成果介绍
电池老化会带来安全和SOX预估不准问题,目前的趋势是搭建云端BMS。现有的云端BMS通常需要高频率、高质量的电池数据,技术实现要求高,存储、计算成本高,应用受限。本项目设计云-边协同BMS,仅低频采集数据下,降低通信和存储成本,实现全生命周期内对电池安全监控、SOX准确预估,且稳定性更好。
成果亮点
1、边端的时效性、云端智能和回溯特性相结合,保证电池全生命周期的SOX准确预估和安全监控。2、协同机制下,建立主动安全机制,对pack、电芯实现“周-时-分-秒”的多时间尺度的电池异常检测。3、云端和边端BMS既交互又独立,不需要边端向云端上传高频、实时数据,降低云-边之间的通信难度和成本,以及云端存储资源。
团队介绍
安徽工程大学是一所以工为主的省属多科性高等院校和安徽省重点建设院校,学校办学始于1935年安徽私立内思高级职业学校,历经芜湖电机制造学校、芜湖机械学校、安徽机电学院、安徽工程科技学院等办学阶段,2010年更名为安徽工程大学。学校设有17个二级学院和继续教育学院,60余个本科招生专业。作为省级博士立项建设单位,学校有17个一级学科硕士学位授权点,11个硕士专业学位授权类别。
成果资料