一种基于数字孪生和区块链技术的云电池管理系统及方法与流程

1.本发明属于电池管理技术领域，具体涉及一种基于数字孪生和区块链技术的云电池管理系统及方法。


背景技术：

2.bms电池管理系统(battery management system)俗称电池保姆或电池管家，主要就是为了智能化管理及维护各个电池单元，防止电池出现过充电和过放电，延长电池的使用寿命，监控电池的状态。
3.bms电池管理系统单元包括bms电池管理系统、控制模组、显示模组、无线通信模组、电气设备、用于为电气设备供电的电池组以及用于采集电池组的电池信息的采集模组，bms电池管理系统通过通信接口分别与无线通信模组及显示模组连接，所述采集模组的输出端与bms电池管理系统的输入端连接，所述bms电池管理系统的输出端与控制模组的输入端连接，所述控制模组分别与电池组及电气设备连接，bms电池管理系统通过无线通信模块与server服务器端连接。
4.电池管理系统(bms)在电动汽车上的应用可追溯到丰田hev车型上对镍氢电池的管理。与管理锂电池不同由于镍氢电池具有一致性高、安全性好、且单体电压偏低(1.0
‑
1.7v)的特点，所以镍氢电池的bms通常不需要均衡功能，不需要控制接触器，也不需要对每节电池进行电压采集(可6节电池串联作为一个整体进行电压监控)。虽然镍氢电池bms硬件功能相对简单，但由于镍氢电池的记忆效应以及电压外特性与soc对应关系复杂，所以难点在于如何估算soc以及如何控制和调整充放电区间，避免电池迅速衰减。随着锂电池技术的应用，动力电池系统能量密度更高，容量更大，运行时间更长，对bms的功能也提出了新的要求。从拓扑架构上看bms根据不同项目需求分为了集中式(centralized)和分布式(distributed)两类。
5.然而，随着电池单元数量和算法复杂度的增加，车载bms在基于模型的算法对电池状态进行精确估计和预测时，面临着计算能力和数据存储方面的问题。此外，基于电池组历史运行数据的老化预测和策略优化等新功能很难在设备上实现。


技术实现要素：

6.为了解决现有技术中的问题，本发明提出一种基于数字孪生和区块链技术的云电池管理系统及方法，能够对电池状态进行精确估计和预测，提高了计算能力和数据存储能力，并且能够进行老化预测和策略优化，增强了电池系统的安全性、可靠性和性能。
7.为了实现以上目的，本发明提供了一种基于数字孪生和区块链技术的云电池管理系统，其特征在于，包括云平台，所述云平台通过物联网与电池系统通信连接，且所述云平台通过区块链溯源电池系统的相关信息，所述云平台包括数字孪生模块和电池状态估算模块，所述数字孪生模块基于等效电路模型建立与电池系统特征相一致的虚拟电池模型，所述数字孪生模块用于获取电池系统的传感器的测量数据，并可视化电池系统的每个电池的
内部状态，并通过所述电池状态估算模块基于jade算法对电池系统的状态进行预测与评估。
8.进一步地，所述云平台包括云端数据和本地数据，所述云端数据包括电池系统的历史数据、机器学习、混合智能、剩余寿命和健康云诊断；所述本地数据包括电池模型、电池循环和电池状态估算，并且所述云端数据和所述本地数据还包括远程运维、能量优化、智能充电、云端平衡和sox估算。
9.本发明还提供了一种云电池管理方法，采用上述的系统，包括：
10.1)基于等效电路模型建立与电池系统特征相一致的虚拟电池模型构建数字孪生模块，基于jade算法构建电池状态估算模块，数字孪生模块和电池状态估算模块构建形成数字孪生模型；
11.2)基于数字孪生模型进行电池状态估计和可用性预测；
12.3)基于数字孪生模型的电池状态评估；
13.4)若评估结果满足要求，则进行电池状态输出；若评估结果不满足要求，则返回步骤2)。
14.进一步地，所述jade算法采用“de/current
‑
to
‑
