一种基于边缘计算的储能电站状态评估与运行优化系统

摘要

本发明公开了一种基于边缘计算的储能电站状态评估与运行优化系统，包括储能电站设备、数据通讯采集设备、边缘计算装置及云端服务平台；储能电站设备包括电池模组、电池管理系统、储能变流器及储能能量管理系统；数据通讯采集设备采集储能电站设备的运行数据并将采集的数据实时转发到边缘计算装置，边缘计算装置就地进行相关数据分析并将分析结果通过数据通讯采集设备转发到云端服务平台，云端服务平台进行相关的数据存储及进一步的数据优化分析。通过构建此系统结构，可实现对储能电站及其关键部件的快速综合评估与故障预警，为储能电站的精细化控制管理提供运行方案支持，并降低云端与本地实时传输大量数据与通信的压力。

说明书

技术领域

本发明属于智慧用能技术领域，特别涉及一种基于边缘计算的储能电站状态评估与运行优化系统。

背景技术

随着“大云物移智”等信息通信技术的普及应用以及储能电站在质和量上的迅速发展，“三流合一”(能源流、业务流、数据流)已成为当今储能电站发展的主要战略方向。针对储能系统监测数据采集量大，某些数据精度要求较高，较快的计算能力以及相应的控制策略实现都对储能电站系统提出了更多的挑战及要求。

当储能系统规模较大，加之较为复杂的控制策略，系统的运行监控数据、存储数据以及通信数据将无法用本地的存储方式进行数据管理，传统的集中数据管理及通讯方式也将不再试用。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于边缘计算的储能电站状态评估与运行优化系统，通过云端、边缘端和设备端协同处理的方式，实现对储能电站及其关键部件的综合评估与故障预警，为储能电站的精细化控制管理提供运行方案支持。

为了解决上述技术问题，本发明公开了一种基于边缘计算的储能电站状态评估与运行优化系统，包括储能电站设备、数据通讯采集设备、边缘计算装置及云端服务平台；

一个储能电站对应一个数据通讯采集设备及一个边缘计算装置，在有两个以上储能电站的综合能源场景下，每一个储能电站的运行数据都通过其相应的数据通讯采集设备上传到同一个云端服务平台；

所述储能电站设备包括存储能量单元电池、直流转化为交流的双向变流器及控制单元PCS(Power Control System)、电池管理系统BMS(Battery Management System)以及能量管理系统EMS(Energy Management System)；

所述数据通讯采集设备用于储能电站运行数据的采集，部署在储能电站设备侧，将双向变流器及控制单元PCS、电池管理系统BMS的运行数据实时采集并转发到边缘计算装置中，所述数据通讯采集设备采集的数据包括电池模组电压、电流、功率以及温度，并将数据按指定频率发送到云端服务平台；

所述边缘计算装置，基于数据通讯采集设备采集的数据进行电池健康状态评估，并嵌入储能运行辅助决策算法，实时计算储能设备最优充放电策略并将计算结果通过数据通讯采集设备上传到云端服务平台；

所述云端服务平台，接收储能电站运行数据、电池健康状态评估结果及系统运行经济性的初步分析结果，所述系统运行经济性的初步分析结果指所述边缘计算装置计算储能设备最优充放电策略获得的计算结果；云端服务平台基于此三部分数据进行进一步的储能电站故障预警分析及储能电站运行策略的决策，并将此策略通过数据通讯接口推送给储能电站的能量管理系统EMS，以实现与储能电站设备的信息交互。

在一种实现方式中，所述电池管理系统BMS，包括3层架构：电池模组BMS、电池簇BMS和电池系统BMS，3层架构BMS分别采集电池模组级、电池簇级以及电池系统级的电压、电流、功率和温度运行参数，并将数据实时推送到数据通讯采集设备。

在一种实现方式中，所述电池健康状态评估，是基于电池模组充放电电压电流曲线及电池等效电路模型，对电池剩余容量SoH(State of Health)、内阻和电池端电压进行估算，并比较不同电池模组的电池状态，进一步判断储能电站电池系统的运行状态。

