一种基于混合储能装置的SOC估算系统的制作方法

本实用新型涉及储能设备技术领域，具体涉及一种基于混合储能装置的soc估算系统。

背景技术：

随着新能源技术的发展，混合储能装置(或系统)使用也越来越多；混合储能装置内通常设置有若干超级电容以及若干蓄电池组，每个蓄电池组中分别包含有若干蓄电池；超级电容相较于蓄电池有着大容量、快速充放电的特点，作一种新的储能设备配合蓄电池组成的混合储能装置已经广泛使用，而混合储能装置的参数监测也就成为了行业研究的重点。

现有技术中，通常需要对混合储能装置的状态参数，如充放电电压、电流、装置的内阻或荷电状态(简称soc，全称是stateofcharge)等，进行监测或估算，以便掌握混合储能装置的运行状态，同时也便于控制和调度；在这些状态参数中，如充放电电压、电流、装置的内阻等参数通常可以直接进行测量，但混合储能装置的荷电状态通常不能直接测量，需要进行估算，荷电状态也叫剩余电量，代表的是电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示。其取值范围为0～1，当soc＝0时表示电池放电完全，当soc＝1时表示电池完全充满；混合储能装置的荷电状态是混合储能装置的重要参数指标，不仅是不可或缺的决策因素，而且也是优化混合储能装置中的能量管理、提高电池容量和能量利用率、防止电池过充电和过放电、保障电池在使用过程中的安全性和使用寿命的重要参数。

现有技术中，对于常规蓄电池中荷电状态(soc)的估算，国内外学者提出了一些方法，如安时积分法、卡尔曼滤波法、自适应卡尔曼滤波法等，然而，一方面，这些方法通常还存在一些不足，例如，安时积分法具有简单易行，但由于电流采样等因素引起的累积误差逐渐增大，导致soc估计误差增大，无法满足实际工程中长期使用的要求；卡尔曼滤波法因其具有计算量小、易于实现的特点，从而被广泛使用；自适应卡尔曼滤波算法往往没有考虑温度因素和充放电倍率因素，其原因在于，在实验室的理想条件下，这两个因素变化不大，但是在实际工程应用中，例如电动汽车能量回馈过程，温度和充放电倍率将会对电池的soc估算精度造成很大的影响。另一方面、这些方法通常适用于常规蓄电池(或蓄电池组)，不适用于混合储能装置，此外，现有技术中用于估算混合储能装置中荷电状态(soc)的方法，误差较大，实际使用过程中，通常存在精度低、不满足实际需求的问题。

技术实现要素：

本实用新型的目的在于改善现有技术中所存在的，现有soc估算方法不适用于混合储能装置的soc估算，且soc估算精度低、误差大，不能满足实际需求的问题；本实用新型所采用的技术方案是：

一种基于混合储能装置的soc估算方法，包括如下步骤：

步骤1，获取混合储能装置中电池的状态参数，并设置预设参数，所述状态参数包括通过采集获得的电池的开路电压、负载电流、内阻，所述预设参数包括电池的极化电阻、极化电容；

步骤2，建立混合储能装置的等效电路模型，并构建包括所述预设参数的一组向量参数，等效电路模型根据所述状态参数和向量参数求解出电池的端电压；

步骤3，建立混合储能装置的soc估算模型，所述soc估算模型根据所述端电压及所述向量参数求解电池的电荷状态；

步骤4，建立最小二乘模型，所述最小二乘模型根据自适应遗忘因子完全最小二乘法所建立，所述最小二乘模型用于对所述向量参数进行迭代计算，并将迭代计算后的向量参数返回给所述等效电路模型及soc估算模型；

步骤5，重复步骤2至步骤4。

在本方案中，首先对混合储能单体模型进行了电路分析建立起了等效电路模型，通过采集的电池的状态参数和设定的预设参数，求解出电池的端电压数据，然后建立soc估算模型，soc估算模型根据所述端电压数据估算电池的电荷状态，最后采用自适应遗忘因子完全最小二乘法对等效电路模型和soc估算模型所涉及的向量参数进行更新，实现对soc估算过程的闭环修正，从而可以有效提高soc的估算精度，降低误差，不仅更满足实际需求，而且更适用于对混合储能装置中电荷状态的估算、监测等，更有利于对混合储能装置的电荷状态进行在线、远程监控。

