基于RK3588/RK3576+MCU STM32+AI的储能电站电池簇管理系统设计与实现

伴随近年来新型储能技术的高质量规模化发展，储能电站作为新能源领域的重要载体， 旨在配合逐步迈进智能电网时代，满足电力系统能源结构与分布的创新升级，给予相应规模 电池管理系统的设计与实现以新的挑战。同时，电子系统的端云协同设计概念已经十分成熟， 面对储能电站高度安全稳定的长期运行需求，边缘端与云端的功能架构划分需进一步完善， 于边缘端实现高性能运算成为储能电站电池管理系统(Battery Management System, BMS)设计 的创新性嵌入式解决方案。 
本文针对储能电站BMS中电池簇管理单元(Battery Cluster Management Unit, BCMU)展 开研究，详细描述了设计并实现BCMU系统的研发工作内容，重点介绍了边缘计算系统中硬 件、软件与算法的交互适配关系，通过理论研究与实物测试结合的方式证明了系统的实用性 能优势。 
（1）通过总结电池管理系统研究发展现状，分析储能电站总体需求与BMS主要功能， 提出了储能电站管理系统结构方案，聚焦于以AI芯片模组为核心设计BCMU系统及其智能 管理应用，着重探讨了系统硬件电路设计、软件开发方案、基于神经网络实现深度学习预测 荷电状态(State of Charge, SOC)三个方面的研发工作。 
（2）针对BCMU边缘计算管理系统设计，提出基于AI芯片模组设计硬件系统，并划分 为AI核心系统与安全监测系统，配合Linux操作环境与逻辑软件设计开发，实现了电池簇电 压、母线电流与绝缘电阻参数的采样功能，多种类高速数据通信功能，以及深度学习SOC参 数预测功能。重要地，本文创新性提出应用稀疏Transformer-LSTM嵌入神经网络模型，部署 于AI芯片模组集成神经网络处理单元(Neural-Network Processing Unit, NPU)以轻量化加速神 经网络运算，降低大数据驱动融合网络运算资源消耗，提升嵌入式系统边缘计算效率。 
（3）面向系统设计实现功能进行实验测试，针对安全监测系统参数采样功能，实验证实 在千伏储能电站电池簇实际应用中电压电流采样误差约为1% F.S，在本文设定绝缘电阻告警 阈值附近相对采样误差约为1.5%，在故障阈值附近约为0.5%；针对AI核心系统边缘端深度 学习预测SOC参数，设计实验分别从神经网络模型方案与嵌入式边缘计算方案两个角度重点 分析了BCMU基于融合神经网络嵌入式系统运算的精度、误差与资源消耗，每个时间戳小于 等于9ms的平均运算时间与较低的MAE与RMSE指标在一定程度上体现了系统性能优势， 实现了数据驱动深度学习SOC预测向边缘计算转移，推动人工智能电池管理技术的大数据化 发展，符合储能电站管理技术优化趋势。

系统总体方案设计 
针对储能电站庞大且复杂的电池系统构架，需设计电站总体管理系统结构并按层次推进， 明确各层次系统需求与功能，保障电站安全稳定运行，着重攻克边缘端AI应用设计难点。 本章作为后续章节中储能电站总体管理系统内部电池簇管理单元即BCMU完整设计的前期 准备工作，从功能需求与方案可行性出发，首先提出了储能电站总体管理系统结构方案，针 对电池簇边缘端智能管理目标，聚焦于以AI芯片模组为核心的系统整体在BCMU边缘端的 AI应用，以及基于神经网络实现深度学习SOC参数估计的工作重心，着重探讨了硬件、软 件和算法于边缘计算系统中的交互适配，提出了设计方案与简要设计过程。 
2.1 总体需求分析 
在电池管理系统领域中，储能电站由于相比于动力电池组等其他小型储能系统，具备较 高的安全稳定需求，较长的待机运行时间，特殊的高峰低谷用电策略以及电网端辅助建设等 特性，涉及电站总体管理系统需求较为复杂，需要根据不同种类需求完成相应的系统功能分 析，故本文总结储能电站需求、电站总体管理系统需求与相应功能描述，如表2.1所示。

2.3 基于AI芯片模组的系统设计 
本文目的在于探索储能电站总体管理系统结构方案中BCMU边缘端AI应用，具体来讲， 需要以AI芯片模组为核心设计系统，实现对于储能电站电池簇的安全检测监控，并且基于 神经网络完成深度学习算法部署。智能管理系统需要充分发挥硬件系统低功耗高性能特性， 为复杂软件算法提供强大的并行计算和神经网络加速能力；实现高度系统集成化，整合多核 处理器、多种类接口与通信模块外设，简化硬件结构连接和系统构架；需具备可扩展性，支 持多种通信协议和接口，便于与其他系统交互通信，发挥其灵活性和可操作性。 
本节将首先介绍AI芯片模组选型，随后描述了BCMU系统的硬件与软件方案设计内容， 以说明以AI芯片模组为核心的BCMU系统融合了上文中提到的针对储能电站的智能管理技 术优势，最终实现搭建总体系统结构方案中BCMU边缘计算智能管理系统。  2.3.1 AI芯片模组介绍与选型 
AI芯片模组在边缘计算场景中涵盖了实时监测控制、故障诊断与维护、数据分析与决策 支持等功能，能够将计算、存储与数据处理等功能集成于靠近数据源的边缘设备上进行，以 实现更加快速精准地处理与响应，降低系统运行的工作延迟，提高整体性能和效率。在储能 电站BCMU应用中，AI芯片模组将会成为深度学习计算平台，部署神经网络模型，以实现 实时精准预测电池SOC参数。AI芯片模组RK3588封装实物如图2.2所示。 

