电池 AI 云平台搭建

从 0 到 1 搭建新能源电池 AI 云平台：EMQX + ThingsBoard + FastAPI 实战教程

面向新能源、电池管理、储能、无人机、电动汽车场景的第一代 AI 云平台 MVP

技术栈：EMQX + ThingsBoard + FastAPI + Docker + MQTT + Python

一、项目背景

随着新能源汽车、储能系统、无人机、电动飞行器等行业快速发展，电池已经从"单纯的能量载体"逐渐演变为"智能能源单元"。

传统 BMS（Battery Management System）主要关注：

电压采集
电流采集
温度采集
SOC 估计
基础保护

但在真实工程场景中，仅靠传统 BMS 已经无法满足：

电池健康状态（SOH）在线评估
电池寿命预测（RUL）
电池一致性分析
热失控预警
云端远程监控
AI 智能诊断

因此，越来越多企业开始构建：

"云端电池 AI 平台"

本文基于一周的实际开发过程，完整记录如何从 0 到 1 搭建：

text 复制代码

EMQX + ThingsBoard + AI 服务

实现：

text 复制代码

本地模拟器
→ MQTT
→ EMQX
→ ThingsBoard
→ AI 分析
→ Dashboard
→ 告警

最终得到一个真正可运行的新能源 AI 云平台 MVP。

二、整体系统架构

最终系统架构如下：

text 复制代码

                 ┌────────────────────┐
                 │   Battery Device   │
                 │ Python Simulator   │
                 └─────────┬──────────┘
                           │ MQTT
                           ▼
                 ┌────────────────────┐
                 │       EMQX         │
                 │ MQTT Broker + Rule │
                 └──────┬───────┬─────┘
                        │       │
                        │       │ HTTP
                        │       ▼
                        │  ┌──────────────┐
                        │  │  AI Service  │
                        │  │ FastAPI      │
                        │  └──────┬───────┘
                        │         │
                        └────────▶│
                                  ▼
                         ┌────────────────┐
                         │ ThingsBoard    │
                         │ Dashboard      │
                         │ Telemetry      │
                         │ Alarm          │
                         └────────────────┘

其中：

模块	作用
EMQX	MQTT Broker，负责设备接入
ThingsBoard	设备管理与 Dashboard
FastAPI	AI 算法服务
Docker	容器化部署
Python	模拟 BMS 数据

三、服务器环境准备

1. 云服务器要求

推荐配置：

配置	推荐
CPU	4 Core
内存	8 GB
系统	Ubuntu 22.04

开放端口：

端口	用途
22	SSH
1883	MQTT
18083	EMQX Dashboard
8080	ThingsBoard
9000	AI 服务

四、安装 Docker

服务器执行：

bash 复制代码

sudo apt update
sudo apt install docker.io docker-compose -y

检查版本：

bash 复制代码

docker -v
docker-compose -v

创建项目目录：

bash 复制代码

mkdir -p ~/battery-platform
cd ~/battery-platform

五、部署 EMQX

1. docker-compose.yml

为了避免 Docker 重启或容器升级后 EMQX 配置丢失，建议增加 volumes 数据持久化。

创建数据目录：

bash 复制代码

mkdir -p ./emqx/data
mkdir -p ./emqx/log

sudo chmod -R 777 ./emqx

创建：

bash 复制代码

vim docker-compose.yml

写入：

yaml 复制代码

version: '3.8'

services:

  emqx:
    image: emqx/emqx:5.6
    container_name: emqx
    restart: always
    ports:
      - "1883:1883"
      - "18083:18083"
    volumes:
      - ./emqx/data:/opt/emqx/data
      - ./emqx/log:/opt/emqx/log

启动：

bash 复制代码

docker-compose up -d emqx

查看日志：

bash 复制代码

docker logs -f emqx

其中：

text 复制代码

./emqx/data

用于持久化：

Dashboard 配置
Rule Engine
Connector
用户密码
Topic 数据

而：

text 复制代码

./emqx/log

用于持久化日志。

这样即使 Docker 重启或服务器重启，EMQX 配置也不会丢失。

2. 登录 EMQX Dashboard

浏览器打开：

text 复制代码

http://服务器IP:18083

默认账号：

text 复制代码

admin
public

六、部署 ThingsBoard

1. 修改 docker-compose.yml

追加：

yaml 复制代码

  tb:
    image: thingsboard/tb-postgres:latest
    container_name: tb
    restart: always
    ports:
      - "8080:9090"
    environment:
      TB_QUEUE_TYPE: in-memory
    volumes:
      - ./tb-data:/data
      - ./tb-logs:/var/log/thingsboard

