伴隨近年來新型儲能技術的高質量規模化發展，儲能電站作為新能源領域的重要載體， 旨在配合逐步邁進智能電網時代，滿足電力系統能源結構與分布的創新升級，給予相應規模 電池管理系統的設計與實現以新的挑戰。同時，電子系統的端云協同設計概念已經十分成熟， 面對儲能電站高度安全穩定的長期運行需求，邊緣端與云端的功能架構劃分需進一步完善， 于邊緣端實現高性能運算成為儲能電站電池管理系統(Battery Management System, BMS)設計 的創新性嵌入式解決方案。?
本文針對儲能電站BMS中電池簇管理單元(Battery Cluster Management Unit, BCMU)展 開研究，詳細描述了設計并實現BCMU系統的研發工作內容，重點介紹了邊緣計算系統中硬 件、軟件與算法的交互適配關系，通過理論研究與實物測試結合的方式證明了系統的實用性 能優勢。?
（1）通過總結電池管理系統研究發展現狀，分析儲能電站總體需求與BMS主要功能， 提出了儲能電站管理系統結構方案，聚焦于以AI芯片模組為核心設計BCMU系統及其智能 管理應用，著重探討了系統硬件電路設計、軟件開發方案、基于神經網絡實現深度學習預測 荷電狀態(State of Charge, SOC)三個方面的研發工作。?
（2）針對BCMU邊緣計算管理系統設計，提出基于AI芯片模組設計硬件系統，并劃分 為AI核心系統與安全監測系統，配合Linux操作環境與邏輯軟件設計開發，實現了電池簇電 壓、母線電流與絕緣電阻參數的采樣功能，多種類高速數據通信功能，以及深度學習SOC參 數預測功能。重要地，本文創新性提出應用稀疏Transformer-LSTM嵌入神經網絡模型，部署 于AI芯片模組集成神經網絡處理單元(Neural-Network Processing Unit, NPU)以輕量化加速神 經網絡運算，降低大數據驅動融合網絡運算資源消耗，提升嵌入式系統邊緣計算效率。?
（3）面向系統設計實現功能進行實驗測試，針對安全監測系統參數采樣功能，實驗證實 在千伏儲能電站電池簇實際應用中電壓電流采樣誤差約為1% F.S，在本文設定絕緣電阻告警 閾值附近相對采樣誤差約為1.5%，在故障閾值附近約為0.5%；針對AI核心系統邊緣端深度 學習預測SOC參數，設計實驗分別從神經網絡模型方案與嵌入式邊緣計算方案兩個角度重點 分析了BCMU基于融合神經網絡嵌入式系統運算的精度、誤差與資源消耗，每個時間戳小于 等于9ms的平均運算時間與較低的MAE與RMSE指標在一定程度上體現了系統性能優勢， 實現了數據驅動深度學習SOC預測向邊緣計算轉移，推動人工智能電池管理技術的大數據化 發展，符合儲能電站管理技術優化趨勢。

系統總體方案設計?
針對儲能電站龐大且復雜的電池系統構架，需設計電站總體管理系統結構并按層次推進， 明確各層次系統需求與功能，保障電站安全穩定運行，著重攻克邊緣端AI應用設計難點。 本章作為后續章節中儲能電站總體管理系統內部電池簇管理單元即BCMU完整設計的前期 準備工作，從功能需求與方案可行性出發，首先提出了儲能電站總體管理系統結構方案，針 對電池簇邊緣端智能管理目標，聚焦于以AI芯片模組為核心的系統整體在BCMU邊緣端的 AI應用，以及基于神經網絡實現深度學習SOC參數估計的工作重心，著重探討了硬件、軟 件和算法于邊緣計算系統中的交互適配，提出了設計方案與簡要設計過程。?
2.1 總體需求分析?
在電池管理系統領域中，儲能電站由于相比于動力電池組等其他小型儲能系統，具備較 高的安全穩定需求，較長的待機運行時間，特殊的高峰低谷用電策略以及電網端輔助建設等 特性，涉及電站總體管理系統需求較為復雜，需要根據不同種類需求完成相應的系統功能分 析，故本文總結儲能電站需求、電站總體管理系統需求與相應功能描述，如表2.1所示。

