云计算和边缘计算相结合的电动汽车用电池管理系统[发明专利]

(12)发明专利申请

(10)申请公布号 CN 110386027 A(43)申请公布日 2019.10.29

(21)申请号 201910530965.4(22)申请日 2019.06.19

(71)申请人 东北大学

地址 110819 辽宁省沈阳市和平区文化路3

号巷11号(72)发明人 汤宪宇　俞胜平　付俊　康铭鑫　

张泉　(74)专利代理机构 北京中强智尚知识产权代理

有限公司 11448

代理人 黄耀威　李月(51)Int.Cl.

B60L 58/10(2019.01)B60L 3/00(2019.01)B60L 3/04(2006.01)

权利要求书2页 说明书8页 附图4页

CN 110386027 A()发明名称

云计算和边缘计算相结合的电动汽车用电池管理系统(57)摘要

本发明公开了一种云计算和边缘计算相结合的电动汽车用电池管理系统，涉及电池技术领域，主要目的在于保证电动汽车在网络故障时仍

提高电池管理系统的稳定性与安全可正常运行，

性。所述系统包括：电池检测控制系统，用于检测电池的运行状态参数并上传给边缘计算系统；边缘计算系统，用于清洗运行状态参数并上传给云计算系统；云计算系统，用于根据清洗后的运行状态参数，训练云端的电池管理模型，得到更新后的模型参数并回传给边缘计算系统；边缘计算系统，还用于利用更新后的模型参数更新本地的电池管理模型，并根据清洗后的运行状态参数和本地的电池管理模型，计算电池的控制状态参数并回传给电池检测控制系统，以对电池的运行状态进行控制。

CN 110386027 A

权　利　要　求　书

1/2页

1.一种云计算和边缘计算相结合的电动汽车用电池管理系统，其特征在于，包括：设置在电动汽车端的电池检测控制系统、边缘计算系统和设置在云端的云计算系统，

所述电池检测控制系统，用于检测电池的运行状态参数，并将所述运行状态参数上传给所述边缘计算系统；

所述边缘计算系统，用于对所述运行状态参数进行清洗，并将清洗后的运行状态参数上传给所述云计算系统；

所述云计算系统，用于根据清洗后的运行状态参数，训练云端的电池管理模型，得到更新后的模型参数并回传给所述边缘计算系统；

所述边缘计算系统，还用于利用所述更新后的模型参数更新本地的电池管理模型，并根据所述清洗后的运行状态参数和所述更新后的本地电池管理模型，计算所述电池的控制状态参数，并将所述控制状态参数回传给所述电池检测控制系统，以对所述电池的运行状态进行控制。

2.根据权利要求1所述的系统，其特征在于，所述边缘计算系统包含：数据清洗模块、模型执行模块和无线通讯模块，

所述数据清洗模块，用于对所述运行状态参数进行清洗，并将所述清洗后的运行状态参数转发给所述模型执行模块和无线通讯模块；

所述模型执行模块，用于根据所述清洗后的运行状态参数和所述更新后的本地电池管理模型，计算所述电池的控制状态参数，并将所述控制状态参数回传给所述电池检测控制系统；

所述无线通讯模块用于将所述清洗后的运行状态参数调制后，经无线网络上传给所述云计算系统，以及定期接收所述云计算系统回传的模型参数。

3.根据权利要求2所述的系统，其特征在于，所述所述边缘计算系统包含：物理层和应用层，

所述数据清洗模块、所述模型执行模块和所述无线通讯模块分别设置于所述应用层；所述物理层包含嵌入式ARM CPU、嵌入式GPU和无线解析模块，所述嵌入式ARM CPU用于支持所述数据清洗模块进行数据清洗及数据上传，所述嵌入式GPU用于支持所述模型执行模块进行控制状态参数的计算，所述无线解析模块用于对所述无线通讯模块接收或者发送的数据进行调制解调。

4.根据权利要求1所述的系统，其特征在于，所述电池检测控制系统包括：电池检测单元和电池控制单元，

所述电池检测单元，用于检测电池的运行状态参数，所述运行状态参数包括电池单体电压、电池总电压、电池充放电电流、电池温度和电池绝缘电阻；

所述电池控制单元，用于利用所述控制状态参数，对所述电池的运行状态进行控制，所述控制状态参数包括电池剩余容量、电池健康状态、电池剩余功率和电池剩余电量。

5.根据权利要求4所述的系统，其特征在于，所述电池检测单元包括：电池测量单元和高电压单元，

所述电池测量单元包含电池单体电压检测电路、电池温度检测电路；所述高电压单元，包含总电压检测电路、绝缘电阻测量电路、充放电电流检测电路。6.根据权利要求5所述的系统，其特征在于，