AI芯片模组RK3588内部集成ARM架构八核64位中央处理器(Central Processing Unit,  CPU)，大小核结构分别为四核Cortex-A76与四核Cortex-A55以及单独扩展结构NEON协处 理器。重要地，芯片内部集成嵌入神经网络处理单元(Neural-Network Processing Unit, NPU)， 针对神经网络模型包含矩阵乘法、卷积操作与激活函数等运算，及其大规模并行计算需求， NPU拥有性能高度优化的精简指令集以及定制化的集成电路硬件加速运算设计，支持int16、 FP16与TF32等数据类型的混合运算。NPU单核架构如图2.3所示。 

2.3.2 系统硬件电路设计 
针对储能电站总体管理系统结构方案中BCMU边缘端AI应用，根据上文中系统的需求 分析以及详细功能描述，BCMU硬件系统需要AI芯片模组适配硬件系统以实现处理器运算 存储操作，配置外部接口电路以实现数据通信交互，并且需要负责实时监测高压电池簇端总 电压、充放电母线电流以及绝缘电阻数据，设置数据收发系统实现上下层管理系统交互通信。 故设计BCMU硬件系统主要分为两个组成部分，分别为以AI芯片模组为核心的硬件系统与 安全监测硬件系统，整体BCMU硬件系统框图如图2.4所示。 

AI芯片模组核心硬件系统，于BCMU硬件系统组成中负责边缘端AI应用参数预测估计 与高速数据通信交互。其以AI芯片模组RK3588为主处理器芯片，集成多核CPU管理运算、 通信与显示等多种类任务进程，集成NPU执行加速神经网络模型运算以深度学习实现SOC 参数预测估计。电源管理模块用于设置多核处理器与外设上下电时序与电压标准，通过电源 管理芯片PMIC保持输入电压电流稳定，控制硬件系统功耗。外部存储应用DDR存储颗粒 与eMMC快闪存储器保存程序代码与启动管理。外部接口启动USB与以太网等通信方式， 用于数据传输的接口电路模块需要在系统进行SOC参数预测时不断更新原始数据，并且将估 计结果传输至储能电站管理系统各层次。HDMI显示模块连接显示屏幕用于系统操作与编程 显示功能实现。 
安全监测系统，于BCMU硬件系统组成中负责保障电池簇安全稳定运行。以意法半导体 STMicroelectronics公司MCU型号STM32G473作为主处理器芯片。应用其内部集成FDCAN 控制器，支持数据段通信可变速率传输，以实现电站管理系统不同层次间的快速数据通信， 应用集成串行接口UART协议供给系统调试通信应用，应用GPIO输出高低电平，场效应管 实现电平转换以控制接触器通断，系统需要与通信模块交互配合实现运行状态下的通信接收充放电信息并且稳定控制接触器，以及紧急状况下强制断开接触器等操作。系统硬件外设模 块包含FDCAN通信模块，电压电流传感器模块与绝缘电阻检测模块，FDCAN协议通信需 要通过收发器将控制器传输的总线物理层信号与总线差分电平进行转换，以配置电平逻辑； 传感器模块通过电压与电流霍尔传感器，配合MCU集成ADC完成电池簇总电压与充放电母 线电流数据采集；绝缘电阻检测模块需得到电池簇总电压数据，设计添加电阻支路分压得到 电池簇正负极对于零电位外壳的相对电阻值，过低时易造成短路需要及时告警。  2.3.3 系统软件方案设计 
针对储能电站总体管理系统结构方案中BCMU边缘端AI应用，根据上文中描述的硬件 系统为基础进行系统软件方案设计，包含AI芯片模组核心系统的控制、通信与运算，以及 安全监测与告警逻辑等软件程序，系统软件方案框图如图2.5所示。

AI芯片模组核心系统，设计使用Linux操作系统以实现配置嵌入式系统管理(Embedded  System Management, ESM)，通过调用设备驱动程序中实现IO通道管理的IOCTL函数，映射 自定义内核驱动程序，创建接口以访问ESM。软件环境开发需根据原厂系统镜像完成相应功 能的节点裁剪，得到符合系统模块的设备树，本文设计保留DDR与eMMC存储节点、HDMI 显示节点、USB与以太网传输节点等。重要地，以AI芯片模组内嵌NPU加速神经网络深度 运算为基础，需要不断调整超参数以完成神经网络训练步骤，得到符合储能电站电池特性的 网络模型，利用模型转换软件于BCMU边缘端部署模型，在系统暂存电压、电流、温度与内 阻等电池单体参数后传输至NPU，通过其部署模型深度学习预测SOC参数。 
安全监测系统，设计配置独立看门狗IWDG，根据低速时钟源频率设置计数器溢出时间， 通过配置相关寄存器完成系统死机重启处理器复位，避免系统因为程序卡死而停止数据采集 与紧急危险控制操作，因而失去安全保护功能。充放电通断控制需要系统接收通信模块下发 充放电开始或结束指令，通过配置GPIO输出高低电平控制接触器通断，同时系统写入软件逻辑，当接收错误或危险告警与系统判断参数异常危险时，强制执行断开充放电母线接触器。 传感器模块以及绝缘电阻检测模块需要芯片内置ADC与DMA控制器参与，配置ADC特定 通道，确定精度、分辨率与不同采样模式，应用DMA控制直接读取处理器内存，达到实时 参数采集的目的。通信模块应用芯片串口UART与FDCAN协议，串口通信用于上位机烧录 程序与调试功能等，FDCAN协议中的不同数据类型需要手动编码，完成BCMU与储能电站 管理系统不同层次系统间的数据传输与命令收发。