一种基于云计算的物联网电池健康状态诊断和预测系统技术方案

本发明专利技术涉及电池技术领域，尤其涉及一种基于云计算的物联网电池健康状态诊断和预测系统，包括数据获取模块、预处理模块、云接口、数字孪生模块、诊断模块、划分模块、预测模块和预警模块；通过构建物联网电池数字孪生模型，对电池充放电过程进行仿真，将电池数据在虚拟空间中进行映射，模拟电池全生命周期过程，实现电池健康状态的准确诊断；同时构建预测神经网络组，预测神经网络组由第一神经网络模型、第二神经网络模型和第三神经网络模型组成，针对不同类型的输入数据采用不同神经网络模型，能够处理不同维度的输入，且能利用前后顺序关系，避免了训练中出现的局部最优问题，最终得到精准度较高的预测结果。到精准度较高的预测结果。到精准度较高的预测结果。

【技术实现步骤摘要】
一种基于云计算的物联网电池健康状态诊断和预测系统


[0001]本专利技术涉及电池
，尤其涉及一种基于云计算的物联网电池健康状态诊断和预测系统。

技术介绍

[0002]物联网设备快速增长的同时也带来了新的挑战，如烟雾传感器、智能门锁、汽车钥匙等应用于高处或室外，不能直接通过电网供电的设备面临解决电能供应的问题。若使用传统电池，经常会面临电池容量小，需对此作频繁更换。因此，专门针对于物联网场景的专用电池受到市场的青睐。物联电池相比传统电池，具有容量大、续航时间长等优点。同时，物联电池还有较高的瞬态响应速度和较低的自耗电能力。高瞬态响应速度可以快速激活物联设备，实现实时数据传输，提高用户体验；低自然耗电可以延长电池的使用时间，避免电量过快耗尽。
[0003]为了提供大容量的供电效果，一些电池组由多个单体电池构成，而电池之间的差异对整个电池组的性能会产生较大的影响。电池组之间，若某个电池早衰或失效，则会使得整个电池组的性能大大降低。因此，为了避免单体电池给整个电池组带来的影响，需要对电池健康状态进行诊断和预测，从而对整个电池组性能进行监控，然而现有的电池管理系统大多仅仅是对某个电池组进行监控的小型系统，其无法实现大数据级别的智能监控。
[0004]我国专利申请号：CN202310422380.7，公开日：2023.05.23，公开了一种电池健康状态的预测方法及相关装置，用于提高通信基站储能电源的电池健康状态预测准确率。方法包括：对降维参数信息进行特征提取，得到目标参数特征；构建初始电池健康状态监测模型，并对降维参数信息进行数据扩充，得到参数训练集；通过参数训练集对初始电池健康状态监测模型进行模型训练，得到目标电池健康状态监测模型；将目标参数特征输入目标电池健康状态监测模型进行电池工作状态分析，确定目标电池工作状态；对目标电池工作状态进行标准参数采集，通过目标电池健康状态监测模型进行电池健康状态分析，确定目标电池健康状态分析结果。
[0005]但本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：现有技术对电池健康状态的诊断和预测不够智能化，在诊断和预测过程中存在大量噪声影响计算结果，且计算复杂度高，对本地处理器要求较高，给商家造成较大的经济压力，且预测精准度无法保障。