2

CN 110386027 A

权　利　要　求　书

2/2页

所述电池测量单元还包含电池均衡电路及第一控制电路，所述第一控制电路用于将所述电池电压检测电路检测的电池单体电压，以及所述电池温度检测电路检测的电池温度转换处理后，上传给所述电池控制单元；

所述电池均衡电路，用于在接收到所述电池控制单元返回的均衡命令后，对所述电池进行均衡放电；

所述高电压单元还包括第二控制电路，所述第二控制电路用于将所述总电压检测电路检测的电池总电压、所述绝缘电阻测量电路检测的绝缘电阻、所述充放电电流检测电路检测的所述充放电电流，转换处理后，上传给所述电池控制单元。

7.根据权利要求4所述的系统，其特征在于，所述电池控制单元包括：通讯电路，用于与所述电池检测单元通讯获取所述运行状态参数，与充电机建立通讯对所述电池进行充电、与所述边缘计算系统通讯，以将所述运行状态参数上传给所述边缘计算系统，以及接收所述控制状态参数；

继电器控制电路、用于控制电池的充电继电器、放电继电器、加热继电器、风扇继电器，以对电池能量状态进行管理；

故障检测及安全保护电路，用于根据所述运行状态信息确定所述电池发生故障时，输出报警信息并在高危险等级情况下断开相对应的继电器，以保证所述电池安全

第三控制电路，用于控制所述通讯电路、所述继电器控制电路以及所述故障检测及安全保护电路执行的工作。

8.根据权利要求1所述的系统，其特征在于，所述云计算系统包括：数据存储中心，用于存储所述边缘计算系统上传的所述运行状态参数；模型训练中心，用于根据所述运行状态参数实时更新训练电池管理模型，并将得到的更新后的模型参数上传给所述边缘计算系统。

3

CN 110386027 A

说　明　书

1/8页

云计算和边缘计算相结合的电动汽车用电池管理系统

技术领域

[0001]本发明涉及电池技术领域，特别是涉及一种云计算和边缘计算相结合的电动汽车用电池管理系统。

背景技术

[0002]电池管理系统作为电动汽车能量管理的核心，通过采集电动汽车内部电池的工作信息，估计电池的运行状态、剩余里程和安全状态等，进而控制电池充放电、电池均衡、电池加热以及管理电池的安全性，采用电池管理系统可以延长电池使用寿命，保障电池的安全运行。

[0003]目前，多数电动汽车用电池管理系统基于电动汽车本地的嵌入式系统进行电池管理，受到嵌入式系统运算资源和运算速度的，电池管理系统一般通过电压估算法、安时积分法、卡尔曼滤波法等线性模型对电池剩余容量、电池安全状态等信息进行估算，但是由于电池充放电过程是一个复杂的化学反应过程，仅采用简单的线性模型进行估算会产生估算精度差、误差累计以及稳定性差等问题。[0004]随着无线通讯技术、云计算、边缘计算和大数据技术的发展，基于云计算、无线通讯技术的电池管理系统成为可能。基于云计算的电池管理系统减轻了电动汽车本地的计算压力，将大量计算工作交由云计算平台进行处理，并将处理后的结果通过无线通讯方式反馈给电动汽车，电动汽车根据平台反馈的信息进行相关电池控制与管理。但是此种方式对通讯质量和通讯延时要求较高，当网络发生故障时会导致相关控制信息缺失，从而导致整个系统无法运行。

发明内容

[0005]有鉴于此，本发明提供一种云计算和边缘计算相结合的电动汽车用电池管理系统，主要目的在于能够保证电动汽车在网络故障的情况下仍可正常运行，提高系统的稳定性与安全性。