pbest/1”变异策略，优化轮廓，变异后的个体v
i
由个体x
i
和与其有联系的变异因子f
i
共同生成，将产生的子代个体收敛到全局最优值。
15.进一步地，所述jade算法对产生的初始粒子进行如下操作：
[0016][0017]
其中，是产生变异后的粒子，x
i,g
是当前产生的粒子，f
i
是变异因子，是当代个体中随机选取的前100p％的个体，p∈(0,1]，g是粒子当前代数，x
r1,g
和x
r2,g
是从当前未变异的个体中随机选择的个体，r1,r2∈rand(0,1)。
[0018]
进一步地，所述jade算法采用外部集合a存放被子代淘汰下来的父代个体，原有个体数量p仍然保持不变，按照子代优于父代就用子代取代父代，在带有外部集合a的情况下的种群更新策略为：
[0019][0020]
这里，x
i,g
、x
r1,g
和都是用同样的方式从种群p中选择的个体，而则是从当前个体集合和淘汰父代集合p∪a中随机选择。
[0021]
进一步地，所述jade算法对集合a的操作包括：首先设置为空集，然后为集合a设置一个计数标志，当个体每一次进化完成后，就把那些淘汰下来的父代个体存放到集合a当中，存放进去一个个体，就增加一次计数标志，当集合a超过设定的阈值时，也就是集合a存满了个体后，就随机从集合a中删除一些粒子，以保证接下来能够继续存放个体，完成更新。
[0022]
进一步地，所述jade算法的交叉因子的自适应更新包括：
[0023]
在每一代g中，每一个个体x
i
的交叉因子cr
i
都是独立生成的，根据平均值为μ
cr
，标准差为0.1的正态分布生成：
[0024]
cr
i
＝randn
i
(μ
cr
,0.1)
[0025]
将cr
i
限制在区间[0，1]内，其中第g代中进化成功的交叉因子的集合为s
cr
，式中的
平均值μ
cr
在初始时设置为0.5，在每一代结束时按照下面的公式更新：
[0026]
μ
cr
＝(1
‑
c)
·
μ
cr
+c
·
mean
a
(s
cr
)
[0027]
其中，c是0到1之间的常数，通常设置为0.5，mean
a
是算术平均值。
[0028]
进一步地，所述jade算法的变异因子的自适应更新包括：
[0029]
在每一代g中，每一个个体的变异因子f
i
也是独立生成的，根据位置参数μ
f
和值为0.1的尺度参数生成：
[0030]
f
i
＝randc
i
(μ
f
,0.1)
[0031]
如果生成的f
i
≥1，则将f
i
设置为1；如果f
i
≤0，那么就重新生成一次，其中第g代中进化成功的变异因子的集合为s
f
，式中柯西分布的位置参数μ
f
在初始时设置为0.5，在每一代结束时按照下面的公式更新：
[0032]
μ
f
＝(1
‑
c)
·
μ
f
+c
·
mean
l
(s
f
)
[0033]
其中mean
l
按照下面式子更新：
[0034][0035]
进一步地，所述电池状态估计包括电池荷电状态soc估计和健康状态soh估计，所述jade算法的实现策略包括：在每一个t周期后，通过运行jade算法，根据前一个周期的现场数据更新电池参数和健康状态soh，并在整个使用过程中重复此过程。
[0036]
与现有技术相比，本发明通过应用云计算和物联网(iot)技术来革新bms，计算和数据存储能力呈指数级增长，所有与电池相关的数据都可以测量并无缝传输到云平台，该云平台用于为电池系统构建数字孪生。数字孪生不仅可以显示电池组中传感器的测量数据，还可以通过高级诊断算法可视化每个电池的内部状态。通过一站式收集大数据，可以通过机器学习算法实现系统的预测和优化，这将彻底改变对电池老化的理解。此外，通过将布线通信替换为无线iot通信，可以提高系统可靠性。与车载bms相比，用于电池系统的数字孪生在以下四个方面具有潜在优势，它们共同有助于降低总体拥有成本并提高系统性能。在监控和诊断方面，高计算能力支持先进的诊断算法对电池状态进行连续，准确的监控；在终身预测方面，基于完整生命周期操作数据的机器学习可准确预测退化趋势；在故障检测与预测方面，通过大数据分析及早发现不同级别的系统故障，提高了系统的安全性和可靠性；在评估和优化方面，通过评估不同操作的电池系统中的大数据来优化系统设计和操作策略场景。
