一种基于多层级架构的分布式储能采集策略控制方法技术

本发明专利技术公开了一种基于多层级架构的分布式储能采集策略控制方法，该方法包括以下步骤：S1、采集电芯参数数据；S2、获取电芯参数数据，分析不同电池组件之间电芯参数数据的差异，并构建三级BMS架构储能模型；S3、构建时间序列模型，对三级BMS架构储能模型中电池状态和负载需求进行预测优化，并设定各级BMS架构的阈值和相应的控制策略；S4、对不同层级和电池组件进行相应的控制，并将储能任务分配给分布式储能系统中的不同电池组件；S5、监测分布式储能系统的状态和性能。本发明专利技术的时间序列模型可以通过历史数据对未来的储能状态和负载需求进行预测，使控制策略可以及时地做出相应的调整，提高储能系统的效率。提高储能系统的效率。提高储能系统的效率。

【技术实现步骤摘要】
一种基于多层级架构的分布式储能采集策略控制方法


[0001]本专利技术涉及分布式储能系统控制领域，具体来说，涉及一种基于多层级架构的分布式储能采集策略控制方法。

技术介绍

[0002]电芯是指储存电荷并将其转化为电能的电池元件，通常由正极、负极、隔膜和电解质组成。电芯常用于组成电池组件，用于储能和供电等应用中。常见的电芯类型包括锂离子电芯、镍氢电芯、铅酸电芯等。
[0003]电芯数据通常包括电池的基本参数、充电和放电特性、循环寿命等信息，例如：容量：电池储存能量的能力，通常以安时(Ah)表示。标称电压：电池设计的电压。充放电特性：包括充电和放电的最大电流、充电和放电截止电压、充放电效率等。内阻：电池内部电阻。温度特性：电池在不同温度下的性能表现，包括容量、内阻等。循环寿命：电池的寿命，通常定义为电池在特定条件下循环充放电多少次后容量降低至原容量的一定比例。这些参数通常可以通过测试获得，并以数据表格、曲线等形式进行展示和记录。电芯数据是评估电池性能和设计储能系统的重要依据。
[0004]例如，中国专利CN114421501B公开了一种用于分布式储能供电的自适应控制系统参数确定方法，通过对采集的实时数据进行自适应分析，使得微电网能源管理决策数据在具有实时性的同时，能够为微电网运营商能源管理运行机制实现日内调度提供决策依。
[0005]由于电芯数据的量是比较庞大的，整个储能架构实际上会存在多级架构，那么在最上层进行数据的汇集和采集的数据量非常庞大，使得对采集的实时数据进行自适应分析的效率下降，因此需要针对这种多级架构情况，设计一种能够自适应频率进行采集，保证数据价值高，数据量可以缩小，使得可以实现电芯层级的数据监控的采集策略方法。