创建目录：

bash 复制代码

mkdir -p tb-data tb-logs
sudo chmod -R 777 tb-data tb-logs

启动：

bash 复制代码

docker-compose up -d tb

2. 登录 ThingsBoard

浏览器：

text 复制代码

http://服务器IP:8080

默认账号：

text 复制代码

tenant@thingsboard.org
tenant

七、本地模拟电池数据

1. 安装依赖

本地电脑：

bash 复制代码

pip install paho-mqtt

2. 创建 battery_simulator.py

python 复制代码

import json
import random
import time
import paho.mqtt.client as mqtt

SERVER_IP = "服务器IP"
TOPIC = "battery/demo/pack001/telemetry"

client = mqtt.Client(client_id="pack001-simulator")
client.connect(SERVER_IP, 1883, 60)
client.loop_start()

while True:

    cell_v_max = round(random.uniform(3.35, 3.45), 3)
    cell_v_min = round(cell_v_max - random.uniform(0.005, 0.060), 3)

    temp_max = round(random.uniform(28, 45), 1)
    temp_min = round(temp_max - random.uniform(1, 9), 1)

    payload = {
        "device_id": "pack001",
        "voltage": round(random.uniform(320, 360), 2),
        "current": round(random.uniform(-50, 50), 2),
        "soc": round(random.uniform(20, 90), 2),
        "cell_voltage_max": cell_v_max,
        "cell_voltage_min": cell_v_min,
        "temperature_max": temp_max,
        "temperature_min": temp_min
    }

    client.publish(TOPIC, json.dumps(payload), qos=0)

    print(payload)

    time.sleep(2)

运行：

bash 复制代码

python battery_simulator.py

八、EMQX 转发到 ThingsBoard

1. ThingsBoard 创建设备

进入：

text 复制代码

Devices
→ Add device

设备名：

text 复制代码

pack001

然后进入：

text 复制代码

Credentials

复制：

text 复制代码

Access Token

2. 创建 Connector

EMQX：

text 复制代码

Data Integration
→ Connectors

创建 HTTP Connector：

text 复制代码

Name:
TB Connector

URL:
http://服务器IP:8080

3. 创建 Rule

SQL：

sql 复制代码

SELECT
  payload.voltage as voltage,
  payload.current as current,
  payload.soc as soc,
  payload.cell_voltage_max as cell_voltage_max,
  payload.cell_voltage_min as cell_voltage_min,
  payload.temperature_max as temperature_max,
  payload.temperature_min as temperature_min
FROM
  "battery/+/+/telemetry"

Action：

text 复制代码

POST
/api/v1/TOKEN/telemetry

Body：

json 复制代码

{
  "voltage": ${voltage},
  "current": ${current},
  "soc": ${soc},
  "cell_voltage_max": ${cell_voltage_max},
  "cell_voltage_min": ${cell_voltage_min},
  "temperature_max": ${temperature_max},
  "temperature_min": ${temperature_min}
}

Headers：

text 复制代码

Content-Type: application/json

九、部署 AI 服务

1. 创建目录

bash 复制代码

mkdir -p ~/battery-platform/ai_service
cd ~/battery-platform/ai_service

2. requirements.txt

text 复制代码

fastapi
uvicorn
requests
pydantic

3. Dockerfile

dockerfile 复制代码

FROM python:3.10-slim

WORKDIR /app

COPY requirements.txt .

RUN pip install -i https://pypi.tuna.tsinghua.edu.cn/simple \
    -r requirements.txt

COPY . .

EXPOSE 9000

CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "9000"]

4. app.py

python 复制代码

from fastapi import FastAPI
from pydantic import BaseModel
import requests

app = FastAPI()

TB_HOST = "http://服务器公网IP:8080"
TB_TOKEN = "ThingsBoard Token"

class BatteryData(BaseModel):
    voltage: float
    current: float
    soc: float
    cell_voltage_max: float
    cell_voltage_min: float
    temperature_max: float
    temperature_min: float