2.3 基于AI芯片模組的系統設計?
本文目的在于探索儲能電站總體管理系統結構方案中BCMU邊緣端AI應用，具體來講， 需要以AI芯片模組為核心設計系統，實現對于儲能電站電池簇的安全檢測監控，并且基于 神經網絡完成深度學習算法部署。智能管理系統需要充分發揮硬件系統低功耗高性能特性， 為復雜軟件算法提供強大的并行計算和神經網絡加速能力；實現高度系統集成化，整合多核 處理器、多種類接口與通信模塊外設，簡化硬件結構連接和系統構架；需具備可擴展性，支 持多種通信協議和接口，便于與其他系統交互通信，發揮其靈活性和可操作性。?
本節將首先介紹AI芯片模組選型，隨后描述了BCMU系統的硬件與軟件方案設計內容， 以說明以AI芯片模組為核心的BCMU系統融合了上文中提到的針對儲能電站的智能管理技 術優勢，最終實現搭建總體系統結構方案中BCMU邊緣計算智能管理系統。 ?2.3.1 AI芯片模組介紹與選型?
AI芯片模組在邊緣計算場景中涵蓋了實時監測控制、故障診斷與維護、數據分析與決策 支持等功能，能夠將計算、存儲與數據處理等功能集成于靠近數據源的邊緣設備上進行，以 實現更加快速精準地處理與響應，降低系統運行的工作延遲，提高整體性能和效率。在儲能 電站BCMU應用中，AI芯片模組將會成為深度學習計算平臺，部署神經網絡模型，以實現 實時精準預測電池SOC參數。AI芯片模組RK3588封裝實物如圖2.2所示。?

AI芯片模組RK3588內部集成ARM架構八核64位中央處理器(Central Processing Unit, ?CPU)，大小核結構分別為四核Cortex-A76與四核Cortex-A55以及單獨擴展結構NEON協處 理器。重要地，芯片內部集成嵌入神經網絡處理單元(Neural-Network Processing Unit, NPU)， 針對神經網絡模型包含矩陣乘法、卷積操作與激活函數等運算，及其大規模并行計算需求， NPU擁有性能高度優化的精簡指令集以及定制化的集成電路硬件加速運算設計，支持int16、 FP16與TF32等數據類型的混合運算。NPU單核架構如圖2.3所示。?

2.3.2 系統硬件電路設計?
針對儲能電站總體管理系統結構方案中BCMU邊緣端AI應用，根據上文中系統的需求 分析以及詳細功能描述，BCMU硬件系統需要AI芯片模組適配硬件系統以實現處理器運算 存儲操作，配置外部接口電路以實現數據通信交互，并且需要負責實時監測高壓電池簇端總 電壓、充放電母線電流以及絕緣電阻數據，設置數據收發系統實現上下層管理系統交互通信。 故設計BCMU硬件系統主要分為兩個組成部分，分別為以AI芯片模組為核心的硬件系統與 安全監測硬件系統，整體BCMU硬件系統框圖如圖2.4所示。?