[0037]
本发明以通过云计算提高计算能力和数据存储能力，借助物联网，所有与电池相关的数据都将被测量并无缝传输到云中，从而建立了电池系统的数字孪生系统，电池状态检测算法将在该系统时刻估算电池荷电状态和评估健康状态。随着基于云平台的荷电状态和健康状态估计方法的开发，可探索基于等效电路模型的电池系统在数字孪生系统中的应用。而且，基于电池的数字孪生系统也可通过区块链溯源电池材料、结构设计以及使用过程中的不足，为构建电池的材料基因图谱和电池控制算法的研究提供参考，实现了数据的闭环姿态，有助于实现快速的实现电池的分类重组。本发明能够对电池状态进行精确估计和预测，提高了计算能力和数据存储能力，并且能够进行老化预测和策略优化，增强了电池系统的安全性、可靠性和性能。
附图说明
[0038]
图1为本发明的系统原理图；
[0039]
图2为本发明的硬件原理图
[0040]
图3为本发明的方法流程图；
[0041]
图4为本发明的电池等效电路模型图；
[0042]
图5为本发明的jade算法电池状态估算流程图；
[0043]
图6为本发明的jade算法中采用的“de/current
‑
to
‑
pbest/1”的策略图；
[0044]
图7为本发明的jade算法的soc估计和健康状态soh估计的实现策略图。
具体实施方式
[0045]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明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发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0046]
电池管理对于增强电池系统的安全性，可靠性和性能至关重要。因此，本发明实施例一方面提供了一种基于数字孪生和区块链技术的云电池管理系统，参见图1，其包括云平台，云平台通过物联网与电池系统通信连接，且云平台通过区块链溯源电池系统的相关信息，云平台包括数字孪生模块和电池状态估算模块，数字孪生模块基于等效电路模型建立与电池系统特征相一致的虚拟电池模型，数字孪生模块用于获取电池系统的传感器的测量数据，并可视化电池系统的每个电池的内部状态，并通过电池状态估算模块基于jade算法对电池系统的状态进行预测与评估。
[0047]
云平台包括云端数据和本地数据，云端数据包括电池系统的历史数据、机器学习、混合智能、剩余寿命和健康云诊断等；本地数据包括电池模型、电池循环和电池状态估算等，并且云端数据和本地数据还包括远程运维、能量优化、智能充电、云端平衡和sox估算等。
[0048]
参见图2，电池系统的多个传感器通信连接至slave
‑
bms模块，slave
‑
bms模块通过can线通信连接至raspberry pi模块，raspberry pi模块通过mqtt无线通信连接至云平台。
[0049]
本实施例中，电池系统是电动汽车的电池组，当然也可以是其他电动设备的电池组等。
[0050]
本发明实施例另一方面提供了一种云电池管理方法，基于上述的系统，参见图3，包括：
[0051]
1)基于等效电路模型建立与电池系统特征相一致的虚拟电池模型构建数字孪生模块，基于jade算法构建电池状态估算模块，数字孪生模块和电池状态估算模块构建形成数字孪生模型；电池等效电路模型参见图4；
[0052]
2)基于数字孪生模型进行电池状态估计和可用性预测；