[0006]依据本发明一个方面，提供了一种云计算和边缘计算相结合的电动汽车用电池管理系统，包括：

[0007]电池检测控制系统，用于检测电池的运行状态参数，并将所述运行状态参数上传给所述边缘计算系统；[0008]边缘计算系统，用于对所述运行状态参数进行清洗，并将清洗后的运行状态参数上传给所述云计算系统；[0009]云计算系统，用于根据清洗后的运行状态参数，训练云端的电池管理模型，得到更新后的模型参数并回传给所述边缘计算系统；[0010]边缘计算系统，还用于利用所述更新后的模型参数更新本地的电池管理模型，并根据所述清洗后的运行状态参数和所述更新后的本地电池管理模型，计算所述电池的控制状态参数，并将所述控制状态参数回传给所述电池检测控制系统，以对所述电池的运行状

4

CN 110386027 A

说　明　书

2/8页

态进行控制。

[0011]本发明提供一种云计算和边缘计算相结合的电动汽车用电池管理系统，与现有技术将电动汽车采集的数据发送至云计算平台进行处理，并将处理后的结果通过无线通讯方式反馈给电动汽车，电动汽车根据平台反馈的信息进行相关电池控制与管理相比，本发明在电动汽车端设置了电池检测控制系统、边缘计算系统和在云端设置了云计算系统。所述电池检测控制系统，用于检测电池的运行状态参数，并将所述运行状态参数上传给所述边缘计算系统；所述边缘计算系统，用于对所述运行状态参数进行清洗，并将清洗后的运行状态参数上传给所述云计算系统；所述云计算系统，用于根据清洗后的运行状态参数，训练云端的电池管理模型，得到更新后的模型参数并回传给所述边缘计算系统；所述边缘计算系统，还用于利用所述更新后的模型参数更新本地的电池管理模型，并根据所述清洗后的运行状态参数和所述更新后的本地电池管理模型，计算所述电池的控制状态参数，并将所述控制状态参数回传给所述电池检测控制系统，以对所述电池的运行状态进行控制。本发明采用边缘计算方式在在电动汽车端建立了一套不依赖于云计算系统计算结果的运行系统，在网络出现故障的情况下电动汽车端依然可以通过本地的边缘计算系统实时计算电池的控制参数，从而确保电动汽车正常运行，增加电池管理系统的稳定性与安全性。[0012]上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明

[0013]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

[0014]图1示出了本发明实施例提供的一种云计算和边缘计算相结合的电动汽车用电池管理系统结构示意图；

[0015]图2示出了本发明实施例提供的云计算系统-边缘计算系统整体框架示意图。[0016]图3示出了本发明实施例提供的另一种云计算和边缘计算相结合的电动汽车用电池管理系统结构示意图；

[0017]图4示出了本发明实施例提供的电池检测控制系统示意图；[0018]图5示出了本发明实施例提供的边缘计算系统示意图；[0019]图6示出了本发明实施例提供的云计算系统示意图；

[0020]图7示出了本发明实施例提供的深度学习训练模型计算过程示意图。

具体实施方式

[0021]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。[0022]如背景技术所述，目前，多数电动汽车用电池管理系统基于电动汽车本地的嵌入

5

CN 110386027 A

说　明　书

3/8页

式系统进行电池管理，将电池管理所需的计算工作交由云计算平台进行处理，并将处理后的结果通过无线通讯方式反馈给电动汽车，电动汽车根据平台反馈的信息进行相关电池控制与管理。但是此种方式对通讯质量和通讯延时要求较高，当网络发生故障时会导致相关控制信息缺失，从而导致整个系统无法运行。[0023]为了解决上述问题，本发明实施例提供了一种云计算和边缘计算相结合的电动汽车用电池管理系统，如图1所示，所述系统包括：设置在电动汽车端的电池检测控制系统11、边缘计算系统12和设置在云端的云计算系统13。[0024]所述电池检测控制系统11，可以用于检测电池的运行状态参数，并将所述运行状态参数上传给所述边缘计算系统12。

[0025]所述电池检测控制系统11具体可以包括：电池测量单元(Battery Measurement Unit,BMU)、高电压单元(High Voltage Unit,HVU)和电池控制单元(Battery Control Unit,BCU)。

[0026]所述电池检测控制系统11具体可以用于检测电池的运行状态参数，具体可以包括：电池单体电压、电池总电压、电池充放电电流、电池温度、电池绝缘电阻等。

[0027]所述电池检测控制系统11具体还可以用于将所述运行状态参数通过控制器局域网(Controller Area Network，CAN)的通讯方式上传给边缘计算系统12。[0028]所述边缘计算系统12具体可以包括物理层和应用层两层结构。