优选的，所述步骤2中，所述等效电路模型包括soc模型和一阶戴维宁模型，其中，所述一阶戴维宁模型为：

vt＝voc-vp-irs

所述soc模型中，荷电状态与开路电压及负载电流之间的关系式分别为：

soc(t)＝ηi(t)/q

其中，变量s＝2(q-1)/ts/(q+1)，q是离散算子，ts是采样区间，vq为中间变量，vt为电池的端电压，voc电池的开路电压，rs为电池的内阻，rp为电池的极化电阻，cp为电池的极化电容，下标k表示第k次采集或计算的数据。

优选的，所述向量参数包括第一组向量参数和第二组向量参数，所述第一组向量参数为：θk＝[a1,kb0,kb1,k]^t，第二组向量参数为其中，

其中，变量vp＝vt-voc，vt为端电压，voc为开路电压，a1,k、b0,k、b1,k分别为三个中间变量，下标k表示第k次采集或计算的数据，下标k-1表示第k-1次采集或计算的数据。

在本方案中，所述用于迭代更新的向量参数包括第一组向量参数和第二组向量参数，其中，第一组向量参数主要描述的是混合储能装置中电池的实际物理参数，第二组向量参数主要描述的是混合储能装置中，电池在不同时刻的状态参数，通过在每次估算soc时，对该向量参数进行更新，实现对估算值的修正，从而有利于获得高精度的soc。

优选的，所述步骤2中，获得所述端电压的计算过程为：先将所述公式(1)进行拉普拉斯变换，得

vq(s)/i(s)＝(rs+rp+rscps)/(1+rpcps)(2)

对(2)式进行双线性变换，得

vq(q^-1)/i(q^-1)＝(b0+b1q^-1)/(1+a1q^-1)(3)

将(3)式转换为离散时间域表示：

则，端电压的估算值为

其中，变量s＝2(q-1)/ts/(q+1)，q是离散算子，ts是采样区间，vq为中间变量，vt为电池的端电压，voc电池的开路电压，rs为电池的内阻，rp为电池的极化电阻，cp为电池的极化电容，下标k表示第k次采集或计算的数据。

优选的，所述荷电状态与开路电压之间的关系式，通过拟合开路电压与荷电状态之间的关系模型获得。操作简单、有效。

优选的，所述步骤3中，所述soc估算模型包括模型状态矩阵和soc估算公式，其中，所述模型状态矩阵为

x＝[vp,soc]^t

其中，soc为所要估算的荷电状态，vp为所要估算的极化电压；根据所述模型状态矩阵建立的所述soc估算公式为：

其中，变量l为反馈增益，vt为t时刻的端电压；为t时刻的端电压的估算值，f是电池模型函数(戴维宁定理)；

且，

其中，c为拟合参数，p1、p2为最小二乘模型所提供的修正参数，η为库伦效率。

优选的，所述步骤4中，所述最小二乘模型中的迭代更新方程为，

其中，μk为所述修正因子，且，

其中，

其中，变量

变量其中其中e是求期望

变量

其中

变量其中为采集电压的方差，为采集电流方差

g1,k、g2,k、g3,k、分别代表第k次迭代计算时的三个构造函数。在本方案中，所述最小二乘模型是根据自适应遗忘因子完全最小二乘法所建立，可以在计算的过程中，人为的遗忘掉特定的数据，如间隔时间较远的数据等，不仅可以提高计算精度，而且有利于减少所需处理的数据量，提高运算效率，尤其适用于对混合储能装置的电荷状态进行在线监测。

优选的，采用多通道模拟开关与浮地测量方法采集所述开路电压。

一种基于混合储能装置的soc估算系统，包括数据采集单元、控制器、用于发射数据的数据发送单元、云平台，所述云平台包括与所述数据发送单元相适配的数据接收单元、数据存储单元、数据处理单元以及显示单元，所述数据采集单元和数据发送单元分别与所述控制器相连，所述数据接收单元、数据存储单元、显示单元分别与所述数据处理单元相连，其中，

