CN115660515B - 一种储能数据管理方法及系统 - Google Patents

Abstract

本发明提供了一种储能数据管理方法及系统，涉及储能管理技术领域，基于多阶段历史储能数据得到目标阶段历史储能数据，将目标阶段设备荷电状态与目标阶段设备应用记录作为训练数据，获取目标集成预估模型，采集第一实时应用数据，输入目标集成预估模型中获取第一实时荷电状态，判断第一实时荷电状态是否满足预设储能荷电阈值，获得第一判断结果，判断第一时间是否满足预设储能时间阈值，获得第二判断结果，进行储能设备的控制管理，解决了现有技术中进行储能数据管理时，由于管控方法针对性不足，数据分析流程不够严谨，使得管控及时性与精准度不足的技术问题，通过进行管控方法智能化，优化分析流程，实现电网的及时性精准管控。

Description

一种储能数据管理方法及系统

技术领域

本发明涉及储能管理技术领域，具体涉及一种储能数据管理方法及系统。

背景技术

通过进行电力存储与外供的双向自动化运行，实现对管控地区的多种分布式用电设备进行供电，维系电力系统的正常运行，为了满足用户用电峰值需求，提高电力系统的稳定性与可靠性，缓解发电的不稳定性与间隙性，可通过进行储能管理优化，实现持续性稳定能源供应，现如今，主要通过进行电网的实时运行监测，基于实时监测数据作适应性调整，实现削峰填谷，进行电网的协调集成控制，但由于现有技术的局限性，当前的控制管理方法还存在一定不足。

现有技术中，进行储能数据管理时，由于管控方法针对性不足，数据分析流程不够严谨，使得管控及时性与精准度不足。

发明内容

本申请提供了一种储能数据管理方法及系统，用于针对解决现有技术中存在的进行储能数据管理时，由于管控方法针对性不足，数据分析流程不够严谨，使得管控及时性与精准度不足的技术问题。

鉴于上述问题，本申请提供了一种储能数据管理方法及系统。

第一方面，本申请提供了一种储能数据管理方法，所述方法包括：

获得所述储能设备的历史储能信息，其中，所述历史储能信息包括多阶段历史储能数据；

基于所述多阶段历史储能数据得到目标阶段历史储能数据，其中，所述目标阶段历史储能数据包括目标阶段设备荷电状态、目标阶段设备应用记录；

将所述目标阶段设备荷电状态与所述目标阶段设备应用记录作为训练数据，训练得到目标集成预估模型；

采集所述储能设备在第一时间下的第一实时应用数据，并将所述第一实时应用数据输入所述目标集成预估模型，得到输出结果，其中，所述输出结果包括所述储能设备的第一实时荷电状态；

获得预设储能荷电阈值，并判断所述第一实时荷电状态是否满足所述预设储能荷电阈值，获得第一判断结果；

获得预设储能时间阈值，并判断所述第一时间是否满足所述预设储能时间阈值，获得第二判断结果；

根据所述第一判断结果和所述第二判断结果，对所述储能设备进行控制管理。

第二方面，本申请提供了一种储能数据管理系统，所述系统包括：

信息获取模块，所述信息获取模块用于获得所述储能设备的历史储能信息，其中，所述历史储能信息包括多阶段历史储能数据；

数据获取模块，所述数据获取模块用于基于所述多阶段历史储能数据得到目标阶段历史储能数据，其中，所述目标阶段历史储能数据包括目标阶段设备荷电状态、目标阶段设备应用记录；

模型训练模块，所述模型训练模块用于将所述目标阶段设备荷电状态与所述目标阶段设备应用记录作为训练数据，训练得到目标集成预估模型；

模型分析模块，所述模型分析模块用于采集所述储能设备在第一时间下的第一实时应用数据，并将所述第一实时应用数据输入所述目标集成预估模型，得到输出结果，其中，所述输出结果包括所述储能设备的第一实时荷电状态；

