【技术实现步骤摘要】
本专利技术涉及互联网，尤其涉及一种分布式储能系统的soc智能控制方法及系统。
技术介绍
1、目前，储能系统作为智能电网和微电网系统的重要组成部分，发挥着移峰填谷、备用电源、电能质量治理和消纳新能源发电等作用。近年来，在储能元件成本降低，新能源发电装机量逐年攀升的背景下，储能系统发展迅猛。当前客户侧储能一般以单套系统为单位独自参与电网辅助服务，缺乏通过分布式协调控制满足全局功率需求的手段。各个储能单元在工作过程中，其soc(荷电状态)也在实时变化。传统的静态功率分配方法，仅适用于soc对称变化的储能系统。若各储能单元工作状态不对称，某些储能单元会过早失去充放电能力，影响系统整体工作性能。
技术实现思路
1、针对上述所显示出来的问题，本专利技术提供了一种分布式储能系统的soc智能控制方法及系统用以解决
技术介绍
中提到的传统的静态功率分配方法，仅适用于soc对称变化的储能系统。若各储能单元工作状态不对称，某些储能单元会过早失去充放电能力，影响系统整体工作性能的问题。
2、一种分布式储能系统的soc智能控制方法，包括以下步骤：
3、确定分布式储能系统中各个电池组的不稳态因素和状态参数之间的线性变化向量；
4、根据各个电池组的不稳态因素和状态参数之间的线性变化向量构建soc计算模型；
5、获取分布式储能系统的多个业务场景参数，根据每个业务场景参数利用soc计算模型生成分布式储能系统的多业务控制策略；
6、利用分布式储能系统的多业务控制
7、优选的，所述确定分布式储能系统中各个电池组的不稳态因素和状态参数之间的线性变化向量，包括：
8、检测分布式储能系统中各个电池组在工作过程中的自身变化因素，将自身变化因素进行统计以获取电池组的不稳态因素；
9、确定分布式储能系统中各个电池组中排列锂电池的工作参数和排布方式，根据工作参数和排布方式确定电池组的状态参数；
10、根据电池组的状态参数和不稳态因素构建各个电池组的状态方程；
11、基于各个电池组的状态方程确定各个电池组的不稳态因素和状态参数之间的线性变化向量。
12、优选的，根据各个电池组的不稳态因素和状态参数之间的线性变化向量构建soc计算模型，包括：
13、根据各个电池组的不稳态因素和状态参数之间的线性变化向量构建线性变化向量库；
14、通过电池组的状态参数和不稳态因素构建各个电池组的状态方程构建电池组的soc计算公式；
15、将线性变化向量库中的各个线性变量代入到soc计算公式中确定在各个线性变量下电池组的soc单独计算逻辑和soc组合计算逻辑；
16、根据电池组在各个线性变量下的soc单独计算逻辑和soc组合计算逻辑与soc计算公式和线性变化向量库中的多个线性变量构建soc计算模型。
17、优选的，所述获取分布式储能系统的多个业务场景参数，根据每个业务场景参数利用soc计算模型生成分布式储能系统的多业务控制策略，包括：
18、确定分布式储能系统的多个可支配业务场景，获取每个可支配业务场景的场景描述参数；
19、根据每个可支配业务场景的场景描述参数获取该可支配业务场景的用电需求参数或存电需求参数以及电能输入输出限制参数；
20、基于每个可支配业务场景的用电需求参数或存电需求参数以及电能输入输出限制参数获取该可支配业务场景的电网状态需求参数；
21、根据每个可支配业务场景的电网状态需求参数利用soc计算模型生成该可支配业务场景的目标业务控制策略；
22、将分布式储能系统所有的可支配业务场景的目标业务控制策略进行整合和梳理以生成分布式储能系统的多业务控制策略。
23、优选的，所述利用分布式储能系统的多业务控制策略对分布式储能系统进行实时soc智能控制，包括：
24、获取分布式储能系统的当前业务需求，根据当前业务需求确定当前业务控制策略；
25、根据当前业务控制策略确定对于分布式储能系统中每个电池组的控制状态参数；
26、根据每个电池组的控制状态参数确定分布式储能系统中每个电池组的目标工作模式；
27、将分布式储能系统中每个电池组的当前工作模式调节至目标工作模式以实现对分布式储能系统的实时soc智能控制。
28、一种分布式储能系统的soc智能控制系统，该系统包括：
29、确定模块，用于确定分布式储能系统中各个电池组的不稳态因素和状态参数之间的线性变化向量；
30、构建模块，用于根据各个电池组的不稳态因素和状态参数之间的线性变化向量构建soc计算模型；
31、生成模块，用于获取分布式储能系统的多个业务场景参数，根据每个业务场景参数利用soc计算模型生成分布式储能系统的多业务控制策略；
32、控制模块，用于利用分布式储能系统的多业务控制策略对分布式储能系统进行实时soc智能控制。
33、优选的，所述确定模块，包括：
34、第一获取子模块，用于检测分布式储能系统中各个电池组在工作过程中的自身变化因素，将自身变化因素进行统计以获取电池组的不稳态因素；
35、第一确定子模块，用于确定分布式储能系统中各个电池组中排列锂电池的工作参数和排布方式，根据工作参数和排布方式确定电池组的状态参数；
36、第一构建子模块，用于根据电池组的状态参数和不稳态因素构建各个电池组的状态方程；
37、第二确定子模块，用于基于各个电池组的状态方程确定各个电池组的不稳态因素和状态参数之间的线性变化向量。
38、优选的，构建模块，包括：
39、第二构建子模块，用于根据各个电池组的不稳态因素和状态参数之间的线性变化向量构建线性变化向量库；
40、第三构建子模块，用于通过电池组的状态参数和不稳态因素构建各个电池组的状态方程构建电池组的soc计算公式；
41、第三确定子模块，用于将线性变化向量库中的各个线性变量代入到soc计算公式中确定在各个线性变量下电池组的soc单独计算逻辑和soc组合计算逻辑；
42、第四构建子模块，用于根据电池组在各个线性变量下的soc单独计算逻辑和soc组合计算逻辑与soc计算公式和线性变化向量库中的多个线性变量构建soc计算模型。
43、优选的，所述生成模块，包括：
44、第四确定子模块，用于确定分布式储能系统的多个可支配业务场景，获取每个可支配业务场景的场景描述参数；
45、第二获取子模块，用于根据每个可支配业务场景的场景描述参数获取该可支配业务场景的用电需求参数或存电需求参数以及电能输入输出限制参数；
46、第三获取子模块，用于基于每个可支配业务场景的用电需求参数或存电需求参数以及电能输入输出限制参数获取该可支配业务场景的电网状本文档来自技高网...
【技术保护点】
1.一种分布式储能系统的SOC智能控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述分布式储能系统的SOC智能控制方法，其特征在于，所述确定分布式储能系统中各个电池组的不稳态因素和状态参数之间的线性变化向量，包括：
3.根据权利要求2所述分布式储能系统的SOC智能控制方法，其特征在于，根据各个电池组的不稳态因素和状态参数之间的线性变化向量构建SOC计算模型，包括：
4.根据权利要求1所述分布式储能系统的SOC智能控制方法，其特征在于，所述获取分布式储能系统的多个业务场景参数，根据每个业务场景参数利用SOC计算模型生成分布式储能系统的多业务控制策略，包括：
5.根据权利要求1所述分布式储能系统的SOC智能控制方法，其特征在于，所述利用分布式储能系统的多业务控制策略对分布式储能系统进行实时SOC智能控制，包括：
6.一种分布式储能系统的SOC智能控制系统，其特征在于，该系统包括：
7.根据权利要求6所述分布式储能系统的SOC智能控制系统，其特征在于，所述确定模块，包括：
8.根据权利要求7所
9.根据权利要求6所述分布式储能系统的SOC智能控制系统，其特征在于，所述生成模块，包括：
10.根据权利要求6所述分布式储能系统的SOC智能控制系统，其特征在于，所述控制模块，包括：
...【技术特征摘要】
1.一种分布式储能系统的soc智能控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述分布式储能系统的soc智能控制方法，其特征在于，所述确定分布式储能系统中各个电池组的不稳态因素和状态参数之间的线性变化向量，包括：
3.根据权利要求2所述分布式储能系统的soc智能控制方法，其特征在于，根据各个电池组的不稳态因素和状态参数之间的线性变化向量构建soc计算模型，包括：
4.根据权利要求1所述分布式储能系统的soc智能控制方法，其特征在于，所述获取分布式储能系统的多个业务场景参数，根据每个业务场景参数利用soc计算模型生成分布式储能系统的多业务控制策略，包括：
5.根据权利要求...
【专利技术属性】
技术研发人员：谢朝晖，马玉山，乔正盛，郭丕龙，
申请(专利权)人：深圳市健网科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。