一种基于时序预测及智能规划的BMS主动超前均衡方法及系统与流程

本技术属于储能，具体涉及一种基于时序预测及智能规划的bms主动超前均衡方法及系统。

背景技术：

1、随着锂电池应用场景不断向高倍率、大容量方向发展，其电池组的一致性问题愈发凸显。即使同一批次生产的电芯，在容量、电压、内阻等参数上也存在细微差异，而在长期使用过程中，这些细微差异会被逐渐放大，引发木桶效应，最终导致电池组实际可用容量远低于单体电芯的理论容量，充放电效率大幅下降，严重制约锂电池的能量利用率。

2、为解决电芯一致性问题，现有技术主要采用被动均衡和主动均衡两种方案。被动均衡方案多通过电阻耗能的形式，将电压偏高电芯的多余能量以热能形式耗散，该方案结构简单、成本低廉，但存在明显缺陷：能量浪费严重，所有多余能量均转化为热量散失，不仅降低了电池系统的能量利用率，还增加了散热系统的负担；均衡速度受限于电阻功率，无法实现快速均衡；仅能在充电末期对电压偏高的电芯进行放电均衡，无法在放电过程中实现能量调节，也无法对性能衰减的电芯进行能量补偿，难以从根本上解决电池组的一致性问题。

3、主动均衡方案则通过电感、电容、变压器或开关阵列等储能元件，将高能量电芯的能量转移给低能量电芯，实现能量的再分配，理论上能量利用率更高。然而，目前多数主动均衡系统仍存在以下不足：均衡控制策略滞后，仅依据当前的单体电压、荷电状态（soc）、健康状态（soh）等电芯状态参数，按照设定的阈值进行机械式响应，不考虑电芯未来的状态变化趋势，属于事后补救式均衡，无法在电芯差异放大之前进行干预，导致均衡效果不佳；缺乏全局规划能力，均衡过程往往局限于局部电芯之间，需经过一个或几个电芯过渡才能完成能量转移，不仅增加了中间损耗，也很难实现整个电池包或电池簇之间的均衡，无法最大化电池系统的整体可用容量；现有技术中采用的长短期记忆网络lstm预测模型，虽然能够处理时序数据，但对于长序列数据的长距离依赖关系捕捉能力不足，预测精度有限。

4、因此，亟需开发一种能够提前预测电芯状态变化、具备全局智能规划能力、均衡效率高的bms主动超前均衡系统及方法，以解决现有技术中存在的上述问题。

技术实现思路

1、本发明的目的在于，提供一种基于时序预测及智能规划的bms主动超前均衡方法及系统，解决现有主动均衡技术中均衡控制滞后、缺乏全局规划、均衡效率低、预测精度不足的问题，实现电芯状态的超前预测和电池系统的全局最优均衡，有效抑制电芯差异的放大，提高电池组的整体一致性和能量利用率。

2、第一方面，本技术实施例提供一种基于时序预测及智能规划的bms主动超前均衡方法，该方法包括：

3、s1.采集电池系统中各电芯单体的历史运行数据，包括电压、soc、soh、温度和充放电电流，对所述历史运行数据进行去噪、归一化预处理；

4、s2.将预处理后的历史运行数据输入至时序预测模型，对各电芯单体未来预设时间后的运行状态进行预测，得到各电芯单体的状态预测值，包括电压预测值、soc预测值和soh预测值；

5、s3.根据状态预测值和各电芯单体的当前运行状态，对电芯单体进行故障诊断与异常预警，隔离异常电芯单体；

6、s4.对所有正常电芯单体按电压预测值进行降序排序，将前20%划分为高压组，后20%划分为低压组，中间60%划分为正常组；

7、s5.分别计算三组的平均电压，得到高压组平均电压、正常组平均电压和低压组平均电压，计算高压组平均电压与正常组平均电压的差值，记为第一差值，正常组平均电压与低压组平均电压的差值，记为第二差值；

8、s6.若第一差值或第二差值大于预设均衡阈值，则启动全局均衡流程，以最大化电池系统总可用容量为优化目标，结合回路距离最小化和总均衡功率最大化约束进行全局均衡路径规划，生成均衡执行指令；