@app.post("/analyze")
def analyze(data: BatteryData):

    voltage_diff_mv = (
        data.cell_voltage_max -
        data.cell_voltage_min
    ) * 1000

    temperature_diff = (
        data.temperature_max -
        data.temperature_min
    )

    soh = 96.0

    soh -= max(0, data.temperature_max - 35) * 0.15
    soh -= max(0, voltage_diff_mv - 30) * 0.02

    soh = max(60, min(100, soh))

    risk_level_code = 0

    if (
        data.temperature_max > 45
        or voltage_diff_mv > 80
        or temperature_diff > 10
    ):
        risk_level_code = 2

    elif (
        data.temperature_max > 40
        or voltage_diff_mv > 50
        or temperature_diff > 8
    ):
        risk_level_code = 1

    health_score = soh

    if risk_level_code == 1:
        health_score -= 5

    elif risk_level_code == 2:
        health_score -= 12

    result = {

        "soh": round(soh, 2),

        "health_score": round(health_score, 2),

        "risk_level_code": risk_level_code,

        "voltage_diff_mv": round(voltage_diff_mv, 2),

        "temperature_diff": round(temperature_diff, 2)
    }

    requests.post(
        f"{TB_HOST}/api/v1/{TB_TOKEN}/telemetry",
        json=result,
        timeout=3
    )

    return result

5. docker-compose.yml 追加

yaml 复制代码

  ai_service:
    build: ./ai_service
    container_name: ai_service
    restart: always
    ports:
      - "9000:9000"

启动：

bash 复制代码

docker-compose up -d --build ai_service

查看日志：

bash 复制代码

docker logs -f ai_service

十、EMQX 转发到 AI

新增第二条 Rule：

text 复制代码

battery_to_ai

SQL：

sql 复制代码

SELECT
  payload.voltage as voltage,
  payload.current as current,
  payload.soc as soc,
  payload.cell_voltage_max as cell_voltage_max,
  payload.cell_voltage_min as cell_voltage_min,
  payload.temperature_max as temperature_max,
  payload.temperature_min as temperature_min
FROM
  "battery/+/+/telemetry"

Connector：

text 复制代码

http://ai_service:9000

URL Path：

text 复制代码

/analyze

Body：

json 复制代码

{
  "voltage": ${voltage},
  "current": ${current},
  "soc": ${soc},
  "cell_voltage_max": ${cell_voltage_max},
  "cell_voltage_min": ${cell_voltage_min},
  "temperature_max": ${temperature_max},
  "temperature_min": ${temperature_min}
}

十一、ThingsBoard Dashboard

创建：

text 复制代码

Battery Pack Monitoring

建议组件：

1. 实时曲线

展示：

voltage
current
soc
temperature_max

2. SOH Gauge

展示：

soh
health_score

3. AI 风险等级

展示：

risk_level_code

4. 一致性分析

展示：

voltage_diff_mv
temperature_diff

十二、最终效果

至此，一个真正可运行的：

text 复制代码

新能源电池 AI 云平台 MVP

已经完成。

平台具备：

MQTT 数据接入
云端实时监控
Dashboard 可视化
AI 健康评估
风险诊断
电池一致性分析
容器化部署

十三、项目中的关键问题与踩坑

1. EMQX Action Fail

原因：

Body JSON 错误
URL Path 拼接错误
FastAPI 返回 422

解决：

正确配置 Body
检查 Connector URL
查看 docker logs

2. AI 服务无法写 TB

错误：

text 复制代码

Failed to resolve 'tb'

原因：

Docker 内 DNS 解析失败。

解决：

使用公网 IP：

python 复制代码

TB_HOST = "http://服务器IP:8080"

3. ThingsBoard 没有原始数据

原因：

AI 服务只回写 AI 数据。

解决：

采用：

text 复制代码

EMQX → TB
EMQX → AI → TB

双通道架构。

十四、下一步升级方向

当前平台只是第一代 MVP。

后续可以升级：

1. 真正 AI 模型

替换规则算法：

PyTorch
ONNX
Transformer
Diffusion Model

2. 多设备管理

支持：

EV
ESS
UAV
eVTOL

3. AI 诊断报告

自动生成：

text 复制代码

该电池包出现明显一致性恶化，
建议进行均衡维护。

4. 数字孪生

构建：

text 复制代码

Battery Digital Twin

实现：

虚拟测试
退化预测
故障仿真
安全评估

十五、总结

本文基于真实开发过程，完整搭建了：

text 复制代码

EMQX + ThingsBoard + AI 服务

新能源电池 AI 云平台。

虽然只是 MVP，但已经具备：

云端接入
AI 分析
Dashboard
实时告警
可扩展微服务

这类平台未来在：

新能源汽车
储能
无人机
机器人
电动飞行器

等领域具有非常广阔的应用前景。

未来，随着 AI 与能源深度融合：

text 复制代码

Battery AI Agent

将成为下一代智能能源系统的重要基础设施。