所述数据采集单元用于采集混合储能装置电压、电流及内阻，并传输给所述控制器，所述控制器根据所述电压、电流及内阻估算电荷状态，并通过所述数据发送单元将所述电压、电流、内阻及电荷状态发送给所述数据接收单元，所述数据处理单元从所述数据接收单元获得所述电压、电流、内阻及电荷状态，并发送给所述数据存储单元进行存储，及发送给所述显示单元进行显示。本估算系统，结构简单，紧凑，不仅适用于对混合储能装置的电荷状态进行比较准确的估算，而且可以对混合储能装置中各项参数，如电压、电流、内阻、电荷状态等，进行实时的在线监测，有利于远程了解、掌握各混合储能装置的实际运行状况。

优选的，所述控制器采用的是stm32芯片或arm芯片。

进一步的，所述控制器采用的是stm32f103。stm32f103价格适中，多路输入满足了数据采集输入，高计算能力满足了soc估算的实时要求。

优选的，所述数据采集单元包括用于采集电压的电压采集模块、用于采集电流的电流采集模块以及用于采集内阻的内阻采集模块。

一种优选的方案中，所述电压采集模块包括n个采集组，n为自然数，所述采集组分别包括并联于超级电容两端或蓄电池组两端的差分电路、运算放大器、光耦隔离开关以及a/d转换器，其中，所述差分电路的输出端与所述运算放大器的输入端相连，运算放大器的输出端与所述光耦隔离开关的输入端相连，所述光耦隔离开关的输出端与所述a/d转换器相连，所述a/d转换器的输出端与所述控制器相连，所述控制器根据各采集组所采集的数据分别计算出对应的电压值，并将n个所述电压值相加，获得所述电压。

优选的，所述光耦隔离开关采用的是pc817a光耦开关。pc817a光耦开关具有良好的线性表现，同时价格便宜适合大量使用。

一种优选的方案中，所述电流采集模块包括设置于蓄电池组的霍尔元件传感器、电流信号转换器、a/d转换器，霍尔元件传感器的输出端与电流信号转换器的输入端相连，电流信号转换器的输出端与a/d转换器的输入端相连，a/d转换器的输出端与所述控制器相连，其中，所述霍尔元件传感器用于将被测电路中的电流信号转换为模拟电流信号，并传输给电流信号转换器，电流信号转换器用于将所述模拟电流信号转化为对应的模拟电压信号，并传输给所述a/d转换器，a/d转换器用于将所述模拟电压信号转化为数据信号，并传输给所述控制器，控制器根据所述数字信号计算出电流。

一种优选的方案中，所述内阻采集模块包括模拟乘法器、低通滤波器、直流放大器、a/d转换器、并联于蓄电池组上且用于采集蓄电池组两端电压响应信号的交流差分电路以及用于产生正弦信号的交流恒流源；交流差分电路的输出端与交流恒流源是输出端分别与所述模拟乘法器的输入端相连，模拟乘法器的输出端与所述低通滤波器的输入端相连，低通滤波器的输出端与所述直流放大器的输入端相连，直流放大器的输出端与所述a/d转换器的输入端相连，a/d转换器的输出端与所述控制器相连；其中，所述模拟乘法器用于将电压响应信号与所述正弦信号相乘，低通滤波器用于将交流信号转为直流信号，直流放大器用于对所述直流信号进行放大，a/d转换器用于将放大后的直流信号转换成数字信号，并传输给控制器，控制器根据所述数字信号计算出内阻。

优选的，所述数据处理单元为pc机或服务器。

优选的，所述数据存储单元为硬盘。

优选的，所述显示单元为显示器。

优选的，所述数据发送单元为wifi无线发送芯片，所述数据接收单元为与所述wifi无线发送芯片相适配的以太网卡。

可选的，所述wifi无线发送芯片为esp8266，所述以太网卡为tp-link网卡。

在进一步的方案中，还包括用于将12v电压转换成3.3v和/或5v电压的dc-dc模块，所述dc-dc模块的输入端与所述混合储能装置的输出端相连，输出端分别与所述数据发送单元及控制器相连。

与现有技术相比，使用本实用新型提供的一种基于混合储能装置的soc估算方法及系统，首先对混合储能单体模型进行了电路分析建立起了等效电路模型，并自定义向量参数，再根据等效电路模型所提供的端电压数据，建立了soc估算模型，从而有效估算混合储能装置中的电荷状态soc；最后采用自适应遗忘因子完全最小二乘法对soc估算模型输出的开路电压进行数据分析，并对所述向量参数进行迭代更新，而后返回给等效电路模型和soc估算模型，等效电路模型和soc估算模型根据更新后的向量参数进行一下次电荷状态soc的计算，从而实现对soc估算过程的闭环修正，从而可以有效提高soc的估算精度，降低误差，不仅更满足实际需求，而且更适用于对混合储能装置中电荷状态的估算、监测等，更有利于对混合储能装置的电荷状态进行在线、远程监控。

