基于云边端协同的大规模储能电站资源分配方法及系统技术方案

本发明专利技术涉及一种基于云边端协同的大规模储能电站资源分配方法及系统，属于电力系统优化控制技术领域。方法包括以下步骤：构建以云服务平台、边缘计算平台、多储能电站以及主备用网络为结构特征的大规模储能电站管控架构；基于所述大规模储能电站管控架构建立大规模储能电站资源分配模型，对所述资源分配模型进行处理和训练；根据所述处理和训练后的资源分配模型，在线执行资源协同分配，实现大规模储能电站协同管控。本方法可以满足异构数据的差异化服务质量需求，实现系统开销最小，可以确保大规模储能电站的实时协同管控。保大规模储能电站的实时协同管控。保大规模储能电站的实时协同管控。

【技术实现步骤摘要】
基于云边端协同的大规模储能电站资源分配方法及系统


[0001]本专利技术属于电力系统优化控制
，尤其涉及一种基于云边端协同的大规模储能电站资源分配方法及系统。

技术介绍

[0002]风电、光伏等可再生能源由于其自身的随机性、波动性、间歇性等特性给电力系统的安全稳定运行带来极大挑战。储能电站能够配合光伏、风电机组实现平抑发电波动、削峰填谷、跟踪计划出力等功能，降低新能源发电的随机性和波动性，增加新能源发电的可控性。
[0003]随着新能源装机容量不断增加，储能电站规模不断扩大，功能不断增强，不同系统层级的储能电站管控单元之间利用多类型网络通信技术实现数据采集、状态监测、系统管控。现有储能电站管控大都依靠就地系统，难以协同利用多源数据支撑运行分析、故障预警、实时管控。再加上管控过程所涉及的数据种类多、数量大、服务需求差异明显，对本地资源受限的储能电站的数据处理能力提出了严峻挑战。近年来，随着云计算、边缘计算技术的推广，通过在云端、边缘端部署服务平台，能够有效提升大规模储能电站的数据处理能力、提升系统安全性能。然而，云边端资源分布的不均本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云边端协同的大规模储能电站资源分配方法，其特征在于，所述方法包括以下步骤：S1：构建以云服务平台、边缘计算平台、多储能电站以及主备用网络为结构特征的大规模储能电站管控架构；S2：基于所述大规模储能电站管控架构建立大规模储能电站资源分配模型，对所述资源分配模型进行处理和训练；S3：根据所述处理和训练后的资源分配模型，在线执行资源协同分配，实现大规模储能电站协同管控。2.根据权利要求1所述的方法，其特征在于，所述边缘计算平台，具备边缘控制功能，实时响应就地管控指令；具备边缘侧算力资源，用于智能分析多个储能电站上传的数据，解析云服务平台下发的管控指令；具备数据通信能力，用于将智能分析后的关键数据通过主备用网络上传云服务平台，以及通过主备用网络下发来自云服务平台的管控指令至储能电站；所述云服务平台，具备云端控制功能和云端算力资源，用于集中分析来自不同边缘计算平台的数据，形成全域最优管控指令，对全域范围内的储能电站进行集中统一管控；具备数据通信能力，用于接收来自边缘计算平台上传的数据，通过主备用网络下发管控指令至边缘计算平台；所述多储能电站，具备就地控制功能，用于控制电池充放电；具备本地算力资源，用于支持异构数据就地计算；具备数据采集和通信功能，用于支持实时采集运行数据和环境监测数据，通过主备用网络卸载至边缘计算平台进行计算分析；所述主备用网络，包括主用控制网络、备用控制网络、主用数据网络、备用数据网络，用于在储能电站、边缘计算平台、云服务平台之间建立通信链路，实现数据信息和管控指令安全可靠传输。3.根据权利要求1所述的方法，其特征在于，所述基于所述大规模储能电站管控架构建立大规模储能电站资源分配模型，对所述资源分配模型进行处理和训练包括：建立关于云侧、边缘侧与电站侧协同的大规模储能电站的资源协同分配的问题原型为满足约束条件：C1:0≤p
m
≤P
max
,C2:0≤f
m,n
≤F
n
,C3:C4:0≤r
m,n
≤1,C5:o
m,j
∈{0,1},C6:C7:其中，M表示储能电站总个数，m∈{1,...,M}，N表示边缘计算平台总个数，n∈{1,...,N}，j∈{0,1,...,N}，为最小化系统开销的优化目标，O＝{o
m,j
}
M
×
(N+1)
,R＝{r
m,n
}
M
×
N
分别表示计算模式、卸载比例映射关系矩阵，P＝{p
m
}
M
表示发射功率矩阵，τ
m,j
表示处理储能电站m数据的实际所用时延，e
m,j
表示处理储能电站m数据的实际所用能耗，ω
τ
表示时延权重，ω
e
表示能耗权重；P
max
表示储能电站的最大发射功率，f
m,n
表示储能电站m从边缘计算平台n获得的算力资源，F
n
表示边缘计算平台n的总算力资源，r
m,n
表示储能电站m将数据卸载至边缘计算平台n的卸载比例，o
m,j
表示计算模式，o
m,n
＝1表示储能
电站m选择边缘计算平台n进行卸载，o
m,0
＝1表示储能电站m选择完全就地计算，表示储能电站m所产生数据的时延上界。4.根据权利要求1所述的方法，其特征在于，所述基于所述大规模储能电站管控架构建立大规模储能电站资源分配模型，对所述资源分配模型进行处理和训练包括：将资源协同分配的问题原型转换为马尔科夫博弈模型，建立马尔科夫博弈模型，所述马尔科夫博弈模型包括每个储能电站的状态、动作、奖励及状态转移函数；将资源协同分配问题转换为长期累积奖励最大化问题，基于多智能体深度强化学习构建深度确定性策略梯度模型求解马尔科夫博弈模型，离线训练多智能体深度确定性策略梯度模型，直至奖励收敛。5.根据权利要求1所述的方法，其特征在于，所述根据所述处理和训练后的资源分配模型，在线执行资源协同分配，实现大规模储能电站协同管控包括：在时刻t，将每个储能电站的状态作为离线训练完成的深度确定性策略梯度模型的输入，确定并输出储能电站的计算模式、发射功率、卸载比例，以及云侧、边缘侧资源分配情况，实现云边端资源协同分配。6.一种基于云边端协同的...

【专利技术属性】
技术研发人员：刘晓宇，李相俊，贾学翠，刘家亮，官亦标，马会萌，王凯丰，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：