UPS不间断电源

通信系统

电力系统

铁路系统

应急照明系统

自动化控制系统

消防和安全警报系统

太阳能、风能系统

计算机备用电源

便携式仪器、仪表

医疗系统设备

电动车

航海

电动工具

这是采用的一个方案，模块全功率独立电流控制，这不适合大功率的应用。

模块的部分功率独立电流控制，这个电路适合中高压、重复利用。这是MMC电池储能适合高压大功率的方案。

另外关于电池状态分析。我一直讲电池容量不一致，衰退是有随机性，电池老化不一致，容量、内阻降低很厉害，用这个参数进行表征，大家用得比较多一个是容量还有一个内阻。你要想办法维护成一致，你需要对每个电池SOC差异进行评价，怎么样评价这个单体的SOC，然后你才能说这个电池怎么不一致，最大功率能差多少。通过SOC对电池进行维护，单个SOC是怎么来的。现在的做法都是把BMS放在电池系统上，在线实时估计这个SOC，我们想用另外一个办法描述它，我们希望通过运行采样的这些数据到后台来，我们通过后台的数据分析电池的SOC和SOH，在这种基础上对电池进行优化。所以我们希望通过汽车电池数据，称不上大数据，是一个数据平台，通过机器学习和挖掘，扩展SOH的估计模型，基于估计结果给出电池系统全充放电的管理策略。

数据上来之后，还有一个好处，我可以对电池健康状态做一个预警。电池着火的事情还是经常发生，储能系统必须得作为一个安全。我们希望通过后台数据分析做一个建立实时信息和中长期的预警，找到短时间尺度和长时间尺度安全隐患在线的预警方法，最后提高整个系统的安全性和可靠性。

通过这样，我就可以大幅度做到几方面，一个提高系统的能量利用率，第二延长电池寿命，第三保证安全，这个储能系统才能可靠的工作。

到底需要多少数据传上来才能满足我这个要求，我需要找到最小的极满足电池运行状态，这些数据可以支撑后边的分析，数据也不能太大，大量的发数据，实际上对整个网络也很大一个负载。几十个毫秒，你采每一支电池的电压、电流，你传到后台这是不可实现的，我们现在找到了一个办法，我们可以告诉你，应该是多大采样频率，你需要传哪些特征数据，我们把这些数据做一个简单的压缩，就传到网络，电池曲线参数一个毫秒，足以满足电池评估的需要，我们数据记录非常非常少。

最后一个，我们说BMS，储能的成本比电池的成本变得更为重要。你如果把所有的功能都加到BMS，这个BMS成本你是降不下去，我们既然数据可以送上来，后边可以有一个强大的分析平台，我前面就可以简化，前面只有数据采样或者简单保护，做一个非常简单的一个SOC计算，其它数据都由后台发上来，这就是我们现在在做的，整个状态估算和下边BMS的采样，我们经过储能节点控制器，最后传到网络上，储能节点控制器会有一定的算法，下边这个基本就是检测和均衡。最终的运算是在后台网络来运算。这是整个系统架构。