附图说明

为了更清楚地说明本实用新型实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本实用新型的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本实用新型实施例1中提供的一种基于混合储能装置的soc估算方法的流程图。

图2为本实用新型实施例1中提供的一种基于混合储能装置的soc估算方法的模型框架示意图。

图3为本实用新型实施例2中提供的一种基于混合储能装置的soc估算系统的结构示意图。

图4为本实用新型实施例2中提供的一种基于混合储能装置的soc估算系统中，电压采集模块的电路原理图。

图5为本实用新型实施例2中提供的一种基于混合储能装置的soc估算系统中，电流采集模块的框图。

图6为本实用新型实施例2中提供的一种基于混合储能装置的soc估算系统中，内阻采集模块的框图。

图7为本实用新型实施例2中提供的一种基于混合储能装置的soc估算系统中，数据发送单元的电路原理图。

具体实施方式

下面将结合本实用新型实施例中附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本实用新型一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本实用新型实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本实用新型的实施例的详细描述并非旨在限制要求保护的本实用新型的范围，而是仅仅表示本实用新型的选定实施例。基于本实用新型的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本实用新型保护的范围。

实施例1

请参阅图1及图2，本实施例中提供了一种基于混合储能装置的soc估算方法，包括如下步骤：

步骤1，获取混合储能装置中电池的状态参数，并设置预设参数，所述状态参数包括通过采集获得的电池的开路电压voc、负载电流i、内阻rs，所述预设参数包括电池的极化电阻rp、极化电容cp、库伦效率η、电荷容量q等，以便后续模型的建立和计算；

作为举例，在本实施例中，可以优先采用多通道模拟开关与浮地测量方法相结合采集所述开路电压voc。

步骤2，建立混合储能装置的等效电路模型，并构建包括所述预设参数的一组向量参数，等效电路模型根据所述状态参数和向量参数求解出电池的端电压vt；

作为举例，根据如图所示的等效电路图可以建立所述等效电路模型，所述等效电路模型包括soc模型和一阶戴维宁模型，其中，所述一阶戴维宁模型为：

vt＝voc-vp-irs(2)

所述soc模型中，荷电状态与开路电压及负载电流之间的关系式分别为：

soc(t)＝ηi(t)/q(4)

其中，voc为开路电压，vp为极化电压，vt为端电压，rs为采集的内阻，rp为极化电阻，cp为极化电容，i为采集的负载电流，c为拟合系数，n等于4，q为混合储能装置的额定电荷量，η为库伦效率，soc为电荷状态；

在本实施例所提供的优选方案中，所述向量参数包括第一组向量参数和第二组向量参数，其中，所述第一组向量参数为：θk＝[a1,kb0,kb1,k]^t，第二组向量参数为其中，

其中，变量vp＝vt-voc，vt为端电压，voc为开路电压，a1,k、b0,k、b1,k分别为三个中间变量，下标k表示第k次采集或计算的数据，下标k-1表示第k-1次采集或计算的数据，后文不再赘述。

通过本步骤获得所述端电压的计算过程为：先将所述公式(1)进行拉普拉斯变换，得

vq(s)/i(s)＝-(rs+rp+rsrpcps)/(1+rpcps)(6)

对(6)式进行双线性变换，得

vq(q^-1)/i(q^-1)＝(b0+b1q^-1)/(1+a1q^-1)(7)

将(7)式转换为离散时间域表示：

则，端电压的估算值从而可以计算出端电压的估算值；

其中，变量s＝2(q-1)/ts/(q+1)，q是离散算子，ts是采样区间，vq为中间变量，vt为电池的端电压，voc电池的开路电压，rs为电池的内阻，rp为电池的极化电阻，cp为电池的极化电容，下标k表示第k次采集或计算的数据。

在优选的方案中，所述步骤(2)中，所述荷电状态soc与开路电压voc之间的关系式，通过拟合开路电压voc与荷电状态soc之间的关系模型获得，而拟合开路电压voc与荷电状态soc之间的关系模型是非常成熟的现有技术，通过混合储能装置的一次充放电过程就可以实现，这里不再赘述。

