【技术实现步骤摘要】
本专利技术涉及电池充电管理,尤其涉及一种分布式的ai机器学习的bms混合电池管理系统。
技术介绍
1、蓄电池和锂电池是应用最广泛的电池种类,它们的好处是可以反复多次使用,充电时能将电能贮存起来,放电时又把化学能转化为电能。电池储能的应用在愈来愈多的领域,就目前来说,集中式的系统为较大多数,随着电池储能应用的扩展,它一定会进一步走进千家万户。
2、然而,集中式储能系统存在着以下缺陷:
3、①不同种类的电池之间无法混合充电;
4、②造价昂贵,不太适应中小工厂,以及家庭的推广和应用。
5、因此,有必要提供一种新的分布式的ai机器学习的bms混合电池管理系统解决上述技术问题。
技术实现思路
1、基于
技术介绍
存在的技术问题,本专利技术提出了一种利用ai机器学习对电池实现自动分类和识别,以便采用最优的充电方式对不同种类的电池之间无法混合充电、可以分布在任何地方,使用灵活经济的bms混合电池管理系统。
2、本专利技术提出的一种分布式的ai机器学
...【技术保护点】
1.一种分布式的AI机器学习的BMS混合电池管理系统,其特征在于,包括:电池分类控制与通讯模块、若干电池分类与充电参数匹配模块和若干电池,若干电池分类与充电参数匹配模块均与所述电池分类控制与通讯模块相连接,若干电池分别与对应的所述电池分类与充电参数匹配模块相连接;
2.根据权利要求1所述的一种分布式的AI机器学习的BMS混合电池管理系统,其特征在于,所述CPLD单元连接有系统内部总线。
3.根据权利要求2所述的一种分布式的AI机器学习的BMS混合电池管理系统,其特征在于,所述电池分类与充电参数匹配模块包括:电池电压/电流控制输出单元、Calib
...【技术特征摘要】
1.一种分布式的ai机器学习的bms混合电池管理系统,其特征在于,包括:电池分类控制与通讯模块、若干电池分类与充电参数匹配模块和若干电池,若干电池分类与充电参数匹配模块均与所述电池分类控制与通讯模块相连接,若干电池分别与对应的所述电池分类与充电参数匹配模块相连接;
2.根据权利要求1所述的一种分布式的ai机器学习的bms混合电池管理系统,其特征在于,所述cpld单元连接有系统内部总线。
3.根据权利要求2所述的一种分布式的ai机器学习的bms混合电池管理系统,其特征在于,所述电池分类与充电参数匹配模块包括:电池电压/电流控制输出单元、calibration单元、ai机器学习/电池分类单元和最佳参数匹配充电单元,所述电池电压/电流控制输出单元与calibration单元连接...
【专利技术属性】
技术研发人员:王正元,
申请(专利权)人:厦门艾巴斯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。