一种基于神经网络的新型电池远程管理系统技术方案

本发明专利技术涉及电池管理技术领域，具体为一种基于神经网络的新型电池远程管理系统，包括包括信息采集模块、电池打标模块及AI数据分析模块，信息采集模块将所采集的电池数据信息反馈到系统云端，系统云端对信息进行整理储存，同时系统云端将可充电电池数据信息存入数据库，AI数据分析模块利用机器学习神经网络的算法，对数据库中的数据信息进行处理，电池打标模块将电池进行分类打标，以实现为AI数据分析模块的机器学习提供学习基准，本申请使用物联网的技术，把电池的充放电与具体的应用设备整合在一起，利用物联网的云端数据收集与统计过滤，通过AI的机器学习神经网络的算法，对可充电电池的数据信息进行分析及管理。池的数据信息进行分析及管理。池的数据信息进行分析及管理。

【技术实现步骤摘要】
一种基于神经网络的新型电池远程管理系统


[0001]本专利技术涉及电池管理
，具体为一种基于神经网络的新型电池远程管理系统。

技术介绍

[0002]现如今，可充电池种类繁多，而且它的充放电与剩余充放电的使用状态是基于电荷积分来统计的，每节电池的电量在BMS(battery management system)电路系统中实现，且一般情况，可充电电池的是由多个单一的电池组成,通过串并联来实现我们所需要的应用场景，而对于可充电电池的管理，现有技术中成本和系统稳定性差(BMS,比较贵)，有的时候可能需要把电池拆下来，送到专门的机构进行测试与修理，不方便。

