CN118898530B - 一种新型的能源管理系统 - Google Patents

Abstract

本发明公开了一种新型的能源管理系统，涉及能源管理技术领域，新型的能源管理系统包括：电能监控模块，电能监控模块用于实时监测分布式储能舱的电能存储、供应数据、负荷耗能数据和交流配电网的电能交易数据和价格变化；风光发电管理模块，风光发电管理模块与所述电能监控模块电性连接。本发明的新型的能源管理系统采用了人工智能和机器学习算法，能够动态优化能源使用，自动调整能源分配，从而显著提高了系统的能效和产率，通过实时分析和预测能源需求，系统能够在最优时机分配能源，减少能源浪费，通过降低能耗和减少碳排放，有助于实现更加环保的能源管理，新型的能源管理系统的优化调度和高效运行不仅减少了能源浪费，提升了整体的环保性能。

Description

一种新型的能源管理系统

技术领域

本发明涉及能源管理技术领域，具体是涉及一种新型的能源管理系统。

背景技术

在传统的能源管理系统（EMS）技术中，主要依赖于基本的监测和控制功能，这些功能通常通过独立的硬件设备和简单的控制逻辑来实现能源的管理，早期的EMS技术主要应用于工业和商业建筑中，旨在帮助用户对电力、供暖、通风和空调（HVAC）系统进行集中监控和手动控制，以及对电池的全生命周期的管理。

然而，这些传统系统存在一系列的技术问题和缺陷，它们通常采用分散的架构，不同的能源监测设备和控制器各自独立运行，这导致数据采集和处理的效率较低，由于缺乏统一的通信标准，不同设备之间的数据难以共享，形成了数据孤岛，严重阻碍了综合分析和优化的能力，能源管理的优化策略在这些传统系统中也相对简单，主要基于预设的规则和固定的时间表，这种策略无法灵活应对动态的能源需求变化，随着能源市场的变化和节能需求的不断提升，传统的优化方法已经无法满足现代能源管理的需求，在用户交互方面，传统EMS的操作界面设计复杂，主要面向专业技术人员，这使得非专业用户难以操作和使用，这种设计限制了系统的普及和应用范围，尤其是在那些需要广泛用户参与和反馈的场景中，传统EMS系统的报告功能也较为有限，通常只能提供基本的能耗数据和趋势分析，缺乏深入的智能分析和优化建议，这导致用户在制定能源管理决策时缺乏充分的数据支持和科学依据，难以实现能源的高效利用和节能减排目标，对此，我们提出了一种新型的能源管理系统。

发明内容

为解决上述技术问题，提供一种新型的能源管理系统，本技术方案解决了上述的问题。

为达到以上目的，本发明采用的技术方案为：

一种新型的能源管理系统，能源管理系统包括：

电能监控模块，电能监控模块用于实时监测分布式储能舱的电能存储、供应数据、负荷耗能数据和交流配电网的电能交易数据和价格变化；

风光发电管理模块，风光发电管理模块与所述电能监控模块电性连接，所述风光发电管理模块用于通过根据储能舱的剩余电量、负荷需求和电价行情控制风能和太阳能的发电过程并优化风力发电机和光伏阵列的运行策略；

储能管理模块，储能管理模块与所述电能监控模块、风光发电管理模块电性连接，所述储能管理模块用于监控和控制储能舱的充放电过程，监测储能舱的使用寿命变化，基于寿命变化趋势优化储能舱的充电和放电上限；

热能管理模块，热能管理模块与所述风光发电管理模块电性连接，所述热能管理模块用于实时监测热能数据，根据采集的热能数据，对热量变化趋势进行预测和分析，基于预测和分析的结果生成热能管理策略；

电池全生命周期检测模块，电池全生命周期检测模块用于对电池进行实时监测，根据监测结果预测电池老化过程，对电池状态进行评估，在电池性能下降前发出预警；

电能调度模块，电能调度模块与所述电能监控模块、风光发电管理模块和储能管理模块电性连接，所述电能调度模块用于根据储能舱的充放电数据、负荷需求和能源买卖的实时预测数据，自动调整微电网的电能分配；

智能预测与优化模块，智能预测与优化模块与所述风光发电管理模块、储能管理模块、热能管理模块和电能调度模块电性连接，所述智能预测与优化模块用于负责构建和训练系统中使用的模型策略，并实时优化能源存储和调度策略；

数字孪生监控与控制模块，数字孪生监控与控制模块与所述电能监控模块、风光发电管理模块、储能管理模块、热能管理模块、电池全生命周期检测模块、电能调度模块和智能预测与优化模块电性连接，所述数字孪生监控与控制模块用于收集并整合来自各模块的数据，创建与物理微电网一致的虚拟模型，实时监控微电网的运行状态识别趋势和异常情况，模拟系统响应提供决策，对潜在问题进行预测和预警；

人机交互模块，人机交互模块与所述电能监控模块、风光发电管理模块、储能管理模块、热能管理模块、电池全生命周期检测模块、电能调度模块、智能预测与优化模块和数字孪生监控与控制模块电性连接，所述人机交互模块用于为用户提供操作界面进行系统监控和调节，实时显示微电网的运行状态、电能价格预测和买卖数据，并通过该模块直接与数字孪生模型进行交互，查看系统的虚拟运行状态和模拟结果；