[0053]
3)基于数字孪生模型的电池状态评估；
[0054]
4)若评估结果满足要求，则进行电池状态输出；若评估结果不满足要求，则返回步骤2)。
[0055]
考虑到电池系统中数字孪生电路的功能，电池动力学建模至关重要，这是准确诊断电池的基础。电池单元的模型主要有三类：等效电路模型(ecm)、电化学模型和机器学习模型。所有这些模型都有亮点和局限性，将在电池系统的数字孪生中扮演不同的角色。本发明将等效电路模型应用于数字孪生模型中，以精确监测电池的荷电状态和健康状态等。
[0056]
jade(基于外部存档的自适应参数差分进化算法)算法是基于de(差分进化)算法改进而来的，最原始的de算法的计算过程为：
[0057]
初始群体为：{x
i,0
＝(x
1,i,0
,x
2,i,0
,...,x
d,i,0
)|i＝1,2,...,np}；
[0058]
初始群体是根据一定范围内的均匀分布，其中d是粒子的维数，在进行完初始化之后，就开始进行变异交叉选择操作。
[0059]
jade算法中：相比于原始的de算法，对变异策略进行了改进，现有的一种变异的更新方法是但是在这种方法下，采用的最优解的个体也会导致种群的多样性降低，导致早熟收敛，使问题的解趋近于局部最优等问题。所以针对现有的变异策略和问题的收敛速度快但不可靠的特点，就采用一种新的变异策略。
[0060]
本发明中jade算法采用“de/current
‑
to
‑
pbest/1”变异策略，优化轮廓，变异后的个体v
i
由个体x
i
和与其有联系的变异因子f
i
共同生成，将产生的子代个体收敛到全局最优值。参见图6，其中，虚线是所优化问题的轮廓，中间点global optimum为全局最优值，v
i
是变异后的个体，这个个体由个体x
i
和与其有联系的变异因子f
i
共同生成，可以看到在新的变异策略下，产生的子代个体会收敛到全局最优值。
[0061]
jade算法对产生的初始粒子进行如下操作：
[0062]
其中，是产生变异后的粒子，x
i,g
是当前产生的粒子，f
i
是变异因子，是当代个体中随机选取的前100p％的个体，p∈(0,1]，g是粒子当前代数，x
r1,g
和x
r2,g
是从当前未变异的个体中随机选择的个体，r1,r2∈rand(0,1)。
[0063]
与目前的种群相比，寻找出来的较差的个体也可以为种群的迭代进化提供帮助，利于种群向着全局最优的方向移动。因此，本发明jade算法采用外部集合a用来表明那些进化失败的个体，也就是指那些在选择机制中被子代淘汰下来的父代个体，将这些个体存放在集合a中，而原有个体数量p仍然保持不变，还按照正常的策略进行更新，即子代优于父代就用子代取代父代。所以在带有外部集合a的情况下的种群更新策略就变成了：
[0064][0065]
这里，x
i,g
、x
r1,g
、都是用同样的方式从种群p中选择的个体，而则是从一个新的集合p∪a(当前个体集合和淘汰父代集合)中随机选择的。
[0066]
jade算法对集合a的操作包括：先设置为空集，然后为集合a设置一个计数标志，当个体每一次进化完成后，就把那些淘汰下来的父代个体存放到集合a当中，也就是说不如子代的父代个体不是完全没有用处了。然后存放进去一个个体，就增加一次计数标志，当集合a超过设定的某个阈值时，也就是集合a存满了个体后，就随机从集合a中删除一些粒子，以
保证接下来能够继续存放个体，完成更新。采用外部集合a的存档的方法就提供了个体进化的方向的信息，也从一方面提高了种群中个体的多样性。
[0067]
jade算法的参数自适应策略，包括交叉因子的自适应更新和变异因子的自适应更新。
[0068]
交叉因子的自适应更新包括：
[0069]
在每一代g中，每一个个体x
i
的交叉因子cr
i
都是独立生成的，根据平均值为μ
cr