技术实现思路

[0003]本专利技术的目的在于提供一种基于神经网络的新型电池远程管理系统，可远程收集管理可充电电池的数据信息，以解决现有的技术缺陷和不能达到的技术要求。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于神经网络的新型电池远程管理系统，包括信息采集模块、电池打标模块及AI数据分析模块，所述信息采集模块将所采集的电池数据信息反馈到系统云端，系统云端对信息进行整理储存，同时系统云端将可充电电池数据信息存入数据库，所述AI数据分析模块利用机器学习神经网络的算法，对数据库中的数据信息进行处理，所述电池打标模块将电池进行分类打标，以实现为AI数据分析模块的机器学习提供学习基准，本申请通过信息采集模块远程采集可充电电池的数据信息，且电池打标模块将可充电电池进行分类打标，数据库将可充电电池的数据信息及分类打标信息进行储存，AI数据分析模块用机器学习神经网络的算法，对数据库中的信息进行处理。
[0005]优选的，所述信息采集模块通过物联网技术进行信息采集，所述信息采集模块包括远程数据采集物联网控制模块，所述远程数据采集物联网控制模块包括控制器及充放电设备，所述信息采集模块主要采集充放电设备的电压、电流及电池信息，本申请对放电设备的性能数据进行收集，以实现全面掌握各个放电设备的数据信息。
[0006]优选的，所述电池打标模块包括MCU及充放电设备电路，所述电池打标模块根据可充电电池的种类及可充电电池放电时段对电池进行分类打标，可把可充电电池分为三元锂电池、磷酸铁锂、铅酸电池、钴酸电池、胶体电池、铝钒电池、镍氢电池等。
[0007]本申请中所述AI数据分析模块利用机器学习CNN神经网络算法，或者所述AI数据分析模块利用机器学习SVM神经网络算法，根据数据库中的可充电电池信息，对可充电电池进行计算分析。
[0008]优选的，所述控制器与充放电设备连接在同一电路，所述控制器采用MCU+FPGA控制器，所述充放电设备包括可充电电池、负载及发电设备。
[0009]优选的，所述MCU接入于充放电设备电路中，所述充放电设备电路中连接有可充电
电池、负载及电源，所述MCU通过对电源及负载的控制进行对电路中电流、电压及功率信息的标记与储存，然后将对可充电电池的分类打标信息存入数据库中。
[0010]本申请中所述AI数据分析模块利用机器学习CNN神经网络算法，或者所述AI数据分析模块利用机器学习SVM神经网络算法，对可充电电池自动使用中的可充电电池性能、种类及寿命进行分析，具体为利用CNN算法对可充电电池自动配比电池种类，计算电池使用状态及可充电电池的剩余充电次数,同时对其他信息进行统计分析。
[0011]优选的，所述控制器中设置有G通讯模块，以实现对电池信息的远程采集。
[0012]优选的，所述MUC除根据可充电电池的种类进行分类打标外，所述MUC还根据电量状态对可充电电池进行不同充电方式的分类打标，所述MUC对可充电电池的充电方式分类打标为预充电、恒流充电、恒压充电、及微充电，本申请根据电池的实时状态对应匹配不同的充电方式。
[0013]优选的，所述信息采集模块能同时对多个可充电电池的数据信息进行收集，以实现对同批可充电电池的数据信息进行回归分析。
[0014]与现有技术相比，本专利技术的有益效果是：本申请使用了物联网的技术，把电池的充放电与具体的应用设备整合在一起，采用信息收集模块对充放电设备的电压/电流/电池，如可充电电池、电源、负载等等，实现数据的采集以及边缘的数据处理，利用物联网的云端数据收集与统计过滤，通过AI的机器学习神经网络的算法，对可充电电池自动配比电池种类，计算电池的使用状态,和剩余充电次数，并对同批电池的数据进行数据的回归分析，本申请具有低成本，高效益的特点，且同时能够更全面的采集信息，更细化的对数据信息进管理，实现远程电池管理。
附图说明
[0015]图1为本专利技术的系统示意图；
[0016]图2为本适应新型中物联网控制模块示意图；
[0017]图3为本专利技术中电池打标原理示意图；
[0018]图中：1、信息采集模块；2、电池打标模块；3、AI数据分析模块；4、数据库；5、远程数据采集物联网控制模块；6、控制器；7可充放电设备；8、MCU；9、充放电设备电路；10、MCU+FPGA控制器；11、可充电电池；12、负载；13、发电设备；14、电源；15、4G通讯模块。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图1
‑
3，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。
[0020]请参阅图1
‑
3，本专利技术实施例
[0021]如图1所示：一种基于神经网络的新型电池远程管理系统，包括信息采集模块1、电池打标模块2及AI数据分析模块3，所述信息采集模块1将所采集的电池数据信息反馈到系统云端，系统云端对信息进行整理储存，同时系统云端将可充电电池11数据信息存入数据库4，所述AI数据分析模块3利用机器学习神经网络的算法，对数据库4中的数据信息进行处
理，所述电池打标模块2将电池进行分类打标，以实现为AI数据分析模块3的机器学习提供学习基准，本申请利用AI数据分析模块3学习精神网络算法对数据信息进行精准、全面的分析及处理。
[0022]如图2所示：所述信息采集模块1通过物联网技术进行信息采集，所述信息采集模块1包括远程数据采集物联网控制模块5，所述远程数据采集物联网控制模块5包括控制器6及充放电设备8，所述信息采集模块1主要采集充放电设备8的电压、电流及电池信息，本申请利用信息采集模块1对冲放电设备进行全面的信息采集，并利用远程数据采集物联网控制模块5将信息远程输送，为后续数据分析及处理提供数据源。
[0023]如图3所示：所述电池打标模块2包括MCU8及充放电设备电路9，所述电池打标模块2根据可充电电池11的种类及可充电电池11放电时段对电池进行分类打标，本申请可把可充电电池11分为三元锂电池、磷酸铁锂、铅酸电池、钴酸电池、胶体电池、铝钒电池、镍氢电池等，利用电池打标模块2对可充电电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的新型电池远程管理系统，其特征在于，包括信息采集模块(1)、电池打标模块(2)及AI数据分析模块(3)，所述信息采集模块(1)将所采集的电池数据信息反馈到系统云端，系统云端对信息进行整理储存，同时系统云端将可充电电池数据信息存入数据库(4)，所述AI数据分析模块(3)利用机器学习神经网络的算法，对数据库(4)中的数据信息进行处理，所述电池打标模块(2)将电池进行分类打标，以实现为AI数据分析模块(3)的机器学习提供学习基准。2.根据权利要求1所述一种基于神经网络的新型电池远程管理系统，其特征在于，所述信息采集模块(1)通过物联网技术进行信息采集，所述信息采集模块(1)包括远程数据采集物联网控制模块(5)，所述远程数据采集物联网控制模块(5)包括控制器(6)及充放电设备(7)，所述信息采集模块(1)主要采集充放电设备(7)的电压、电流及电池信息。3.根据权利要求1所述一种基于神经网络的新型电池远程管理系统，其特征在于，所述电池打标模块(2)包括MCU(8)及充放电设备电路(9)，所述电池打标模块(2)根据可充电电池的种类及可充电电池放电时段对电池进行分类打标。(可把可充电电池分为三元锂电池、磷酸铁锂、铅酸电池、钴酸电池、胶体电池、铝钒电池、镍氢电池) 。4.根据权利要求1所述一种基于神经网络的新型电池远程管理系统，其特征在于，所述AI数据分析模块(3)利用机器学习CNN神经网络算法，根据数据库(4)中的可充电电池信息，对可充电电池进行计算分析；或者所述AI数据分析模块(3)利用机器学习SVM神经网络算法，根据数据库中的可充电电池信息，对可充电电池进行计算分析。5.根据权利要求2所述一种基于神经网络的新型电池远程管理系统，其特征在于，所述控制器(6)与充放电设备(7)连接在同一电路，所述控制器(6)采用MCU+FPGA控制器(10)；所述充放电设备(7)包括可充电电池(11)、负载(12)及发电设备(13)。6.根据权利要求3所述一种基于神经网络的新型电池远程管理系统，其特征...

【专利技术属性】
技术研发人员：董文嘉，王卫灿，陈建斌，
申请(专利权)人：浙江城光联链科技有限公司，
类型：发明
国别省市：