"边缘端BMS" 和 "云端电池" 的复合电池管理架构使车辆和云端之间能够有效协同工作。车辆端的BMS主要负责实时收集和短期存储所有数据,而云端电池则专注于长期存储车辆主要参数,从而在短期数据精度和长期数据广度之间取得了平衡,充分发挥了各自的优势。云端更注重长期规划和预测,而车辆端更注重短期分析和执行。
上传到数据后台的电池数据具有丰富的挖掘潜力,云端BMS可以开发各种电池算法,包括但不限于故障诊断、寿命评估、预测、残值评估和充电策略优化等功能,为电池管理和车辆性能提升提供有力支持。
从特斯拉开始,汽车里面就开始导入了边缘计算的一些内容,正式分为了车载计算和云端/离车计算是两种不同的方法,各自拥有一系列优点和局限性。
1)车载计算:计算任务是在车辆内部进行的,优点之一是几乎即时可获得结果,因为处理时间非常短。这些结果可以显示给驾驶员,使其能够更好地了解车辆状况。决策可以立即采取,无论是由驾驶员还是由车辆上的算法来做出。
车载计算也存在一些缺点:处理能力相对较低,不能处理大规模数据。只支持因果处理,只能处理特定事件的结果,而无法进行更深入的分析。
2)离车/云端计算:计算任务被发送到车辆之外的计算资源上进行处理,通常是云计算服务器。
离车计算拥有非常强大的计算能力,可以处理大规模的数据集,并且可以获得专家的输入和支持。
离车计算也有其劣势。不能立即提供结果给驾驶员,因为需要将数据传输到外部服务器进行处理,然后再返回结果。即使使用无线电或移动服务,也可能存在一定的延迟,甚至可能出现服务不可用的问题。其次,为了进行离车计算,需要传输高带宽的数据,这些数据必须存储在车辆内部并在车间读取。
● 云端BMS能做些什么?
SOH Algorithm and Validation( STATE OF HEALTH )
SOH算法的确认和验证
可以电池机理出发,结合多年在电池领域的积累,融合大数据和AI能力,基于云端海量数据,提供电池全生命周期的故障预警和动态管理等服务。
机器学习和基于模型的电动汽车锂离子电池状态健康估计
◎ 所呈现的SOH估算模型是一种半经验模型,充分利用了ECM和神经网络(NN)的优势。
◎ 这种方法的准确性取决于表征方法的准确性、训练数据的数量以及ECM模型的精度。
◎ 这项研究方法可以用于更大的数据集,并可以与其他方法进行比较。
软件系统架构