9、s7.根据所述均衡执行指令，控制均衡执行模块完成高压组电芯单体向低压组电芯单体的能量转移；

10、s8.对连续m次以上被划分至低压组的电芯单体进行异常标记，对其执行提高均衡电压阈值上限和实际电压折算的差异化均衡策略。

11、进一步地，步骤s2中，所述时序预测模型为双向长短期记忆网络结合多头自注意力机制bilstm-multiheadattention模型，其构建与训练过程具体包括：

12、s21.构建bilstm-multiheadattention模型，所述模型依次包括输入层、双向lstm层、多头自注意力层、全连接层和输出层；

13、s22.将预处理后的历史运行数据按时间顺序划分为训练集、验证集和测试集，并采用滑动窗口法生成训练样本；

14、s23.使用训练集对所述bilstm-multiheadattention 模型进行训练，采用均方误差mse作为损失函数，采用adam优化器进行参数更新；

15、s24.使用验证集对训练后的模型进行验证，监控验证集损失函数值的变化，当达到停止训练的条件时，停止训练并保存最优模型参数；

16、s25.使用测试集对保存的最优模型进行测试，当测试集的电压预测平均绝对误差小于预设电压值、soc预测平均绝对误差小于第一预设百分比、soh预测平均绝对误差小于第二预设百分比时，判定模型训练完成。

17、进一步地，步骤s3的具体步骤包括：

18、s31.实时获取各电芯单体的电压预测值、soc预测值、soh预测值，以及采集的当前电压、当前soc、当前soh和当前充放电状态；

19、s32.若某电芯单体的电压预测值在充电状态下高于预设充电电压上限vh，或在放电状态下低于预设放电电压下限vl，则判定该电芯单体为严重异常电芯，立即生成断开该电芯单体所在电池簇的指令，并将该电芯单体的位置信息和异常类型记录至系统日志；

20、s33.计算某电芯单体的当前电压与上一时刻的电压预测值之间的偏差率，偏差率计算公式为：

21、偏差率=|当前电压-上一时刻电压预测值|/上一时刻电压预测值×100%

22、若所述偏差率超过预设偏差阈值的20%，则判定该电芯单体为电压异常电芯，立即生成一级告警指令，并记录其位置信息和偏差率数值；

23、s34.若某电芯单体的soc预测值超出预设soc正常范围，或soh预测值低于预设soh下限，或当前soc与上一时刻的soc预测值偏差超过5%，或当前soh与上一时刻的soh预测值偏差超过2%，则判定该电芯单体为状态异常电芯，立即生成二级告警指令，并记录其位置信息和异常状态参数；

24、s35.根据生成的异常处理指令，控制电池管理系统的主接触器断开对应异常电芯单体所在的电池簇，同时将告警信息和异常电芯位置信息发送至上位机模块进行显示。

25、进一步地，步骤s6中，所述全局均衡路径规划的约束条件包括：

26、c1.均衡过程中，所有参与均衡的高压组电芯单体与低压组电芯单体之间的均衡电流回路总距离最小化，所述均衡电流回路总距离为各均衡电芯对之间的物理距离之和；

27、c2.均衡过程中，所有参与均衡的高压组电芯单体与低压组电芯单体未来1分钟内的总均衡功率最大化，所述总均衡功率为各均衡电芯对的均衡功率之和；

28、c3.均衡过程中，高压组中任意电芯单体的实时电压不得低于低压组的实时平均电压；

29、c4.均衡过程中，低压组中任意电芯单体的实时电压不得高于高压组的实时平均电压。

30、进一步地，步骤s6中，所述全局均衡路径规划的收敛条件包括：

31、当第一差值大于第二差值时，持续执行均衡操作，直至满足以下任一条件：

32、t1.高压组实时平均电压与低压组实时平均电压的差值小于预设收敛阈值d；

33、t2.高压组实时平均电压小于正常组实时平均电压；

34、t3.低压组实时平均电压达到正常组实时平均电压与50%初始第一差值之和；

35、当第一差值小于等于第二差值时，逐步增加高压组的电芯单体数量，每次增加整体正常电芯单体数量的1%，重新计算新的高压组平均电压和第一差值，直至新的第一差值满足：

