[发明专利]一种基于赛博链的动力电池管理系统与方法有效
申请号: | 202210788867.2 | 申请日: | 2022-07-06 |
公开(公告)号: | CN115396508B | 公开(公告)日: | 2023-09-01 |
发明(设计)人: | 杨世春;周新岸;周思达;刘明岩;李强伟;张正杰;林家源;闫啸宇;刘新华;陈飞;曹耀光 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | H04L67/60 | 分类号: | H04L67/60;H04L67/51;H04L67/12;H04L67/1097;H04L67/10;G06Q50/06;G06F16/27 |
代理公司: | 北京海虹嘉诚知识产权代理有限公司 11129 | 代理人: | 高丽萍 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 赛博链 动力电池 管理 系统 方法 | ||
1.一种基于赛博链的动力电池管理系统,其特征在于,包括依次连接并形成赛博链的车端用户层、云端微服务层和云端孪生模型层,
所述车端用户层,用于与用户交互以及动力电池管理,获取用户微服务需求并将其传输至云端微服务层,以及接收云端微服务层的微服务并提供给用户;
所述云端微服务层,获取车端用户层传输的微服务需求后转化为微服务链,并向云端孪生模型层请求孪生模型计算,获取计算结果并作为微服务提供至车端用户层,并形成信息链,存储模型计算结果及相关参数;
所述云端孪生模型层,具有基于数字孪生技术搭建的与物理实体相匹配的若干动力电池数字孪生模型,所述云端孪生模型层在接收到云端微服务层请求的孪生模型计算请求后,提供与所述微服务链相关的数字孪生模型开始计算并输出模型计算结果,采用竞争机制进行模型对抗,获得最优的模型计算结果作为微服务提供至云端微服务层,其他所述相关的数字孪生模型基于当前的各模型计算结果与最优的模型计算结果进行模型自学习以优化动力电池数字孪生模型。
2.根据权利要求1所述的基于赛博链的动力电池管理系统,其特征在于,所述车端用户层包括车端用户交互系统、车端用户界面显示系统、电池管理系统、整车控制系统和信息传输服务系统;所述车端用户交互系统用于与用户交互,获取用户微服务需求并将其通过信息传输服务系统传输至云端微服务层,以及接收云端微服务层的微服务并通过车端用户界面显示系统提供给用户,所述电池管理系统用于动力电池管理。
3.根据权利要求1或2所述的基于赛博链的动力电池管理系统,其特征在于,所述云端微服务层独立部署各类具有微服务功能的服务模型,在云端基于微服务需求转化为微服务链,匹配相对应的服务模型,所述微服务功能包括动力电池SOC估计功能,动力电池SOH估计功能,动力电池剩余寿命或剩余容量预测功能,动力电池温度预测功能,动力电池不一致性预测及均衡策略设计功能,动力电池热管理系统性能预测及控制策略设计功能的任意组合。
4.根据权利要求3所述的基于赛博链的动力电池管理系统,其特征在于,所述云端微服务层包括信息交互系统、数据库存储与管理系统,数据库存储与管理系统用于存储所述服务模型、模型计算结果及相关参数;所述信息交互系统获取车端用户层传输的微服务需求并转化为微服务链,匹配相对应的服务模型,并向云端孪生模型层请求孪生模型计算,获取计算结果并作为微服务提供至车端用户层。
5.根据权利要求1或2所述的基于赛博链的动力电池管理系统,其特征在于,所述云端孪生模型层在不同的数字孪生模型间采用竞争机制进行模型对抗,通过人工智能技术对各模型计算结果进行评价并形成若干时间因子描述各模型综合性能能力,将时间因子小的模型作为最优输出将计算结果反馈至云端微服务层,将时间因子大于时间阈值的数字孪生模型依据计算结果进行自学习,优化算法或模型参数以优化各动力电池数字孪生模型。
6.根据权利要求5所述的基于赛博链的动力电池管理系统,其特征在于,模型性能能力包括精度、稳定性、鲁棒性以及模型计算时间。
7.根据权利要求5所述的基于赛博链的动力电池管理系统,其特征在于,所述云端孪生模型层的动力电池数字孪生模型包括基于电化学机理建立的电池电化学模型,基于等效原理建立的等效电路模型和基于神经网络建立的黑箱模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210788867.2/1.html,转载请声明来源钻瓜专利网。