步骤3，建立混合储能装置的soc估算模型，所述soc估算模型根据所述端电压及所述向量参数求解电池的电荷状态；

作为举例，所述soc估算模型包括模型状态矩阵和soc估算公式，其中，所述模型状态矩阵为

x＝[vp,soc]^t(9)

其中，soc为所要估算的荷电状态，vp为所要估算的极化电压；根据所述模型状态矩阵建立的所述soc估算公式为：

其中，变量l为反馈增益，vt为t时刻的端电压；为t时刻的端电压的估算值，f是电池模型函数(戴维宁定理)，且，

其中，c为拟合参数，p1、p2为最小二乘模型所提供的修正参数，η为库伦效率。

通过soc估算模型，既可以估算出电荷状态soc，又可以获得极化电压vp的估算值，通过前述公式，可以计算出开路电压voc的估算值，以及中间变量vq、电池的端电压vt的估算值等，以便在下一次计算时更新等效电路模型中的相关参数。

步骤4，建立最小二乘模型，所述最小二乘模型根据自适应遗忘因子完全最小二乘法所建立，所述最小二乘模型用于对所述向量参数进行迭代计算，并将迭代计算后的向量参数返回给所述等效电路模型及soc估算模型；

作为举例，在本实施例中，所述中的迭代更新方程为，

其中，μk为所述修正因子，且，

其中，

其中，变量

变量其中其中e是求期望

变量

其中

变量其中为采集电压的方差，为采集电流方差

g1,k、g2,k、g3,k、分别代表第k次迭代计算时的三个构造函数。

利用最小二乘模型对第一组向量参数θk＝[a1,kb0,kb1,k]^t进行迭代更新，以便下次计算时，提高电荷状态soc的计算精度。

步骤5，重复步骤2、步骤3以及步骤4；通过多次迭代计算，获得高精度的soc。

本实施例所提供的soc估算方法，首先对混合储能单体模型进行了电路分析建立起了等效电路模型，并自定义向量参数，再根据等效电路模型所提供的端电压数据，建立了soc估算模型，可以有效估算混合储能装置中的电荷状态soc；最后采用自适应遗忘因子完全最小二乘法对soc估算模型输出的开路电压voc进行数据分析，并对所述向量参数进行迭代更新，而后返回给等效电路模型和soc估算模型，等效电路模型和soc估算模型根据更新后的向量参数进行一下次电荷状态soc的计算，从而实现对soc估算过程的闭环修正，从而可以有效提高soc的估算精度，降低误差，不仅更满足实际需求，而且更适用于对混合储能装置中电荷状态的估算、监测等，更有利于对混合储能装置的电荷状态进行在线、远程监控；作为举例，为验证本估算方法的精度，分别采用本实施例所提供的估算方法和现有技术中常用的安时积分法，对同一混合储能装置放电过程中的soc进行了估算，并在不同时刻对该混合储能装置的soc进行了实际测量，实验数据如表1所示，

表1对比实验数据

由表1可知，先比于传统的安时积分估算法，采用本实施例所提供的估算方法所估算出的soc更接近真实值，且相对误差通常在5％以内，具有较高的估算精度。

实施例2

根据实施例1中所提供的估算方法，本实施例2提供了一种基于混合储能装置的soc估算系统，包括数据采集单元、控制器、用于发射数据的数据发送单元、云平台，所述云平台包括与所述数据发送单元相适配的数据接收单元、数据存储单元、数据处理单元以及显示单元，所述数据采集单元和数据发送单元分别与所述控制器相连，所述数据接收单元、数据存储单元、显示单元分别与所述数据处理单元相连，如图3所示，其中，

所述数据采集单元用于采集混合储能装置电压(即开路电压)、电流(即负载电流)及内阻，并传输给所述控制器，所述控制器根据所述电压、电流及内阻估算出电荷状态，并通过所述数据发送单元将所述电压、电流、内阻及电荷状态发送给所述数据接收单元，所述数据处理单元从所述数据接收单元获得所述电压、电流、内阻及电荷状态，并发送给所述数据存储单元进行存储，及发送给所述显示单元进行显示。本估算系统，结构简单，紧凑，不仅适用于对混合储能装置的电荷状态进行比较准确的估算，而且可以对混合储能装置中各项参数，如电压、电流、内阻、电荷状态等，进行实时的在线监测，有利于远程了解、掌握各混合储能装置的实际运行状况。