在一种实现方式中，所述电池系统的运行状态为不同电池模组的电池健康状态均衡程度，评价指标为各个电池模组的端电压及电池剩余容量SoH，基于电池模组检测数据，包括充放电电压电流曲线，采用内阻估算法进行不同模组电池剩余容量SoH的估算，若发现某个电池模组的剩余容量低于其它电池模组的剩余容量超过阈值T时，则需进行该电池模组的替换以保证整个电池系统的运行效率及整体寿命。

在一种实现方式中，所述储能电站的运行策略，以储能电站运行经济性最优为目标函数，同时满足储能电站设备所供负荷的电力需求、电池的出力限制并结合储能电站所在地电价曲线，给出储能电站的最优运行策略。

在一种实现方式中，所述储能电站故障预警分析，基于电池剩余容量SoH及端电压，针对每一块电池模组绘制其容量衰减曲线及电压变化曲线，依据容量衰减曲线及电压变化曲线进行电池模组的故障检修预判。

在一种实现方式中，所述边缘计算装置具有较快的响应速度及计算速度，能够做到快速响应负荷变化并嵌入多种智能算法以实现储能电站的电池健康状态评估及储能电站在用户侧或电网测的不同功能及相应的最优运行策略开发。

在一种实现方式中，所述智能算法包括基于神经网络的电池剩余容量SoH估算、负荷预测以及整数混合线性/非线性储能运行优化。

在一种实现方式中，所述云端服务平台包括电池数据分析模块、策略生成与推送模块、储能电站维护模块以及储能电站故障预警模块；

所述电池数据分析模块，基于电池运行历史数据，进行电池模组间的均衡及运行效率分析；

所述策略生成与推送模块包括电池组均衡充放电策略，及储能电站经济性运行的最优充放电策略并将上述策略推送到储能电站的能量管理系统EMS，从而实现电池的最优化充放电策略；

所述储能电站维护模块基于电池模组充放电曲线的检测，对影响系统运行效率的电池模组或衰减过快的电池模组进行相应维护，维护包括电池模组内部电芯的重组；

所述储能电站故障预警模块，基于大量的电池剩余容量SoH历史状态，通过大数据算法进行电池故障的预判与维护。

在一种实现方式中，云端服务平台通过数据通讯接口将储能电站运行策略推送给储能电站的能量管理系统EMS，所述数据通讯接口使用RS484端口和Modbus传输协议。

有益效果：

1.本发明在传统的储能并网架构基础上，在储能电站侧部署一个数据采集通信单元，负责采集本地储能电站的运行数据，将数据推送给边缘计算装置并上传到云端服务平台，边缘计算终端进行电池模组健康状态评估及相关运行策略计算发布，云端服务平台进行储能电站的故障预判，系统所有的运行数据将按一定频率上传到云服务平台进行存储及相关的大数据分析，用于储能电站的运营及维护，既减少了通信资源的消耗，降低云端与本地实时传输大量数据与通信的压力，又提升了整个系统的运行效率及管理效率，大大解决储能电站与运营数据相关的难题。

2.本发明提供的系统可实现对储能电站及其关键部件的快速综合评估与故障预警，为储能电站的精细化控制管理提供运行方案支持。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1是本发明提供的一种基于边缘计算的储能电站状态评估与运行优化系统的结构图；

具体实施方式

如图1所示为本发明提供的一种基于边缘计算的储能电站状态评估与运行优化系统的结构图，包括包括储能电站设备、数据通讯采集设备、边缘计算装置及云端服务平台；

一个储能电站对应一个数据通讯采集设备及一个边缘计算装置，在有两个以上储能电站的综合能源场景下，每一个储能电站的运行数据都通过其相应的数据通讯采集设备上传到同一个云端服务平台；

所述储能电站设备包括存储能量单元电池、直流转化为交流的双向变流器及控制单元PCS、电池管理系统BMS以及能量管理系统EMS；

所述数据通讯采集设备用于储能电站运行数据的采集，部署在储能电站设备侧，将双向变流器及控制单元PCS、电池管理系统BMS的运行数据实时采集并转发到边缘计算装置中，所述数据通讯采集设备采集的数据包括电池模组电压、电流、功率以及温度，并将数据按指定频率发送到云端服务平台；

