CN117856312A - 一种基于物联网的工业应急储能电池智能管理方法及*** - Google Patents

一种基于物联网的工业应急储能电池智能管理方法及*** Download PDF

Info

Publication number
CN117856312A
CN117856312A CN202410040358.0A CN202410040358A CN117856312A CN 117856312 A CN117856312 A CN 117856312A CN 202410040358 A CN202410040358 A CN 202410040358A CN 117856312 A CN117856312 A CN 117856312A
Authority
CN
China
Prior art keywords
energy storage
battery
storage station
intelligent management
internet
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202410040358.0A
Other languages
English (en)
Other versions
CN117856312B (zh
Inventor
汤伟
陈文将
汤梓恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xinhui Zhuoneng Technology Co ltd
Original Assignee
Shenzhen Xinhui Zhuoneng Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Xinhui Zhuoneng Technology Co ltd filed Critical Shenzhen Xinhui Zhuoneng Technology Co ltd
Priority to CN202410040358.0A priority Critical patent/CN117856312B/zh
Publication of CN117856312A publication Critical patent/CN117856312A/zh
Application granted granted Critical
Publication of CN117856312B publication Critical patent/CN117856312B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于物联网的工业应急储能电池智能管理方法及***，属于储能电池管理技术领域。方法包括步骤：持续采集多个储能站点储能电池的电性能参数；接收电网的削峰填谷需求信息；所述削峰填谷需求信息包括需求功率变化曲线；根据电性能参数筛选得到若干储能站点，并通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线；根据储能站点需求功率曲线获取储能站点的校验结果。本申请提供通过模拟退火算法为电网提供快速、灵活和高效的削峰填谷服务，提升了电池储能站点的经济效益，也为电网的稳定运行提供了技术支持。