技术实现思路

[0006]针对相关技术中的问题，本专利技术提出一种基于多层级架构的分布式储能采集策略控制方法，以克服现有相关技术所存在的上述技术问题。
[0007]为此，本专利技术采用的具体技术方案如下：
[0008]一种基于多层级架构的分布式储能采集策略控制方法，该分布式储能采集策略控制方法包括以下步骤：
[0009]S1、采集电芯参数数据，将电芯参数数据存储至数据库；
[0010]S2、获取电芯参数数据，分析不同电池组件之间电芯参数数据的差异，并构建三级BMS架构储能模型；
[0011]S3、构建时间序列模型，对三级BMS架构储能模型中电池状态和负载需求进行预测优化，并设定各级BMS架构的阈值和相应的控制策略；
[0012]S4、根据设定的阈值和控制策略，对不同层级和电池组件进行相应的控制，并将储能任务分配给分布式储能系统中的不同电池组件；
[0013]S5、在储能过程中，监测分布式储能系统的状态和性能，并对控制策略进行调整。
[0014]进一步的，所述获取电芯参数数据，分析不同电池组件之间电芯参数数据的差异，并构建三级BMS架构储能模型包括以下步骤：
[0015]S21、根据电芯参数数据，确定电池组件的数量和型号；
[0016]S22、对电池组件进行预处理，并对比不同电池组件之间的电芯参数数据的差异；
[0017]S23、分析比对结果，将电池组件分为不同的层级，并构建三级BMS架构储能模型；
[0018]其中，三级BMS架构储能模型由单体级BMS架构储能模型、模块级BMS架构储能模型及系统级BMS架构储能模型组成；
[0019]基于单体级BMS架构储能模型对每个电池组件内部的电芯进行管理和控制；
[0020]基于模块级BMS架构储能模型对电池组件进行监控和管理；
[0021]基于系统级BMS架构储能模型对分布式储能系统进行管理和控制。
[0022]进一步的，所述对电池组件进行预处理，并对比不同电池组件之间的电芯参数数据的差异包括以下步骤：
[0023]S221、去除电池组件中的重复数据、异常值和缺失数据；
[0024]S222、对电池组件的电芯参数数据进行归一化处理；
[0025]S223、利用图表工具对电池组件之间的电芯参数数据进行可视化分析，获取不同电池组件之间的电芯参数数据的差异。
[0026]进一步的，所述构建时间序列模型，对三级BMS架构储能模型中电池状态和负载需求进行预测优化，并设定各级BMS架构的阈值和相应的控制策略包括以下步骤：
[0027]S31、获取电池组件的中电池的充放电情况、环境温度、电流和电压的参数信息，并构建ARMA模型；
[0028]S32、根据数据的特征和预测目标，对ARMA模型进行训练；
[0029]S33、利用ARMA模型对电池状态和负载需求进行预测，并根据预测结果，设定各级BMS架构的阈值；
[0030]S34、根据阈值设置电池充放电的限制范围、充电和放电的优先级、电池的充电和放电速率、电池的保护措施及储能系统的负载分配，制定相应的控制策略。
[0031]进一步的，所述根据数据的特征和预测目标，对ARMA模型进行训练包括以下步骤：
[0032]S321、确定时间序列模型的阶数；
[0033]S322、使用最小二乘法，拟合ARMA模型，并计算ARMA模型的参数；
[0034]S323、利用极大似然估计法对ARMA模型的参数进行训练，并优化ARMA模型中自适应频率的采集能力。
[0035]进一步的，所述使用最小二乘法，拟合ARMA模型，并计算ARMA模型的参数包括以下步骤：
[0036]S3221、确定ARMA模型中的自回归和移动平均的阶数；
[0037]S3222、通过自回归模型拟合数据，得到残差序列；
[0038]S3222、将自回归和移动平均的阶数和残差序列整合，并构建时间序列数据；
[0039]S3223、通过拟合时间序列数据最小化拟合残差的平方估算ARMA模型的参数；
[0040]S3224、利用残差序列的朗格
‑
费舍检验进行拟合的验证。
[0041]进一步的，所述利用残差序列进行拟合的验证包括以下步骤：
[0042]S32241、设定残差序列中没有自相关性，计算一系列滞后阶数的自相关系数；
[0043]S32242、利用卡方分布的性质来计算自相关系数的概率值；
[0044]S32243、若概率值小于概率值的显著性水平，则判断残差序列存在自相关性。
[0045]进一步的，利用极大似然估计法对ARMA模型的参数进行训练，并优化ARMA模型中自适应频率的采集能力包括以下步骤：
[0046]S3231、通过观察ARMA模型中参数的频谱分布；
[0047]S3232、通过频谱分布来绘制功率谱密度图，并估计其最高频率分量；
[0048]S3233、通过观察功率谱密度图，并确定信号的主要频率范围；
[0049]S3234、根据Nyquist
‑
Shannon采样定理，选择采样频率，并将采样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多层级架构的分布式储能采集策略控制方法，其特征在于，该分布式储能采集策略控制方法包括以下步骤：S1、采集电芯参数数据，将电芯参数数据存储至数据库；S2、获取电芯参数数据，分析不同电池组件之间电芯参数数据的差异，并构建三级BMS架构储能模型；S3、构建时间序列模型，对三级BMS架构储能模型中电池状态和负载需求进行预测优化，并设定各级BMS架构的阈值和相应的控制策略；S4、根据设定的阈值和控制策略，对不同层级和电池组件进行相应的控制，并将储能任务分配给分布式储能系统中的不同电池组件；S5、在储能过程中，监测分布式储能系统的状态和性能，并对控制策略进行调整；所述构建时间序列模型，对三级BMS架构储能模型中电池状态和负载需求进行预测优化，并设定各级BMS架构的阈值和相应的控制策略包括以下步骤：S31、获取电池组件的中电池的充放电情况、环境温度、电流和电压的参数信息，并构建ARMA模型；S32、根据数据的特征和预测目标，对ARMA模型进行训练；S33、利用ARMA模型对电池状态和负载需求进行预测，并根据预测结果，设定各级BMS架构的阈值；S34、根据阈值设置电池充放电的限制范围、充电和放电的优先级、电池的充电和放电速率、电池的保护措施及储能系统的负载分配，制定相应的控制策略；所述根据数据的特征和预测目标，对ARMA模型进行训练包括以下步骤：S321、确定时间序列模型的阶数；S322、使用最小二乘法，拟合ARMA模型，并计算ARMA模型的参数；S323、利用极大似然估计法对ARMA模型的参数进行训练，并优化ARMA模型中自适应频率的采集能力；所述使用最小二乘法，拟合ARMA模型，并计算ARMA模型的参数包括以下步骤：S3221、确定ARMA模型中的自回归和移动平均的阶数；S3222、通过自回归模型拟合数据，得到残差序列；S3222、将自回归和移动平均的阶数和残差序列整合，并构建时间序列数据；S3223、通过拟合时间序列数据最小化拟合残差的平方估算ARMA模型的参数；S3224、利用残差序列的朗格
‑
费舍检验进行拟合的验证。2.根据权利要求1所述的一种基于多层级架构的分布式储能采集策略控制方法，其特征在于，所述获取电芯参数数据，分析不同电池组件之间电芯参数数据的差异，并构建三级BMS架构储能模型包括以下步骤：S21、根据电芯参数数据，确定电池组件的数量和型号；S22、对电池组件进行预处理，并对比不同电池组件之间的电芯参数数据的差异；S23、分析比对结果，将电池组件分为不同的层级，并构建三级BMS架构储能模型；其中，三级BMS架构储能模型由单体级BMS架构储能模型、模块级BMS架构储能模型及系统级BMS架构储能模型组成；基于单体级BMS架构储能模型对每个电池组件内部的电芯进行管理和控制；
基于模块...

【专利技术属性】
技术研发人员：钱增磊，华俊浩，杨耀东，吴天鹏，
申请(专利权)人：江苏果下科技有限公司，
类型：发明
国别省市：