一种基于数字孪生的智能储能系统调控与运维方法及设备与流程

本发明涉及储能系统智能管理领域，特别是涉及一种基于数字孪生的智能储能系统调控与运维方法及设备。

背景技术：

1、现有的调度控制技术中，智能调度算法是关键技术之一。这些算法可以根据电网负荷预测、能源价格预测等信息，自动优化储能系统的充放电策略，以实现电网负荷调节、能源成本最小化等目标。例如，基于深度学习的预测算法可以利用历史数据对未来的电网负荷和能源价格进行准确预测，从而指导储能系统的调度决策。智能调度算法能够根据电网负荷和能源价格等信息进行优化调度，但算法的精度和准确性受到数据质量和预测模型的影响。此外，复杂的算法实现和计算成本较高，可能会增加系统的计算负担和延迟。

2、为了提高运维效率和系统可靠性，现代储能系统需要具备智能监测与诊断技术。这些技术可以实时监测电池组的状态参数，如电压、电流、温度等，并通过分析数据、建立模型来诊断电池组的健康状态和故障情况。例如，基于机器学习的电池健康状态监测算法可以根据电池组的运行数据，准确判断电池的剩余寿命和健康状况。智能监测与诊断技术可以实时监测电池组的状态和健康状况，但对于复杂的电池老化机理和故障模式，仍然存在一定的诊断误差和准确性不足的问题。此外，实施这些技术可能需要增加传感器和监测设备的投资成本。

3、数字孪生技术是一种将实际系统建模为数字化的虚拟系统，并通过与实际系统实时同步更新状态信息，以实现对实际系统的精确仿真和预测。在储能系统中，数字孪生技术可以建立电池组、储能装置等的数字孪生同步模型，实现对系统状态的精确预测和仿真。例如，利用数字孪生技术可以实现对电池soc（state of charge）、soh（state of health）等参数的精确预测，从而优化调度策略和运维决策。数字孪生技术能够对储能系统进行精确的仿真和预测，但建立和维护数字孪生同步模型需要大量的实时数据和系统参数，并且需要不断更新模型以保持与实际系统的同步。此外，复杂的数字孪生同步模型会增加系统的计算和存储负担。

4、综合来看，这些现有技术在提高储能系统的智能化程度和运维效率方面发挥了重要作用，但在应对复杂的系统动态变化和提高预测准确性方面仍有改进空间。未来的发展方向可能包括优化算法设计、改进传感器技术、加强数据质量管理以及深入研究电池老化机理等方面。

5、现有储能系统在调度控制和运维方面存在效率低下、安全性不足等问题。

6、（1）当前的储能系统通常采用固定的充放电策略，无法灵活应对电网负荷变化和能源价格波动，导致能源利用效率低下。

7、（2）传统的运维方法主要依赖于定期巡检和维护，难以及时发现和处理系统故障，影响了系统的安全性和可靠性。

8、（3）缺乏针对性的电池状态监测和预测手段，无法有效延长电池的使用寿命，增加了系统的维护成本和能源浪费。

技术实现思路

1、本发明的目的是提供一种基于数字孪生的智能储能系统调控与运维方法及设备，可提高储能系统的能源利用效率、安全性和经济性。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于数字孪生的智能储能系统调控与运维方法，所述智能调控与运维方法包括：获取当前时间段内的参数数据；所述参数数据包括电网负荷、能源激励参数及储能系统的电池状态和环境温度，所述当前时间段为当前时刻及当前时刻之前的n-1个时刻组成的时间段，n为当前时间段的长度；根据当前时间段内的参数数据，利用sox智能算法预测未来时间段内的参数数据；所述未来时间段为当前时刻之后的m个时刻组成的时间段，m为未来时间段的长度；根据未来时间段内的参数数据，利用储能系统的数字孪生同步模型，确定使目标函数最优的充放电调控策略；利用储能系统的数字孪生同步模型制定储能系统的运维策略。

