5G基站储能系统的SOC偏移优化控制方法及系统与流程

本发明涉及储能系统控制，尤其涉及一种5g基站储能系统的soc偏移优化控制方法及系统。

背景技术：

1、随着5g通信技术的迅猛发展，5g基站作为核心基础设施，其数量和能耗显著增加。5g基站需要全天候运行，以满足用户对高速度、大容量和低延迟通信的需求。然而，传统的电力供应系统面临着电网压力增大、能源成本高企以及电力供应可靠性不足的问题。为此，引入储能系统（energy storage system，ess）成为解决上述问题的有效途径。储能系统通过在电力需求低谷时存储电能，并在需求高峰时释放电能，不仅可以平衡电网负荷，降低运行成本，还能在电力中断时提供备用电源，保障基站的连续运行。储能系统的关键技术之一是电池的状态估计（state of charge，soc），即电池剩余电量的精确估算。soc的准确估算对于优化电池的充放电策略、延长电池寿命以及确保供电安全至关重要。然而，soc估算的准确性受到多种因素的影响，包括但不限于电池老化、温度变化、充放电速率。这些因素导致soc估算存在一定的偏差，从而影响储能系统的整体性能和可靠性。5g基站的电力需求具有明显的波动性，频繁的充放电循环会导致电池的soc偏移现象加剧。这不仅影响储能系统的效能发挥，还会导致电池的过度充电或放电，进而缩短电池寿命。

技术实现思路

1、基于此，本发明有必要提供一种5g基站储能系统的soc偏移优化控制方法及系统，以解决至少一个上述技术问题。

2、为实现上述目的，一种5g基站储能系统的soc偏移优化控制方法，包括以下步骤：

3、步骤s1：对目标储能电池进行实时多参数监测，得到实时电池关键参数；根据实时电池关键参数对目标储能电池进行动态等效电路模型构建，得到电池等效电路模型；

4、步骤s2：对目标5g基站进行负载时序知识图建模，得到基站负载时序知识图；根据实时电池关键参数与基站负载时序知识图对目标储能电池进行soc自适应滤波融合估算，得到储能电池soc估计值；

5、步骤s3：基于电池等效电路模型根据储能电池soc估计值对目标储能电池进行滚动时域soc趋势预测，得到未来soc趋势预测数据；根据未来soc趋势预测数据对目标储能电池进行模型预测控制优化，得到电池运行控制决策数据；

6、步骤s4：获取未来优化时域窗口；根据预设的滚动时间窗口对未来优化时域窗口进行时段切分，得到滚动优化时段集合；对滚动优化时段集合中每个时段重复执行步骤s3，从而得到全程优化控制策略；

7、步骤s5：根据实时电池关键参数对目标储能电池进行健康状态在线评估，得到电池健康度数据；根据电池健康度数据对全程优化控制策略进行寿命约束融合调整，生成最终soc偏移优化控制策略。

8、本发明通过实时监测目标储能电池的多个关键参数，并构建动态等效电路模型，能够准确估算储能电池的soc（电池剩余电量），从而优化电池的充放电策略，延长电池寿命，并确保储能系统在电力中断时提供备用电源，保障基站的连续运行。传统的soc估算方法基于静态模型，未能充分考虑5g基站这种高负载、多变工况下的动态变化。本发明通过对目标5g基站进行负载时序知识图建模，并将实时电池关键参数与基站负载时序知识图进行自适应滤波融合估算，可以更准确地估计储能电池的soc，以适应实际运行环境的动态变化。基于电池等效电路模型和储能电池的soc估计值，能够进行滚动时域soc趋势预测，并根据预测数据进行模型预测控制优化，从而得到电池运行控制决策数据。这可以提前预测电池的soc变化趋势，在需求高峰时合理分配电能，避免过度充电或放电，从而降低soc偏移现象的发生，优化储能系统的性能。通过获取未来优化时域窗口并对其进行时段切分，可以对滚动优化时段集合中的每个时段重复执行soc趋势预测和模型预测控制优化步骤，从而得到全程优化控制策略。这可以更加精确地控制储能系统的运行，提高系统的效能和稳定性。通过根据实时电池关键参数对目标储能电池进行健康状态在线评估，并根据电池健康度数据对全程优化控制策略进行寿命约束融合调整，可以在考虑电池寿命的前提下生成最终的soc偏移优化控制策略。这可以保护电池的健康状态，延长电池的使用寿命，提高储能系统的可靠性。综上所述，本发明能够提高储能系统的性能和可靠性，适应实际运行环境的动态变化，优化电池的充放电策略，并考虑电池寿命的约束，从而实现对5g基站储能系统soc偏移的有效控制。

9、优选地，本发明还提供了一种5g基站储能系统的soc偏移优化控制系统，用于执行如上所述的5g基站储能系统的soc偏移优化控制方法，该5g基站储能系统的soc偏移优化控制系统包括：

10、实时监测模块，用于对目标储能电池进行实时多参数监测，得到实时电池关键参数；根据实时电池关键参数对目标储能电池进行动态等效电路模型构建，得到电池等效电路模型；

11、负载建模模块，用于对目标5g基站进行负载时序知识图建模，得到基站负载时序知识图；根据实时电池关键参数与基站负载时序知识图对目标储能电池进行soc自适应滤波融合估算，得到储能电池soc估计值；

12、soc估算与预测模块，用于基于电池等效电路模型根据储能电池soc估计值对目标储能电池进行滚动时域soc趋势预测，得到未来soc趋势预测数据；根据未来soc趋势预测数据对目标储能电池进行模型预测控制优化，得到电池运行控制决策数据；

13、滚动优化控制模块，用于获取未来优化时域窗口；根据预设的滚动时间窗口对未来优化时域窗口进行时段切分，得到滚动优化时段集合；对滚动优化时段集合中每个时段重复执行步骤s3，从而得到全程优化控制策略；

14、健康评估与调整模块，用于根据实时电池关键参数对目标储能电池进行健康状态在线评估，得到电池健康度数据；根据电池健康度数据对全程优化控制策略进行寿命约束融合调整，生成最终soc偏移优化控制策略。

15、本发明中，通过实时监测目标储能电池的多个参数，并根据这些参数构建动态等效电路模型，能够准确获取电池的关键状态信息。这有助于系统对电池的实时状态进行监测和分析，提供准确的基础数据。通过对目标5g基站的负载时序知识图进行建模，并结合实时电池关键参数，采用自适应滤波融合估算方法，能够准确估算储能电池的soc。这有助于提高soc估算的准确性，从而优化电池的充放电策略。基于电池等效电路模型和储能电池的soc估计值，进行滚动时域soc趋势预测，预测未来的soc变化趋势。通过模型预测控制优化，能够提前预测电池的soc变化，并生成相应的电池运行控制决策数据，以实现优化的能量管理。通过获取未来优化时域窗口，并对其进行时段切分，得到滚动优化时段集合。在每个时段内，系统重复执行soc趋势预测和模型预测控制优化步骤，以得到全程优化的控制策略。这有助于更好地适应5g基站电力需求的波动性，优化电池充放电策略，提高储能系统的性能。通过实时电池关键参数对目标储能电池进行健康状态的在线评估，并获取电池的健康度数据。根据电池健康度数据对全程优化控制策略进行寿命约束融合调整，以保护电池的健康状态，延长电池的使用寿命。