Description

一种基于物联网的工业应急储能电池智能管理方法及***
技术领域
本发明涉及储能电池管理领域，具体是一种基于物联网的工业应急储能电池智能管理方法及***。
背景技术
电力***面临的一大挑战是在不同时间和地区调动资源以满足电力需求的动态变化。尤其在高峰时段如冬季供暖峰值和夏季制冷最高点，以及商业活动频繁的时期，电力需求激增，不仅对***稳定性构成考验，甚至可能导致供需失衡，引起供电紧张或电网故障。
在工业园区中，高能耗设备运转频繁，存在用电功率高、负载持续稳定等特征。为此，工业应急储能电池***的部署至关重要，它不只是确保电力供应连续性和工业过程安全性的后备方案，还能作为电网管理的关键资产。在纷繁复杂的电力需求高峰期，储能电池可以释放储存的能量，有助于缓解电网压力，而在需求低谷期，它们又能吸纳并存储过剩的电能。因此，动态地利用储能电池来响应电网削峰填谷需求带来了双重收益。首先，它加强了电网的稳定性，确保在电网故障或其他不可控因素导致的紧急情况下仍能提供持续电力，保障工业运转不受影响。其次，在我国执行的分时电价政策下，合理的储能电池管理可使企业在电价较低时充电，在电价较高时放电，从而实现成本节约和经济效益的最大化。
然而，在选择参与削峰填谷的储能站点时，运营商需要处理一个多变量的优化问题，涉及每个站点的存储容量、充放电功率等众多因素；并且，电池性能随着时间和使用周期而变化。长时间运行的储能***可能会遇到电池容量衰减或不稳定的放电性能。因此，在选择哪些储能站点参与削峰填谷时，前述因素对选择方案的整体可靠性存在较大影响，并且计算复杂度较高，使得优化求解存在较大困难。
发明内容
为解决上述背景技术中存在的问题，本发明采用以下技术方案：
一种基于物联网的工业应急储能电池智能管理方法，包括步骤：
持续采集多个储能站点储能电池的电性能参数；所述电性能参数通过与储能电池集成的若干传感器获取；
接收电网的削峰填谷需求信息；所述削峰填谷需求信息包括需求功率变化曲线；
根据电性能参数筛选得到若干储能站点，并通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线；
根据储能站点需求功率曲线获取储能站点的校验结果；
所述通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线，包括如下步骤：
S31、设定目标函数和约束条件；
S32、随机生成一个初始函数解并设定初始温度；函数解表示若干储能站点需求功率曲线；
S33、迭代更新函数解；
S34、在执行第一预设迭代次数的迭代后，按照预设的降温函数降低温度；
S35、重复步骤S33和S34，直到满足收敛标准；所述收敛标准包括温度降至预设温度阈值，连续执行第二预设迭代次数的迭代均未发现更优函数解，和/或达到最大迭代次数。
作为本申请优选方案，所述迭代更新函数解具体为重复执行第一预设迭代次数的以下步骤：
对当前函数解进行随机变化来产生新函数解；所述随机变化具体为随机选择一个储能站点，增加或减少储能站点分担的电量或运行时间；
计算新函数解与当前函数解的目标函数值的差异；
根据目标函数值的差异判断新函数解是否更优，并选择是否接受新函数解。
作为本申请优选方案，所述根据电性能参数筛选得到若干储能站点具体为根据电性能参数计算储能站点优先度并根据优先度排序筛选预设数量的储能站点。
作为本申请优选方案，所述优先度表示为：
Priorityi＝w1·COSTi+w2·SOHi+w3·Ci,
其中，Priorityi是第i个储能站点的优先度，COSTi是第i个储能站点响应本次削峰填谷需求所需成本，通过运营商与储能站点签订的合同获取；SOHi是第i个储能站点的电池健康度；Ci表示第i个储能站的电池组最大电量；所述电池健康度和电池组最大电量均通过电性能参数计算得到；w1、w2和w3均为权重因子。
作为本申请优选方案，所述目标函数包括本次削峰填谷需求的总体运营成本和总电池健康度；所述目标函数具体表示为：
F＝u1·COST+u2·SOH，
其中，F为目标函数，COST表示总体运营成本，SOH表示各储能站点的电池健康度之和，u1和u2分别为总体运营成本以及各储能站点的电池健康度之和的权重参数。
作为本申请优选方案，所述总体运营成本表示为：
所述总电池健康度表示为：
其中，COSTi是第i个储能站点响应本次削峰填谷需求所需成本；SOHi是第i个储能站点的电池健康度，N表示储能站点数量；
作为本申请优选方案，所述约束条件包括总电量约束条件和总功率约束条件。所述总电量约束条件表示为：