所述边缘计算装置，基于数据通讯采集设备采集的数据进行电池健康状态评估，并嵌入储能运行辅助决策算法，实时计算储能设备最优充放电策略并将计算结果通过数据通讯采集设备上传到云端服务平台；

所述云端服务平台，接收储能电站运行数据、电池健康状态评估结果及系统运行经济性的初步分析结果，所述系统运行经济性的初步分析结果指所述边缘计算装置计算储能设备最优充放电策略获得的计算结果；云端服务平台基于此三部分数据进行进一步的储能电站故障预警分析及储能电站运行策略的决策，并将此策略通过数据通讯接口推送给储能电站的能量管理系统EMS，以实现与储能电站设备的信息交互。

本实施例中，所述电池管理系统BMS，包括3层架构：电池模组BMS、电池簇BMS和电池系统BMS，3层架构BMS分别采集电池模组级、电池簇级以及电池系统级的电压、电流、功率和温度运行参数，并将数据实时推送到数据通讯采集设备。

本实施例中，所述电池健康状态评估，是基于电池模组充放电电压电流曲线及电池等效电路模型，对电池剩余容量SoH(State of Health)、内阻和电池端电压进行估算，并比较不同电池模组的电池状态，进一步判断储能电站电池系统的运行状态。

本实施例中，所述电池系统的运行状态为不同电池模组的电池健康状态均衡程度，评价指标为各个电池模组的端电压及电池剩余容量SoH，基于电池模组检测数据，包括充放电电压电流曲线，采用内阻估算法进行不同模组电池剩余容量SoH的估算，若发现某个电池模组的剩余容量低于其它电池模组的剩余容量超过阈值T时，则需进行该电池模组的替换以保证整个电池系统的运行效率及整体寿命。本实施例中，所述阈值T取值范围为电池模组总容量的2％-5％。

本实施例中，所述储能电站的运行策略，以储能电站运行经济性最优为目标函数，同时满足储能电站设备所供负荷的电力需求、电池的出力限制并结合储能电站所在地电价曲线，给出储能电站的最优运行策略。

本实施例中，所述储能电站故障预警分析，基于电池剩余容量SoH及端电压，针对每一块电池模组绘制其容量衰减曲线及电压变化曲线，依据容量衰减曲线及电压变化曲线进行电池模组的故障检修预判。

本实施例中，所述边缘计算装置具有较快的响应速度及计算速度，能够做到快速响应负荷变化并嵌入多种智能算法以实现储能电站的电池健康状态评估及储能电站在用户侧或电网测的不同功能及相应的最优运行策略开发。

本实施例中，所述智能算法包括基于神经网络的电池剩余容量SoH估算、负荷预测以及整数混合线性/非线性储能运行优化。

本实施例中，所述云端服务平台包括电池数据分析模块、策略生成与推送模块、储能电站维护模块以及储能电站故障预警模块；

所述电池数据分析模块，基于电池运行历史数据，进行电池模组间的均衡及运行效率分析；

所述策略生成与推送模块包括电池组均衡充放电策略，及储能电站经济性运行的最优充放电策略并将上述策略推送到储能电站的能量管理系统EMS，从而实现电池的最优化充放电策略；

所述储能电站维护模块，基于电池模组充放电曲线的检测，对影响系统运行效率的电池模组或衰减过快的电池模组进行相应维护，维护包括电池模组内部电芯的重组；

所述储能电站故障预警模块，基于大量的电池剩余容量SoH历史状态，通过大数据算法进行电池故障的预判与维护。

本实施例中，云端服务平台通过数据通讯接口将储能电站运行策略推送给储能电站的能量管理系统EMS，所述数据通讯接口使用RS484端口和Modbus传输协议。

本发明提供了一种基于边缘计算的储能电站状态评估与运行优化系统，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。