技术实现思路

[0006]本申请实施例通过提供一种基于云计算的物联网电池健康状态诊断和预测系统，解决了现有技术对电池健康状态的诊断和预测不够智能化，在诊断和预测过程中存在大量噪声影响计算结果的问题，且计算复杂度高，对本地处理器要求较高，给商家造成较大的经济压力，且预测精准度无法保障，实现了有效减少噪声对电池健康状态诊断精度的影响，保证物联网电池健康状态诊断的有效性，且算法计算复杂度低，采用云计算降低本地处理器
的处理压力，采用智能算法得到精准度较高的预测结果。
[0007]本申请提供了一种基于云计算的物联网电池健康状态诊断和预测系统具体包括以下技术方案：一种基于云计算的物联网电池健康状态诊断和预测系统，包括以下部分：数据获取模块、预处理模块、云接口、数字孪生模块、诊断模块、划分模块、预测模块和预警模块；所述数字孪生模块，用于构建物联网电池数字孪生模型，对电池充放电过程进行仿真，将电池数据在虚拟空间中进行映射，模拟电池全生命周期过程，数字孪生模块通过数据传输的方式与诊断模块相连；所述诊断模块，用于基于物联网电池数字孪生模型计算电池的健康状态时序变化，诊断模块通过数据传输的方式与划分模块相连；所述划分模块，用于基于电池健康状态进行划分，将电池健康状态划分为n个子状态，创建划分算法，使健康子状态符合正态分布，划分模块通过数据传输的方式与预测模块相连；所述预测模块，用于构建预测神经网络组，所述预测神经网络组由第一神经网络模型、第二神经网络模型和第三神经网络模型组成；将云接口获取的电池数据作为训练样本输入到第一神经网络模型中，经过深度学习输出从全局出发得到的预测结果；将各个电池健康子状态的健康状态值作为训练样本输入到第二神经网络模型中，经过深度学习输出从局部出发得到的预测结果；将第一神经网络的输出和第二神经网络的输出输入到第三神经网络模型中，最终得到物联网电池健康状态的预测结果，并将存在健康隐患的电池信息发送给预警模块进行预警，预测模块通过数据传输的方式与预警模块相连。
[0008]一种基于云计算的物联网电池健康状态诊断和预测方法，包括以下步骤：S1. 获取不同生命周期在充放电循环过程中的电池数据，构建物联网电池数字孪生模型，对电池充放电过程进行仿真，计算电池健康状态的时序变化；S2. 基于电池健康状态进行初始划分，计算电池健康子状态的分布函数，对状态区间初始划分值进行修正，构建预测神经网络组，结合第一神经网络模型、第二神经网络模型和第三神经网络模型对物联网电池健康状态进行预测。
[0009]优选的，所述步骤S1具体包括：构建物联网电池数字孪生模型，对电池充放电过程进行仿真，将电池数据在虚拟空间中进行映射，模拟电池全生命周期过程；所述物联网电池数字孪生模型表示为：，其中，表示t时刻的电池仿真状态，表示t时刻的电池容量，表示电池电压变化步长均值或电流变化步长均值，表示误差调节因子。
[0010]优选的，所述步骤S1具体包括：基于物联网电池数字孪生模型计算电池健康状态的时序变化。
[0011]优选的，所述步骤S2具体包括：计算电池健康子状态的分布函数：
，其中，表示第i个电池健康子状态的分布函数，表示第i个电池健康子状态，，表示健康子状态的标准差，表示健康子状态的均值。
[0012]优选的，所述步骤S2具体包括：为了使健康子状态符合正态分布，对状态区间初始划分值进行修正，衡量两个分布区间之间的差异程度，解决非对称的问题，从而得到划分后的n个子状态区间。
[0013]优选的，所述步骤S2具体包括：将电池数据作为训练样本输入到第一神经网络模型中，经过深度学习输出从全局出发得到的预测结果；将各个电池健康子状态的健康状态值作为训练样本输入到第二神经网络模型中，经过深度学习输出从局部出发得到的预测结果；将第一神经网络的输出和第二神经网络的输出输入到第三神经网络模型中，最终得到物联网电池健康状态的预测结果。
[0014]优选的，所述步骤S2具体包括：第三神经网络将第一神经网络输出与第二神经网络输出进行模糊融合，经过深度学习得到物联网电池健康状态的预测结果。
[0015]有益效果：本申请实施例中提供的多个技术方案，至少具有如下技术效果或优点：1、本申请构建物联网电池数字孪生模型，对电池充放电过程进行仿真，将电池数据在虚拟空间中进行映射，模拟电池全生命周期过程，实现电池健康状态的准确诊断；能有效减少噪声对电池健康状态诊断精度的影响，保证物联网电池健康状态诊断的有效性，且算法计算复杂度低；2、本申请构建预测神经网络组，所述预测神经网络组由第一神经网络模型、第二神经网络模型和第三神经网络模型组成，针对不同类型的输入数据采用不同神经网络模型，能够处理不同维度的输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的物联网电池健康状态诊断和预测系统，其特征在于，包括以下部分：数据获取模块、预处理模块、云接口、数字孪生模块、诊断模块、划分模块、预测模块和预警模块；所述数字孪生模块，用于构建物联网电池数字孪生模型，对电池充放电过程进行仿真，将电池数据在虚拟空间中进行映射，模拟电池全生命周期过程，数字孪生模块通过数据传输的方式与诊断模块相连；所述诊断模块，用于基于物联网电池数字孪生模型计算电池的健康状态时序变化，诊断模块通过数据传输的方式与划分模块相连；所述划分模块，用于基于电池健康状态进行划分，将电池健康状态划分为n个子状态，创建划分算法，使健康子状态符合正态分布，划分模块通过数据传输的方式与预测模块相连；所述预测模块，用于构建预测神经网络组，所述预测神经网络组由第一神经网络模型、第二神经网络模型和第三神经网络模型组成；将云接口获取的电池数据作为训练样本输入到第一神经网络模型中，经过深度学习输出从全局出发得到的预测结果；将各个电池健康子状态的健康状态值作为训练样本输入到第二神经网络模型中，经过深度学习输出从局部出发得到的预测结果；将第一神经网络的输出和第二神经网络的输出输入到第三神经网络模型中，最终得到物联网电池健康状态的预测结果，并将存在健康隐患的电池信息发送给预警模块进行预警，预测模块通过数据传输的方式与预警模块相连。2.一种基于云计算的物联网电池健康状态诊断和预测方法，其特征在于，包括以下步骤：S1. 获取不同生命周期在充放电循环过程中的电池数据，构建物联网电池数字孪生模型，对电池充放电过程进行仿真，计算电池健康状态的时序变化；S2. 基于电池健康状态进行初始划分，计算电池健康子状态的分布函数，对状态区间初始划分值进行修正，构建预测神经网络组，结合第一神经网络模型、第二神经网络模型和第三神经网络模型对物联网电池健康状态进行预测。3.如权利要求2所述的一种基于云计算的物联网电池健康状态诊断和预测方法，其特征在于，所述步骤...

【专利技术属性】
技术研发人员：郭小平，
申请(专利权)人：北京云控安创信息技术有限公司，
类型：发明
国别省市：