荷电阈值判断模块，所述荷电阈值判断模块用于获得预设储能荷电阈值，并判断所述第一实时荷电状态是否满足所述预设储能荷电阈值，获得第一判断结果；

时间阈值判断模块，所述时间阈值判断模块用于获得预设储能时间阈值，并判断所述第一时间是否满足所述预设储能时间阈值，获得第二判断结果；

设备管控模块，所述设备管控模块用于根据所述第一判断结果和所述第二判断结果，对所述储能设备进行控制管理。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的一种储能数据管理方法，获得所述储能设备的历史储能信息，包括多阶段历史储能数据，基于所述多阶段历史储能数据得到目标阶段历史储能数据，包括目标阶段设备荷电状态、目标阶段设备应用记录；将所述目标阶段设备荷电状态与所述目标阶段设备应用记录作为训练数据，训练得到目标集成预估模型；采集所述储能设备在第一时间下的第一实时应用数据，输入所述目标集成预估模型，得到第一实时荷电状态，获得预设储能荷电阈值，并判断所述第一实时荷电状态是否满足所述预设储能荷电阈值，获得第一判断结果；获得预设储能时间阈值，并判断所述第一时间是否满足所述预设储能时间阈值，获得第二判断结果，基于所述第一判断结果和所述第二判断结果进行所述储能设备的控制管理，解决了现有技术中存在的进行储能数据管理时，由于管控方法针对性不足，数据分析流程不够严谨，使得管控及时性与精准度不足的技术问题，通过进行管控方法智能化，优化分析流程，实现电网的及时性精准管控。

附图说明

图1为本申请提供了一种储能数据管理方法流程示意图；

图2为本申请提供了一种储能数据管理方法中目标集成预估模型获取流程示意图；

图3为本申请提供了一种储能数据管理方法中预设储能时间阈值获取流程示意图；

图4为本申请提供了一种储能数据管理系统结构示意图。

附图标记说明：信息获取模块11，数据获取模块12，模型训练模块13，模型分析模块14，荷电阈值判断模块15，时间阈值判断模块16，设备管控模块17。

具体实施方式

本申请通过提供一种储能数据管理方法及系统，用于解决现有技术中存在的进行储能数据管理时，由于管控方法针对性不足，数据分析流程不够严谨，使得管控及时性与精准度不足的技术问题。

实施例一

如图1所示，本申请提供了一种储能数据管理方法，所述储能数据管理方法应用于储能数据管理系统，所述储能数据管理系统包括一储能设备，所述储能数据管理方法包括：

步骤S100：获得所述储能设备的历史储能信息，其中，所述历史储能信息包括多阶段历史储能数据；

具体而言，为了满足用户用电峰值需求，提高电力系统的稳定性与可靠性，缓解发电的不稳定性与间隙性，可通过进行储能管理优化，实现持续性稳定能源供应，本申请提供的一种储能数据管理方法应用于所述储能数据管理系统，所述系统为进行储能数据综合管控的集成总控系统，所述系统还包括储能设备，即进行电能存储的应用设备，首先，获取预设时间区间，即进行历史信息采集的时间区间，基于所述历史时间区间对所述储能设备进行历史储能信息采集，进而对采集的储能信息进行划分，基于高峰外供、低谷外供、平缓外供等作为信息划分标准，将所述储能信息划分为多储能阶段，获取所述多阶段历史储能数据，进而基于阶段性进行数据标识，生成所述历史储能信息，所述历史储能数据作为数据源，为后续进行模型训练分析提供了基本依据。

步骤S200：基于所述多阶段历史储能数据得到目标阶段历史储能数据，其中，所述目标阶段历史储能数据包括目标阶段设备荷电状态、目标阶段设备应用记录；

步骤S300：将所述目标阶段设备荷电状态与所述目标阶段设备应用记录作为训练数据，训练得到目标集成预估模型；

具体而言，通过对所述储能设备进行数据采集获取所述多阶段历史储能数据，确定所述目标阶段，即待分析的储能阶段，基于所述目标阶段对所述多阶段历史储能数据进行数据识别提取，确定储能设备运行过程中于所述目标阶段的剩余容量与满载容量的比值，将其作为所述目标阶段设备荷电状态，同时，对储能设备的单位供电量、供电方向等进行提取，作为所述目标阶段应用记录，基于时间序列对所述目标设备荷电状态与所述目标阶段设备应用记录进行映射对应，生成所述目标阶段历史储能数据，进一步的，将所述目标阶段历史储能数据作为样本数据。

