电池能量管理方法、装置、电子设备及存储介质制造方法及图纸

本公开提供一种电池能量管理方法、装置、电子设备及存储介质，包括：获取历史用电信息；其中，所述历史用电信息包括历史用电数据、用电频率、用电负荷以及发电量；基于所述历史用电信息生成能量管理策略；其中，所述能量管理策略是对所述历史用电信息中的用电频率、用电负荷以及发电量进行强化学习得到的；基于所述能量管理策略进行自适应的电池能量管理。本公开首先对历史用电信息进行了强化学习进而生成了能量管理策略，然后通过能量管理策略对电池的能量消耗进行了自适应的管理。池的能量消耗进行了自适应的管理。池的能量消耗进行了自适应的管理。

【技术实现步骤摘要】
电池能量管理方法、装置、电子设备及存储介质


[0001]本专利技术涉及电池管理
，尤其涉及一种电池能量管理方法、装置、电子设备及存储介质。

技术介绍

[0002]目前光伏的应用越来越普遍，除了大型光伏场外，屋顶光伏的普及度也在提高。对于屋顶光伏而言，由于无法为每一个屋顶光伏系统配备昂贵的电池储能系统，从而导致大量的能量浪费。
[0003]在现有技术中，对于屋顶光伏的电池储能管理大多依赖于人工进行操作，这将导致人员的使用成本增加，同时也消耗了大量工人的时间成本。因此，在一些技术中，还使用移动充电车对电池储能系统进行管理。
[0004]但是，由于移动充电车的电池组在满足用电和一次调频服务(Frequency Containment Reserve，FCR)的同时，还要考虑电池寿命的损耗，这使得在这种系统中对于电池能量的控制会不稳定且不可预测电池储能系统的能量流动；同时，移动充电车的电池组并非为某一特定光伏系统设计，因而对于不同的负荷和光伏发电系统以及不同的FCR一次调频合同都需要整定不同的参数才能达到最佳适配。

技术实现思路

[0005]有鉴于此，本公开的目的在于提出一种电池能量管理方法、装置、电子设备及存储介质。
[0006]作为本公开的一个方面，提供了一种电池能量管理方法，其特征在于，包括：
[0007]获取历史用电信息；其中，所述历史用电信息包括历史用电数据、用电频率、用电负荷以及发电量；
[0008]基于所述历史用电信息生成能量管理策略；其中，所述能量管理策略是对所述历史用电信息中的用电频率、用电负荷以及发电量进行强化学习得到的；
[0009]基于所述能量管理策略进行自适应的电池能量管理。
[0010]可选的，所述获取历史用电信息后，还包括：
[0011]基于所述历史用电信息计算组合功率流；
[0012]对所述历史用电信息以及所述组合功率流进行数制编码处理，并得到编码后的历史用电信息；
[0013]其中，所述组合功率流表示为：
[0014]G
sc
＝G
HH
‑
G
PV
[0015]其中，G
sc
表示为组合功率流，G
HH
表示为耗电量，G
PV
表示为发电量。
[0016]可选的，所述基于所述历史用电信息生成能量管理策略，包括：
[0017]基于所述编码后的历史用电信息进行特征提取得到特征提取结果；
[0018]对所述特征提取结果进行分析，并得到历史用电峰值、历史用电谷值以及历史用
电能耗；
[0019]基于所述历史用电峰值、历史用电谷值以及历史用电能耗生成能量管理策略。
[0020]可选的，所述基于所述编码后的历史用电信息进行特征提取得到特征提取结果，包括：
[0021]将所述编码后的历史用电信息输入至预设的神经网络模型中进行强化学习，并得到强化学习的结果；
[0022]其中，所述强化学习的结果表示为：
[0023]Q
π
＝E
π
[R
t
|S
t
＝S,A
t
＝A][0024]其中，Q
π
表示强化学习的结果，E
π
为强化学习过程的期望值，R
t
为t时刻所形成的用电状态，S
t
为t时刻的用电状态，A
t
为t时刻所发生的用电动作；
[0025]基于所述预设的神经网络模型的激活函数以及所述强化学习的结果对所述编码后的历史用电信息进行特征提取得到特征提取结果。
[0026]可选的，所述对所述特征提取结果进行分析，并得到历史用电峰值、历史用电谷值以及历史用电能耗，包括：
[0027]将所述特征提取的结果进行数制解码处理，并得到解码后的特征提取结果；
[0028]对所述解码后的特征提取结果进行均值计算以及数据统计，得到历史用电峰值、历史用电谷值以及历史用电能耗；
[0029]其中，所述历史用电峰值表示为：
[0030]R＝R
i
/i
[0031]其中，R表示为历史用电峰值，R
i
表示为历史用电量中大于预设值的用电量，i表示为历史用电量中大于预设值的用电量的个数；
[0032]所述历史用电谷值，表示为：
[0033]F＝F
j
/j
[0034]其中，F表示为历史用电谷值，F
j
表示为历史用电量中小于预设值的用电量，j表示为历史用电量中小于预设值的用电量的个数。
[0035]可选的，所述基于所述历史用电峰值、历史用电谷值以及历史用电能耗生成能量管理策略，具体包括：
[0036]基于所述历史用电能耗、历史用电峰值以及其所发生的第一时间周期生成第一能量管理策略；
[0037]所述基于所述能量管理策略进行自适应的电池能量管理，具体包括：
[0038]当所述电池使用第一能量管理策略进行管理时，对所述电池进行充电处理。
[0039]可选的，所述基于所述历史用电峰值、历史用电谷值以及历史用电能耗生成能量管理策略，具体包括：
[0040]基于所述历史用电能耗、历史用电谷值以及其所发生的第二时间周期生成第二能量管理策略；
[0041]所述基于所述能量管理策略进行自适应的电池能量管理，具体包括：
[0042]当所述电池使用第二能量管理策略进行管理时，对所述电池进行放电处理。
[0043]作为本公开的第二个方面，本公开还提供了一种电池能量管理装置，包括：
[0044]用电信息获取模块，被配置为：获取历史用电信息；其中，所述历史用电信息包括
历史用电数据、用电频率、用电负荷以及发电量；
[0045]能量策略生成模块，被配置为：基于所述历史用电信息生成能量管理策略；其中，所述能量管理策略是对所述历史用电信息中的电流频率、用电负荷以及发电量进行强化学习得到的；
[0046]电池能量管理模块，被配置为：基于所述能量管理策略进行自适应的电池能量管理。
[0047]作为本公开的第三个方面，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现本公开所提供的上述电池能量管理方法。
[0048]作为本公开的第四个方面，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上任意一项所述的方法。
[0049]如上所述，本公开提供了一种电池能量管理方法、装置、电子设备及存储介质。在本公开中首先对历史用电信息进行了强化学习进而生成了能量管理策略，然后通过能量管理策略对电池的能量消耗进行了自适应的管理。
附图说明...