其中，CD表示削峰填谷需求的需求总电量，T1和T2分别表示削峰填谷需求实施的起始时间和终止时间，PD(t)表示需求功率变化曲线；Ci表示第i个储能站的电池组最大电量，N表示储能站点数量；
所述总功率约束条件表示为：
其中，PD表示削峰填谷需求的最大总功率，Pi表示第i个储能站的电池组当前剩余电量百分比。
作为本申请优选方案，所述步骤S1还包括：获取储能站点的电池温度和电池均衡策略，根据电池温度、电池均衡策略和电性能参数构建电池充放电模型；所述电池均衡策略包括主动均衡策略和被动均衡策略；所述电池充放电模型为长短期记忆网络；所述步骤S4具体为：将储能站点需求功率曲线输入电池充放电模型获取储能站点的校验结果。
作为本申请优选方案，所述步骤S4还包括：根据电池组最大电量与通过储能站点需求功率曲线计算得到的储能站点需求电量对比，以及温度数据与标准数值的对比，得到储能站点的校验结果。
本申请还提供一种基于物联网的工业应急储能电池智能管理***，所述***应用于前述的工业应急储能电池智能管理方法；包括电性能测量模块、传感器组、物联网通信模块和云端处理平台；
所述传感器组包括温度传感器，用于采集单体电池的电池温度；
所述电性能测量模块用于获取单体电池的电性能参数和电池组的电池均衡策略；
所述物联网通信模块用于将电池均衡策略、电池温度和电性能参数传输至云端处理平台；
所述云端处理平台用于根据削峰填谷需求信息、电池均衡策略、电池温度和电性能参数通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线，根据电池温度、电池均衡策略和电性能参数构建电池充放电模型，以及将储能站点需求功率曲线输入电池充放电模型获取储能站点的校验结果。
与现有技术相比，本发明具有如下有益效果：
本申请提供的工业应急储能电池智能管理方法能够在监测储能站点电池的电性能参数的同时，通过模拟退火算法为电网提供快速、灵活和高效的削峰填谷储能站点选择服务。这不仅提升了电池储能站点的经济效益，也为电网的稳定运行提供了技术支持。其中，模拟退火算法提供了概率和迭代的解决方案，旨在达到对储能资源的经济且效率化的使用，满足电网的削峰填谷需求，同时最大程度地发挥每个储能站点的潜力。模拟退火算法与单一地依赖先验知识或仅利用简单贪心算法互斥地分配负载相比，能够更好地平衡成本、效率和电池寿命等重要因素。
本申请提供的工业应急储能电池智能管理方法，根据优先度排序筛选预设数量的储能站点，相当于执行模拟退火算法前的预处理过程，通过提前筛选储能站点，可以在模拟退火算法优化计算之前就过滤掉部分不适合参与当前削峰填谷任务的储能站点，有助于提升整个***响应电网需求的效率和质量，并在保持电池状态健康的同时减轻了算法的计算负担。
本申请提供的工业应急储能电池智能管理方法，将目标函数定义为包括本次削峰填谷需求的总体运营成本和总电池健康度，可实现运营成本最小化和电池健康度最大化之间的最佳平衡，为储能站点提供长期稳定且经济高效的运营模式，进而为电网的可靠性和响应能力做出积极贡献。
本申请提供的工业应急储能电池智能管理方法，通过将储能站点需求功率曲线输入电池充放电模型获取的电池组最大电量具有更高的可靠性，并且通过模拟温度数据确保电池均衡策略有效执行，从而获取可靠性较高的校验结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例的工业应急储能电池智能管理方法的流程示意图；
图2为本发明一实施例的通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线的流程示意图；
图3为本发明一实施例的模拟退火算法中迭代更新函数解的流程示意图；
图4为本发明一实施例的工业应急储能电池智能管理***的结构示意图
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
请参阅图1，本发明提供了一种基于物联网的工业应急储能电池智能管理方法，包括步骤：
S1、持续采集多个储能站点储能电池的电性能参数；所述电性能参数通过与储能电池集成的若干传感器获取；根据电性能参数可以实时了解各储能站点的电池状态，从而可以对电池进行实时故障监测和预警，并在后续接收到电网削峰填谷需求时快速响应。
S2、接收电网的削峰填谷需求信息；所述削峰填谷需求信息包括需求功率变化曲线；
S3、根据电性能参数筛选得到若干储能站点，并通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线；
S4、根据储能站点需求功率曲线获取储能站点的校验结果。