[0029]所述边缘计算系统12可以用于对所述运行状态参数进行数据清洗，并将清洗后的运行状态参数上传给所述云计算系统13。

[0030]所述边缘计算系统12还可以用于利用所述更新后的模型参数更新本地的电池管理模型，并根据所述清洗后的运行状态参数和所述更新后的本地电池管理模型，计算所述电池的控制状态参数，并将所述控制状态参数回传给所述电池检测控制系统11，以对所述电池的运行状态进行控制。

[0031]所述边缘计算系统12具体还可以用于在电动汽车端保存可以用于计算电池控制状态参数的电池管理模型。[0032]需要说明的是，所述边缘计算系统12和所述云计算系统13中的电池管理模型具有初始模型参数，所述初始模型参数为所述电池管理系统生产时由人工设定的，所述边缘计算系统12根据所述初始模型参数和所述运行状态参数计算可以得到所述控制状态参数，但是，此时所述控制状态参数的精度较低，随着所述云端不断接收所述边缘计算系统12发送的运行状态参数，所述云端可以利用所述运行状态参数对所述电池管理模型进行训练更新，得到精度更高的模型参数。再将所述精度更高的模型参数发送至所述边缘计算系统12，从而可以计算得到精度更高的所述控制状态参数。

[0033]所述云计算系统13可以包括数据存储中心和模型训练中心。[0034]所述云计算系统13具体可以用于根据清洗后的运行状态参数，更新云端的电池管理模型，得到更新后的模型参数并回传给所述边缘计算系统，如图2所示。[0035]进一步地，本发明实施例提供了另一种云计算和边缘计算相结合的电动汽车用电池管理系统，如图3所示，所述系统包括：电池检测控制系统21、边缘计算系统22、云计算系统23：

[0036]所述电池检测控制系统21包括：电池检测单元211和电池控制单元212，如图4所

6

CN 110386027 A

说　明　书

4/8页

示，提供了电池检测控制系统示意图。[0037]所述电池检测单元211，可以用于检测电池的运行状态参数。所述运行状态参数包括电池单体电压、电池总电压、电池充放电电流、电池温度和电池绝缘电阻。[0038]需要说明的是，所述电池的单体电压及所述电池温度与所述控制状态参数之间存在的逻辑关系可以为：以所述单体电压及所述电池温度与所述控制状态参数SOC之间的逻辑关系为例，所述单体电压可以是所述SOC的外在体现，若所述SOC增加则所述电池的单体电压也升高。同样地，电池温度和电池的充放电状态也会影响所述SOC的数值，例如温度升高时所述SOC增加，温度降低时所述SOC也降低；所述电池处于充电状态时所述SOC增加，所述电池处于放电状态时所述SOC降低。[0039]所述电池检测单元211可以包括：电池测量单元2111和高电压单元2112。[0040]所述电池测量单元2111可以包含电池单体电压检测电路21111、电池温度检测电路21112。

[0041]所述电池单体电压检测电路21111，具体可以用于通过通用电池检测芯片采集电池的单体电压。

[0042]所述电池温度检测电路21112，具体可以用于通过热敏电阻采集电池温度。[0043]所述高电压单元2112，包含总电压检测电路21121、绝缘电阻测量电路21122、充放电电流检测电路21123。

[0044]所述总电压检测电路21121，具体可以用于通过电阻分压加绝缘运放的方式采集电池总电压。

[0045]所述绝缘电阻测量电路21122，具体可以用于通过双高压绝缘MOS开关的方式采集电池总正、电池总负与汽车地之间的绝缘阻抗。[0046]所述充放电电流检测电路21123，具体可以用于通过双量程霍尔传感器采集电池的充放电电流，并在考虑电流量程的情况下保证电流的检测精度。

[0047]所述电池测量单元还可以包含电池均衡电路21113及第一控制电路21114。[0048]所述电池均衡电路21113，具体可以用于在接收到所述电池控制单元212返回的均衡命令后，对所述电池进行均衡放电。[0049]所述第一控制电路21114，具体可以用于将所述电池单体电压，以及所述电池温度转换处理后，上传给所述电池控制单元212。其中，所述转换处理的方式可以为：通讯协议解析或者模数转换(Analog-to-Digital Convert，AD转换)，所述通讯协议具体可以包括：SPI通讯协议、IIC通讯协议等。