故障监控模块，故障监控模块与人机交互模块电性连接，所述故障监控模块用于实时监测系统中的异常或故障数据，并将其反馈到人机交互模块和电能调度模块，自动调整调度策略并生成异常处理方案；

系统评估模块，系统评估模块与所述电能监控模块、风光发电管理模块、储能管理模块、热能管理模块、电池全生命周期检测模块、电能调度模块、智能预测与优化模块、数字孪生监控与控制模块、人机交互模块和故障监控模块电性连接，所述系统评估模块用于对微电网的性能和运行状态进行全面评估，并根据评估结果优化系统策略。

优选地，能源管理系统中各模块包含的单元包括：

电能监控模块包括数据采集单元和分布式存储单元；

风光发电管理模块包括风力发电控制单元和光伏控制单元；

热能管理模块包括热能数据采集单元、热能数据分析单元、热能预测单元和热能管理策略生成单元；

电池全生命周期检测模块包括电池健康监测单元、电池健康评估与状态诊断单元和电池性能下降预警单元；

电能调度模块包括短期调度单元、一体化控制单元、充放电监控单元、储能舱监测单元和电能价格预测单元；

智能预测与优化模块包括模型构建与训练单元和部署单元；

人机交互模块包括可视化单元；

故障监控模块包括故障检测单元、故障反馈单元和指令交互单元。

优选地，电能调度模块防止储能舱的过充或过放的方法为：

对于第n个储能舱，其最小荷电状态为SOCmin，额定荷电状态为SOCrated，相应的约束条件为：

式中，SOC表示电池剩余电量与其总容量的比值，表示在第t时刻的第k个荷电状态，表示第n个储能舱的荷电状态下限，表示第n个储能舱的荷电状态上限，和分别表示最小荷电状态下限折扣因子和额定荷电状态上限折扣因子；

采用寿命退化模型预测储能舱的使用寿命变化趋势；

假设每次充电和放电过程的寿命退化是对称的，且在相同放电深度DOH下寿命退化相同，则第k个储能舱在第t-1到第t时刻的寿命退化函数为：

式中，表示第k个储能舱在第t时刻的寿命趋势变化函数，表示第k个储能舱在第t时刻的寿命函数；

其中，第t时刻的寿命函数的计算公式为：

式中，表示第k个储能舱在第t时刻的放电深度，fk表示函数。

优选地，短期调度单元处理电能平衡的方法为：

在离网状态下，风光储剩余电量满足负荷需求，并且储能舱剩余存储空间满足存储多余电量时；

若微电网满足动态平衡方程，则微电网处于短期平衡状态；

若微电网不满足动态平衡方程，则短期平衡无法实现，使用长期规划单元制定长期平衡策略。

优选地，短期调度单元其动态平衡方程为：

式中，表示第i个负荷在时刻t的功率消耗，和分别为第k个储能舱在时刻t的充电功率和第k个储能舱在时刻t的放电功率，表示风力发电机在时刻t的输出功率，表示光伏阵列在时刻t的输出功率，表示热能管理模块在时刻t的输出功率。

优选地，使用长期规划单元制定长期平衡策略的方法为：

长期平衡策略为在并网状态下保证动态平衡；

当为正时，通过预测未来24小时的电价；

若预测电价低于商业标准电价且购电预算总额低于风力发电机和光伏阵列的维护成本，则从交流配电网购买电能量Ebuy,t；

若预测电价低于商业标准电价且购电预算总额高于风力发电机和光伏阵列的维护成本，则购买电能Ebuy,t以满足负荷需求；

当Egrid,t为负时，若风电和光电输出功率满足负荷需求，且预测电价低于标准电价，则向交流配电网售电，售电量为Esell,t；若预测电价高于标准电价，则售电量为Esell,t，其中，表示t时刻交流配电网中交易的电能量，Esell,t表示t时刻从交流配电网购买的电能量，Ebuy,t表示t时刻从交流配电网购买的电能量。

优选地，长期平衡策略中动态平衡方程为：

式中，表示第t时刻的电能量，表示t时刻交流配电网中交易的电能量。

优选地，电能调度模块使用多智能体强化学习策略的方法为：

将风力发电机、光伏电池阵列、分布式储能仓、负荷和交流配电网的变流控制器视为智能体，构建多智能体强化学习模型，并根据电能监控模块的数据建立输入状态集，每个智能体的奖励由运行产生的成本和利润组成；

将输入状态集和奖励输入到相应智能体中进行训练，并利用所有智能体的奖励总和对模型进行更新优化，直至获得最大奖励，每个智能体的优化参数为系统的操作参数；

将智能体输出的优化参数应用于变流器和控制器中，实现微电网的最优控制；

根据短期平衡情况控制微电网的状态，若短期平衡达成，则断开与交流配电网的连接，保持离网状态；若未达成，则通过长期平衡策略与交流配电网连接，确保长期供电平衡并最大化收益。

