[发明专利]电池的管理系统和方法在审

专利信息
申请号: 201711478202.7 申请日: 2017-12-29
公开(公告)号: CN108258338A 公开(公告)日: 2018-07-06
发明(设计)人: 韩竞科 申请(专利权)人: 江苏博强新能源科技股份有限公司
主分类号: H01M10/42 分类号: H01M10/42;H01M10/48;G06N3/08;G01R31/36
代理公司: 苏州市港澄专利代理事务所(普通合伙) 32304 代理人: 汤婷
地址: 215600 江苏省苏州市张家港市锦丰镇江苏扬子*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电池 动力电池 估算 实时状态参数 管理系统 云平台 神经元网络模型 终端 能源利用效率 人工智能模型 数据采集装置 智能处理装置 产品市场 训练结果 终端模型 申请 预警 采集 燃烧 分析 管理
【说明书】:

本申请公开了一种电池的管理系统,包括:数据采集装置,采集电池的实时状态参数;位于终端的智能处理装置,根据所述实时状态参数至少估算出电池的SOC值和/或SOH值,并将估算值发送给云平台。本申请还公开了一种电池的管理方法。本发明通过在终端对电池的SOC和SOH进行估算,通过云平台对估算值进行分析并训练神经元网络模型,得到一个相对精度高的人工智能模型,并通过训练结果来提高终端模型的精度,可以大幅提高动力电池使用的安全性,提前预警,防止电池燃烧,大幅提升动力电池的使用价值和能源利用效率,并为规范动力电池产品市场提供有力的科学依据。

技术领域

本申请涉及电池管理技术领域,特别是涉及一种电池的管理系统和方法,适用于各种多串二次化学电池比如各种蓄电池组(但不包括铅酸蓄电池组):比如锂电池组、燃料电池组、空气电池组、水电池组、钠硫电池组等,其应用终端是提供动力或电能存储的,包含不限于电动三轮车、两轮车、电动轿车、大巴、物流车、低速车以及各类储能终端蓄电池组。

背景技术

电池是新能源汽车的重要组成部分,而对各种蓄电池组而言,电池容量(SOC)估算或电池健康(SOH)估算是一个比较难的技术。

目前传统技术主要存在以下技术问题:

在一现有技术中,其通过BMS+GPRS模块,传输一些简单的位置、电池电压/电流/温度数据;且因数据、分析分析手段的一般,导致应用端效果一般。

在另一现有技术中,其基于大数据人工智能算法和工作机制是基于对一个蓄电池组进行采样或进一步数据处理,把数据通过GPS之类的无线传输到云平台,在云平台上统一进行大数据运算或超算,这种方案的缺点是需要存储量太大,而且需要进行超大规模超算。这样架构的大数据人工智能的成本太高,很难实施。其还存在的一个问题是,在GPS信号弱时,比如在隧道中,其信号会存在局部缺失,不具有连续性,对最终的分析结果会产生较大影响、甚至产生错误的结果。

发明内容

本发明的目的在于提供一种电池的管理系统和方法,以克服现有技术中的不足。

为实现上述目的,本发明提供如下技术方案:

本申请实施例公开一种电池的管理系统,包括:

数据采集装置,采集电池的实时状态参数;

与电池位于同一终端的智能处理装置,根据所述实时状态参数至少估算出电池的SOC值和/或SOH值,并将估算值发送给云平台。

优选的,在上述的电池的管理系统中,所述云平台分别与多个所述终端通信,并直接从终端获取SOC估算值和/或SOH估算值。

优选的,在上述的电池的管理系统中,所述智能处理装置基于神经元网络模型对电池的SOC值和/或SOH值进行估算。

优选的,在上述的电池的管理系统中,所述云平台根据不同终端电池的SOC估算值和/或SOH估算值,训练神经元网络模型,得到一个相对精度高的人工智能模型。

优选的,在上述的电池的管理系统中,还包括通过所述相对精度高的人工智能模型,对终端的神经元网络模型进行更新。

优选的,在上述的电池的管理系统中,采用电化学模型对神经元网络模型进行训练,电化学模型包括:

基于锂离子电池电化学模型和寿命衰减机理的性能衰减模型,和/或

基于有限数据采集的健康状态诊断模型,和/或

基于锂离子电池热阻模型和间接温度数据的热安全状态分析模型。

优选的,在上述的电池的管理系统中,还包括位于终端的存储装置,至少用以存储智能处理装置输出的SOC估算值和/或SOH估算值。

本申请还公开了一种电池的管理方法,包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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江苏博强新能源科技股份有限公司,未经江苏博强新能源科技股份有限公司许可,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/201711478202.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top