[0050]所述高电压单元2112还包括第二控制电路21124，所述第二控制电路21124可以用于将所述电池总电压、所述绝缘电阻和所述充放电电流转换处理后，上传给所述电池控制单元212。

[0051]所述电池控制单元212，具体可以用于利用所述控制状态参数，对所述电池的运行状态进行控制，所述控制状态参数包括电池剩余容量、电池健康状态、电池剩余功率、电池剩余电量等。

[0052]所述电池控制单元212，具体还可以用于在电池剩余电量不足的情况下通过电池管理界面提前对电动汽车用户进行提示，并根据用户通过电池管理界面输入的里程及所述控制状态参数进行路径规划。当电池电压过低时，所述电池控制单元212还可以用于关闭电

7

CN 110386027 A

说　明　书

5/8页

动汽车内部分辅助设备以节省电量。[0053]所述电池控制单元212包括：通讯电路2121、继电器控制电路2122、故障检测及安全保护电路2123和第三控制电路2124。[00]所述通讯电路2121，具体可以用于与所述电池检测单元211通讯获取所述运行状态参数，与充电机建立通讯对所述电池进行充电、与所述边缘计算系统22通讯，以将所述运行状态参数上传给所述边缘计算系统22，以及接收所述控制状态参数。[0055]所述继电器控制电路2122，具体可以用于控制电池的充电继电器、放电继电器、加热继电器、风扇继电器，以对电池能量状态进行管理。[0056]所述故障检测及安全保护电路2123，具体可以用于根据所述运行状态信息确定所述电池发生故障时，输出报警信息并在高危险等级情况下断开相对应的继电器，以保证所述电池安全；

[0057]所述第三控制电路2124，具体可以用于控制所述通讯电路2121、所述继电器控制电路2122以及所述故障检测及安全保护电路2123执行的工作。[0058]所述边缘计算系统22包含：物理层221和应用层222。如图5所示，提供了边缘计算系统示意图。

[0059]所述数据清洗模块2221、所述模型执行模块2222、和所述无线通讯模块2223分别设置于所述应用层。

[0060]所述数据清洗模块221，具体可以用于对所述运行状态参数进行清洗，并将所述清洗后的运行状态参数转发给所述模型执行模块222和所述无线通讯模块223；[0061]所述数据清洗模块221，具体还可以用于将电池检测控制系统21发送的电池数据进行去重、纠错、去噪等数据清洗处理后，将所述清洗后的数据转发至所述无线通讯模块222和所述模型执行模块223。

[0062]所述模型执行模块222具体可以用于利用更新后的模型参数更新本地的电池管理模型。

[0063]所述模型执行模块222具体还可以用于电动汽车端本地存储的电池管理模型的执行，即根据清洗后的实时运行状态参数对电池的控制状态参数进行计算。所述电池状态参数具体可以包括：电池剩余容量(State of charge，SOC)、电池健康状态(State of Health，SOH)、电池剩余功率(State of Power，SOP)、电池剩余电量(State of Energy，SOE)等。

[00]所述无线通讯模块223具体可以用于定期接收云计算系统23更新后的模型参数。[0065]所述无线通讯模块223具体还可以用于当所述模型执行模块222计算得到所述控制状态参数后，通过CAN将所述控制状态参数发送至所述电池检测控制系统21。

[0066]所述无线通讯模块223具体可以用于将所述清洗后的运行状态参数调制后，经无线网络上传给所述云计算系统23，以及定期通过wifi、4G传输等通讯方式接收所述云计算系统23回传的模型参数。

[0067]所述物理层221包含嵌入式ARM CPU2211、嵌入式GPU2212和无线解析模块2213。[0068]所述嵌入式ARM CPU2211，具体可以用于支持所述数据清洗模块2221进行数据清洗以及数据的接收与发送。