优选地，电能调度模块采用DPSO-LSTM策略的步骤包括：

利用分布式存储单元保存的电能价格数据构建输入序列，设置15min为一个时间步长，输出为未来24H的电能价格数据；

构建DPSO-LSTM模型，并初始化粒子群优化算法的参数；

将电能价格序列编码后输入到LSTM中，优化DPSO-LSTM模型；

通过DPSO优化LSTM的输入参数，使得预测的电能价格误差最小化，最终获取未来24小时的电能价格预测并可视化其变化趋势。

优选地，能源管理系统工作步骤为：

电能监控模块实时监测分布式储能舱的电能存储、供应数据、负荷耗能数据和交流配电网的电能交易数据及价格变化，风光发电管理模块根据储能舱的剩余电量、负荷需求和电价行情，监控风能和太阳能的发电过程，储能管理模块监控储能舱的充放电过程及使用寿命变化，热能管理模块实时监测热能数据，电池全生命周期检测模块对电池进行实时监测，评估电池状态；

各模块收集的数据被发送到智能预测与优化模块进行集中处理，智能预测与优化模块利用这些数据构建和训练对应的决策模型，进行实时优化分析；

在智能预测与优化模块中，通过模型构建与训练单元，针对风光发电管理、储能管理、热能管理、电能调度模块，构建并训练决策模型；

根据智能预测与优化模块的输出结果，风光发电管理模块优化风力发电机和光伏阵列的运行策略，储能管理模块根据寿命变化趋势优化储能舱的充电和放电上限，热能管理模块基于热能数据的预测和分析结果生成热能管理策略，电能调度模块根据储能舱的充放电数据、负荷需求和能源买卖的实时预测数据，自动调整微电网的电能分配；

数字孪生监控与控制模块收集并整合来自各模块的数据，创建与物理微电网一致的虚拟模型，实时监控微电网的运行状态，识别趋势和异常情况，模拟系统响应并提供决策支持；

人机交互模块为用户提供操作界面，实时显示微电网的运行状态、电能价格预测和买卖数据，用户可以通过人机交互模块与数字孪生模型进行交互，查看系统的虚拟运行状态和模拟结果；

故障监控模块实时监测系统中的异常或故障数据，并将其反馈到人机交互模块和电能调度模块，自动调整调度策略并生成异常处理方案；

系统评估模块对微电网的性能和运行状态进行全面评估，根据评估结果，智能预测与优化模块及其他功能模块进一步优化系统策略，形成闭环反馈机制。

与现有技术相比，本发明的有益效果在于：

本发明提出能源管理系统采用了人工智能和机器学习算法，能够动态优化能源使用，自动调整能源分配，从而显著提高了系统的能效和产率，通过实时分析和预测能源需求，系统能够在最优时机分配能源，减少能源浪费，提高整体生产效率，新的EMS技术通过精细化的能效管理，有效减少了能源消耗，系统能够识别并消除不必要的能源浪费，通过智能调度和控制，降低整体能耗，达到了节能减排的目的，通过人性化的用户界面设计，使系统的操作和控制更加简便，非专业用户也能通过直观的界面和可视化工具轻松管理能源系统，提高了系统的可用性和普及性，通过统一的数据通信标准和高效的数据处理架构，本发明实现了不同设备和系统的无缝集成，数据采集和处理的精度显著提高，这种高精度的数据支持使得系统在优化能源管理时更加精准和可靠，系统通过精确控制能源分配，减少了不必要的能源消耗，间接节省了与能源相关的原材料使用，优化的工序管理和自动化控制也减少了手动干预的需求，简化了操作流程，通过降低能耗和减少碳排放，有助于实现更加环保的能源管理，系统的优化调度和高效运行不仅减少了能源浪费，还减少了对环境的负面影响，提升了整体的环保性能。

附图说明

图1为能源管理系统结构框架图。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。

参照图1所示，一种新型的能源管理系统，能源管理系统包括：

电能监控模块作为系统的核心感知单元，不仅实时捕捉分布式储能舱的电能存储量、供应状态及负荷耗能数据，还紧密跟踪交流配电网的电能交易动态与价格波动，这一模块采用高精度传感器与数据分析算法，确保数据的准确性与实时性，为整个能源管理系统提供基础决策依据。

电能监控模块包括数据采集单元和分布式存储单元；数据采集单元通常由传感器、信号调理电路、数据采集卡或模块等组成。传感器负责将物理量（如风速、风向、温度、电流、电压等）转换为电信号；信号调理电路对传感器输出的电信号进行放大、滤波等处理；数据采集卡或模块则负责将处理后的信号转换为数字信号，并传输给数据处理系统；数据采集单元通过电缆或无线方式与传感器相连，接收传感器输出的电信号。处理后的数字信号则通过以太网、串行通信等方式传输给分布式存储单元；分布式存储单元由多个存储服务器组成，每个存储服务器都部署有客户端、监控进程和分配进程。客户端负责接收数据采集单元传输过来的数据并进行缓存；分配进程负责将缓存的数据基于数据种类分配至对应的存储服务器；监控进程则负责监控分配进程的状态，并在主分配进程故障时切换至其他正常的分配进程；分布式存储单元通过高速网络（如以太网）与数据采集单元相连，接收并存储数据。存储服务器之间也通过网络相连，以实现数据的分布式存储和访问。

风光发电管理模块集成了先进的天气预测模型与能源管理算法，根据储能舱的剩余电量、即时负荷需求及市场电价动态，智能调整风力发电机与光伏阵列的发电量，实现能源的最大化利用与成本最优化，该模块还具备自适应学习能力，不断优化发电策略以应对多变的环境条件与市场环境。