进一步的，将电池充放电电流、端电压、循环放电次数等作为因素指标，遍历所述目标阶段设备应用记录确定上述因素指标对应的多个因素参数，进一步将多个因素参数作为训练数据，基于多种算法原理分别构建单预估模型，在此基础上基于集成学习进行双重模型搭建，基于模型结合策略构建多个集成预估模型，将多个因素参数输入所述多个集成预估模型中，输出对应的荷电预估结果，将所述目标节点设备荷电状态作为判定标准，确定与所述目标节点设备荷电状态近似度最高的结果，进而进行结果反向匹配，确定对应的集成预估模型作为所述目标集成预估模型，可有效提高所述目标集成预估模型的输出精准度，将所述目标集成预估模型作为实时应用数据分析的客观辅助性工具，为后续进行实时荷电状态分析夯实了基础。

进一步而言，如图2所示，所述将所述目标阶段设备荷电状态与所述目标阶段设备应用记录作为训练数据，训练得到目标集成预估模型，本申请步骤S300还包括：

步骤S310：组建荷电状态因素集，其中，所述荷电状态因素集包括多个因素指标；

步骤S320：将所述多个因素指标在所述目标阶段设备应用记录中遍历，得到遍历结果，其中，所述遍历结果包括多个目标阶段因素参数；

步骤S330：将所述目标阶段设备荷电状态与所述多个目标阶段因素参数作为所述训练数据，训练得到所述目标集成预估模型；

步骤S340：其中，所述目标阶段设备荷电状态与所述多个目标阶段因素参数具备映射关系。

具体而言，通过对所述多阶段历史储能数据进行数据识别提取获取的所述目标阶段设备荷电状态与所述目标阶段设备应用记录，将电池放电电压、端电流循环放电次数等作为指标因素，组建所述荷电状态因素集，进而将所述荷电状态因素集作为遍历标准，遍历所述目标阶段设备应用记录，确定所述荷电状态因素集于记录数据中的因素参数，由于所述目标阶段为预定时间区间，对应的因素参数存在一定的波动性，基于预设时间间隔分别提取各因素指标的因素参数，基于时间序列进行顺序性排列，确定所述多个阶段因素参数，其中，所述目标阶段设备荷电状态与所述多个目标阶段因素参数具备映射关系，进一步对所述多个阶段因素参数与所述多个因素指标进行对应标识，便于进行参数识别区分，进而将所述目标阶段设备荷电状态与所述多个目标阶段因素参数值作为所述训练数据，基于多个算法原理分别进行预估模型构建，进而通过进行集成学习进一步进行模型搭建，生成所述多个集成预估模型，通过进行模型寻优确定所述目标集成预估模型，基于所述目标集成预估模型进行实时应用数据分析，可有效保障数据分析结果的准确性与客观性。

进一步而言，所述将所述目标阶段设备荷电状态与所述多个目标阶段因素参数作为所述训练数据，训练得到所述目标集成预估模型，本申请步骤S330还包括：

步骤S331：基于模型构建原理组建单预估模型集，其中，所述单预估模型集包括多个单预估模型；

步骤S332：基于集成学习方法原理对所述多个单预估模型进行模型搭建，得到多个集成预估模型；

步骤S333：依次基于所述多个集成预估模型对所述多个目标阶段因素参数进行预估分析，得到多个荷电预估结果；

步骤S334：将所述多个荷电预估结果依次与所述目标阶段设备荷电状态进行对比，并根据对比结果确定最优荷电预估结果；

步骤S335：反向匹配所述最优荷电预估结果的集成预估模型，并将其作为所述目标集成预估模型。

具体而言，确定多个模型构建原理，例如神经网络、支撑向量机等，分别基于所述多个模型构建原理，根据所述荷电状态因素集进行模型构建，生成所述多个单预估模型，其中所述多个单预估模型对应同一算法原理或不同算法原理，由于上述单原理建模可能存在一定的误差影响模型分析结果，将所述多个单预估模型作为初级学习器，可基于集成学习方法对所述多个单预估模型进行二次学习训练，将所述多个单预估模型的分析结果作为输入，将训练数据作为输出数据，在所述多个单预估模型的基础上再次进行模型训练学习，生成所述多个集成预估模型，所述多个集成预估模型作为元学习器，优于所述多个单预估模型。

