本發(fā)明屬于電池管理系統(tǒng)，具體涉及基于嵌入式光纖傳感的端-云協(xié)同電池管理方法及系統(tǒng)。

背景技術(shù)：

1、在鋰離子電池的實際應用中，對其進行實時準確監(jiān)測和管理是保證用電設備安全可靠運行的關(guān)鍵。目前，電池管理仍普遍依靠在終端上預置的程序?qū)Σ蓸与娐凡杉幕拘盘栠M行分析，以實現(xiàn)對電池運行狀態(tài)的監(jiān)控。然而，電池系統(tǒng)是一個具有強時變和強溫度依賴特性的非線性系統(tǒng)，這導致精確監(jiān)測電池關(guān)鍵電熱行為往往面臨諸多困難。傳統(tǒng)的電池管理系統(tǒng)框架中，可用的監(jiān)測參數(shù)僅限于電流、電壓和表面溫度，其更多側(cè)重于設計復雜算法來提高管理效能，而由于無法獲取更多測量數(shù)據(jù)來較直觀地推斷電池內(nèi)部信息，因而限制了電池管理的真實效果。近期部分利用了智能嵌入式傳感的電池管理現(xiàn)有技術(shù)中，雖然相比傳統(tǒng)電池管理系統(tǒng)實現(xiàn)了一定的改進，但所應用的電池模型仍具有較大的改進空間，與終端系統(tǒng)之間的協(xié)同匹配也夠不完善。此外，集成先進傳感技術(shù)的系統(tǒng)架構(gòu)中相較于傳統(tǒng)架構(gòu)具有更廣更豐富的數(shù)據(jù)量，本領(lǐng)域技術(shù)人員對如何利用云端系統(tǒng)和數(shù)字孿生技術(shù)來進一步提升電池管理系統(tǒng)建設水平，還缺乏足夠的認識與解決方案。

技術(shù)實現(xiàn)思路

1、有鑒于此，針對本領(lǐng)域中所存在的技術(shù)問題，本發(fā)明提供了一種基于嵌入式光纖傳感的端-云協(xié)同電池管理方法，具體包括以下步驟：

2、步驟一、針對待監(jiān)測電池系統(tǒng)中的特定類型單體電池物理實體，結(jié)合嵌入式分布式光纖傳感器系統(tǒng)集成構(gòu)建適用于智能電池單體的分布式溫度自感知系統(tǒng)，并通過終端電池管理系統(tǒng)獲取由分布式溫度自感知系統(tǒng)采集得到的傳感數(shù)據(jù)后上傳至云端系統(tǒng)；云端系統(tǒng)中存儲有在實驗環(huán)境中同類型電池單體的特定循環(huán)充放電實驗數(shù)據(jù)，以及受控電池歷史運行數(shù)據(jù)；

3、步驟二、在終端電池管理系統(tǒng)上搭建單體電池物理實體的等效電路模型與集熱模型，并由其實時采集電池電流與端電壓數(shù)據(jù)；基于最小二乘法對等效電路模型進行參數(shù)辨識；基于擴展卡爾曼濾波器ekf和辨識后的等效電路模型進行電池荷電狀態(tài)soc估計；將soc估計結(jié)果輸入云端系統(tǒng)下發(fā)的soc-ocv關(guān)系得到開路電壓ocv值；利用得到的ocv值對集熱模型進行參數(shù)辨識；基于擴展卡爾曼濾波器ekf和辨識后的集熱模型進行電池產(chǎn)熱速率的估計；

4、步驟三、在云端系統(tǒng)中建立長短期記憶網(wǎng)絡lstmn，用于對不同溫度及充放電倍率特征所對應的soc-ocv關(guān)系進行在線預測；所述lstmn的訓練具體利用由電池測試實驗得到的實驗數(shù)據(jù)，以電池歷史溫度分布與充放電倍率特征數(shù)據(jù)作為輸入、ocv及對應的soc標準段為輸出，利用多項式擬合得到最終的soc-ocv關(guān)系曲線并下發(fā)給終端電池管理系統(tǒng)，用于實時修正和更新終端電池管理系統(tǒng)上所建立模型的模型參數(shù)；

5、步驟四、云端系統(tǒng)利用持續(xù)收集的測試實驗數(shù)據(jù)與各電池單體運行時的歷史運行數(shù)據(jù)，對所述lstmn進行定期訓練調(diào)整及更新。

6、進一步地，步驟一中針對圓柱電池這一物理實體，依次通過以下步驟實現(xiàn)分布式溫度自感知系統(tǒng)的集成構(gòu)建：首先，在惰性氣體環(huán)境中在電池單體負極端子的中心鉆孔，并密封保護其內(nèi)部結(jié)構(gòu)；之后用切管器打開正極端子并進行密封隔離以防止短路，同時將分布式光纖從負極端子通過隔離層插入電池內(nèi)部；將重新密封的電池單體與終端電池管理系統(tǒng)建立電、光通信連接，使全部電池單體與終端電池管理系統(tǒng)共同構(gòu)成能夠感知各單體內(nèi)部與表面溫度的分布式溫度自感知系統(tǒng)。

7、進一步地，步驟二中對電池單體具體建立以下包含兩個rc電路的等效電路模型：

8、

9、vt(t)＝voc(t)+vp1(t)+vp2(t)+r0(t)i(t)

10、其中，i是電池負載電流，r1和r2是兩個rc環(huán)路的極化內(nèi)阻，c1和c2是兩個rc環(huán)路的極化電容，r0是歐姆內(nèi)阻，vp1和vp2是兩個rc環(huán)路的電壓，voc是開路電壓，vt是端電壓，t是時間；