AI芯片模組核心硬件系統，于BCMU硬件系統組成中負責邊緣端AI應用參數預測估計 與高速數據通信交互。其以AI芯片模組RK3588為主處理器芯片，集成多核CPU管理運算、 通信與顯示等多種類任務進程，集成NPU執行加速神經網絡模型運算以深度學習實現SOC 參數預測估計。電源管理模塊用于設置多核處理器與外設上下電時序與電壓標準，通過電源 管理芯片PMIC保持輸入電壓電流穩定，控制硬件系統功耗。外部存儲應用DDR存儲顆粒 與eMMC快閃存儲器保存程序代碼與啟動管理。外部接口啟動USB與以太網等通信方式， 用于數據傳輸的接口電路模塊需要在系統進行SOC參數預測時不斷更新原始數據，并且將估 計結果傳輸至儲能電站管理系統各層次。HDMI顯示模塊連接顯示屏幕用于系統操作與編程 顯示功能實現。?
安全監測系統，于BCMU硬件系統組成中負責保障電池簇安全穩定運行。以意法半導體 STMicroelectronics公司MCU型號STM32G473作為主處理器芯片。應用其內部集成FDCAN 控制器，支持數據段通信可變速率傳輸，以實現電站管理系統不同層次間的快速數據通信， 應用集成串行接口UART協議供給系統調試通信應用，應用GPIO輸出高低電平，場效應管 實現電平轉換以控制接觸器通斷，系統需要與通信模塊交互配合實現運行狀態下的通信接收充放電信息并且穩定控制接觸器，以及緊急狀況下強制斷開接觸器等操作。系統硬件外設模 塊包含FDCAN通信模塊，電壓電流傳感器模塊與絕緣電阻檢測模塊，FDCAN協議通信需 要通過收發器將控制器傳輸的總線物理層信號與總線差分電平進行轉換，以配置電平邏輯； 傳感器模塊通過電壓與電流霍爾傳感器，配合MCU集成ADC完成電池簇總電壓與充放電母 線電流數據采集；絕緣電阻檢測模塊需得到電池簇總電壓數據，設計添加電阻支路分壓得到 電池簇正負極對于零電位外殼的相對電阻值，過低時易造成短路需要及時告警。 ?2.3.3 系統軟件方案設計?
針對儲能電站總體管理系統結構方案中BCMU邊緣端AI應用，根據上文中描述的硬件 系統為基礎進行系統軟件方案設計，包含AI芯片模組核心系統的控制、通信與運算，以及 安全監測與告警邏輯等軟件程序，系統軟件方案框圖如圖2.5所示。

AI芯片模組核心系統，設計使用Linux操作系統以實現配置嵌入式系統管理(Embedded ?System Management, ESM)，通過調用設備驅動程序中實現IO通道管理的IOCTL函數，映射 自定義內核驅動程序，創建接口以訪問ESM。軟件環境開發需根據原廠系統鏡像完成相應功 能的節點裁剪，得到符合系統模塊的設備樹，本文設計保留DDR與eMMC存儲節點、HDMI 顯示節點、USB與以太網傳輸節點等。重要地，以AI芯片模組內嵌NPU加速神經網絡深度 運算為基礎，需要不斷調整超參數以完成神經網絡訓練步驟，得到符合儲能電站電池特性的 網絡模型，利用模型轉換軟件于BCMU邊緣端部署模型，在系統暫存電壓、電流、溫度與內 阻等電池單體參數后傳輸至NPU，通過其部署模型深度學習預測SOC參數。?
安全監測系統，設計配置獨立看門狗IWDG，根據低速時鐘源頻率設置計數器溢出時間， 通過配置相關寄存器完成系統死機重啟處理器復位，避免系統因為程序卡死而停止數據采集 與緊急危險控制操作，因而失去安全保護功能。充放電通斷控制需要系統接收通信模塊下發 充放電開始或結束指令，通過配置GPIO輸出高低電平控制接觸器通斷，同時系統寫入軟件邏輯，當接收錯誤或危險告警與系統判斷參數異常危險時，強制執行斷開充放電母線接觸器。 傳感器模塊以及絕緣電阻檢測模塊需要芯片內置ADC與DMA控制器參與，配置ADC特定 通道，確定精度、分辨率與不同采樣模式，應用DMA控制直接讀取處理器內存，達到實時 參數采集的目的。通信模塊應用芯片串口UART與FDCAN協議，串口通信用于上位機燒錄 程序與調試功能等，FDCAN協議中的不同數據類型需要手動編碼，完成BCMU與儲能電站 管理系統不同層次系統間的數據傳輸與命令收發。