进一步将所述多个目标阶段因素参数输入所述多个集成预估模型中，分别基于各集成预估模型对应的初级学习器与元学习器进行多重分析，生成所述多个荷电预估结果，其中，所述多个荷电预估结果与所述多个集成预估模型一一对应，进一步依据所述目标阶段设备荷电状态，遍历所述多个荷电预估结果，通过进行结果比对，确定与所述目标节点设备荷电状态近似度最高的荷电预估结果作为所述最优荷电预估结果，进而对所述最优荷电预估结果进行反向匹配，确定对应的集成预估模型作为所述目标集成预估模型，可有效提高所述目标集成预估模型的模拟精度，保障模型分析结果与实际荷电状态的贴合度。

进一步而言，所述依次基于所述多个集成预估模型对所述多个目标阶段因素参数进行预估分析，得到多个荷电预估结果，本申请步骤S333还包括：

步骤S3331：提取所述多个集成预估模型中任意一个集成预估模型；

步骤S3332：获得所述任意一个集成预估模型的初级学习器、元学习器；

步骤S3333：将所述多个目标阶段因素参数输入所述初级学习器，得到初级预估结果；

步骤S3334：将所述初级预估结果输入所述元学习器，得到元预估结果，并将所述元预估结果作为所述任意一个集成预估模型的荷电预估结果。

具体而言，通过进行模型构建确定所述多个集成预估模型，其中，所述多个集成预估模型分别对应多层级学习器，包括所述初级学习器与所述元学习器，所述初级学习器可以是多个，基于所述多个集成预估模型随机提取任一集成预估模型，确定该集成预估模型对应的所述初级学习器与所述元学习器，进而将所述多个目标阶段因素参数输入所述初级学习器中，通过进行模型分析输出所述初级预估结果，进而将所述初级预估结果作为输入数据进行二次预估分析，以进行所述初级预估结果的进一步预估调整，将所述初级预估结果输入所述元学习器中，通过进行数据预估输出所述元预估结果，将所述元预估结果作为所述任意一个集成预估模型的荷电预估结果，对所述多个集成预估模型分别基于上述分析步骤进行预估分析，确定多个荷电预估结果，由于所述多个集成预估模型的构建原理存在差异性，对应的所述多个荷电预估结果不同，通过校对所述多个荷电预估结果进行模型寻优，以保障模型的输出精准度。

步骤S400：采集所述储能设备在第一时间下的第一实时应用数据，并将所述第一实时应用数据输入所述目标集成预估模型，得到输出结果，其中，所述输出结果包括所述储能设备的第一实时荷电状态；

具体而言，确定待分析储能时间节点为所述第一时间，将所述荷电状态因素集作为待采集数据，对所述储能设备进行实时应用数据采集，包括电流充放电电流、端电压、循环放电次数等，对采集的指标参数进行对应整合作为所述第一实时应用数据，进而将所述第一实时应用数据输入所述目标集成预估模型中，基于初级学习器进行分析输出对应的初级预估结果，进而将初级预估结果作为输入数据，基于元学习器获取元预估结果，将其作为最终的输出结果，所述输出结果表述所述第一实时应用数据的荷电预估结果，包括所述第一实时荷电状态，基于所述第一实时荷电状态进行实时分析管理。

步骤S500：获得预设储能荷电阈值，并判断所述第一实时荷电状态是否满足所述预设储能荷电阈值，获得第一判断结果；

步骤S600：获得预设储能时间阈值，并判断所述第一时间是否满足所述预设储能时间阈值，获得第二判断结果；

步骤S700：根据所述第一判断结果和所述第二判断结果，对所述储能设备进行控制管理。

具体而言，通过基于所述目标集成预估模型对所述第一实时应用数据进行分析，输出所述第一实时荷电状态，将满足电网预定时间区间正常运行的储能容量比值作为所述预设储能时间阈值，判断所述第一实时荷电状态是否满足所述预设储能荷电阈值，包括满足及不满足，将判定结果作为所述第一判断结果；同理，对用电时间区间进行划分，生成用电低谷区间与用电高峰区间，将用电低谷区间对应的时间区间临界值作为所述预设储能时间阈值，判断所述第一时间是否满足所述预设储能时间阈值，包括满足与不满足，生成所述第二判断结果，所述第一判断结果与所述第二判断结果为进行储能设备控制的依据。

将所述第一实时荷电状态满足所述预设储能荷电阈值作为第一储能条件，将所述第一时间满足所述预设储能时间阈值作为第二储能条件，基于所述第一储能条件与所述第二储能条件进行储能设备的储能控制，以实现用电低谷存储；将所述第一实时荷电状态不满足所述预设储能荷电阈值作为第一外供条件，将所述第一时间不满足所述预设储能时间阈值作为所述第二外供条件，基于所述第一外供条件与所述第二外供条件进行所述储能设备的外供控制，实现用电高峰外供，基于实际荷电状态与用电需求进行智能化储能控制，可有效保障管控的及时性与准确性。

进一步而言，如图3所示，所述获得预设储能时间阈值，本申请步骤S600还包括：

步骤S610：对预设电价市场进行电价数据分析，得到电价分析结果；

步骤S620：基于预设电价分类方案对所述电价分析结果进行分类，得到电价分类结果；

步骤S630：提取所述电价分类结果中的低电价阶段，并将所述低电价阶段合并，得到所述预设储能时间阈值。

具体而言，由于电价市场的电价处于实时波动状态，一般而言，用电高峰、低峰区段，供求不平衡等状态对应的电价波动较大，对供电区域进行划分，获取所述预设电价市场，即待进行参考分析的电价市场，对所述预设电价市场进行电价数据采集，进而进行数据分析确定多样化电价市场的电价波动状态，不同时间段对应的电价存在差异性，进一步获取所述预设电价分类方案，基于所述预设电价分类方案对所述电价分析结果进行分类，示例性的，可设定电价划分节点，基于电价划分节点对所述电价分析结果进行划分归类，例如低电价阶段、高电价阶段等，对划分结果进行整合标识生成所述电价分类结果，提取所述电价分类结果中的低电价阶段，对所述低电价阶段进行合并，确定用电低谷时间区间的临界值，作为所述预设储能时间阈值，将所述预设储能时间阈值作为判定依据进行储能设备控制。

进一步而言，本申请步骤S700还包括：

步骤S710-1：根据所述第一判断结果，若所述第一实时荷电状态满足所述预设储能荷电阈值，获得第一储能条件；

步骤S720-1：根据所述第二判断结果，所述第一时间满足所述预设储能时间阈值，获得第二储能条件；

步骤S730-1：基于所述第一储能条件和所述第二储能条件，对所述储能设备进行储能控制。

进一步而言，本申请步骤S700还包括：

步骤S710-2：根据所述第一判断结果，若所述第一实时荷电状态不满足所述预设储能荷电阈值，获得第一外供条件；

步骤S720-2：根据所述第二判断结果，所述第一时间不满足所述预设储能时间阈值，获得第二外供条件；

步骤S730-2：基于所述第一外供条件和所述第二外供条件，对所述储能设备进行外供控制。

具体而言，将所述预设储能荷电阈值作为判定标准，通过对所述第一实时荷电状态进行阈值判断，生成所述第一判断结果，当所述第一实时荷电状态满足所述预设储能荷电阈值时，即设备内部存储电能的供需临界值，表明当前的设备内部存储能量较少，为满足电力系统的正常运行存在储能必要性，将其作为所述第一储能条件，即满足所述预设储能荷电阈值，当所述第一实时荷电状态不满足所述预设储能荷电阈值时，表明设备内部剩余存储能量较为富足，能满足电力系统预定时间内的应急运行，将其作为所述第一外供条件。

进一步将所述预设储能时间阈值作为判定标准，对所述第一实时荷电状态进行阈值判定，生成所述第二判断结果，所述预设储能时间阈值为用电谷值对应的区间临界值，当所述第一时间满足所述预设储能时间阈值时，即所述第一时间处于用电低谷时间区间时，将其作为所述第二储能条件，同理，当所述第一时间不满足所述预设储能时间阈值时，即所述第一时间处于用电高峰时间区间时，将其作为所述第二外供条件，

将所述第一储能条件与所述第二储能条件作为设备储能条件，当满足时开始对所述储能设备进行储能，即储能设备内部储能不足、用电低谷时区进行设备储能；对所述储能设备进行储能控制，可在保障电网正常运行的基础上实现优化储能。将所述第二外供条件与所述第二外供条件作为设备外供条件，当满足时开始进行电能外供，即设备内部储能富足、用电高峰时区进行设备外供，可有效实现电力的低储高发，基于实际供需进行智能化调整控制。

实施例二

基于与前述实施例中一种储能数据管理方法相同的发明构思，如图4所示，本申请提供了一种储能数据管理系统，所述系统包括：

信息获取模块11，所述信息获取模块11用于获得所述储能设备的历史储能信息，其中，所述历史储能信息包括多阶段历史储能数据；

数据获取模块12，所述数据获取模块12用于基于所述多阶段历史储能数据得到目标阶段历史储能数据，其中，所述目标阶段历史储能数据包括目标阶段设备荷电状态、目标阶段设备应用记录；

模型训练模块13，所述模型训练模块13用于将所述目标阶段设备荷电状态与所述目标阶段设备应用记录作为训练数据，训练得到目标集成预估模型；

模型分析模块14，所述模型分析模块14用于采集所述储能设备在第一时间下的第一实时应用数据，并将所述第一实时应用数据输入所述目标集成预估模型，得到输出结果，其中，所述输出结果包括所述储能设备的第一实时荷电状态；

荷电阈值判断模块15，所述荷电阈值判断模块15用于获得预设储能荷电阈值，并判断所述第一实时荷电状态是否满足所述预设储能荷电阈值，获得第一判断结果；

时间阈值判断模块16，所述时间阈值判断模块16用于获得预设储能时间阈值，并判断所述第一时间是否满足所述预设储能时间阈值，获得第二判断结果；

设备管控模块17，所述设备管控模块17用于根据所述第一判断结果和所述第二判断结果，对所述储能设备进行控制管理。

进一步而言，所述系统还包括：

因素集组建模块，所述因素集组建模块用于组建荷电状态因素集，其中，所述荷电状态因素集包括多个因素指标；

指标遍历模块，所述指标遍历模块用于将所述多个因素指标在所述目标阶段设备应用记录中遍历，得到遍历结果，其中，所述遍历结果包括多个目标阶段因素参数；

模型获取模块，所述模型获取模块用于将所述目标阶段设备荷电状态与所述多个目标阶段因素参数作为所述训练数据，训练得到所述目标集成预估模型；

其中，所述目标阶段设备荷电状态与所述多个目标阶段因素参数具备映射关系。

进一步而言，所述系统还包括：

模型集组建模块，所述模型集组建模块用于基于模型构建原理组建单预估模型集，其中，所述单预估模型集包括多个单预估模型；

模型搭建模块，所述模型搭建模块用于基于集成学习方法原理对所述多个单预估模型进行模型搭建，得到多个集成预估模型；

参数预估模块，所述参数预估模块用于依次基于所述多个集成预估模型对所述多个目标阶段因素参数进行预估分析，得到多个荷电预估结果；

结果比对模块，所述结果比对模块用于将所述多个荷电预估结果依次与所述目标阶段设备荷电状态进行对比，并根据对比结果确定最优荷电预估结果；

结果匹配模块，所述结果匹配模块用于反向匹配所述最优荷电预估结果的集成预估模型，并将其作为所述目标集成预估模型。

进一步而言，所述系统还包括：

模型提取模块，所述模型提取模块用于提取所述多个集成预估模型中任意一个集成预估模型；

学习器获取模块，所述学习器获取模块用于获得所述任意一个集成预估模型的初级学习器、元学习器；

参数预估模块，所述参数预估模块用于将所述多个目标阶段因素参数输入所述初级学习器，得到初级预估结果；

结果确定模块，所述结果确定模块用于将所述初级预估结果输入所述元学习器，得到元预估结果，并将所述元预估结果作为所述任意一个集成预估模型的荷电预估结果。

进一步而言，所述系统还包括：

电价分析模块，所述电价分析模块用于对预设电价市场进行电价数据分析，得到电价分析结果；

结果分类模块，所述结果分类模块用于基于预设电价分类方案对所述电价分析结果进行分类，得到电价分类结果；

阈值获取模块，所述阈值获取模块用于提取所述电价分类结果中的低电价阶段，并将所述低电价阶段合并，得到所述预设储能时间阈值。

进一步而言，所述系统还包括：

第一储能条件获取模块，所述第一储能条件获取模块用于根据所述第一判断结果，若所述第一实时荷电状态满足所述预设储能荷电阈值，获得第一储能条件；

第二储能条件获取模块，所述第二储能条件获取模块用于根据所述第二判断结果，所述第一时间满足所述预设储能时间阈值，获得第二储能条件；

设备储能控制模块，所述设备储能控制模块用于基于所述第一储能条件和所述第二储能条件，对所述储能设备进行储能控制。

进一步而言，所述系统还包括：

第一外供条件获取模块，所述第一外供条件获取模块用于根据所述第一判断结果，若所述第一实时荷电状态不满足所述预设储能荷电阈值，获得第一外供条件；

第二外供条件获取模块，所述第二外供条件获取模块用于根据所述第二判断结果，所述第一时间不满足所述预设储能时间阈值，获得第二外供条件；

设备控制模块，所述设备控制模块用于基于所述第一外供条件和所述第二外供条件，对所述储能设备进行外供控制。

本说明书通过前述对一种储能数据管理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种储能数据管理方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种储能数据管理方法，其特征在于，所述储能数据管理方法应用于储能数据管理系统，所述储能数据管理系统包括一储能设备，所述储能数据管理方法包括：

获得所述储能设备的历史储能信息，其中，所述历史储能信息包括多阶段历史储能数据；

基于所述多阶段历史储能数据得到目标阶段历史储能数据，其中，所述目标阶段历史储能数据包括目标阶段设备荷电状态、目标阶段设备应用记录；

将所述目标阶段设备荷电状态与所述目标阶段设备应用记录作为训练数据，训练得到目标集成预估模型；

采集所述储能设备在第一时间下的第一实时应用数据，并将所述第一实时应用数据输入所述目标集成预估模型，得到输出结果，其中，所述输出结果包括所述储能设备的第一实时荷电状态；

获得预设储能荷电阈值，并判断所述第一实时荷电状态是否满足所述预设储能荷电阈值，获得第一判断结果；

获得预设储能时间阈值，并判断所述第一时间是否满足所述预设储能时间阈值，获得第二判断结果；

根据所述第一判断结果和所述第二判断结果，对所述储能设备进行控制管理；

其中，所述将所述目标阶段设备荷电状态与所述目标阶段设备应用记录作为训练数据，训练得到目标集成预估模型，包括：

组建荷电状态因素集，其中，所述荷电状态因素集包括多个因素指标；

将所述多个因素指标在所述目标阶段设备应用记录中遍历，得到遍历结果，其中，所述遍历结果包括多个目标阶段因素参数；

将所述目标阶段设备荷电状态与所述多个目标阶段因素参数作为所述训练数据，训练得到所述目标集成预估模型；其中，所述目标阶段设备荷电状态与所述多个目标阶段因素参数具备映射关系；

所述将所述目标阶段设备荷电状态与所述多个目标阶段因素参数作为所述训练数据，训练得到所述目标集成预估模型，包括：

基于模型构建原理组建单预估模型集，其中，所述单预估模型集包括多个单预估模型；

基于集成学习方法原理对所述多个单预估模型进行模型搭建，得到多个集成预估模型；

依次基于所述多个集成预估模型对所述多个目标阶段因素参数进行预估分析，得到多个荷电预估结果；

将所述多个荷电预估结果依次与所述目标阶段设备荷电状态进行对比，并根据对比结果确定最优荷电预估结果；

反向匹配所述最优荷电预估结果的集成预估模型，并将其作为所述目标集成预估模型。

2.根据权利要求1所述的储能数据管理方法，其特征在于，所述依次基于所述多个集成预估模型对所述多个目标阶段因素参数进行预估分析，得到多个荷电预估结果，包括：

提取所述多个集成预估模型中任意一个集成预估模型；

获得所述任意一个集成预估模型的初级学习器、元学习器；

将所述多个目标阶段因素参数输入所述初级学习器，得到初级预估结果；

将所述初级预估结果输入所述元学习器，得到元预估结果，并将所述元预估结果作为所述任意一个集成预估模型的荷电预估结果。

3.根据权利要求1所述的储能数据管理方法，其特征在于，所述获得预设储能时间阈值，包括：

对预设电价市场进行电价数据分析，得到电价分析结果；

基于预设电价分类方案对所述电价分析结果进行分类，得到电价分类结果；

提取所述电价分类结果中的低电价阶段，并将所述低电价阶段合并，得到所述预设储能时间阈值。

4.根据权利要求3所述的储能数据管理方法，其特征在于，还包括：

根据所述第一判断结果，若所述第一实时荷电状态满足所述预设储能荷电阈值，获得第一储能条件；

根据所述第二判断结果，所述第一时间满足所述预设储能时间阈值，获得第二储能条件；

基于所述第一储能条件和所述第二储能条件，对所述储能设备进行储能控制。

5.根据权利要求4所述的储能数据管理方法，其特征在于，还包括：

根据所述第一判断结果，若所述第一实时荷电状态不满足所述预设储能荷电阈值，获得第一外供条件；

根据所述第二判断结果，所述第一时间不满足所述预设储能时间阈值，获得第二外供条件；

基于所述第一外供条件和所述第二外供条件，对所述储能设备进行外供控制。

6.一种储能数据管理系统，其特征在于，所述系统包括一储能设备，所述系统包括：

信息获取模块，所述信息获取模块用于获得所述储能设备的历史储能信息，其中，所述历史储能信息包括多阶段历史储能数据；

数据获取模块，所述数据获取模块用于基于所述多阶段历史储能数据得到目标阶段历史储能数据，其中，所述目标阶段历史储能数据包括目标阶段设备荷电状态、目标阶段设备应用记录；

模型训练模块，所述模型训练模块用于将所述目标阶段设备荷电状态与所述目标阶段设备应用记录作为训练数据，训练得到目标集成预估模型；

模型分析模块，所述模型分析模块用于采集所述储能设备在第一时间下的第一实时应用数据，并将所述第一实时应用数据输入所述目标集成预估模型，得到输出结果，其中，所述输出结果包括所述储能设备的第一实时荷电状态；

荷电阈值判断模块，所述荷电阈值判断模块用于获得预设储能荷电阈值，并判断所述第一实时荷电状态是否满足所述预设储能荷电阈值，获得第一判断结果；

时间阈值判断模块，所述时间阈值判断模块用于获得预设储能时间阈值，并判断所述第一时间是否满足所述预设储能时间阈值，获得第二判断结果；

设备管控模块，所述设备管控模块用于根据所述第一判断结果和所述第二判断结果，对所述储能设备进行控制管理；

因素集组建模块，所述因素集组建模块用于组建荷电状态因素集，其中，所述荷电状态因素集包括多个因素指标；

指标遍历模块，所述指标遍历模块用于将所述多个因素指标在所述目标阶段设备应用记录中遍历，得到遍历结果，其中，所述遍历结果包括多个目标阶段因素参数；

模型获取模块，所述模型获取模块用于将所述目标阶段设备荷电状态与所述多个目标阶段因素参数作为所述训练数据，训练得到所述目标集成预估模型；其中，所述目标阶段设备荷电状态与所述多个目标阶段因素参数具备映射关系；

模型集组建模块，所述模型集组建模块用于基于模型构建原理组建单预估模型集，其中，所述单预估模型集包括多个单预估模型；

模型搭建模块，所述模型搭建模块用于基于集成学习方法原理对所述多个单预估模型进行模型搭建，得到多个集成预估模型；

参数预估模块，所述参数预估模块用于依次基于所述多个集成预估模型对所述多个目标阶段因素参数进行预估分析，得到多个荷电预估结果；

结果比对模块，所述结果比对模块用于将所述多个荷电预估结果依次与所述目标阶段设备荷电状态进行对比，并根据对比结果确定最优荷电预估结果；

结果匹配模块，所述结果匹配模块用于反向匹配所述最优荷电预估结果的集成预估模型，并将其作为所述目标集成预估模型。

Images