36、新的第一差值×(1+n×5%)>第二差值

37、其中，n为重新选取高压组的次数，之后按照所述约束条件和收敛条件执行均衡操作。

38、进一步地，步骤s6中，当电池系统包含的电芯单体数量大于1000个时，采用分步均衡法执行均衡流程，具体包括：

39、s61.将整个电池系统的电芯单体按物理位置划分为若干个电芯组，每个电芯组包含固定数量的电芯单体，每簇电池共计m个电芯组，每个电芯组共计k个电芯单体；

40、s62.对每个电芯组内部执行一次均衡流程，根据电芯单体的状态预测值进行组内均衡规划，目标是使组内k个电芯单体的电压偏差在第一接受范围v0±d0内，默认以均衡损耗最小为次要目标，通过上位机切换为以均衡速率最快为次要目标；

41、s63.组内均衡过程中，遵循均衡电流回路总距离最小化和总均衡功率最大化的约束条件，并对组内电压较低的20%电芯单体标记为组内低压电芯，对其实际电压按预设的比例进行折算；若某电芯单体连续3次以上被标记为组内低压电芯，则记录该电芯单体为潜在异常电芯；

42、s64.若某电芯组内潜在异常电芯的数量占比超过10%，则将该电芯组全部标记为潜在异常电芯组，并生成三级告警指令发送至上位机模块；

43、s65.完成所有电芯组的一次均衡后，根据各电芯组的状态预测值计算每个电芯组的可用电量c，以及所有电芯组可用电量的方差f，并按可用电量从高到低的顺序对m个电芯组进行排序；

44、s66.若所述可用电量的方差f大于预设组间均衡阈值fset，则启动二次均衡流程，以电芯组为单位进行组间均衡规划，目标是使m个电芯组的平均电压偏差在第二接受范围vg±dg内，默认以均衡损耗最小为次要目标，通过上位机切换为以均衡速率最快为次要目标；

45、s67.组间均衡过程中，同样遵循均衡电流回路总距离最小化和总均衡功率最大化的约束条件，完成组间能量转移；

46、s68.定期生成异常电芯报告，记录所有潜在异常电芯和潜在异常电芯组的位置信息、运行状态参数和均衡历史数据，提示运维人员进行检查和替换。

47、第二方面，本技术实施例还提供一种基于时序预测及智能规划的bms主动超前均衡方法及系统，该系统包括：

48、数据采集模块，用于采集电池系统中各电芯单体的历史运行数据，包括电压、soc、soh、温度和充放电电流，对所述历史运行数据进行去噪、归一化预处理；

49、时序预测模块，用于将预处理后的历史运行数据输入至时序预测模型，对各电芯单体未来预设时间后的运行状态进行预测，得到各电芯单体的状态预测值，包括电压预测值、soc预测值和soh预测值；

50、故障诊断模块，用于根据状态预测值和各电芯单体的当前运行状态，对电芯单体进行故障诊断与异常预警，隔离异常电芯单体；

51、电芯分组模块，用于对所有正常电芯单体按电压预测值进行降序排序，将前20%划分为高压组，后20%划分为低压组，中间60%划分为正常组；

52、电压计算模块，用于分别计算三组的平均电压，得到高压组平均电压、正常组平均电压和低压组平均电压，计算高压组平均电压与正常组平均电压的差值，记为第一差值，正常组平均电压与低压组平均电压的差值，记为第二差值；

53、均衡决策模块，用于若第一差值或第二差值大于预设均衡阈值，则启动全局均衡流程，以最大化电池系统总可用容量为优化目标，结合回路距离最小化和总均衡功率最大化约束进行全局均衡路径规划，生成均衡执行指令；

54、均衡执行模块，用于根据所述均衡执行指令，控制均衡执行模块完成高压组电芯单体向低压组电芯单体的能量转移；

55、异常电芯管理模块，用于对连续m次以上被划分至低压组的电芯单体进行异常标记，对其执行提高均衡电压阈值上限和实际电压折算的差异化均衡策略。

56、进一步地，所述均衡执行模块包括多个均衡子模块和双向均衡连接线，每个均衡子模块负责5个电芯单体的均衡工作，相邻均衡子模块之间通过一条双向均衡连接线连接；

57、每个均衡子模块具体包括：

58、均衡电路，包括宽输入范围的双向dc-dc变换电路及其控制电路，用于在均衡过程中实现电芯单体之间的能量转移；

59、第一路选路开关电路，包括5路电芯选择开关阵列，一端能够单独选中5个电串联芯中任意一个单体电芯的正与负极；另一端与均衡电路的一端连接，用于连接需要输出能量的高压电芯单体与需要输入能量的低压电芯单体；