其中，削峰填谷需求信息指的是电力***在能源调配方面的需求，即在电力需的高峰期(削峰)和低谷期(填谷)之间进行动态平衡，以满足对电力的需求。这一需求的出现是于电力***中不同时间和地区对电力的需求差异造成的。在电力需求的高峰期，如冬季取暖季节、商业活动密集期等，人们对电力的需求量很大，但电力***的供给又不能够无限制地追赶，从而导致电力***容易出现电力短缺甚至崩溃。为了解决这一问题，削峰需求就出现了。它是指在电力需求高峰期，通过通过控制、调整电力***内部运作和消费行为的方式，减少电力需求峰值，以保障电力***的稳定运行。与此相反，在电力需求低谷期，如夜间、节假日等，人们对电力的需求较少，却存在大量的“闲置”电力供给。
基于前述内容，本申请中削峰填谷需求信息包括需求功率变化曲线。需求功率变化曲线是指电网中预计需求的功率随时间变化曲线，每一次削峰填谷需求对应的需求功率变化曲线会因为不同时间段的电网用户消费模式、工业活动、商业需求以及可再生能源的发电量(如太阳能和风能)而发生变化。因此，在本申请中电网需要储能站点响应削峰填谷需求时，可以根据每一次的需求功率变化曲线匹配最佳的储能站点以优化电网资源。
进一步地，请参阅图2，所述通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线，包括如下步骤：
S31、设定目标函数和约束条件；
S32、随机生成一个初始函数解并设定初始温度；所述函数解表示若干储能站点需求功率曲线。在模拟退火算法中，温度是一个控制参数，它决定了算法在搜索过程中接受新函数解(特别是那些劣于当前解的新函数解)的概率。温度的概念是从物理学的退火过程借鉴而来。初始温度较高的情况下，算法具有高度的随机性，更倾向于探索解空间的不同区域。这期间，算法甚至可能接受劣于当前最优函数解的新函数解，以避免迅速陷入局部最优。初始温度较低的情况下，算法的随机性降低，开始更倾向于开发附近的函数解空间以细化已找到的好的解决方案。在较低温度下，算法接受劣函数解的几率显著降低，逐渐变得更保守。
S33、迭代更新函数解；请参阅图3，所述迭代更新函数解具体为重复执行第一预设迭代次数的以下步骤：
对当前函数解进行随机变化来产生新函数解；所述随机变化具体为随机选择一个储能站点，增加或减少储能站点分担的电量或运行时间。
计算新函数解与当前函数解的目标函数值的差异；
根据目标函数值的差异判断新函数解是否更优，并选择是否接受新函数解；其中，若新解更优，则接受新解；若新解更差，仍有一定几率接受新解，这种几率随温度降低和解的劣势程度增大而减小。
S34、在执行第一预设迭代次数的迭代后，按照预设的降温函数降低温度。较低的温度减少接受劣解的概率，逐渐增强了算法的贪心特性。在一实施例中，降温函数为指数降温函数，表示为：
Tempnew＝α×Tempold，
其中，Tempold为当前温度，Tempnew为更新后的温度，而(\alpha)(其中α为降温率，0<α<1，其决定了温度降低的速度。
S35、重复步骤S33和S34，直到满足收敛标准；所述收敛标准包括温度降至预设温度阈值，连续执行第二预设迭代次数的迭代均未发现更优函数解，和/或达到最大迭代次数。其中，第一预设迭代次数、第二预设迭代次数和最大迭代次数根据储能站点数量、计算资源使用情况以及可接受计算时间动态调整，可接受计算时间动态即当前时间与削峰填谷需求起始时间的时间差。
本发明的工业应急储能电池智能管理方法能够在监测储能站点电池的电性能参数的同时，通过模拟退火算法为电网提供快速、灵活和高效的削峰填谷服务。这不仅提升了电池储能站点的经济效益，也为电网的稳定运行和新能源的广泛接入提供了技术支持。其中，模拟退火算法提供了概率和迭代的解决方案，旨在达到对储能资源的经济且效率化的使用，满足电网的削峰填谷需求，同时最大程度地发挥每个储能站点的潜力。模拟退火算法与单一地依赖先验知识或仅利用简单贪心算法互斥地分配负载相比，能够更好地平衡成本、效率和电池寿命等重要因素。
作为优选实施例，所述根据电性能参数筛选得到若干储能站点具体为根据电性能参数计算储能站点优先度，并根据优先度排序筛选预设数量的储能站点。
所述优先度表示为：
Priorityi＝w1·COSTi+w2·SOHi+w3·Ci
其中，Priorityi是第i个储能站点的优先度，COSTi是第i个储能站点响应本次削峰填谷需求所需成本，通过运营商与储能站点签订的合同获取；SOHi是第i个储能站点的电池健康度；Ci表示第i个储能站的电池组最大电量。电池健康度和电池组最大电量均通过电性能参数计算得到。w1、w2和w3均为权重因子，根据各项在决策过程中的重要性进行调整。