4、可选的，获取当前时间段内的参数数据，具体包括：从与所述储能系统连接的电网管理平台获取当前时间段内的电网负荷和能源激励参数；从储能系统的bms中获取当前时间段内的储能系统的电池状态和环境温度。

5、可选的，从储能系统的bms中获取当前时间段内的储能系统的电池状态和环境温度，具体包括：从储能系统的bms中获取当前时间段内的储能系统的环境温度；从储能系统的bms中获取当前时间段内的储能系统的电池的电压和电流；根据当前时间段内的储能系统的电池的电压和电流，估计当前时间段内的储能系统的电池状态；所述电池状态包括电池的荷电状态和健康状态。

6、可选的，估计当前时间段内的储能系统的电池的荷电状态的方法包括：电压法、电流积分法、扩展卡尔曼滤波法和无迹卡尔曼滤波法中的一种或多种；估计当前时间段内的储能系统的电池的健康状态的方法包括：实验分析法和/或基于模型的方法。

7、可选的，所述sox智能算法采用训练后的lstm模型进行参数数据预测。

8、可选的，所述数字孪生同步模型的建立步骤包括：建立储能系统的黑盒子数字孪生模型；利用黑盒子数字孪生模型对储能系统在不同充放电调控策略下的状态变化进行仿真，获得仿真结果；将仿真结果与储能系统在不同充放电调控策略下的状态变化的实测结果进行对比，根据对比结果调整黑盒子数字孪生模型的参数，直到所述黑盒子数字孪生模型满足精度要求，将满足精度要求的黑盒子数字孪生模型作为所述数字孪生同步模型。

9、可选的，所述目标函数为：；其中，为目标函数，是未来时间段内的充放电次数，是第次充放电的能耗成本，是第次充放电的功率，是第次充放电的时长，是第次充放电的速率，是权衡充放电损耗和时间的参数，为第次充放电的能量利用量，为储能系统总能量，是权衡能量利用率和功率的参数。

10、可选的，所述目标函数为：；其中，为目标函数， l为储能系统的充放电损耗，为储能系统的能量利用率，为储能系统对环境的影响度，为储能系统的响应能力，b为储能系统的寿命，、、、和分别为l 、 、 、和b的权重。

11、可选的，利用储能系统的数字孪生同步模型制定储能系统的运维策略，具体包括：利用所述数字孪生同步模型模拟储能系统的运行状态，获得模拟状态数据；运行状态包括储能系统的电池的温度、电压和充放电电流；监测储能系统的实际运行状态，获得实际状态数据；根据所述模拟状态数据和所述实际状态数据的差异对储能系统进行故障诊断，获得第一诊断结果；将所述实际状态数据输入故障诊断模型，获得故障诊断模型输出的第二诊断结果；所述故障诊断模型通过对神经网络模型进行训练获得；根据所述第一诊断结果和所述第二诊断结果制定储能系统的运维策略。

12、一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述智能调控与运维方法。

13、根据本发明提供的具体实施例，本发明公开了以下技术效果：

14、本发明实施例提供一种基于数字孪生的智能储能系统调控与运维方法及设备，所述智能调控与运维方法包括：获取当前时间段内的参数数据；所述参数数据包括电网负荷、能源激励参数及储能系统的电池状态和环境温度，所述当前时间段为当前时刻及当前时刻之前的n-1个时刻组成的时间段，n为当前时间段的长度；根据当前时间段内的参数数据，利用sox智能算法预测未来时间段内的参数数据；所述未来时间段为当前时刻之后的m个时刻组成的时间段，m为未来时间段的长度；根据未来时间段内的参数数据，利用储能系统的数字孪生同步模型，确定使目标函数最优的充放电调控策略；利用储能系统的数字孪生同步模型制定储能系统的运维策略。本发明实施例提供的方法采用神经网络模型技术与孪生技术结合的方法，制定充放电调控策略和运维策略，提高储能系统的能源利用效率、安全性和经济性。