[0069]所述嵌入式GPU2212具体可以用于支持所述模型执行模块2222进行控制状态参数

8

CN 110386027 A

说　明　书

6/8页

的计算。

[0070]所述无线解析模块2213具体可以用于对所述无线通讯模块2223接收或者发送的数据进行调制解调。[0071]所述嵌入式ARM CPU2211逻辑分支处理能力强，具体可以用于对系统执行、通讯和人机交互等进行控制。其中，所述系统执行控制，可以包括控制整个边缘计算系统22的运行流程，例如数据的获取、清洗处理、转发控制，模型运行控制等；所述通讯控制，可以包括从电池检测控制系统21获取数据，并将处理后的数据发送给所述无线解析模块2213；所述人机交互控制过程具体可以包括：电动汽车端的用户可以通过电池管理界面查看电池运行参数信息和控制参数信息，并通过所述电池管理界面发出指令对所述电池管理系统进行控制。

[0072]所述嵌入式GPU2212并行计算能力强，具体可以用于根据运行状态参数和所述本地的电池管理模型，计算所述电池的控制状态参数。[0073]所述云计算系统23可以包括：数据存储中心231和模型训练中心232，如图6所示，提供了云计算系统的示意图。[0074]所述数据存储中心231，可以用于存储所述边缘计算系统22上传的所述运行状态参数。

[0075]所述模型训练中心232可以用于根据所述运行状态参数实时更新训练电池管理模型，并将得到的更新后的模型参数上传给所述边缘计算系统22。

[0076]所述模型训练中心232具体还可以用于训练更新云端的电池管理模型。例如，如图7所示，使用深度学习的计算方式进行模型的训练更新，深度学习网络输入层为电池的单体电压Vi,k、和电池总电压Vtotal,k、充放电电流Tk和循环次数Ncycle,中间层采用深度置信网络DBN方式(分为RBM层和BP层)对网络，根据云计算系统回传的每个节点的参数信息，计算出最终的输出层SOC和SOH的结果值。所述深度信念网络(Deep Belief Network，DBN)训练方式，采用多层受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)和一层有监督网络(Back Propagation，BP)，相邻的两隐藏层构成一个RBM。DBN的训练过程为：设定网络层数、隐含层单元数等参数，随机初始化整个DBN网络参数；将训练样本数据到第一个RBM，采用深度学习算法(Contrastive Divergence，CD算法)对RBM进行训练，保存网络参数；将下一层RBM的隐含层输出作为输入数据训练下一个RBM，直到所有的RBM训练完毕，通过无监督的预训练，可获得整个DBN网络参数；利用最后一层的BP网络进行有监督的训练，并反向调整各层的RBM，获得调整后的DBN网络参数。在DBN网络的训练过程中，RBM的训练时核心，通过RBM的逐层训练，实现DBN网络参数的初始化，这些网络参数虽然不是最优参数，但是他们往往落在最优值附近，可有效避免BP算法在训练分类器时由于随机初始化网络参数而导致落入局部最优解或者训练时间过长的问题。

[0077]所述模型训练中心232可以用于根据所述数据存储中心231存储的所述运行状态参数，对云端存储的电池管理模型，如数据挖掘、深度学习、神经网络等各种机器学习模型进行训练更新，从而得到更加精确的模型参数。其中，所述模型参数可以为所述模型训练中心232根据所述运行状态参数实时更新训练电池管理模型得到的结果，以深度学习方式为例：所述模型参数可以为所述深度学习过程中每个节点的w值(权重值)和b值(偏移值)，通常所述模型参数以矩阵的形式回传至所述边缘计算系统22，即所述云计算系统23向所述边

9

CN 110386027 A

说　明　书

7/8页

缘计算系统22发送模型参数，所述模型参数的形式包括w矩阵和b矩阵。[0078]通过本发明的技术方案，能够保证电动汽车在网络故障的情况下仍可正常运行。同时，利用云端的计算能力和先进的机器学习算法对电池管理模型进行训练更新，以便于获得精确度高、误差小、稳定性高的电池管理模型，提高电池管理系统的稳定性与安全性[0079]在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。[0080]可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。[0081]所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。[0082]在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

[0083]在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。[0084]类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

[0085]本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

[0086]此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

[0087]本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用

10

CN 110386027 A

说　明　书

8/8页

微处理器或者数字信号处理器(DSP)来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

[0088]应该注意的是上述实施例对本发明进行说明而不是对本发明进行，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

11

CN 110386027 A

说　明　书　附　图

1/4页

图1

图2

12

CN 110386027 A

说　明　书　附　图

2/4页

图3

13

CN 110386027 A

说　明　书　附　图

3/4页

图4

图5

14

CN 110386027 A

说　明　书　附　图

4/4页

图6

图7

15