60、第二路选路开关电路，包括5路电芯选择开关阵列，一端可单独选中5串联个电芯中任意一个单体电芯的正与负极；另一端与均衡电路的另一端连接，与第一路选路开关电路配和组成完整均衡回路；

61、双向均衡连接线，所述双向均衡连接线为双向开关，所述双向开关的一端与均衡电路的另一端连接，另一端与相邻均衡子模块的双向开关连接，用于实现跨模块之间的能量交互；

62、驱动控制单元，与所述均衡决策模块连接，用于接收均衡决策模块发送的均衡执行指令，根据指令控制第一路选路开关电路、第二路选路开关电路和双向开关的通断状态，实现任意两个电芯单体之间或电芯单体与相邻均衡子模块之间的能量转移。

63、进一步地，所述异常电芯管理模块具体包括：

64、统计单元，用于统计各电芯单体在连续多次均衡过程中被划分至低压组的次数，以及在组内均衡过程中被标记为组内低压电芯的次数；

65、异常标记单元，与所述统计单元连接，用于当某电芯单体被划分至低压组的次数超过3次，或被标记为组内低压电芯的次数超过m次时，将其标记为潜在异常电芯；当某电芯组内潜在异常电芯的数量占比超过10%时，将该电芯组标记为潜在异常电芯组；

66、差异化策略生成单元，与所述异常标记单元连接，用于对标记为潜在异常的电芯单体，生成差异化均衡策略，具体包括：提高该电芯单体的均衡电压阈值上限10mv，在后续均衡过程中对其实际电压按预设比例进行折算，使均衡决策模块在规划时优先对其进行能量补偿；

67、报告生成单元，与所述异常标记单元连接，用于定期生成异常电芯报告，报告内容包括潜在异常电芯和潜在异常电芯组的位置信息、运行状态参数、均衡历史数据和异常等级，报告周期可通过上位机设置为每日、每周或每月。

68、进一步地，所述系统还包括上位机模块；

69、所述上位机模块通过can总线与所述均衡决策模块、故障诊断模块和异常电芯管理模块连接，用于：

70、向均衡决策模块发送均衡任务指令，设置均衡相关参数，包括预设均衡阈值g、预设收敛阈值d、预设偏差阈值、预设充电电压上限vh、预设放电电压下限vl、预设soc正常范围、预设soh下限、组内电压偏差第一接受范围v0±d0、组间电压偏差第二接受范围vg±dg和组间均衡阈值fset；

71、接收故障诊断模块发送的各级告警信息和异常电芯位置信息，在显示屏上进行可视化展示，并通过声光报警装置提醒运维人员；

72、接收异常电芯管理模块发送的异常电芯报告，对报告进行存储、查询和打印管理；

73、对整个电池系统的运行状态和均衡过程进行实时监控，显示各电芯单体的实时电压、soc、soh、温度参数，以及均衡过程中的均衡电流、均衡功率和能量转移量；

74、支持历史数据查询功能，查询任意时间段内的电芯运行数据、均衡历史记录和异常告警记录，并生成对应的趋势分析图表。

75、从以上技术方案可以看出，本发明具有以下优点：

76、本发明针采用bilstm-multiheadattention时序预测模型，可同时提取双向时序特征、捕捉长距离依赖关系，提升电芯电压、soc、soh的预测精度，基于预测结果实现超前均衡，从根源上抑制电芯参数差异的放大；采用全局智能规划策略，以电池系统总可用容量最大化为核心目标，在全电池包/簇范围内匹配最优高低压电芯配对，避免局部均衡的多步能量过渡损耗，同时兼顾均衡回路距离最小化与总功率最大化约束，提升均衡效率与电池组整体一致性；通过分步分层均衡架构，解决大规模电池系统全局规划算力过载问题，在保证均衡效果的前提下大幅降低硬件要求，具备极强的可扩展性，可适配不同容量等级的锂电池系统；通过统计均衡历史数据自动识别潜在衰减电芯，执行差异化能量补偿策略延缓性能劣化，同时对异常电芯占比超标的电池组及时告警，提升系统运行的安全性与可靠性。