本实施例根据优先度排序筛选预设数量的储能站点，相当于执行模拟退火算法前的预处理过程，通过提前筛选储能站点，可以在模拟退火算法优化计算之前就过滤掉部分不适合参与当前削峰填谷任务的储能站点，有助于提升整个***响应电网需求的效率和质量，并在保持电池状态健康的同时减轻了算法的计算负担。
作为优选实施例，所述目标函数包括本次削峰填谷需求的总体运营成本和总电池健康度；目标函数通过总体运营成本和总电池健康度进行权重分配计算，其具体表示为：
F＝u1·COST+u2·SOH
其中，F为目标函数，COST表示总体运营成本，SOH表示各储能站点的电池健康度之和，u1和u2分别为总体运营成本以及各储能站点的电池健康度之和的权重参数。
所述总体运营成本表示为：
所述总电池健康度表示为：
其中，N表示储能站点数量。
本实施例将目标函数定义为包括本次削峰填谷需求的总体运营成本和总电池健康度，可实现运营成本最小化和电池健康度最大化之间的最佳平衡，为储能站点提供长期稳定且经济高效的运营模式，进而为电网的可靠性和响应能力做出积极贡献。
作为优选实施例，所述约束条件包括总电量约束条件和总功率约束条件。所述总电量约束条件表示为：
其中，CD表示削峰填谷需求的需求总电量，T1和T2分别表示削峰填谷需求实施的起始时间和终止时间，PD(t)表示需求功率变化曲线；Ci表示第i个储能站的电池组最大电量，N表示储能站点数量。需要说明，电池组最大电量表示电池当前的电量存储能力，因电池在长时间使用后电量存储能力会显著降低，本申请中的电池组最大电量为根据电性能参数获取的实测值。
所述总功率约束条件表示为：
其中，PD表示削峰填谷需求的最大总功率，Pi表示第i个储能站的电池组当前剩余电量百分比。
作为优选实施例，所述电池的电性能参数为单体电池的电性能参数；所述步骤S1还包括：获取储能站点的电池温度和电池均衡策略，根据电池温度、电池均衡策略和电性能参数构建电池充放电模型。
所述步骤S4具体为：将储能站点需求功率曲线输入电池充放电模型获取储能站点的校验结果。
在本申请中，电池均衡策略包括主动均衡策略和被动均衡策略。其中，电池均衡策略是为了解决电池组中各单体电池之间容量差异过大的问题，从而提高电池的性能和寿命而采用的策略。在锂电池的应用中，通常需要将多个单体锂电池串联或并联组成电池组。然而，在电池串联使用时，每节电池之间电压和容量难免存在差异，且这种差异随时间和环境的变化逐渐加大。在电池组充放电过程中，每个单体电池容量的不同会产生木桶效应，即最低容量的电池将成为限制电池组放电和充电的瓶颈，从而限制整个电池组的总体容量。
被动均衡策略的工作原理是在每节电芯上并联一个电阻，当电池组中个单体电池电量已经充满，并且其他单体电池还需要继续充电时，被动均衡策略会通过将电阻与已充满的单体电池连接来消耗多余的能量。电阻形成一个旁路，将电量通过电阻的方式转化为热量进行耗散，从而平衡电池之间的容量差异。这样做的目的是为了在电池充电保护机制触发之前，在电池组中的其他电池上争取更多的充电时间，以提高整体充电效率和充电均衡。被动均衡策略的主要优点是实现简单且成本低。然而，被动均衡策略的均衡效率相对较低，无法在放电时实现均衡，且因电阻耗散具有一定的能量损耗。
主动均衡策略会将电量从电量较高的电池单体转移到电量较低的单体上，或者使用专门的能量转移电路来平衡每个电池单体的状态。主动均衡的目的是尽可能减少电池之间的状态差异，不仅减少了电能的损耗，而且可以加快均衡过程，并提高整个电池组的充放电效率；但其缺点在于它通常对电路设计的要求更高，成本较高。
在本申请工业应急储能电池智能管理***的实际应用过程中，储能站点可根据实际情况采用主动均衡策略和被动均衡策略进行电池均衡，在本申请步骤S4相应地具备在主动均衡策略和被动均衡策略下的校验能力。
为实现前述功能，本申请步骤S1根据持续采集的电池温度、电池均衡策略和电性能参数构建的电池充放电模型，能够模拟和预测电池在充电和放电过程中的行为。将储能站点需求功率曲线处理为模拟的电性能参数，作为电池充放电模型的输入量，从而通过电池充放电模型预测电池组的电池组最大电量和温度数据等数据。所述步骤S4还包括：根据电池组最大电量与通过储能站点需求功率曲线计算得到的储能站点需求电量对比，以及温度数据与标准数值的对比，即可得到储能站点的校验结果。
由于前述总电量约束条件中的电池组最大电量并非在本次削峰填谷需求对应的工作条件下的实测值，本实施例通过将储能站点需求功率曲线输入电池充放电模型获取的电池组最大电量具有更高的可靠性，并且通过模拟温度数据确保电池均衡策略有效执行，从而获取可靠性较高的校验结果。
