云端辅助电动自行车智能电池包安全控制方法及系统技术方案

本发明专利技术公开了一种云端辅助电动自行车智能电池包安全控制方法及系统，涉及动力电池测控技术领域，具体步骤为：数据获取：获取电池包参数信息以及环境参数信息；充放电策略确定：采用机器学习构建的分析模型根据电池包的参数信息以及环境参数信息生成最佳的电池充放电策略；安全监测：获取最佳的电池充放电策略下电池包参数的实时数据，根据实时数据判断是否更新电池充放电策略；本发明专利技术可对电池包的电池动态寿命和健康状况作出精确评估，提高安全性、延长使用寿命；同时通过实时更新的充放电策略，在最大可能保证电池包安全的同时满足使用者的需求，减少事故的发生。减少事故的发生。减少事故的发生。

【技术实现步骤摘要】
云端辅助电动自行车智能电池包安全控制方法及系统


[0001]本专利技术涉及动力电池测控
，更具体的说是涉及一种云端辅助电动自行车智能电池包安全控制方法及系统。

技术介绍

[0002]由于电池具有高能量密度的特性，对其工作状态和健康状况的评估显得尤为重要。一旦电池偏离了正常工作状态即处于亚健康状态或故障状态，就会给整个动力系统带来严重的安全隐患。而这些非正常状态通过简单的监控很难做到及时准确地判断和预警。即使电池处于正常工作状态，若能对其运行性能进行客观、全面地评估，也对优化动力系统整体性能和延长电池寿命具有十分重要的指导意义。
[0003]目前的电池保护仅通过BMS实现对电芯进行预警管控，其管控方法仅是当接收到预警消息后对电池包进行断开充电或放电，并不能采用行之有效的方法在保证电池包安全的情况下，尽可能不影响使用者继续使用，因此如何解决上述问题是本领域技术人员亟需解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种云端辅助电动自行车智能电池包安全控制方法及系统，克服上述缺陷。
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]一种云端辅助电动自行车智能电池包安全控制方法，具体步骤为：
[0007]数据获取：获取电池包参数信息以及环境参数信息；
[0008]充放电策略确定：采用机器学习构建的分析模型根据电池包的参数信息以及环境参数信息生成最佳的电池充放电策略；
[0009]安全监测：获取最佳的电池充放电策略下电池包参数的实时数据，根据实时数据判断是否更新电池充放电策略。
[0010]可选的，数据获取还包括BIM工作状态信息。
[0011]可选的，充放电策略确定之前还包括根据电池包参数信息进行性能预测。
[0012]可选的，充放电策略确定的具体步骤为：
[0013]获取初始充放电策略：将电池包的预估性能以及环境参数信息输入分析模型获得对应的初始充放电策略；
[0014]充放电曲线拟合：基于历史充放电数据，拟合电池包中各个电池单体充放电数据曲线，并计算出电池包内各个电池单体间的容量差异并预估均衡时间；
[0015]充放电策略优化：基于电池包内各个电池单体间的容量差异以及均衡时间预估值优化初始充放电策略，得到最佳的电池充放电策略。
[0016]可选的，安全监测具体为：对电池包参数的实时数据进行监测，若异常数据出现次数大于预设阈值，将电池包参数的实时数据输入分析模型更新充电策略。
[0017]一种云端辅助电动自行车智能电池包安全控制系统，包括：电池包、BMS处理器、云平台、温度平衡装置、4G/5G通信模块；
[0018]所述电池包，用于存储或输出电能；
[0019]所述BMS处理器，用于采集电池包参数信息、环境参数信息，以及执行充放电策略；
[0020]所述云平台，用于对电池包参数信息以及环境参数信息进行分析，预估电池包性能，生成充放电策略；
[0021]所述温度平衡装置，用于平衡电池包中各个电池单体的温度；
[0022]所述4G/5G通信模块，用于数据信息的传输。
[0023]可选的，云平台包括前端控制器和后端服务器，所述前端控制器用于隔绝非正常连接；所述后端服务器用于数据分析、存储以及安全预警。
[0024]可选的，所述温度平衡装置包括覆盖于各个电池单体外侧的温度平衡壳，所述温度平衡壳相对两侧分别设有进液口、出液口；所述进液口与所述出液口均与液体箱相连。