，标准差为0.1的正态分布生成：
[0070]
cr
i
＝randn
i
(μ
cr
,0.1)
[0071]
将cr
i
限制在区间[0，1]内，其中第g代中进化成功的交叉因子的集合为s
cr
，式中的平均值μ
cr
在初始时设置为0.5，在每一代结束时按照下面的公式更新：
[0072]
μ
cr
＝(1
‑
c)
·
μ
cr
+c
·
mean
a
(s
cr
)
[0073]
其中，c是0到1之间的常数，通常设置为0.5，mean
a
是算术平均值。
[0074]
变异因子的自适应更新包括：
[0075]
在每一代g中，每一个个体的变异因子f
i
也是独立生成的，根据位置参数μ
f
和值为0.1的尺度参数生成：
[0076]
f
i
＝randc
i
(μ
f
,0.1)
[0077]
如果生成的f
i
≥1，则将f
i
设置为1；如果f
i
≤0，那么就重新生成一次，其中第g代中进化成功的变异因子的集合为s
f
，式中柯西分布的位置参数μ
f
在初始时设置为0.5，在每一代结束时按照下面的公式更新：
[0078]
μ
f
＝(1
‑
c)
·
μ
f
+c
·
mean
l
(s
f
)
[0079]
其中mean
l
按照下面式子更新：
[0080][0081]
自适应参数策略的设置，将成功进化的个体对应的参数记录下来，并根据这些参数选取对应的均值，依照均值构建概率分布并在其中选择下一代个体的参数，这样的话，迭代参数会自适应的调节，且不会使得参数过于一致从而失去了多样性。
[0082]
本发明的电池状态估计包括电池荷电状态soc估计和健康状态soh估计，参见图7，jade算法的实现策略包括：在每一个t周期后，通过运行jade算法，根据前一个周期的现场数据更新电池参数和健康状态soh，并在整个使用过程中重复此过程。
[0083]
具体参见图5，jade算法的方法流程包括：
[0084]
1)输入初始参数；
[0085]
2)初始化粒子，归档集合a、交叉因子的集合为s
cr
、变异因子的集合s
f
，以及每代中的最优个体数量top；
[0086]
3)计算粒子适应度值；
[0087]
4)对粒子进行变异、交叉、选择操作；
[0088]
5)判断当前解是否优于先前值，若优于先前值，则进行步骤6)；若不优于先前值，则返回步骤3)；
[0089]
6)将粒子对应的参数存储进集合a、交叉因子的集合为s
cr
、变异因子的集合s
f
中，将最优粒子放入top；
[0090]
7)根据更新的集合计算下一次运算的交叉因子cr和变异因子f；
[0091]
8)判断是否满足迭代次数，若满足，则结束运算；若不满足，则返回步骤3)。
[0092]
本发明应用数字孪生技术实现电池的云管理，提升了电池状态估算方法的精度和效率。首先建立与实体电池特征相一致的虚拟电池模型，然后与云端数据驱动的电池模型相融合，提升电池模型构建的精度。而且，该方案也可以实现不同车辆的同类型电池状态估算的相互比较与初始状态确定。
[0093]
本发明提出新架构下电池荷电状态和健康状态的不同时间尺度进行估算，可有效避免计算负载过重。
[0094]
本发明基于数字孪生的云电池管理可有效利用同类型电池的历史工况数据，实现对新电池车辆初始参数的云校正，以及旧电动车辆的定向能量优化。
[0095]
本发明将数字孪生引入到电池管理系统中，利用数字孪生提供的多维虚拟电池模型与仿真数据增强的电池荷电状态和健康状态的预测与评估。一方面，可以有效准确预测电池的可用性。使生成的电池管理方案与其真实状态相匹配；另一方面，能够在云电池管理系统中提前对电池开展多维度的评估和预测，保证电池系统维持在较为理想的状态、延长电池寿命。
[0096]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。