作为优选实施例，所述电池充放电模型为长短期记忆网络(Long Short-TermMemory,LSTM)。所述根据电池温度、电池均衡策略和电性能参数构建电池充放电模型，包括以下步骤：
收集电池在不同充放电周期、不同温度条件、不同负载条件下的数据集；所述数据集包括电性能参数、温度和电池设定的电池均衡策略；所述电性能参数至少包括电压、电流、荷电状态(SOC)和充放电时间；
对收集到的数据进行清洗、归一化或标准化处理，使得神经网络模型能够更好地学习数据之间的关系；
将数据集分为训练集、验证集和测试集，选择均方误差(MSE)作为损失函数量化预测值与实际值之间的差距，使用Adam优化算法最小化损失函数；
使用训练集训练长短期记忆网络，同时使用验证集监控训练进度并进行早停以防止过拟合；
使用测试集通过评价指标评估长短期记忆网络的性能；所述评价指标包括均方根误差(RMSE)和平均绝对误差(MAE)，用于衡量模型的预测精度。
在本实施例中，长短期记忆网络的优点在于其能够处理和记忆长期序列数据中的信息，并且长短期记忆网络能够学习与电池充放电行为相关的温度、电流、电极材料衰减等输入特征与电池组最大电量和温度数据之间的非线性关系，以有效地构建用于预测电池行为的复杂模型，在帮助提升电池管理***的预测性能与可靠性。
请参阅图4，本发明还提供了一种基于物联网的工业应急储能电池智能管理***，包括电性能测量模块、传感器组、物联网通信模块和云端处理平台；所述传感器组和电性能测量模块均与物联网通信模块和储能电池通信连接。
所述传感器组包括温度传感器，用于采集单体电池的电池温度；
所述电性能测量模块用于获取单体电池的电性能参数和电池组的电池均衡策略；
所述物联网通信模块用于将电池均衡策略、电池温度和电性能参数传输至云端处理平台；
所述云端处理平台用于根据削峰填谷需求信息、电池均衡策略、电池温度和电性能参数通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线，根据电池温度、电池均衡策略和电性能参数构建电池充放电模型，以及将储能站点需求功率曲线输入电池充放电模型获取储能站点的校验结果。
在一实施例中，所述传感器组还包括湿度传感器、烟雾传感器和压力传感器。所述云端处理平台还用于根据传感器组传输的数据监测电池运行状态，如基于温度、压力、湿度和烟雾数据评估电池是否存在过热、受压力过高、湿度过大、特殊气体浓度超标等的风险，以保证电池运行环境的安全性。
基于前述实施例，云端处理平台与用户客户端通信连接，通过发送预警和报警信息到相关维护人员或自动执行安全措施，如断电、通风等，并通过数据可视化工具将传感器数据转换成图表、仪表盘等形式，便于用户监控和理解电池组的工作状态和环境条件。
本申请工业应急储能电池智能管理***中，云端处理平台是实现电池智能管理***决策支持核心，通过模拟退火算法为电网提供快速、灵活和高效的削峰填谷储能站点选择服务，以提升了电池储能站点的经济效益，也为电网的稳定运行提供了技术支持；还通过收集和分析传感器数据，确保电池***的高性能运作同时提升安全性和可靠性。
在本申请所提供的几个实施例中，应该理解到，所揭露的***和方法，可以通过其它的方式实现。例如，以上所描述的***实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种基于物联网的工业应急储能电池智能管理方法，其特征在于：包括步骤：
持续采集多个储能站点储能电池的电性能参数；所述电性能参数通过与储能电池集成的若干传感器获取；
接收电网的削峰填谷需求信息；所述削峰填谷需求信息包括需求功率变化曲线；
根据电性能参数筛选得到若干储能站点，并通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线；
根据储能站点需求功率曲线获取储能站点的校验结果；
所述通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线，包括如下步骤：
S31、设定目标函数和约束条件；
S32、随机生成一个初始函数解并设定初始温度；函数解表示若干储能站点需求功率曲线；
S33、迭代更新函数解；
S34、在执行第一预设迭代次数的迭代后，按照预设的降温函数降低温度；
S35、重复步骤S33和S34，直到满足收敛标准；所述收敛标准包括温度降至预设温度阈值，连续执行第二预设迭代次数的迭代均未发现更优函数解，和/或达到最大迭代次数。
2.根据权利要求1所述的基于物联网的工业应急储能电池智能管理方法，其特征在于：所述迭代更新函数解具体为重复执行第一预设迭代次数的以下步骤：
对当前函数解进行随机变化来产生新函数解；所述随机变化具体为随机选择一个储能站点，增加或减少储能站点分担的电量或运行时间；