[0025]经由上述的技术方案可知，与现有技术相比，本专利技术公开了一种云端辅助电动自行车智能电池包安全控制方法及系统，对电池包的电池动态寿命和健康状况作出精确评估，提高安全性、延长使用寿命；同时通过实时更新的充放电策略，在最大可能保证电池包安全的同时满足使用者的需求，减少事故的发生。
附图说明
[0026]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，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，还可以根据提供的附图获得其他的附图。
[0027]图1为本专利技术的方法流程示意图；
[0028]图2为本专利技术的系统结构示意图。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]本专利技术实施例公开了一种云端辅助电动自行车智能电池包安全控制方法，步骤如图1所示，具体为：
[0031]步骤1、数据获取：获取电池包参数信息以及环境参数信息；
[0032]其中，电池包参数信息包括：单体电压、电流、温度、容量、绝缘电阻值等；
[0033]环境参数信息包括环境温湿度、负载变化率、电动自行车行驶速度等；
[0034]在另一实施例中，数据获取还包括BIM工作状态信息，其通过BMS处理器自检获得。
[0035]步骤2、充放电策略确定：采用机器学习构建的分析模型根据电池包的参数信息以及环境参数信息生成最佳的电池充放电策略；
[0036]具体为：
[0037]步骤21、获取初始充放电策略：将电池包的预估性能以及环境参数信息输入分析模型获得对应的初始充放电策略；
[0038]步骤22、充放电曲线拟合：基于历史充放电数据，拟合电池包中各个电池单体充放电数据曲线，并计算出电池包内各个电池单体间的容量差异并预估均衡时间；
[0039]步骤23、充放电策略优化：基于电池包内各个电池单体间的容量差异以及均衡时间预估值优化初始充放电策略，得到最佳的电池充放电策略。
[0040]其中，步骤21中的电池包的预估性能的获取：采用多核ARM系统对电池包参数信息进行深度学习，运行人工智能深度学习模型对电池综合性能作即时评估；同时利用该电池包参数进行深度学习和优化，获得个性化预估模型。
[0041]在另一实施例中，电池性能也可采用传统方法预测，例如：利用安时积分方法，通过记录电池充放电电流以及时间，计算电池的SOC。
[0042]步骤22的具体步骤为：
[0043]首先基于电池包参数判断是充电状态还是放电状态，然后根据当前状态拟合对应的数据曲线，并计算出电池包内各个电池单体间的剩余容量差异；当容量差异即SOC
MAX
与SOC
MIN
差值大于预设阈值时，基于预置的均衡控制算法计算出均衡时间。
[0044]具体来说，若电池处于充电过程，通过电池包的预估性能，利用NSGA2多目标优化算法控制电池组的充电电流，在满足电池安全约束的条件下，寻找最优帕累托前沿，此时再考虑环境参数信息，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云端辅助电动自行车智能电池包安全控制方法，其特征在于，具体步骤为：数据获取：获取电池包参数信息以及环境参数信息；充放电策略确定：采用机器学习构建的分析模型根据电池包的参数信息以及环境参数信息生成最佳的电池充放电策略；安全监测：获取最佳的电池充放电策略下电池包参数的实时数据，根据实时数据判断是否更新电池充放电策略。2.根据权利要求1所述的一种云端辅助电动自行车智能电池包安全控制方法，其特征在于，数据获取还包括BIM工作状态信息。3.根据权利要求1所述的一种云端辅助电动自行车智能电池包安全控制方法，其特征在于，充放电策略确定之前还包括根据电池包参数信息进行性能预测。4.根据权利要求3所述的一种云端辅助电动自行车智能电池包安全控制方法，其特征在于，充放电策略确定的具体步骤为：获取初始充放电策略：将电池包的预估性能以及环境参数信息输入分析模型获得对应的初始充放电策略；充放电曲线拟合：基于历史充放电数据，拟合电池包中各个电池单体充放电数据曲线，并计算出电池包内各个电池单体间的容量差异并预估均衡时间；充放电策略优化：基于电池包内各个电池单体间的容量差异以及均衡时间预估值优化初始充放电策略，得到最佳的电池充放电策略。5.根据权利要求1所述...

【专利技术属性】
技术研发人员：张涛，
申请(专利权)人：北京电满满商信充科技有限公司，
类型：发明
国别省市：