【技术保护点】

【技术特征摘要】
1.一种电池能量管理方法，其特征在于，包括：获取历史用电信息；其中，所述历史用电信息包括历史用电数据、用电频率、用电负荷以及发电量；基于所述历史用电信息生成能量管理策略；其中，所述能量管理策略是对所述历史用电信息中的用电频率、用电负荷以及发电量进行强化学习得到的；基于所述能量管理策略进行自适应的电池能量管理。2.根据权利要求1所述的方法，其特征在于，所述获取历史用电信息后，还包括：基于所述历史用电信息计算组合功率流；对所述历史用电信息以及所述组合功率流进行数制编码处理，并得到编码后的历史用电信息；其中，所述组合功率流表示为：G
sc
＝G
HH
‑
G
PV
其中，G
sc
表示为组合功率流，G
HH
表示为耗电量，G
PV
表示为发电量。3.根据权利要求2所述的方法，其特征在于，所述基于所述历史用电信息生成能量管理策略，包括：基于所述编码后的历史用电信息进行特征提取得到特征提取结果；对所述特征提取结果进行分析，并得到历史用电峰值、历史用电谷值以及历史用电能耗；基于所述历史用电峰值、历史用电谷值以及历史用电能耗生成能量管理策略。4.根据权利要求3所述的方法，其特征在于，所述基于所述编码后的历史用电信息进行特征提取得到特征提取结果，包括：将所述编码后的历史用电信息输入至预设的神经网络模型中进行强化学习，并得到强化学习的结果；其中，所述强化学习的结果表示为：Q
π
＝E
π
[R
t
|S
t
＝S,A
t
＝A]其中，Q
π
表示强化学习的结果，E
π
为强化学习过程的期望值，R
t
为t时刻所形成的用电状态，S
t
为t时刻的用电状态，A
t
为t时刻所发生的用电动作；基于所述预设的神经网络模型的激活函数以及所述强化学习的结果对所述编码后的历史用电信息进行特征提取得到特征提取结果。5.根据权利要求4所述的方法，其特征在于，所述对所述特征提取结果进行分析，并得到历史用电峰值、历史用...

【专利技术属性】
技术研发人员：张剑，王强，白银明，王浩柱，张旭泽，齐沛雯，徐哲，刘广，袁帅，郝骏，
申请(专利权)人：北京中电飞华通信有限公司，
类型：发明
国别省市：