计算新函数解与当前函数解的目标函数值的差异；
根据目标函数值的差异判断新函数解是否更优，并选择是否接受新函数解。
3.根据权利要求1所述的基于物联网的工业应急储能电池智能管理方法，其特征在于：所述根据电性能参数筛选得到若干储能站点具体为根据电性能参数计算储能站点优先度并根据优先度排序筛选预设数量的储能站点。
4.根据权利要求3所述的基于物联网的工业应急储能电池智能管理方法，其特征在于：所述优先度表示为：
Priorityi＝w1·COSTi+w2·SOHi+w3·Ci,
其中，Priorityi是第i个储能站点的优先度，COSTi是第i个储能站点响应本次削峰填谷需求所需成本，通过运营商与储能站点签订的合同获取；SOHi是第i个储能站点的电池健康度；Ci表示第i个储能站的电池组最大电量；所述电池健康度和电池组最大电量均通过电性能参数计算得到；w1、w2和w3均为权重因子。
5.根据权利要求1所述的基于物联网的工业应急储能电池智能管理方法，其特征在于：所述目标函数包括本次削峰填谷需求的总体运营成本和总电池健康度；所述目标函数具体表示为：
F＝u1·COST+u2·SOH，
其中，F为目标函数，COST表示总体运营成本，SOH表示各储能站点的电池健康度之和，u1和u2分别为总体运营成本以及各储能站点的电池健康度之和的权重参数。
6.根据权利要求5所述的基于物联网的工业应急储能电池智能管理方法，其特征在于：所述总体运营成本表示为：
所述总电池健康度表示为：
其中，COSTi是第i个储能站点响应本次削峰填谷需求所需成本；SOHi是第i个储能站点的电池健康度，N表示储能站点数量。
7.根据权利要求1所述的基于物联网的工业应急储能电池智能管理方法，其特征在于：所述约束条件包括总电量约束条件和总功率约束条件；所述总电量约束条件表示为：
其中，CD表示削峰填谷需求的需求总电量，T1和T2分别表示削峰填谷需求实施的起始时间和终止时间，PD(t)表示需求功率变化曲线；Ci表示第i个储能站的电池组最大电量，N表示储能站点数量；
所述总功率约束条件表示为：
其中，PD表示削峰填谷需求的最大总功率，Pi表示第i个储能站的电池组当前剩余电量百分比。
8.根据权利要求1所述的基于物联网的工业应急储能电池智能管理方法，其特征在于：所述步骤S1还包括：获取储能站点的电池温度和电池均衡策略，根据电池温度、电池均衡策略和电性能参数构建电池充放电模型；所述电池均衡策略包括主动均衡策略和被动均衡策略；所述电池充放电模型为长短期记忆网络；所述步骤S4具体为：将储能站点需求功率曲线输入电池充放电模型获取储能站点的校验结果。
9.根据权利要求8所述的基于物联网的工业应急储能电池智能管理方法，其特征在于：所述步骤S4还包括：根据电池组最大电量与通过储能站点需求功率曲线计算得到的储能站点需求电量对比，以及温度数据与标准数值的对比，得到储能站点的校验结果。
10.一种基于物联网的工业应急储能电池智能管理***，其特征在于：所述***应用于如权利要求1-9任一项所述的工业应急储能电池智能管理方法；包括电性能测量模块、传感器组、物联网通信模块和云端处理平台；
所述传感器组包括温度传感器，用于采集单体电池的电池温度；
所述电性能测量模块用于获取单体电池的电性能参数和电池组的电池均衡策略；
所述物联网通信模块用于将电池均衡策略、电池温度和电性能参数传输至云端处理平台；
所述云端处理平台用于根据削峰填谷需求信息、电池均衡策略、电池温度和电性能参数通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线，根据电池温度、电池均衡策略和电性能参数构建电池充放电模型，以及将储能站点需求功率曲线输入电池充放电模型获取储能站点的校验结果。
CN202410040358.0A 2024-01-11 2024-01-11 一种基于物联网的工业应急储能电池智能管理方法及*** Active CN117856312B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410040358.0A CN117856312B (zh) 2024-01-11 2024-01-11 一种基于物联网的工业应急储能电池智能管理方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410040358.0A CN117856312B (zh) 2024-01-11 2024-01-11 一种基于物联网的工业应急储能电池智能管理方法及***