可以理解，所述数据发送单元与所述数据接收单元之间可以采用有线连接，如网线连接，也可以采用无线连接，如wifi连接、无线网络连接等。

在优选的方案中，所述控制器可以采用stm32芯片或arm芯片，作为举例，在本实施例中，所述控制器采用的是stm32f103。stm32f103价格适中，多路输入满足了数据采集输入，高计算能力满足了soc估算的实时要求。可以理解，本领域的技术人员可以还可以采用其余类型的控制器，如单片机等。

可以理解，所述控制器内预设有实施例1中所提供的算法，以便对所采集的电压、电流、内阻等数据进行处理，从而估算出混合储能装置的电荷状态。

优选的，所述数据采集单元包括用于采集电压的电压采集模块、用于采集电流的电流采集模块以及用于采集内阻的内阻采集模块。

如图4所示，在一种优选的方案中，所述电压采集模块包括n个采集组，n为自然数，所述采集组分别包括并联于超级电容两端或蓄电池组两端的差分电路、运算放大器、光耦隔离开关以及a/d转换器，其中，所述差分电路的输出端与所述运算放大器的输入端相连，运算放大器的输出端与所述光耦隔离开关的输入端相连，所述光耦隔离开关的输出端与所述a/d转换器相连，所述a/d转换器的输出端与所述控制器相连，所述控制器根据各采集组所采集的数据分别计算出对应的电压值，并将n个所述电压值相加，获得所述电压。作为举例，当混合储能装置中设置有一个超级电容和两个蓄电池组时，所述电压采集模块包括三个采集组，分别用于采集超级电容及两个蓄电池组的电压值；如图所示，在本实施例中，电压采集模块中，通过将多通道模拟开关技术与浮地测量技术相结合，并用于测量混合储能装置的电压(充放电电压、开路电压)，首先，多通道模拟开关技术可以将混合储能装置单体进行分组，某一时刻只对一路电压信号进行处理，从而可以有效解决混合储能装置整体共模电压过高的问题；其次，浮地测量技术中，利用光耦隔离开关使测量电路与芯片内部电路不供地，从而测量电路不由储能设备供电，减少测量电路对储能装置放电，提高精度；最后，将采集的模拟信号经过a/d转换成数字信号，因为超级电容通常需要均压模块进行过压保护，所以电压信号也会同时传输至均压模块，并由控制器对测量电路供电，可以提高测量精度。

在本实施例中，所述光耦隔离开关采用的是pc817a光耦开关。pc817a光耦开关具有良好的线性表现，同时价格便宜适合大量使用。

由于要保障蓄电池能够正常工作，就必须得让蓄电池的充电电流和放电电流维持在特定的范围内，通常蓄电池组都是由若干的蓄电池串联而成的，所以每个蓄电池组都必须配有一个电流采集模块，在一种优选的方案中，所述电流采集模块包括设置于蓄电池组的霍尔元件传感器、电流信号转换器、a/d转换器，如图5所示，霍尔元件传感器的输出端与电流信号转换器的输入端相连，电流信号转换器的输出端与a/d转换器的输入端相连，a/d转换器的输出端与所述控制器相连，其中，所述霍尔元件传感器用于将被测电路中的电流信号转换为模拟电流信号，并传输给电流信号转换器，电流信号转换器用于将所述模拟电流信号转化为对应的模拟电压信号，并传输给所述a/d转换器，a/d转换器用于将所述模拟电压信号转化为数据信号，并传输给所述控制器，控制器根据所述数字信号计算出电流，从而获得混合储能装置中的实时电流数据(负载电流)。