11、經(jīng)拉普拉斯變換后的得到以下離散形式：

12、

13、θe＝[k1?k2?k3?k4?k5]t

14、

15、其中，

16、

17、參數(shù)矩陣θe為待辨識的模型參數(shù)，通過以下最小二乘法辨識得到：

18、

19、其中，p(k)是協(xié)方差矩陣；k(k)是增益矩陣；e(k)是估計誤差；y是輸出變量；i是單位矩陣。

20、進一步地，步驟二中對電池單體具體建立以下形式的集熱模型：

21、

22、q(t)＝i(t)(voc(t)-vt(t))-λi(t)ta(t)

23、其中，tc和ts分別是通過分布式光纖獲得的電池單體中心溫度和表面溫度的平均值；cc表示電芯的熱容量，rc表示熱阻；q是產(chǎn)熱速率，i(t)是負載電流，ta是tc和ts的平均值，λi(t)ta(t)是可逆熵熱，其中λ是熵系數(shù)；

24、經(jīng)拉普拉斯變換后的得到以下離散形式：

25、

26、θt＝[1?α?β?γ]t

27、

28、其中，參數(shù)矩陣θt為待辨識的模型參數(shù)，p(k)是協(xié)方差矩陣；k(k)是增益矩陣；e(k)是估計誤差；y是輸出變量；i是單位矩陣。

29、進一步地，步驟三中具體定義lstmn中的神經(jīng)單元在每個時間步t，隱藏狀態(tài)ht由同一時間步的數(shù)據(jù)xt更新，前一時間步的隱藏狀態(tài)ht-1，輸入門it，輸入節(jié)點gt，遺忘門ft、輸出門ot和存儲單元ct，更新公式為：

30、

31、式中w和b分別是層權(quán)重和偏差，wfx和wfh分別是遺忘門中相對于xt和ht-1的兩個權(quán)重矩陣，bf是偏置項，σ是sigmoid函數(shù)；wix和wih分別是輸入門中相對于xt和ht-1的兩個權(quán)重矩陣，bi是偏置項；wgx和wgh分別是tanh激活函數(shù)中相對于xt和ht-1的兩個權(quán)重矩陣，bg是偏置項；wox和woh分別是輸出門中相對于xt和ht-1的兩個權(quán)重矩陣，bo是偏置項；

32、引入丟棄層用于模型訓練，通過所述丟棄層使部分隱藏輸出被隨機屏蔽，并使得這些神經(jīng)元在訓練過程中不會影響前向傳播；基于以下公式輸出標準開路電壓矩陣的估計結(jié)果：

33、

34、其中，wout和bout分別是丟棄層權(quán)重和偏差，輸出值是對應于標準soc數(shù)組的ocv估計結(jié)果，選擇relu作為激活函數(shù)；對于模型訓練將均方誤差mse作為模型損失：

35、

36、其中，n為訓練樣本的數(shù)量；

37、訓練好的lstmn能夠輸出與soc列表對應的ocvoutput＝[ocv1?ocv2?...?ocv10]；

38、通過以下多項式擬合得到soc-ocv關(guān)系：

39、

40、其中，m為多項式的最高系數(shù)，soc?j表示soc的j次冪，wj為soc?j的系數(shù)；

41、通過以下公式表征擬合誤差：

42、

43、其中n為樣本數(shù)；通過下式得到最終的多項式系數(shù)：

44、

45、相應地，本發(fā)明還提供了一種用于執(zhí)行上述方法的基于嵌入式光纖傳感的端-云協(xié)同電池管理系統(tǒng)，其由分布式溫度自感知系統(tǒng)、終端電池管理系統(tǒng)和云端系統(tǒng)組成；

46、其中，分布式溫度自感知系統(tǒng)用于獲取電池物理實體的內(nèi)外溫度分布情況；

47、終端電池管理系統(tǒng)用于獲取分布式溫度自感知系統(tǒng)采集的電池單體溫度數(shù)據(jù)以及電池運行數(shù)據(jù)，通過其上搭建的物理實體等效電路模型和集熱模型對電池soc和產(chǎn)熱速率執(zhí)行多維估計，并將采集的原始數(shù)據(jù)與估計得到的電池狀態(tài)結(jié)果上傳至云端系統(tǒng)；

48、云端系統(tǒng)用于存儲和處理終端電池管理上傳的數(shù)據(jù)，并利用電池歷史溫度分布與充放電倍率特征數(shù)據(jù)、測試實驗數(shù)據(jù)訓練lstmn網(wǎng)絡，將訓練好的lstmn網(wǎng)絡在線應用于對soc-ocv關(guān)系的估計；并將得到的soc-ocv關(guān)系下發(fā)給終端電池管理系統(tǒng)用于修正和更新各模型參數(shù)。

49、上述本發(fā)明所提供的基于嵌入式光纖傳感的端-云協(xié)同電池管理方法及系統(tǒng)，通過在電池端集成構(gòu)建分布式溫度自感知系統(tǒng)來感知電池單體內(nèi)外溫度分布情況，在電池管理系統(tǒng)進行電池建模與狀態(tài)估計，并在云端進行soc-ocv曲線的估計來指導終端模型的修正與更新，實現(xiàn)了智能電池端、終端及云端數(shù)據(jù)多層級有機融合，使模型具有更高的精度與更廣泛的適應性，也能夠保證狀態(tài)估計項的豐富性，相比現(xiàn)有技術(shù)顯著提升了電池電-熱管理的精度和效率。