所述控制器由所述模型/算法进行初始化，在所述储能节点的全生命周期内通过所述模型/算法不断更新调整，更精确的控制所述储能节点。
[0015]其中，进一步包括根据数据采集系统辨识出的模型，所述模型/算法基于辨识出的所述数字孪生体生成。
[0016]其中，进一步包括生成所述数字孪生体的模型辨识方法，模型辨识的方法包括但不局限于遗传算法、粒子群算法、最小二乘法。
[0017]其中，所述数据采集系统采集的信息包括所述储能节点的环境、负载、状态信息、地理信息。
[0018]其中，所述数字孪生体、所述数字孪生体校验与所述模型/算法、所述控制器经由接口彼此通信。
[0019]本专利技术还提供了云端一体电池全生命周期智慧管控方法，包括：
[0020]数据采集系统对储能节点的信息采集；
[0021]应用数据采集系统的采集信息，通过模型辨识方法生成数字孪生体；
[0022]数字孪生体应用数据存储的历史数据对数字孪生体进行校验，生成可用于端平台的模型/算法，并对模型/算法初始化；
[0023]将模型/算法应用于控制器并进行校验，得到可用的控制器；
[0024]控制器对储能节点进行实时的监控；
[0025]在储能节点的整个生命周期内，数字孪生体应用采集系统实时采集的信息，时刻迭代更新数字孪生体并进行校验；
[0026]在储能节点的整个生命周期内，数字孪生体也会对模型/算法视情况进行迭代更新；
[0027]基于更新后的模型/算法，控制器能够更好的控制储能节点。
[0028]其中，数字孪生体包括：基于历史数据、第一性原理、概率论及预先建立的模型/算法。
[0029]其中，进一步包括将数字孪生体部署在云平台，或将数字孪生体全部或部分部署在储能节点的边缘控制器上。
[0030]本专利技术实施例的创新点包括：
[0031]1、云端一体架构可以通过云平台建立高精度数字孪生体，计算出高精度结果，计算结果实时传输到端平台，充分利用云平台的计算能力，提高储能节点状态估算准确度，端平台可以根据云平台的结果直接控制储能节点；
[0032]2、云端一体架构可以通过云平台高精度数字孪生体，其融合了多尺度模型及AI(人工智能)算法，实时高精度模型参数辨识及电池状态估计；
[0033]3、云端一体架构可以通过云平台生成的数字孪生体，为端平台提供更精确的参数/模型/策略等，并对端平台进行智能升级，最终使端平台更准确的估计储能节点的状态，使储能节点运行更安全；
[0034]4、云端一体架构可以通过历史数据及实时数据，预测设备/装置的寿命/故障等并可以通过历史数据对更新的参数/模型/策略等进行在线验证；
[0035]5、端平台可以应用多车/多储能节点数据可以对数字孪生体及端平台模型/策略初始化；
[0036]6、数字孪生体基于大数据计算不同电池、pack等衰减信息，为电池、pack等设计提供数据支撑。
附图说明
[0037]为了更清楚地说明本专利技术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专利技术的一些实施例。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。
[0038]图1为专利技术提供的云端一体电池全生命周期智慧管控架构的示意图；
[0039]图2为专利技术提供的云端一体电池全生命周期智慧管控方法的一种实施例的示意图。
具体实施方式
[0040]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0041]需要说明的是，本专利技术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。
[0042]本专利技术实施例公开了云端一体电池全生命周期智慧管控架构及其方法，能够适用于储能节点的整个生命周期。下面对本专利技术实施例进行详细说明。
[0043]图1为本专利技术实施例提供的云端一体电池全生命周期智慧管控架构的一种结构示意图。图2为本专利技术实施例提供的云端本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云端一体电池全生命周期智慧管控架构，其特征在于，包括云平台和端平台，所述端平台包括数据采集系统、储能节点、模型/算法、控制器，所述云平台包括数据存储、数字孪生体、数据孪生体校验；所述数字孪生体是所述储能节点的数字抽象模型，所述数字孪生体基于采集的数据进行不断的自更新；所述数字孪生体校验是通过所述数字孪生体及历史数据对所述数字孪生体进行反复更新、校验，得到准确的孪生体，并用于所述控制器；所述模型/算法是在端平台所述控制器中实现的模型/策略，所述模型/算法通过所述数字孪生体的校验得到；所述控制器由所述模型/算法进行初始化，在所述储能节点的全生命周期内通过所述模型/算法不断更新调整，以更精确的控制所述储能节点。2.如权利要求1所述的云端一体电池全生命周期智慧管控架构，其特征在于，进一步包括根据数据采集系统辨识出的模型，所述模型/算法基于辨识出的所述数字孪生体生成。3.如权利要求1所述的云端一体电池全生命周期智慧管控架构，其特征在于，进一步包括生成所述数字孪生体的模型辨识方法，模型辨识的方法包括但不局限于遗传算法、粒子群算法、最小二乘法等算法。4.如权利要求1所述的云端一体电池全生命周期智慧管控架构，其特征在于，所述数据采集系统采集的信息包括所述储能节点的环...

【专利技术属性】
技术研发人员：王永超，刘金海，
申请(专利权)人：北京昇科能源科技有限责任公司，
类型：发明
国别省市：