混合储能装置在多次充放电以后会产生内阻极化，从而影响使用寿命；而在串联的过程中还涉及到串联引起的内阻，所以对单体储能装置进行内阻监测也很有必要的；因为超级电容组与蓄电池组模型基本一致，目前最广为使用的是交流注入法，在一种优选的方案中，可以通过外加交流激励电源、再通过锁相放大电路后，倍频信号被放大，此时再通过低通滤波器实现高精度采集，此时激励电压与所要采集的内阻之间具有如下：

u0＝c|z|cosθ＝cr

其中，u0为激励电压源，z为阻抗，r为内阻，cosθ为功率因数角，c为激励电流；作为举例，如图6所示，在本实施例中，所述内阻采集模块包括模拟乘法器、低通滤波器、直流放大器、a/d转换器、并联于蓄电池组上且用于采集蓄电池组两端电压响应信号的交流差分电路以及用于产生正弦信号的交流恒流源；交流差分电路的输出端与交流恒流源是输出端分别与所述模拟乘法器的输入端相连，模拟乘法器的输出端与所述低通滤波器的输入端相连，低通滤波器的输出端与所述直流放大器的输入端相连，直流放大器的输出端与所述a/d转换器的输入端相连，a/d转换器的输出端与所述控制器相连；其中，所述模拟乘法器用于将电压响应信号与所述正弦信号相乘，低通滤波器用于将交流信号转为直流信号，直流放大器用于对所述直流信号进行放大，a/d转换器用于将放大后的直流信号转换成数字信号，并传输给控制器，控制器根据所述数字信号计算出内阻。

在优选的方案中，所述数据处理单元可以为pc机或服务器等。作为举例，在本实施例中，所述数据处理单元为服务器。

在优选的方案中，所述数据存储单元为硬盘、磁盘等具有存储功能的设备。

在优选的方案中，所述显示单元可以优先采用显示器，本领域的技术人员可以理解，所述显示单元包括显示器，但不限于显示器，例如，显示单元还可以是手机、平板等，这里不再一一列举。

在优选的方案中，所述数据发送单元为wifi无线发送芯片，所述数据接收单元为与所述wifi无线发送芯片相适配的以太网卡；作为举例，在本实施例中，所述wifi无线发送芯片为esp2866，esp具有强大的片上处理和存储能力，包括了天线开关和电源管理转换器，同时具有自助故障排除，低功率睡眠模式。只需通过spi接口连接即可，对所在环境有限且相对比较复杂的环境来说非常实用，在本实用新型中基于tcp/ip协议编辑socket，并对对进发送数据进行hash算法加密，确保数据的可靠性；所述以太网卡为tp-link网卡，确保大量数据汇入云端的稳定传输与保存。

在进一步的方案中，还包括用于将12v电压转换成3.3v和/或5v电压的dc-dc模块，所述dc-dc模块的输入端与所述混合储能装置的输出端相连，输出端分别与所述数据发送单元及控制器相连。在本实施例中，dc-dc模块的设置可以利用混合储能装置本身为本估算系统中的用电部件进行供电，更有利于将本估算系统中的数据采集单元、控制器、数据发送单元等集成到现有的混合储能装置中；dc-dc模块可以采用现有技术中常用的dc-dc模块，作为举例，在本实施例中，dc-dc模块包括以buck变换电路为基础拓扑设计，包括两个nmos管组成的同步整流电路、一个肖特基二极管、一个电感组成，用于将混合储能装置输出的12v电压转换成3.3v，以提供数据发送单元中esp2866芯片所需2.5-3.3v电压信号，nmos驱动信号由控制器提供，从而当更换或使用其他的外部设备时，其所需电压信号均可通过改变驱动信号来得到目标的电压信号，从而实现高度复用。

作为举例，如图7所示，dc-dc电路分别接入esp2866芯片的vss端口和gnd端口，由控制器传入的数据分别接esp2866芯片的txd端口及rxd端口，然后闭合gpio(18)开关进行一次硬件程序写入，实现对数据的协议编写以及加密；最后打开开关结束写入，其中对数据加密使用了hash算法md5进行签名，从而保证了数据从监控端到云平台数据完整、安全。为对数据包进行md5加密，首先需要对数据包长短进行判别，不够则需要进行填充，并将数据为128个位为1组的数据块，根据所给的初始的4组32位轮加密发生模块，配合定义好的轮加密函数进行32轮迭代加密；最后将4组32位结果数据拼接输出128位hash值，最后加到协议数据包末尾，构成数据包格式。

本实施实例中，云平台采用windowsserver2012作为服务系统，采用mysql作为数据库，采用jsp作为前端设计以及后端数据接受处理语言。通过将分布式控制器监控采集的混合储能数据进行分析并在线估算soc。最后统一呈现给其他用户以及维护人员。

以上所述，仅为本实用新型的具体实施方式，但本实用新型的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本实用新型揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本实用新型的保护范围之内。