Publications (2)

Publication Number Publication Date
CN117856312A true CN117856312A (zh) 2024-04-09
CN117856312B CN117856312B (zh) 2024-07-23

Family

ID=90536071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410040358.0A Active CN117856312B (zh) 2024-01-11 2024-01-11 一种基于物联网的工业应急储能电池智能管理方法及***

Country Status (1)

Country Link
CN (1) CN117856312B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102361327A (zh) * 2011-10-17 2012-02-22 张家港智电可再生能源与储能技术研究所有限公司 一种考虑电池寿命的电池储能***削峰填谷方法
CN111641220A (zh) * 2020-05-25 2020-09-08 国家电网有限公司 一种基于改进模拟退火算法的电网侧储能***容量配置方法
CN115115130A (zh) * 2022-07-19 2022-09-27 中国电建集团西北勘测设计研究院有限公司 一种基于模拟退火算法的风光储制氢***日前调度方法
US20230221692A1 (en) * 2021-11-23 2023-07-13 Strong Force Ee Portfolio 2022, Llc AI-Based Energy Edge Platform, Systems, and Methods Having Automatically Optimized Energy Usage in Edge Data Pipeline
CN117293871A (zh) * 2023-08-24 2023-12-26 贵州电网有限责任公司 功率曲线电池储能充放电对配电网削峰填谷方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102361327A (zh) * 2011-10-17 2012-02-22 张家港智电可再生能源与储能技术研究所有限公司 一种考虑电池寿命的电池储能***削峰填谷方法
CN111641220A (zh) * 2020-05-25 2020-09-08 国家电网有限公司 一种基于改进模拟退火算法的电网侧储能***容量配置方法
US20230221692A1 (en) * 2021-11-23 2023-07-13 Strong Force Ee Portfolio 2022, Llc AI-Based Energy Edge Platform, Systems, and Methods Having Automatically Optimized Energy Usage in Edge Data Pipeline
CN115115130A (zh) * 2022-07-19 2022-09-27 中国电建集团西北勘测设计研究院有限公司 一种基于模拟退火算法的风光储制氢***日前调度方法
CN117293871A (zh) * 2023-08-24 2023-12-26 贵州电网有限责任公司 功率曲线电池储能充放电对配电网削峰填谷方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈满;陆志刚;刘怡;丁泽俊;饶宏;鲍冠南;陆超;: "电池储能***恒功率削峰填谷优化策略研究", 电网技术, no. 09, 5 September 2012 (2012-09-05) *

Also Published As

Publication number Publication date
CN117856312B (zh) 2024-07-23

Similar Documents

Publication Publication Date Title
CN111584952B (zh) 用于储能电站电化学电池在线评估的方法和***
WO2022253038A1 (zh) 基于弹性网的锂电池健康状态预测方法、***、设备及介质
KR101553451B1 (ko) 에너지 저장 시스템에서 전력 분배 방법 및 장치
CN116722571B (zh) 一种基于数字孪生的储能管理方法、***及介质
CN117013606B (zh) 一种基于人工智能的光伏发电智能储能控制***
CN117498555B (zh) 一种基于云边融合的储能电站智能运维***
CN107453396A (zh) 一种分布式光伏电源出力的多目标优化调度方法
CN115511270A (zh) 一种面向分布式储能装置运行状态的综合评价***及方法
CN113112114A (zh) 一种储能电站在线评估方法和装置
CN117175655A (zh) 一种分布式新能源电力***的蓄能控制方法及***
CN112510270B (zh) 一种储能***多层级荷电状态均衡统一控制方法及***
CN116454934B (zh) 一种基于多设备的储能ems云平台
CN113255205A (zh) 基于电动汽车电池的生命周期成本和电池温度优化方法
CN117856312B (zh) 一种基于物联网的工业应急储能电池智能管理方法及***
US20230378756A1 (en) Large scale energy storage with ai-based grading and efficiency assessment
CN117183803A (zh) 电动汽车充电控制方法、装置和计算机设备
Li et al. Case study of power allocation strategy for a grid‐side lead‐carbon battery energy storage system
CN112564151B (zh) 一种计及隐私意识的多微网云储能优化调度方法及***
CN115549247A (zh) 一种混搭电源管理方法及***
Cao et al. Risk assessment of retired power battery energy storage system
CN114683908A (zh) 换电站的换电能力评估方法、***、电子设备和介质
CN117955248B (zh) 一种储能电站电池状态监测***、方法、装置和存储介质
CN116505105B (zh) 基于并联模块的蓄电池在线管理方法
Zhang et al. Deep Reinforcement Learning-Based Battery Conditioning Hierarchical V2G Coordination for Multi-Stakeholder Benefits
CN116774057B (zh) 一种训练电池寿命预测模型和预测电池寿命的方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant