CN112865235B - 电池控制方法、电子设备及存储介质 - Google Patents

电池控制方法、电子设备及存储介质 Download PDF

Info

Publication number
CN112865235B
CN112865235B CN202110079815.3A CN202110079815A CN112865235B CN 112865235 B CN112865235 B CN 112865235B CN 202110079815 A CN202110079815 A CN 202110079815A CN 112865235 B CN112865235 B CN 112865235B
Authority
CN
China
Prior art keywords
battery
data
batteries
depth
prediction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110079815.3A
Other languages
English (en)
Other versions
CN112865235A (zh
Inventor
王晓婷
张璇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua-Berkeley Shenzhen Institute
Original Assignee
Tsinghua-Berkeley Shenzhen Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua-Berkeley Shenzhen Institute filed Critical Tsinghua-Berkeley Shenzhen Institute
Priority to CN202110079815.3A priority Critical patent/CN112865235B/zh
Publication of CN112865235A publication Critical patent/CN112865235A/zh
Application granted granted Critical
Publication of CN112865235B publication Critical patent/CN112865235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4221—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells with battery type recognition
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H01M10/441—Methods for charging or discharging for several batteries or cells simultaneously or sequentially
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请公开了一种电池控制方法、电子设备及存储介质，涉及电池控制技术领域。本申请的电池控制方法，包括：获取历史负荷数据和多个第一电池的电池参数；根据历史负荷数据进行负荷预测，得到第一预测数据；根据第一预测数据和多个第一电池的电池参数，从多个第一电池中获取第二电池及第二电池的电池深度；根据第二电池的电池深度和第二电池的电池参数控制第二电池的充放电。通过从多个第一电池选取合适的第二电池，并且根据第二电池的电池深度和电池参数实时控制第二电池的充放电，进而延长电池的寿命。

Description

电池控制方法、电子设备及存储介质
技术领域
本申请涉及电池控制技术领域，特别涉及一种电池控制方法、电子设备及存储介质。
背景技术
伴随着现代科技的快速发展，各种用电设备走进各家各户，电网用户侧的峰值用电压力也越发增大，导致过载、停电事件频发。电池具有调配、储备电能的特性，在用户侧安装并合理规划、使用电池，可对用户用电行为进行调节。为了延长电池的使用寿命，电池损耗成本也需在电池的控制过程中加以考虑。现有的电池控制方法大多只考虑电池种类，不能很好地控制电池的实时负荷变化。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种电池控制方法、电子设备及存储介质，能够提升控制电池实时负荷变化的效果，进而延长电池的寿命。
根据本申请的第一方面实施例的电池控制方法，包括：
获取历史负荷数据和多个第一电池的电池参数；
根据所述历史负荷数据进行负荷预测，得到第一预测数据；
根据所述第一预测数据和所述电池参数从多个所述第一电池中获取第二电池及所述第二电池的电池深度；
根据所述第二电池的电池深度和所述第二电池的电池参数控制所述第二电池的充放电。
根据本申请实施例的电池控制方法，至少具有如下有益效果：
获取历史负荷数据和多个第一电池的电池参数；根据历史负荷数据进行负荷预测，得到第一预测数据；根据第一预测数据和多个第一电池的电池参数，从多个第一电池中获取第二电池及第二电池的电池深度；根据第二电池的电池深度和第二电池的电池参数控制第二电池的充放电。通过从多个第一电池选取合适的第二电池，并且根据第二电池的电池深度和电池参数实时控制第二电池的充放电，进而延长电池的寿命。
所述根据所述历史负荷数据进行负荷预测，得到第一预测数据，包括：
获取历史观测数据；
根据所述历史负荷数据和所述历史观测数据得到负荷训练集，所述历史观测数据与所述历史负荷数据一一对应；
对所述负荷训练集进行训练，得到预测目标模型；
获取预设观测数据；
根据所述预测目标模型和所述预设观测数据得到第一预测数据。
所述根据所述第一预测数据和所述电池参数从多个所述第一电池中获取第二电池及所述第二电池的电池深度，包括：
获取预设电费；
根据所述预设电费、多个所述第一电池以及所述第一预测数据建立电池损耗模型；
根据所述电池损耗模型从多个所述第一电池中获取第二电池及所述第二电池的电池深度。
所述根据所述预设电费、多个所述第一电池以及所述第一预测数据建立电池损耗模型，包括：
获取多个所述第一电池的电池单价、电池深度以及电池老化曲线；
根据多个所述第一电池的电池参数、电池单价以及电池深度，计算所述第一电池的电池循环寿命与电池深度的映射关系；
根据所述映射关系以及多个所述第一电池的电池单价，建立电池损耗模型，所述电池损耗模型包括多个所述第一电池的电池损耗费用。
所述根据所述电池损耗模型获取多个所述第一电池中的第二电池及所述第二电池的电池深度，包括：
根据所述第一预测数据、所述电池损耗模型以及所述预设费用建立成本优化模型；
将多个所述第一电池的电池参数以及电池深度带入所述成本优化模型，得到成本优化参数；
根据所述成本优化参数获取多个所述第一电池中的第二电池、所述第二电池的电池深度以及第一预估购电功率。
所述根据所述第二电池的电池深度和所述第二电池的电池参数控制所述第二电池的充放电，包括：
根据所述历史负荷数据、所述第二电池的电池参数以及电池深度，得到第二预测数据；
获取所述第二电池的当前状态以及实时负荷数据；
根据所述第二电池的第二预测数据以及实时负荷数据，得出所述第二电池的预设动作方案；
根据所述预设动作方案控制所述第二电池的充放电。
所述方法还包括：
获取所述第二电池的储能状态；
根据所述预设动作方案以及所述第二电池的储能状态，更新所述第二电池下一时刻的储能状态。
所述根据所述第二预设数据以及实时负荷数据，得出所述第二电池的预设动作方案，包括：
根据所述第二电池的第二预测数据以及实时负荷数据，得出在预设时间段内所述第二电池的第三预测数据；
根据所述历史负荷数据以及所述第三预测数据更新所述成本优化模型；
根据更新后的所述成本优化模型获取所述第二电池的第二预估购电功率；
比较所述第二电池的第一预估购电功率以及第二预估购电功率之间的大小关系；
根据所述大小关系将所述第一预估购电功率的值更新为所述第二预估购电功率的值；
根据更新后的所述成本优化模型以及所述第一预估购电功率，得出在所述预设时间段内所述第二电池的预设动作、所述第二电池在当前时刻的第二预估购电功率；
采取当前时刻所述第二电池的预设动作，并返回到下一时刻所述第二电池的储能状态。
根据本申请的第二方面实施例的电子设备，包括：
至少一个处理器，以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述指令时实现如本申请第一方面实施例任一项所述的电池控制方法。
根据本申请实施例的电子设备，至少具有如下有益效果：通过执行如第一方面实施例所述的电池控制方法，获取历史负荷数据和多个第一电池的电池参数；根据历史负荷数据进行负荷预测，得到第一预测数据；根据第一预测数据和多个第一电池的电池参数，从多个第一电池中获取第二电池及第二电池的电池深度；根据第二电池的电池深度和第二电池的电池参数控制第二电池的充放电。通过从多个第一电池选取合适的第二电池，并且根据第二电池的电池深度和电池参数实时控制第二电池的充放电，进而延长电池的寿命。
根据本申请的第三方面实施例的计算机可读存储介质，包括：
所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行如本申请第一方面实施例所述的电池控制方法。
根据本申请实施例的计算机可读存储指令，至少具有如下有益效果：通过执行如第一方面实施例所述的电池控制方法，获取历史负荷数据和多个第一电池的电池参数；根据历史负荷数据进行负荷预测，得到第一预测数据；根据第一预测数据和多个第一电池的电池参数，从多个第一电池中获取第二电池及第二电池的电池深度；根据第二电池的电池深度和第二电池的电池参数控制第二电池的充放电。通过从多个第一电池选取合适的第二电池，并且根据第二电池的电池深度和电池参数实时控制第二电池的充放电，进而延长电池的寿命。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
下面结合附图和实施例对本申请做进一步的说明，其中：
图1为本申请一些实施例提供的电池控制方法的流程图；
图2为本申请另一些实施例提供的电池控制方法的流程图；
图3为本申请另一些实施例提供的电池控制方法的流程图；
图4为本申请另一些实施例提供的电池控制方法的流程图；
图5为本申请另一些实施例提供的电池控制方法的流程图；
图6为本申请另一些实施例提供的电池控制方法的流程图；
图7为本申请另一些实施例提供的电池控制方法的流程图；
图8为本申请另一些实施例提供的电池控制方法的流程图；
图9为本申请一些实施例提供的高斯过程回归原理的示意图；
图10为本申请一些实施例提供的使用高斯过程回归原理并采用85％置信区间的负荷预测结果图；
图11为典型电池的循环寿命与充放电深度关系图；
图12为模型预测控制在本申请实施例中的应用原理图；
图13为本申请实施例提供的经MPC实时控制下的用户购电曲线结果图；
图14为本申请实施例提供的电池动作结果图。
具体实施方式
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
本申请的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
伴随着现代科技的快速发展，各种用电设备走进各家各户，电网用户侧的峰值用电压力也越发增大，导致过载、停电事件频发。电池具有调配、储备电能的特性，在用户侧安装并合理规划、使用电池，可对用户用电行为进行调节。为了延长电池的使用寿命，电池损耗成本也需在电池的控制过程中加以考虑。现有的电池控制方法大多只考虑电池种类，不能很好地控制电池的实时负荷变化。
基于此，本申请提出一种电池控制方法、电子设备及存储介质，能够获取历史负荷数据和多个第一电池的电池参数；根据历史负荷数据进行负荷预测，得到第一预测数据；根据第一预测数据和多个第一电池的电池参数，从多个第一电池中获取第二电池及第二电池的电池深度；根据第二电池的电池深度和第二电池的电池参数控制第二电池的充放电。通过从多个第一电池选取合适的第二电池，并且根据第二电池的电池深度和电池参数实时控制第二电池的充放电，进而延长电池的寿命。
第一方面，本申请实施例提供了一种电池控制方法。
参照图1，图1为本申请一些实施例提供的电池控制方法的流程图，具体包括步骤：
S100，获取历史负荷数据和多个第一电池的电池参数；
S200，根据历史负荷数据进行负荷预测，得到第一预测数据；
S300，根据第一预测数据和电池参数从多个第一电池中获取第二电池及第二电池的电池深度；
S400，根据第二电池的电池深度和第二电池的电池参数控制第二电池的充放电。
在步骤S100中，收集使用电池的用户的历史负荷数据，以及多个第一电池的电池参数。历史负荷数据指的是用户之前的用电数据，可以从电网公司获取。第一电池指的是备选的电池，电池参数包括电池型号、单价、充放电功率、容量及损耗模型等，损耗模型具体指根据各电池不同损耗程度所构建出来的模型，便于识别不同电池之间的损耗程度。
在步骤S200中，根据获取到的历史负荷数据使用高斯过程回归(GaussianProcess Regression，GPR)进行负荷预测，负荷预测的结果为概率分布，也就是第一预测数据，第一预测数据是根据用户历史负荷数据得出的，表示用户未来一段时间内可能会使用到的负荷数据，并且用于选取合适的电池。
在一些实施例中，如图2所示，步骤S200具体包括步骤：
S210，获取历史观测数据；
S220，根据历史负荷数据和历史观测数据得到负荷训练集，历史观测数据与历史负荷数据一一对应；
S230，对负荷训练集进行训练，得到预测目标模型；
S240，获取预设观测数据；
S250，根据预测目标模型和预设观测数据得到第一预测数据。
在步骤S210中，获取历史观测数据，这里的历史观测数据可以是N个历史负荷数据的相关值点，并且每个点都是向量，具体包括与负荷相关的参数，比如温度、湿度、日期。比如可以从网络上查询需要预测的地区天气情况，或者从湿度采集器收集历史湿度记录。
在步骤S220中，根据历史负荷数据和历史观测数据得到负荷训练集，并且历史观测数据与历史负荷数据一一对应。具体地说，将历史负荷数据和历史观测数据设为N个，并且将历史负荷数据构成一个输入集合X＝{xi∈Rd|i＝1,...,n}，将历史观测数据构成一个观测集合y＝{yi|i＝1,...,n}，将输入集合X与观测集合y构成一个负荷训练集D＝{X,y}。
在步骤S230中，对负荷训练集D＝{X,y}进行训练，得到预测目标模型。具体地说，可以收集用户某年2到4月的按小时记录的历史负荷数据，用2到3月份的数据所为训练数据，利用高斯过程回归训练关于特征参数与预测负荷值的预测目标模型。
其中，高斯过程回归用于建立与预测目标有关的不确定性因素与预测目标的模型，并预测某一系统的能量消耗。高斯过程根据历史数据进行训练，然后它接受新的输入，并输出预测分布，具体而言，包含原理如下：
输入一个存在N个历史负荷数据的输入集合X＝{xi∈Rd|i＝1,...,n}以及观测集合y＝{yi|i＝1,...,n}，输入集合X与观测集合y构成训练集D＝{X,y}。回归的本质是找到一个能反映出输入X与输出y之间的函数映射关系f(x)，且输出结果采用概率分布的形式，以量化不确定性，利用贝叶斯定理，f(x)的后验概率分布为高斯过程可以理解为矢量空间上的高斯分布到函数空间的推广。高斯过程由一个平均函数和一个协方差函数确定。一般来说，为了便于计算，均值函数取零。协方差函数k(xi,xj)表示点xi和点xj处函数f(x)的值之间的协方差。在本申请实施例中协方差函数的选择是高斯核，即/>其中，W＝diag[w1 2,w2 2,...,wD 2]，根据协方差函数的性质，被判定相互接近的输入有相近的输出。新输入可以为用户所处区域的天气、湿度、客流量等可能影响负荷值的指标，或者需要进行负荷预测的用户主动提供的数据条件。新输出就是要预测的负荷值，也就是第一预测数据，得到方法就是使用高斯过程回归训练输入向量和输出值之间的关系后，再带入一个新的预测值，并且运行代码得到的新输出值。可以设新输入为x*，新的输出y*的均值和方差可由μ(x*)＝k(X,x*)T(K+σn 2I)-1y，σ2(x*)＝k(x*,x*)-k(X,x*)T(K+σn 2I)-1k(X,x*)确定，其中，I是单位矩阵，k(X,x*)是训练输入X和新输入x*之间协方差函数的N×1向量，K是每对训练输入之间协方差函数的N×N矩阵，σn 2表示训练目标高斯噪声的方差，σf,σn和w1,w2,...,wD是高斯过程中需要训练的超参数。
在步骤S240中，获取预设观测数据，预设观测数据通过上述的高斯过程回归的预测目标模型训练得到。具体为：将4月份的特征参数输入预测目标模型，得到4月份的预设观测数据，也就是4月份的用户预计使用的电荷数据。
在步骤S250中，根据预测目标模型和预设观测数据得到第一预测数据。其中预测目标模型以及预设观测数据通过上述步骤可以计算得到。具体地说，根据预测目标模型以及4月份的预设观测数据就能得到4月份关于用户用电情况的预测负荷数据，也就是预测负荷结果。可以根据实际需求调整预测结果的置信区间，负荷预测过程及结果如图9以及图10所示，从而匹配电池规划方案，根据电池规划匹配方案选出合适的电池。
在步骤S300中，根据高斯过程回归方法得出的预测负荷数据，也就是第一预测数据以及备选的电池参数，从备选电池中挑选需要目标电池，也就是第二电池，同时获取第二电池的电池深度，也就是第二电池的充放电深度。具体为：将不同备选电池的型号及电池参数，带入用户的用电预测数据，结合用户所在地区的电价政策、预测负荷挑选最适宜的电池，使总费用最小，并规划该适合该电池充放电深度。不同型号的电池对应于不同的单价、充放电功率、容量及电池损耗模型。
在一些实施例中，如图3所示，步骤S300具体包括步骤：
S310，获取预设电费；
S320，根据预设电费、多个第一电池以及第一预测数据建立电池损耗模型；
S330，根据电池损耗模型获取多个第一电池中的第二电池及第二电池的电池深度。
在步骤S310中，获取预设电费，其中预设电费可以是用户所在地区的电价政策，可通过查看用户历史用电情况以及历史电费得到。
在步骤S320中，根据预设电费、多个第一电池以及第一预测数据建立电池损耗模型，比如，可以输入上述步骤得到的预测负荷、预设电费并且结合多种电池参数(例如电池型号)，建立一个电池损耗模型，便于查看电池损耗情况，更准确规划出合适的电池。
在一些实施例中，如图4所示，步骤S320具体包括步骤：
S321，获取多个第一电池的电池单价、电池深度以及电池老化曲线；
S322，根据多个第一电池的电池参数、电池单价以及电池深度，计算第一电池的电池循环寿命与电池深度的映射关系；
S323，根据映射关系以及多个第一电池的电池单价，建立电池损耗模型，电池损耗模型包括多个第一电池的电池损耗费用。
在步骤S321中，收集不同种类电池的参数，包括：电池额定容量，电池最大最小容量，电池充放电效率和最大、最小充放电功率，电池单价($/kWh)，以及该电池与充放电深度有关的电池老化曲线。例如，电池的电池老化曲线如图11所示，可以根据实际的电池得到不同的电池老化曲线。
在步骤S322中，根据多个第一电池的电池参数、电池单价以及电池深度，计算第一电池的电池循环寿命与电池深度的映射关系，具体为：依据电池老化曲线，利用曲线拟合计算电池循环寿命LB与充放电深度DOD之间的关系LB(DOD)。
在步骤S323中，将电池费用折算到每一次充放电过程中作为电池折旧单价，每kWh的电池损耗费用为并且根据多个电池损耗费用来建立电池损耗模型。
在步骤S330中，根据电池损耗模型中的电池损耗费用，选取费用最低的电池，作为第二电池，并得到第二电池的电池深度。
在一些实施例中，如图5所示，步骤S330具体包括步骤：
S331，根据第一预测数据、电池损耗模型以及预设费用建立成本优化模型；
S332，将多个第一电池的电池参数以及电池深度带入成本优化模型，得到成本优化参数；
S333，根据成本优化参数获取多个第一电池中的第二电池、第二电池的电池深度以及第一预估购电功率。
在步骤S331中，收集用户所在地区的电费情况，记电费单价为p(t)，与该月最大需量有关的基本电费总额为P(PGmax)，其中PGmax为该月用户的最大购电功率；上述求出的第一预测数据、电池损耗模型以及电费计价规则，建立使用户所需费用最小的成本优化模型，也就是需要解决使用户所需费用最小的优化问题，用户单月总费用包括三个部分：基本电费、电度电费、电池损耗费用，该优化问题可写为下式：
其中，PC(t)和PD(t)为优化时域内各时刻电池的充放电功率，UC(t),UD(t)为电池充放电的决策变量(决策变量的取值范围为0-1)，即前四个约束条件为电池的常规约束，第五个约束条件约束了用户向电网购电的最大值小于最大购电功率，后三个约束条件约束了电池不会同时充放电。
在步骤S332中，在公式(1)中代入不同电池的参数，例如，电池充放电深度DOD取0到1，步长为0.01，然后求解上述优化问题，得到成本优化参数。
在步骤S333中，根据上述步骤得到的成本优化参数，得出使用户总成本最小的电池型号，该电池型号对应的最优充放电深度DOD，以及该充放电深度下的“预估”的最大购电功率PGmax。这个步骤即为电池的规划步骤，指的是从备选电池中选出合适的电池型号、最优充放电深度DOD和下月的预估最大购电功率PGmax。
在步骤S400中，对电池进行规划后，根据目标电池的电池型号、最优充放电深度DOD和下月的预估最大购电功率PGmax，控制目标电池的充放电情况，从而保证在较低成本范围内控制电池的充放电情况。
在一些实施例中，如图6所示，步骤S400具体包括步骤：
S410，根据历史负荷数据、第二电池的电池参数以及电池深度，得到第二预测数据；
S420，获取第二电池的当前状态以及实时负荷数据；
S430，根据第二电池的第二预测数据以及实时负荷数据，得出第二电池的预设动作方案；
S440，根据预设动作方案控制第二电池的充放电。
在步骤S410中，根据历史负荷数据、第二电池的电池参数以及电池深度，得到第二预测数据。比如根据用户的历史负荷数据、所选电池型号及运行充放电深度，在用户实际用电情况下，使用模型预测控制(model predictive control，MPC)对电池进行实时动态控制，通过GPR预测未来一段时间内的用户负荷，作为第二预测数据。
在步骤S420中，获取电池当前状态，比如通过测量电池的电流方向判断电池当前状态是充电还是放电、以及可以通过电表检测当前时刻负荷实时数据；
在步骤S430中，基于之前预测的负荷与真实获取到的负荷数据，求解使用户总费用最小的优化问题，得出在预设时段内电池预设动作方案，也就是包括电池在每一刻所需要执行的动作，比如充电和放电的动作。
在步骤S440中，根据步骤S430求出的电池预设动作方案，通过采取每一时刻电池动作来控制电池的充电和放电。
在一些实施例中，如图7所示，步骤S430具体包括步骤：
S431，根据第二电池的第二预测数据以及实时负荷数据，得出在预设时间段内第二电池的第三预测数据；
S432，根据历史负荷数据以及第三预测数据更新成本优化模型；
S433，根据更新后的成本优化模型获取第二电池的第二预估购电功率；
S434，比较第二电池的第一预估购电功率以及第二预估购电功率之间的大小关系；
S435，根据大小关系将第一预估购电功率的值更新为第二预估购电功率的值；
S436，根据更新后的成本优化模型以及第一预估购电功率，得出在预设时段内第二电池的预设动作、第二电池在当前时刻的第二预估购电功率；
S437，采取当前时刻第二电池的预设动作，并返回到下一时刻第二电池的储能状态。
在步骤S431中，读取该用户该时刻的实际负荷值，结合历史负荷数据和当前时刻实时负荷，对模型预测控制窗口时段W内的剩余W-1时刻负荷进行预测，得到第三预测数据。
在步骤S432中，基于当前时刻的实际负荷及MPC窗口内的预测负荷，再次求解使MPC窗口时段内用户总费用最小的优化问题。
在步骤S433中，获取最大购电功率PGmax *以及预估最大购电功率PGmax，也就是第一预估购电功率以及第二预估购电功率。
在步骤S434中，比较最大购电功率以及预估最大购电功率的大小情况，用于判断是否需要更新最大购电功率PGmax *。
在步骤S435中，当优化结果最大购电功率PGmax *大于预估最大购电功率PGmax时，将最大购电功率PGmax *的值更新为预估最大购电功率PGmax。
在步骤S436中，根据最大购电功率PGmax *、预估最大购电功率PGmax求解窗口时段W内的优化问题，具体为：
其中Pload *(t)为当前时刻的实际负荷及MPC窗口内的预测负荷的总和形式，根据公式(2)得出时段W内电池最优充放电动作PC,PD，及当前最大购电功率PGmax *。
在步骤S437中，采取当前时刻第二电池的预设动作，并返回到下一时刻第二电池的储能状态，并且重复步骤S432至S436，直到优化时刻结束。
步骤S431至步骤S437实际应用过程如下：选取4月份作为需要控制电池的预设时段，然后执行规划的电池最优充放电深度DOD值(约束电池容量的上下限)，接着开始电池的实时控制部分，所用方法模型预测控制原理如图12所示。
在一些实施例中，如图8所示，本申请实施例中提到的电池控制方法具体还包括步骤：
S450，获取第二电池的储能状态；
S460，根据预设动作方案以及第二电池的储能状态，更新第二电池下一时刻的储能状态。
在步骤S450中，获取电池当前的储能状态；
在步骤S460中，根据预设动作方案中的预设动作(充电或者放电)，更新下一时刻电池储能状态。
本申请实施例可以通过MPC实时控制用户的购电情况、电池动作，具体的用户购电曲线结果、电池动作结果如图13至图14所示。用户购电曲线结果是根据收集用户每一时刻的购电功率得到，电池动作结果通过获取电池在每一时刻的储能状态得到。
在本申请实施例中，通过获取历史负荷数据和多个第一电池的电池参数；根据历史负荷数据进行负荷预测，得到第一预测数据；根据第一预测数据和多个第一电池的电池参数，从多个第一电池中获取第二电池及第二电池的电池深度；根据第二电池的电池深度和第二电池的电池参数控制第二电池的充放电。通过从多个第一电池选取合适的第二电池，并且根据第二电池的电池深度和电池参数实时控制第二电池的充放电，进而延长电池的寿命。
第二方面，本申请实施例还提供了一种电子设备。
在一些实施例中，电子设备包括：至少一个处理器，以及与至少一个处理器通信连接的存储器；其中，存储器存储有指令，指令被至少一个处理器执行，以使至少一个处理器执行指令时实现本申请实施例中任一项电池控制方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序，如本申请实施例描述的电池控制方法。处理器通过运行存储在存储器中的非暂态软件程序以及指令，从而实现上述的电池控制方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储执行上述电池控制方法。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，比如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的电池控制方法所需的非暂态软件程序以及指令存储在存储器中，当被一个或者多个处理器执行时，执行上述第一方面实施例中提到的电池控制方法。
第三方面，本申请实施例还提供了计算机可读存储介质。
在一些实施例中，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于执行第一方面实施例中提到的电池控制方法。
在一些实施例中，该存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，比如，被上述电子设备中的一个处理器执行，可使得上述一个或多个处理器执行上述电池控制方法。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
上面结合附图对本申请实施例作了详细说明，但是本申请不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下作出各种变化。此外，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

Claims (5)

1.电池控制方法，其特征在于，包括：
获取历史负荷数据和多个第一电池的电池参数；
根据所述历史负荷数据进行负荷预测，得到第一预测数据；
根据所述第一预测数据和所述电池参数从多个所述第一电池中获取第二电池及所述第二电池的电池深度；
根据所述第二电池的电池深度和所述第二电池的电池参数控制所述第二电池的充放电；
所述根据所述第二电池的电池深度和所述第二电池的电池参数控制所述第二电池的充放电，包括：
根据所述历史负荷数据、所述第二电池的电池参数以及电池深度，得到第二预测数据；
获取所述第二电池的当前状态以及实时负荷数据；
根据所述第二电池的第二预测数据以及实时负荷数据，得出所述第二电池的预设动作方案；
根据所述预设动作方案控制所述第二电池的充放电；
所述电池控制方法还包括：
获取所述第二电池的储能状态；
根据所述预设动作方案以及所述第二电池的储能状态，更新所述第二电池下一时刻的储能状态；
所述根据所述第二预测数据以及实时负荷数据，得出所述第二电池的预设动作方案，包括：
根据所述第二电池的第二预测数据以及实时负荷数据，得出在预设时间段内所述第二电池的第三预测数据；
根据所述历史负荷数据以及所述第三预测数据更新成本优化模型；
根据更新后的所述成本优化模型获取所述第二电池的第二预估购电功率；
获取所述第二电池的第一预估购电功率；
若所述第一预估购电功率大于所述第二预估购电功率，将所述第一预估购电功率的值更新为所述第二预估购电功率的值；
根据更新后的所述成本优化模型以及所述第一预估购电功率，得出在所述预设时间段内所述第二电池的预设动作、所述第二电池在当前时刻的第二预估购电功率；
采取当前时刻所述第二电池的预设动作，并返回到下一时刻所述第二电池的储能状态；
所述根据所述第一预测数据和所述电池参数从多个所述第一电池中获取第二电池及所述第二电池的电池深度，包括：
获取预设电费；
根据所述预设电费、多个所述第一电池以及所述第一预测数据建立电池损耗模型；
根据所述电池损耗模型从多个所述第一电池中获取第二电池及所述第二电池的电池深度；
所述根据所述电池损耗模型获取多个所述第一电池中的第二电池及所述第二电池的电池深度，包括：
根据所述第一预测数据、所述电池损耗模型以及所述预设电费建立成本优化模型；
将多个所述第一电池的电池参数以及电池深度带入所述成本优化模型，得到成本优化参数；
根据所述成本优化参数获取多个所述第一电池中的第二电池、所述第二电池的电池深度以及所述第一预估购电功率。
2.根据权利要求1所述的电池控制方法，其特征在于，所述根据所述历史负荷数据进行负荷预测，得到第一预测数据，包括：
获取历史观测数据；
根据所述历史负荷数据和所述历史观测数据得到负荷训练集，所述历史观测数据与所述历史负荷数据一一对应；
对所述负荷训练集进行训练，得到预测目标模型；
获取预设观测数据；
根据所述预测目标模型和所述预设观测数据得到第一预测数据。
3.根据权利要求1所述的电池控制方法，其特征在于，所述根据所述预设电费、多个所述第一电池以及所述第一预测数据建立电池损耗模型，包括：
获取多个所述第一电池的电池单价、电池深度以及电池老化曲线；
根据多个所述第一电池的电池参数、电池单价以及电池深度，计算所述第一电池的电池循环寿命与电池深度的映射关系；
根据所述映射关系以及多个所述第一电池的电池单价，建立电池损耗模型，所述电池损耗模型包括多个所述第一电池的电池损耗费用。
4.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计算机程序时实现如权利要求1至3中任意一项所述的电池控制方法。
5.计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至3中任意一项所述的电池控制方法。
CN202110079815.3A 2021-01-21 2021-01-21 电池控制方法、电子设备及存储介质 Active CN112865235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110079815.3A CN112865235B (zh) 2021-01-21 2021-01-21 电池控制方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110079815.3A CN112865235B (zh) 2021-01-21 2021-01-21 电池控制方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112865235A CN112865235A (zh) 2021-05-28
CN112865235B true CN112865235B (zh) 2024-05-10

Family

ID=76008541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110079815.3A Active CN112865235B (zh) 2021-01-21 2021-01-21 电池控制方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112865235B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115796396B (zh) * 2023-01-16 2023-04-18 江苏新恒基特种装备股份有限公司 一种通过相关参数对锻材损耗预测的方法及系统
CN118646127B (zh) * 2024-08-15 2024-10-18 新乡市镇华电力科技有限公司 一种电池储能电站智能监控方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271678A (zh) * 2018-08-27 2019-01-25 杭州电子科技大学 一种基于光伏微网运行成本的蓄电池充放电调度优化方法
CN109713703A (zh) * 2019-03-06 2019-05-03 华北电力大学 一种基于电池轮换的储能系统调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10564222B2 (en) * 2017-07-20 2020-02-18 Mitsubishi Electric Research Laboratories, Inc. Methods and systems for battery state of power prediction

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271678A (zh) * 2018-08-27 2019-01-25 杭州电子科技大学 一种基于光伏微网运行成本的蓄电池充放电调度优化方法
CN109713703A (zh) * 2019-03-06 2019-05-03 华北电力大学 一种基于电池轮换的储能系统调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Data-based Energy Storage System Configuration and Operation Considering Degradation Cost;Xiaoting Wang,et al;ResearchGate;第1-8页 *

Also Published As

Publication number Publication date
CN112865235A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN109462231B (zh) 居民微电网的负荷优化调度方法、系统和存储介质
Iversen et al. Optimal charging of an electric vehicle using a Markov decision process
CN112865235B (zh) 电池控制方法、电子设备及存储介质
CN110198042B (zh) 一种电网储能的动态优化方法及存储介质
CN103745280A (zh) 用电量预测方法、装置及处理器
Vardanyan et al. Optimal coordinated bidding of a profit-maximizing EV aggregator under uncertainty
Reddy et al. Computational intelligence for demand response exchange considering temporal characteristics of load profile via adaptive fuzzy inference system
CN115102202B (zh) 基于滚动式实时电价预测的储能控制方法
CN115511634A (zh) 基于结算收入的电力市场新能源日前交易决策方法和装置
CN116388293A (zh) 一种新能源配建储能电站的联合优化调度方法及系统
CN117630681A (zh) 基于组合模型的蓄电池性能预测方法及系统
CN115496603A (zh) 基于人工智能技术的电力市场新能源日前交易决策方法
CN110797872A (zh) 用户侧储能容量配置方法、装置、设备及存储介质
CN118153753A (zh) 多时序充电汽车虚拟电厂调度运行方法及设备
CN112884572A (zh) 一种信用风险下的多微网交易优化方法及系统
Chen et al. Optimal Energy Dispatch of Grid-Connected Electric Vehicle Considering Lithium Battery Electrochemical Model
CN111786378A (zh) 一种决策用电负荷的方法、装置和电力监控设备
Mussi et al. A Reinforcement Learning controller optimizing costs and battery State of Health in smart grids
CN116362136A (zh) 一种独立储能系统的自调度优化方法及系统
CN115360741A (zh) 现货场景下基于深度强化学习的风储灵活控制方法和装置
CN117375114B (zh) 一种综合能源系统优化调度方法及系统
Ren et al. Scenario-Based Optimal Real-Time Charging Strategy of Electric Vehicles with Bayesian Long Short-Term Memory Networks
CN117291756B (zh) 一种储能设备配置调整方法、装置和存储介质
Puech et al. Controlling microgrids without external data: A benchmark of stochastic programming methods
CN109472398A (zh) 基于相对鲁棒CVaR的电网投资项目组合优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant