CN117096911A - 综合能源储能控制方法、计算机装置、计算机可读存储介质 - Google Patents

Abstract

本发明提供一种综合能源储能控制方法、计算机装置、计算机可读存储介质，其中，该方法包括：从边缘端获取至少一个综合能源装置的发电设备的发电信息数据、负载设备的负载用能数据、储能设备的储能信息数据；根据发电预测算法与发电信息数据确定发电预测模型；根据负荷预测算法与负载用能数据确定负荷预测模型；根据发电预测模型确定发电预测数据，根据负荷预测模型确定负荷预测数据。根据发电预测数据、负荷预测数据、储能信息数据确定储能调控模型；储能调控模型用于控制储能设备进行充电或放电；将储能调控模型发送至边缘端。本发明改善储能和负载之间不联通的情况，实现区域内不同综合能源装置的储能设备之间的联动，提高储能控制效率。

Description

综合能源储能控制方法、计算机装置、计算机可读存储介质

技术领域

本发明涉及能源管理与调度技术领域，具体是涉及一种综合能源储能控制方法、计算机装置、计算机可读存储介质。

背景技术

随着新能源汽车的不断推广，电动汽车保有量不断增加，电动汽车的电池的发展带动了综合能源装置的建立。

城市、园区、大型小区等地方都安装有综合能源装置，大量的综合能源装置的储能设备需要进行充放电，而当前大部分综合能源装置的储能设备进行充放电都是独立的，没有进行互联互通，只是固定该设置好充放电时间和功率，控制不够智能化。

发明内容

本发明的第一目的是提供一种控制效率高的综合能源储能控制方法。

本发明的第二目的是提供另一种综合能源储能控制方法。

本发明的第三目的是提供实现上述综合能源储能控制方法的计算机装置。

本发明的第四目的是提供一种包括上述综合能源储能控制方法的计算机可读存储介质。

为了实现上述的第一目的，本发明提供的一种综合能源储能控制方法，应用于云端，其中，包括以下步骤：从边缘端获取至少一个综合能源装置的发电设备的发电信息数据、负载设备的负载用能数据、储能设备的储能信息数据；根据发电预测算法与发电信息数据确定发电预测模型；根据负荷预测算法与负载用能数据确定负荷预测模型；根据发电预测模型确定发电预测数据，根据负荷预测模型确定负荷预测数据；根据发电预测数据、负荷预测数据、储能信息数据确定储能调控模型；储能调控模型用于控制储能设备进行充电或放电；将储能调控模型发送至边缘端。

由上述方案可见，本发明通过获取边缘端采集综合能源装置的各项相关数据确定发电预测模型和负荷预测模型，再根据发电预测模型和负荷预测模型确定储能调控模型，由储能调控模型控制储能设备进行充电或放电。本发明可以基于历史数据调控未来储能设备的充电或放电状态，从而充分利用储能设备的能源，改善储能和负载之间不联通的情况，并实现预设区域内不同综合能源装置的储能设备之间的联动，提高储能控制效率。

进一步的方案是，负荷预测算法采用prophet时间序列法。

进一步的方案是，发电预测算法采用神经网络算法。

进一步的方案是，根据发电预测数据、负荷预测数据、储能信息数据、电价确定储能调控模型。

由此可见，储能调控模型还能够根据实时电价进行储能控制。

进一步的方案是，从边缘端获取储能信息数据后，根据储能信息数据确定安全范围，根据安全范围确定安全检测模型；将安全检测模型发送至边缘端。

由此可见，可以保证储能调控的安全进行，延长储能设备使用年限，提高储能设备的经济效益。

为了实现上述的第二目的，本发明提供的一种综合能源储能控制方法，应用于边缘端，其中，包括以下步骤：获取发电设备的发电信息数据、负载设备的负载用能数据，储能设备的储能信息数据；将发电信息数据、负载用能数据、储能信息数据发送至云端；从云端获取储能调控模型；运行储能调控模型，根据所述储能调控模型输出的充电指令执行对所述储能设备的充电操作，根据所述储能调控模型输出的放电指令执行对所述储能设备的放电操作。

由上述方案可见，本发明通过将采集到的综合能源装置的各项数据发送至云端，从云端获取相应的储能调控模型，从而执行云端的储能调控模型实现预设区域内的储能设备的调控。由于该储能调控模型直接来源于云端并可直接执行，减少执行端的调控压力，提高储能控制的效率。

进一步的方案是，运行储能调控模型时，判断是否接收到云端的充放电指令，如是，根据云端的充放电指令控制储能设备的充电或放电，再继续根据储能调控模型控制储能设备的充电或放电。

由此可见，方便云端主动通过充放电指令实时调整储能设备的充放电。

进一步的方案是，在将发电信息数据、负载用能数据、储能信息数据发送至云端后，从云端获取安全检测模型；运行安全检测模型。

由此可见，可以保证储能调控的安全进行。

为了实现上述的第三目的，本发明提供的一种计算机装置，包括处理器与存储器，其中：存储器存储有计算机程序，计算机程序被处理器执行时实现上述的综合能源储能控制方法或实现上述的综合能源储能控制方法。

为了实现上述的第四目的，本发明提供的一种计算机可读存储介质，其上存储有计算机程序，其中：计算机程序被处理器执行时实现上述的综合能源储能控制方法或实现上述的综合能源储能控制方法。

附图说明

图1是本发明综合能源储能控制方法实施例中综合能源储能控制系统的系统框架图。

图2是本发明综合能源储能控制方法实施例中边缘端执行的流程图。

图3是本发明综合能源储能控制方法实施例中云端执行的流程图。

以下结合附图及实施例对本发明作进一步说明。

具体实施方式

本发明的综合能源储能控制方法通过边缘端采集发电设备、负载设备、储能设备的相关数据，并将采集到的相关数据发送到云端，云端根据接收到的相关数据建立储能调控模型，边缘端根据从云端接收到的储能调控模型进行储能设备的充电与放电的控制。本发明还提供实现上述综合能源储能控制方法的计算机装置及计算机可读存储介质。

综合能源储能控制方法实施例：

参见图1，实现本实施例的综合能源储能控制系统包括云端1与一个或者多个边缘端2，云端1连接边缘端2，通过无线通信的方式进行数据传输。

在一个预设的区域范围内，可设置一个边缘端2，边缘端2与该预设的区域范围内的至少一个综合能源装置连接，边缘端2用于采集并发送综合能源装置的发电设备的发电信息数据、负载设备的负载用能数据、储能设备的储能信息数据至云端1，以及控制储能设备的充电或放电。综合能源装置包括发电设备与储能设备，当负载设备接入时，综合能源装置也包括负载设备。

本实施例的综合能源储能控制方法基于上述综合能源控制系统实现，其中边缘端通过执行计算机程序实现图2中的各个步骤，云端通过执行计算机程序实现图3中的各个步骤。

参见图2，边缘端首先执行步骤S11，获取发电设备的发电信息数据、负载设备的负载用能数据、储能设备的储能信息数据。其中，发电信息数据为综合能源装置的发电设备的相关数据，例如光伏、风力等绿色能源发电设备的发电信息数据，包括发电设备状态、发电电压、发电电流、发电功率、电度等。负载用能数据包括负载功率、负载电压、负载电流等负载使用电能的数据。储能信息数据包括PCS(Power Convers ion System，储能变流器)信息以及BMS((Battery Management System，电池管理系统)信息，PCS信息包括输入电压、输出电流等参数，BMS信息包括soc、soh、单体电压、单体电流、温度等参数。

然后执行步骤S12，将发电信息数据、负载用能数据、储能信息数据发送至云端。

此时，参见图3，云端执行以下步骤：

首先执行步骤S21，从边缘端获取发电设备的发电信息数据、负载设备的负载用能数据、储能设备的储能信息数据。

继续执行步骤S22，根据发电预测算法与发电信息数据确定发电预测模型。发电预测算法采用神经网络算法，通过过去一段时间的发电信息数据和天气数据作为训练样本，构建适宜的网络结构，使用训练算法对该网络进行训练，使其满足精度要求，然后将该神经网络作为发电预测模型。根据得到的发电预测模型，可以得到未来一定时间内的发电信息数据，即发电预测数据。

然后执行步骤S23，根据负荷预测算法与负载用能数据确定负荷预测模型。负荷预测算法采用prophet时间序列法，基本公式：y(t)＝g(t)+s(t)+h(t)+εt，其中，g(t)表示趋势项，表示时间序列在非周期上面的变化趋势；s(t)表示周期项，或者称为季节项；h(t)表示节假日项，表示在当天是否存在节假日；εt表示误差项或者称为剩余项。prophet时间序列法通过拟合上述项，累加得到时间序列的预测值。将过去一段时间的负荷数据作为训练样本，构建适宜的网络结构，使用训练算法对该网络进行训练，使其满足精度要求，然后将此网络作为负荷预测模型。根据得到的负荷预测模型，可以得到未来一定时间内的符合预测数据。

然后执行步骤S24，根据储能信息数据确定安全范围，根据安全范围确定安全检测模型。安全检测模型用于根据设定储能设备的各项储能信息数据的安全范围，并在至少一项储能信息数据不在安全范围内时进行告警提示和安全操作，并反馈包括相应的告警信息和安全操作的日志至云端。

然后继续执行步骤S25，根据发电预测数据、负荷预测数据、储能信息数据、电价确定储能调控模型。根据储能信息数据以及未来一定时间内的发电预测数据与负荷预测数据可以计算未来一定时间内储能设备需要补充的能源量，从而根据边缘端可以根据储能调控模型控制储能设备进行充电或放电。在此基础上，结合电价确定储能调控模型，可以保证储能调控模型的应用带来一定的经济效益。

具体的，储能调控模型包括：(1)当负载预测数据大于发电预测数据时，判断当前的实时电价是否为低谷电价，如是则可以通过市电给用能设备进行供电，如不是低谷电价，则进一步判断当前获取到的储能设备的储能量是否满足负载预测数据与发电预测数据之间相差的储能量，如满足，则控制储能设备进入放电模式进行放电。需要说明的是，该储能设备的储能量可以是一个预设的区域范围内不同综合能源装置的储能设备的储能量之和，例如该预设的区域范围内存在A区、B区、C区，当A区的综合能源装置的储能设备的负载预测数据大于发电预测数据时，B区与C区的综合能源装置的储能设备的储能量存在富余，则可以按照位置由近至远的顺序，将B区以及C区多余的储能量调度至A区。(2)当负载预测数据小于发电预测数据时，判断当前的实时电价是否为低谷电价，如是，则控制储能设备进入充电模式，进行充电，直至充满后或电价升高后退出充电模式进入待机模式，将产生的电量并网售电，如否，即实时电价为高峰时，则直接并网售电。

上述放电模式与充电模式中，都需要保证在安全模式下进行，即安全检测模型不反馈告警信息和执行安全操作。例如，安全模式下，安全检测模型检测到的电池数据都处于一个正常范围，此时可以进行储能设备的充电或放电操作。非安全模式下，即安全调控模块检测到的电池数据处于存在异常情况(单个电池存在过压、过流、过温等情况)，则停止该发生该异常情况的电池单元的充放电后，再进入安全模式。

最后，执行步骤S26，将储能调控模型和安全检测模型发送至边缘端。具体的，可以是通过预设的消息协议或者接口的形式进行通信下发到边缘端。

继续参照图2，此时，边缘端继续执行以下步骤，包括：

S13，从云端获取储能调控模型与安全检测模型。

S14，运行储能调控模型与安全检测模型。

S15，判断是否接收到云端的充放电指令。云端的充放电指令相对于此前边缘端接收到的储能调控模型的优先级更高，从而优先执行该充放电指令，此时也要保证储能设备运行在安全模式下。如果没有接收到云端的充放电指令，则继续运行之前的储能调控模型。如果接收到云端的充放电指令，则继续执行步骤S16。

S16，根据云端的充放电指令控制储能设备的充电或放电。执行完云端的充放电指令后，则继续执行之前的储能调控模型与安全检测模型。

此外，云端也可以直接向执行端发送新的储能调控模型或安全检测模型。边缘端在执行储能调控模型和安全调控模型持续的预设时间内持续收集发电信息数据、负载用能数据、储能信息数据，然后云端重新执行上述步骤S21至步骤S25确定新的储能调控模型或安全检测模型。

计算机装置实施例：

本实施例的计算机装置包括处理器与存储器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的综合能源储能控制方法。

计算机装置可包括但不限于处理器与存储器。本领域技术人员可以理解，计算机装置可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机装置还可以包括输入输出设备、网络接入设备、总线等。

例如，处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微控制器或者该处理器也可以是任何常规的处理器等。处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。

存储器可用于存储计算机程序和/或模块，控制器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。例如，存储器可主要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、至少一个功能所需的应用程序(例如声音接收功能、声音转换成文字功能等)等；存储数据区可存储根据手机的使用所创建的数据(例如音频数据、文本数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

计算机可读存储介质实施例：

上述实施例的计算机装置集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，实现综合能源储能控制方法实施例的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被控制器执行时，可实现上述综合能源储能控制方法的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read－Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

综上，本发明的云端可以基于历史数据调控未来储能设备的充电或放电状态，从而充分利用储能设备的能源，改善储能和负载之间不联通的情况，并实现预设区域内不同综合能源装置的储能设备之间的联动，提高储能控制效率，本发明的边缘端直接执行来源于云端的储能调控模型和安全模型，减少执行端的调控压力，提高储能控制的效率与可靠性。

Claims (10)

1.一种综合能源储能控制方法，应用于云端，其特征在于，包括以下步骤：

从边缘端获取至少一个综合能源装置的发电设备的发电信息数据、负载设备的负载用能数据、储能设备的储能信息数据；

根据发电预测算法与所述发电信息数据确定发电预测模型；

根据负荷预测算法与所述负载用能数据确定负荷预测模型；

根据所述发电预测模型确定发电预测数据，根据所述负荷预测模型确定负荷预测数据；

根据所述发电预测数据、所述负荷预测数据、所述储能信息数据确定储能调控模型；所述储能调控模型用于控制所述储能设备进行充电或放电；

将所述储能调控模型发送至所述边缘端。

2.如权利要求1所述的综合能源储能控制方法，其特征在于：

所述负荷预测算法为prophet时间序列法。

3.如权利要求1所述的综合能源储能控制方法，其特征在于：

所述发电预测算法采用神经网络算法。

4.如权利要求1所述的综合能源储能控制方法，其特征在于：

根据所述发电预测数据、所述负荷预测数据、所述储能信息数据、电价确定所述储能调控模型。

5.如权利要求1至4任一项所述的综合能源储能控制方法，其特征在于：

从所述边缘端获取所述储能信息数据后，根据所述储能信息数据确定安全范围，根据所述安全范围确定安全检测模型；

将所述安全检测模型发送至所述边缘端。

6.一种综合能源储能控制方法，应用于边缘端，其特征在于，包括以下步骤：

获取发电设备的发电信息数据、负载设备的负载用能数据，储能设备的储能信息数据；

将所述发电信息数据、所述负载用能数据、所述储能信息数据发送至云端；

从所述云端获取储能调控模型；

运行所述储能调控模型，根据所述储能调控模型输出的充电指令执行对所述储能设备的充电操作，根据所述储能调控模型输出的放电指令执行对所述储能设备的放电操作。

7.如权利要求6所述的综合能源储能控制方法，其特征在于：

运行所述储能调控模型时，判断是否接收到所述云端的充放电指令，如是，根据所述云端的充放电指令控制所述储能设备的充电或放电，再继续根据所述储能调控模型控制所述储能设备的充电或放电。

8.如权利要求6或7所述的综合能源储能控制方法，其特征在于：

在将所述发电信息数据、所述负载用能数据、所述储能信息数据发送至所述云端后，从所述云端获取安全检测模型；

运行所述安全检测模型。

9.计算机装置，包括处理器与存储器，其特征在于：

所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现上述权利要求1至5任一项所述的综合能源储能控制方法或实现上述权利要求6至8任一项所述的综合能源储能控制方法。

10.计算机可读存储介质，其上存储有计算机程序，其特征在于：

所述计算机程序被处理器执行时实现上述权利要求1至5任一项所述的综合能源储能控制方法或实现上述权利要求6至8任一项所述的综合能源储能控制方法。