风光发电管理模块包括风力发电控制单元和光伏控制单元；风力发电控制单元通常由主控制器、传感器（如风速仪、风向标等）、执行机构（如变桨系统、偏航系统等）以及通信接口等组成。主控制器负责处理传感器输入的信号，并发出控制指令给执行机构，以实现风力发电机的控制；传感器与执行机构分别通过电缆或总线与主控制器相连，主控制器通过通信接口与分布式存储单元、光伏控制单元等进行通信；光伏控制单元与风力发电控制单元类似，也包括主控制器、传感器（如光照强度传感器、温度传感器等）、执行机构（如逆变器、跟踪系统等）以及通信接口等；光伏控制单元与风力发电控制单元在逻辑上可能相互独立，但在某些集成能源管理系统中可能会通过通信接口进行信息交换和协同控制。

储能管理模块在保障储能舱安全稳定运行的同时，通过实时监测储能舱的充放电过程与使用寿命变化，采用电池管理系统技术，精确控制充电与放电的上下限，延长储能舱的使用寿命并提高其经济性，此外，该模块还能预测储能舱的维护需求，提前安排维护计划，减少非计划停机时间。

热能管理模块旨在优化各种应用场景中的热能状态，通过实时监测和智能调控来提高系统的整体能效，该模块配备了分布式温度传感器，能够在关键部位实时采集热能数据，包括设备产生的热量、系统的散热效率以及环境温度变化，这些数据通过网络传输至中央处理单元，与系统中的其他运行数据深度集成，系统对热能数据进行综合分析，监测其波动情况并预测未来的热量变化趋势，基于这些分析结果，系统生成最优的热能管理策略，包括调整设备负载、优化散热或制冷系统的运行，以实现热能的平衡与最优利用。

热能管理模块包括热能数据采集单元、热能数据分析单元、热能预测单元和热能管理策略生成单元；热能数据采集单元包括温度传感器、流量传感器、压力传感器等，用于采集热能系统中的各种物理量，还包括数据处理器硬件（如微处理器、FPGA或ASIC等）和专用硬件模块（如数字信号处理器DSP、硬件加速器等），用于对采集到的热能数据进行硬件级别的处理和分析。这些硬件模块被设计为执行特定的算法和计算任务，替代了原先的软件算法模型；通过电缆或无线方式与热能系统相连，将采集到的数据传输给热能数据分析单元；热能数据分析单元包括数据处理器（如高性能微处理器、DSP等），负责执行复杂的计算任务，集成有算法硬件加速器或专用集成电路（ASIC），这些硬件组件被专门设计用来高效执行特定的热能数据分析算法，替代传统软件实现的算法模型；接收热能数据采集单元传输过来的数据，并将分析结果传输给热能预测单元和热能管理策略生成单元；热能预测单元包括以下关系模块，电池发热关系模块：此模块包含硬件电路或固件，专门用于模拟和分析电池在工作过程中产生的热量及其与各种操作条件（如电流、电压、温度等）之间的关系，太阳能发热关系模块：这个模块也是由硬件或固件组成，专注于处理太阳能转换过程中产生的热能及其与日照强度、环境温度、系统效率等因素的关联。这些硬件模型能够高速、准确地根据输入数据预测热能系统的未来状态，热能预测单元通过数据总线或特定的通信协议接收来自热能数据分析单元的处理结果，这些结果包含了关于当前热能系统状态的详细信息。利用接收到的数据，热能预测单元内部的各个模块协同工作，执行复杂的预测计算。最终，生成的预测结果通过另一组数据总线或通信链路被传输到热能管理策略生成单元，为制定有效的热能管理策略提供科学依据；热能管理策略生成单元通过FPGA、ASIC或定制的微控制器实现的。这些硬件算法能够根据热能预测单元提供的未来状态预测，快速计算出最优或次优的热能管理策略，热能管理策略生成单元通过数据接口（如总线、串行通信链路等）接收来自热能预测单元的预测结果。这些预测结果提供了关于热能系统未来状态的关键信息，是生成管理策略的基础，接收到预测结果后，策略生成算法硬件开始工作，根据预设的目标和约束条件，计算出适合当前情况的热能管理策略。生成的管理策略随后通过另一组数据接口或通信协议被传输到热能系统的执行机构。执行机构根据接收到的策略指令，调整热能系统的操作参数，以实现预期的热能管理效果。

热能管理模块将电池热量管理、太阳能热量管理与外部输入热量管理进行协同调度，要求系统能够高效、智能地整合和利用不同来源的热量，以实现整体能效的最大化。

热能协同调度系统需要包含以下几个核心组成部分：

数据采集与监测：负责实时收集电池、太阳能板及外部输入热量的温度、流量、能量转换效率等关键参数。

数据分析与处理：对采集到的数据进行深度分析，识别热量变化的趋势，检测异常状况，并预测未来的热量需求。

策略制定与执行：基于分析结果，制定热能管理策略，包括热量的存储、分配和使用，以确保系统的高效运行。

反馈与优化：根据策略执行的结果和实时监测数据，不断调整和优化热能管理策略，形成闭环控制。

热量优先级管理：

根据热量的来源、质量和稳定性，为不同的热量设定优先级。例如，太阳能热量在阳光充足时可能具有最高优先级，而外部输入热量在紧急情况下可能具有最高优先级。

系统应能自动识别和切换热量来源，以确保在任何情况下都能获得最优质、最稳定的热量供应。

热量存储与分配：

利用高效的热能存储技术（如相变材料、热储水罐等），将多余的热量储存起来，以备不时之需。

根据实际需求和热量优先级，智能地分配存储的热量，以满足电池、太阳能板及外部设备的热量需求。

热量回收与再利用：

实施热量回收策略，将电池、太阳能板及外部设备产生的废热回收并转化为有用的热能。

通过热能交换器、热泵等技术，将回收的热量重新引入系统，实现能量的高效循环利用。

智能调度算法：

开发先进的智能调度算法，根据实时监测数据、历史数据和预测结果，自动调整热能管理策略。

算法应能考虑多种因素，如天气条件、设备状态、用户需求等，以实现整体能效的最大化。

在技术过程中，热能管理模块首先通过温度传感器实时采集热能数据，并将这些数据传输至中央处理单元，数据与系统中的其他参数进行整合分析，识别热能波动与其他系统变量的关联，系统利用先进的算法分析热能的变化趋势，预测的热能峰值，并生成相应的优化策略，当检测到系统负载或环境条件发生变化时，热能管理模块会自动调整控制策略，优化设备的工作状态和热量分配，通过这种反馈机制，系统能够持续优化热能管理，适应不同工况，确保整体热能状态始终保持在最佳水平，这种全面的热能监控与调控方案适用于建筑物的供暖、冷却系统以及工业设备多个领域，显著提升了系统的能效和运行稳定性。

电池全生命周期检测模块集成了实时状态监测、数据分析和特定元素检测功能，从而能够精准预测电池的剩余可用寿命，提高电池的使用效率并减少安全隐患，其中特定元素检测功能对电池内部化学成分进行监控，进一步增强了预测的准确性。

电池全生命周期检测模块包括电池健康监测单元、电池健康评估与状态诊断单元和电池性能下降预警单元；电池健康评估与状态诊断单元包括电池电压监测模块、电池电流监测模块、电池温度监测模块等，用于实时监测电池的健康状态，通过电缆或无线方式与电池组相连，将监测数据传输给电池健康评估与状态诊断单元，电池性能下降预警单元包括高性能的数据处理硬件，如微处理器、DSP（数字信号处理器）或定制的数据处理芯片，用于对从电池健康监测单元接收到的原始数据进行预处理、滤波和特征提取，通过数据总线或特定的通信协议与电池健康监测单元相连，接收其传输过来的实时监测数据。这些数据通常包括电池的电压、电流、温度、内阻等关键参数。接收到数据后，数据处理模块首先对数据进行预处理，以消除噪声和干扰，然后提取出用于评估电池健康状态的特征信息，电池性能下降预警单元采用FPGA、ASIC、微控制器或定制的预警算法加速器来实现，预警算法模型根据从电池健康评估与状态诊断单元接收到的评估结果和诊断结果，通过预设的阈值和逻辑判断，生成电池性能下降的预警信息，通信接口模块,用于与其他单元或系统进行数据交换，接收输入数据并发送预警信息，电池性能下降预警单元通过数据总线或特定的通信协议与电池健康评估与状态诊断单元相连，接收其传输过来的评估结果和诊断结果。这些数据是生成预警信息的基础，一旦检测到电池性能下降或潜在故障，预警单元会立即生成预警信息，并通过通信接口模块将信息发送给系统管理员或相关维护人员。预警信息可能包括电池的健康状况、预计的剩余使用寿命、建议的维护措施等内容。系统管理员或维护人员接收到预警信息后，可以及时采取相应的措施，如更换电池、进行维护保养等，以确保系统的正常运行和安全性。

通过对电池关键性能参数进行实时监控，包括电压、电流、内阻、温度、充放电速率，同时增加了特定元素的监测，该模块集成了先进的传感器技术，能够检测电池电解液中的关键化学元素含量，这些元素的变化直接反映了电池内部的化学反应进程，是电池老化过程中的重要指标，通过对这些元素进行实时监测，能够更早地发现电池内部的老化趋势，对采集到的多维数据进行综合处理，包括常规的电池运行参数与特定元素检测数据，数据经过噪声过滤与异常值剔除后，被输入到预测模型中，将电池的常规参数与特定元素的变化相结合，精准建模电池的老化过程，尤其是在电池充放电周期中，特定元素的浓度变化揭示电池的电化学反应活性及内部结构变化，为预测电池的未来性能衰减提供更为可靠的依据，考虑外部因素对电池老化的影响，包括温度、湿度等环境因素，在实际使用中，高温会加速电池内部化学反应，导致元素流失，而低温则会使电池的活性降低，通过引入环境参数和特定元素监控的双重调节机制，确保电池生命周期预测的精度和适应性，在生命周期预测方面，系统生成的电池状态曲线不仅依赖于当前的电池参数和历史数据，还结合特定元素的变化趋势，通过对这些元素的持续监测，识别出电池材料的衰减模式，并在性能显著下降之前提前发出预警，预测模型在检测到某些特定元素的含量急剧下降时，会及时计算电池的剩余可用寿命，并通过诊断与预警模块向用户发出提示，这种元素检测与常规参数相结合的监控方法，大幅提升了预测的准确性和及时性，特定元素检测功能使得系统能够更早地识别电池劣化的根本原因，并采取针对性的维护措施，从而延长电池的使用寿命，反馈机制允许预测模型根据实时的特定元素变化进行自我调整与优化，当电池的使用环境或监测数据发生变化时，动态更新预测模型，以应对不同的工况。

电能调度模块作为系统的中枢指挥系统，根据储能舱的充放电数据、负荷需求预测及能源买卖实时数据，自动调整微电网的电能分配策略，该模块确保在满足负荷需求的同时，最大化利用可再生能源并降低能源成本。

电能调度模块包括短期调度单元、一体化控制单元、充放电监控单元、储能舱监测单元和电能价格预测单元；短期调度单元包括负荷预测模块、发电计划制定模块等，用于根据历史数据和实时数据制定短期的发电和用电计划，接收来自分布式存储单元的数据，并与其他控制单元（如一体化控制单元）进行通信，以协调整个系统的运行，一体化控制单元包括中央处理器、控制算法模型等，用于对风力发电、光伏发电、热能利用以及储能系统等进行一体化控制，接收来自各个控制单元（如风力发电控制单元、光伏控制单元等）的数据和控制指令，并发出协调控制指令给各个执行机构，充放电监控单元的核心硬件可能包括微处理器、模数转换器（ADC）、数模转换器（DAC）、继电器、通信接口芯片等。微处理器负责整个单元的控制和数据处理；ADC用于将模拟信号转换为数字信号以供处理；DAC则可能用于生成控制信号；继电器用于执行充放电控制；通信接口芯片则实现与其他设备的通信，充放电监控单元通常通过电缆或总线与电池组、充电机、放电机等设备相连接，以获取实时数据和发送控制指令。同时，它也可能通过以太网、CAN总线等通信方式与上位机或远程监控系统进行数据交换，储能舱监测单元的硬件可能包括传感器（如温度传感器、电压传感器、电流传感器等）、数据采集卡、微处理器、存储器（如SD卡、NAND Flash等）、通信接口芯片等。传感器用于收集各种实时数据；数据采集卡将模拟信号转换为数字信号以供处理；微处理器负责整个单元的控制和数据处理；存储器用于保存历史数据；通信接口芯片则实现与其他设备的通信，储能舱监测单元通过传感器与电池组、环境、消防动环等系统相连接，以获取实时数据。同时，它也可能通过以太网、CAN总线等通信方式与上位机或远程监控系统进行数据交换，电能价格预测单元的硬件可能包括高性能计算机、服务器、存储设备（如硬盘、SSD等）、网络接口卡等。高性能计算机和服务器负责处理大量的数据和运行复杂的预测模型；存储设备用于保存历史数据和预测结果；网络接口卡则实现与其他系统的通信，电能价格预测单元通常通过网络与数据源（如电力市场数据中心、气象数据中心等）和用户端（如电网公司、发电企业等）相连接，以获取实时数据和发送预测结果。同时，它也可能与内部的其他系统进行数据交换和共享。

智能预测与优化模块负责构建并训练各类预测与优化模型，该模块能够实时优化能源存储与调度策略，提高系统的运行效率与经济效益，同时，该模块还具备自我学习与进化的能力，不断适应外部环境与内部条件的变化。

智能预测与优化模块包括模型构建与训练单元和部署单元；模型构建与训练单元包括数据预处理模块，负责清洗、规范化、特征提取等数据处理工作，确保输入模型的数据质量。它可能包含数据清洗器、规范化工具、特征选择器等硬件或固件组件，模型构建与训练单元通过高速数据总线或网络通信接口与分布式存储单元相连，接收其传输过来的大量历史数据和实时数据。这些数据是构建和训练模型的基础，部署单元包括模型部署模块、配置管理模块等，用于将训练好的模型部署到各个控制单元中，接收模型构建与训练单元输出的模型，并将其部署到相应的控制单元中。

数字孪生监控与控制模块在数字孪生技术的应用中起到关键作用，它能够将物理系统与虚拟模型进行实时同步，实现对物理设备的全面监控、分析与控制，通过传感器网络，该模块实时收集物理系统的各种运行数据，包括温度、压力、能耗，并将这些数据传输到数字孪生系统中，从而在虚拟环境中重现物理系统的状态，这一同步过程不仅提供了系统当前的运行情况，还能够通过大数据分析和算法预测未来的系统行为，进而提前发现潜在的故障或问题。

数字孪生监控与控制模块的核心作用在于提升系统的可视化和透明度，使用户能够更直观地了解系统运行情况，识别问题并进行实时的调整和优化，通过对各类数据的深度分析，模块能够为系统提供优化方案，帮助管理者优化资源配置、降低能耗、提高效率，此外，它还具备异常检测和预警功能，能够在问题发生前主动发出警报，减少系统停机时间，显著提高系统的稳定性和可靠性，这种智能化的控制方式不仅缩短了运维响应时间，也大幅提升了管理效率。

工作过程中，数字孪生模块首先通过传感器网络持续采集物理系统的实时数据，并将这些数据传输到虚拟模型中，确保物理系统与虚拟环境的同步，接着，系统通过大数据分析与机器学习算法处理这些数据，识别系统中的趋势和异常情况，并生成相应的预测，基于这些分析，系统可以模拟未来的运行状态并提出控制建议，最终，控制模块会将这些建议反馈给物理系统，进行参数调整或策略改变，以优化系统的整体运行。

工作过程：

数据采集：物理系统中的各类传感器和设备不断采集实时数据，并通过网络传输到数字孪生系统中；

模型同步：这些数据会实时更新虚拟模型，使得数字孪生系统能够与物理系统同步运行，虚拟模型能精确反映物理系统的当前状态；

数据处理与分析：数字孪生系统利用数据处理算法对实时数据进行分析，检测系统的运行状态，并识别可能的趋势和异常情况；

预测与决策：基于分析结果，数字孪生系统可以模拟未来的运行状态，并提供相应的决策建议；

控制反馈：根据分析和模拟结果，数字孪生系统向物理系统发送控制信号，调整系统参数或执行控制操作；

持续优化：通过反复循环监控、分析、预测与控制，数字孪生不断优化系统的性能，确保系统高效运行。

人机交互模块为用户提供了直观易用的操作界面与丰富的信息显示功能，用户通过该模块实时监控微电网的运行状态、查看电能价格预测与买卖数据，并直接与系统进行交互操作，此外，该模块还支持用户与数字孪生模型的互动体验，让用户能够更直观地理解系统运行状态与模拟结果。

人机交互模块包括可视化单元；可视化单元包括数据可视化模块、界面设计模块等，用于将系统的运行状态、数据分析结果等信息以图形化的方式展示出来，接收来自各个控制单元和数据处理单元的数据，并将其转换为可视化信息展示给用户。

故障监控模块是系统安全稳定运行的重要保障，通过实时监测系统中的异常或故障数据并快速反馈到人机交互模块与电能调度模块，该模块能够自动调整调度策略并生成异常处理方案，这有助于快速定位并解决问题减少系统停机时间提高系统的可靠性与稳定性。

故障监控模块包括故障检测单元、故障反馈单元和指令交互单元；故障检测单元包括故障诊断算法模型等，用于实时监测系统的运行状态，并检测可能出现的故障，接收来自各个控制单元和传感器的数据，并输出故障检测结果给故障反馈单元，故障反馈单元包括报警模块、日志记录模块等，用于将故障检测结果以适当的方式反馈给系统管理员或相关维护人员，接收故障检测单元的输出结果，并生成相应的反馈信息，指令交互单元包括指令解析模块、指令执行模块等，用于接收用户或上级系统的控制指令，并将其转换为系统可执行的操作指令，接收来自用户或上级系统的控制指令，并输出执行指令给各个控制单元和执行机构。

系统评估模块对整个微电网的性能与运行状态进行全面评估与分析，通过收集并分析来自各模块的数据与评估结果该模块能够发现系统存在的问题与不足并提出相应的优化建议，这有助于持续提升系统的运行效率与经济效益推动能源管理系统的不断升级与完善。

电能调度模块防止储能舱的过充或过放的方法为：

对于第n个储能舱，其最小荷电状态为SOCmin，额定荷电状态为SOCrated，相应的约束条件为：

式中，SOC表示电池剩余电量与其总容量的比值，表示在第t时刻的第k个荷电状态，表示第n个储能舱的荷电状态下限，表示第n个储能舱的荷电状态上限，和分别表示最小荷电状态下限折扣因子和额定荷电状态上限折扣因子。

采用寿命退化模型预测储能舱的使用寿命变化趋势；

假设每次充电和放电过程的寿命退化是对称的，且在相同放电深度DOH下寿命退化相同，则第k个储能舱在第t−1到第t时刻的寿命退化函数为：

式中，表示第k个储能舱在第t时刻的寿命区域变化函数，表示第k个储能舱在第t时刻的寿命函数；

其中，第t时刻的寿命函数的计算公式为：

式中，表示第k个储能舱在第t时刻的放电深度，fk表示函数。

短期调度单元处理电能平衡的方法为：

在微电网处于离网状态时，即不与外部电网相连，所有电能需求与供应均需自给自足，此时，短期调度单元需密切关注风光发电的实时发电量、储能舱的剩余电量及存储能力，以及当前及未来一段时间的负荷需求预测，这是实现电能平衡的基础；

若微电网满足动态平衡方程，则微电网处于短期平衡状态；

若微电网不满足动态平衡方程，则短期平衡无法实现，使用长期规划单元制定长期平衡策略。

短期调度单元其动态平衡方程为：

式中，表示第i个负荷在时刻t的功率消耗，和分别为第k个储能舱在时刻t的充电功率和第k个储能舱在时刻t的放电功率，表示风力发电机在时刻t的输出功率，表示光伏阵列在时刻t的输出功率，表示热能管理模块在时刻t的输出功率。

Q总=Q电池+Q外部+Q太阳能，其中，Q总是系统的总热能功率；Q电池是电池产生的热能功率；Q外部是外部热源提供的热能功率；Q太阳能是太阳能转换为热能的功率。

使用长期规划单元制定长期平衡策略的方法为：

长期平衡策略为在并网状态下保证动态平衡；

当为正时，通过预测未来24小时的电价；

若预测电价低于商业标准电价且购电预算总额低于风力发电机和光伏阵列的维护成本，则从交流配电网购买电能量Ebuy,t；

若预测电价低于商业标准电价且购电预算总额高于风力发电机和光伏阵列的维护成本，则购买电能Ebuy,t以满足负荷需求；

当Egrid,t为负时，若风电和光电输出功率满足负荷需求，且预测电价低于标准电价，则向交流配电网售电，售电量为Esell,t；若预测电价高于标准电价，则售电量为Esell,t，其中，表示t时刻交流配电网中交易的电能量，Esell,t表示t时刻从交流配电网卖出的电能量，Ebuy,t表示t时刻从交流配电网购买的电能量。

长期平衡策略中动态平衡方程为：

式中，表示第t时刻的电能量，表示t时刻交流配电网中交易的电能量。

电能调度模块使用多智能体强化学习策略的方法为：

在多智能体强化学习框架下，电能调度模块将风力发电机、光伏电池阵列、分布式储能仓、负荷以及交流配电网的变流控制器视为独立的智能体，每个智能体具有感知环境、做出决策并接收奖励的能力，通过构建多智能体强化学习模型，这些智能体能够在相互协作与竞争的过程中共同优化整个微电网的性能。

电能监控模块作为数据源，实时向各智能体提供包括风力发电量、光伏发电量、储能舱状态、负荷需求、交流配电网电价及交易信息在内的输入状态集，这些状态集构成了智能体进行决策的基础。

奖励机制是引导智能体优化行为的关键，在此场景下，每个智能体的奖励由两部分组成：一是运行成本，包括设备维护、能源损耗直接费用；二是利润，即通过合理调度获得的电力销售收入或节省的购电成本，智能体的目标是最大化其长期累积奖励，这促使它们寻找既能降低成本又能增加收益的最优策略。

将输入状态集和奖励机制输入到相应的智能体中进行训练，在训练过程中，每个智能体根据当前状态做出决策，并观察由该决策引起的系统状态变化及获得的即时奖励，通过不断试错与学习，智能体逐渐优化其策略，以减少成本并增加利润。

同时，利用所有智能体的奖励总和对模型进行全局更新优化，这促进了智能体之间的协同作用，确保整个微电网的优化目标得以实现。

训练完成后，智能体输出的优化参数将被应用于相应的变流器和控制器中，这些参数包括发电机的输出功率设定、储能舱的充放电策略、负荷管理方案，它们共同构成了微电网的最优控制策略。

根据短期平衡情况，电能调度模块将控制微电网的状态，若短期平衡达成，即微电网内部的风光发电量、储能能力与负荷需求相匹配，且储能舱有足够的剩余空间存储多余电量，则系统断开与交流配电网的连接，保持离网状态，实现自给自足。

若短期平衡未达成，则电能调度模块将启动长期平衡策略，这包括调整发电计划、优化储能使用、调整负荷分配以及必要时与交流配电网进行电力交易，以确保长期供电平衡并最大化系统收益。

电能调度模块采用DPSO-LSTM策略的步骤包括：

利用分布式存储单元保存的电能价格数据构建输入序列，设置15min为一个时间步长，输出为未来24H的电能价格数据；

构建DPSO-LSTM模型，并初始化粒子群优化算法的参数；

将电能价格序列编码后输入到LSTM中，优化DPSO-LSTM模型；

通过DPSO优化LSTM的输入参数，使得预测的电能价格误差最小化，最终获取未来24小时的电能价格预测并可视化其变化趋势。

本发明的使用过程为：电能、风光发电、储能、热能监控及电池检测模块收集数据，智能预测与优化模块处理数据并训练决策模型以优化运行，数字孪生模块创建虚拟模型监控微电网状态，人机交互模块提供操作界面和实时信息，故障监控和系统评估模块确保异常处理与性能优化，形成闭环反馈。

综上所述，本发明的优点在于：通过智能化、集成化和人性化的设计，克服了传统EMS的缺陷，显著提高了系统的效率、精度和环保性能，同时降低了能耗和操作难度，为用户提供了更加高效、简便和环保的能源管理解决方案。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (9)

1.一种新型的能源管理系统，其特征在于，能源管理系统包括：

电能监控模块，电能监控模块用于实时监测分布式储能舱的电能存储、供应数据、负荷耗能数据和交流配电网的电能交易数据和价格变化；

风光发电管理模块，风光发电管理模块与所述电能监控模块电性连接，所述风光发电管理模块用于通过根据储能舱的剩余电量、负荷需求和电价行情控制风能和太阳能的发电过程并优化风力发电机和光伏阵列的运行策略；

储能管理模块，储能管理模块与所述电能监控模块、风光发电管理模块电性连接，所述储能管理模块用于监控和控制储能舱的充放电过程，监测储能舱的使用寿命变化，基于寿命变化趋势优化储能舱的充电和放电上限；

热能管理模块，热能管理模块与所述风光发电管理模块电性连接，所述热能管理模块用于实时监测热能数据，根据采集的热能数据，对热量变化趋势进行预测和分析，基于预测和分析的结果生成热能管理策略；

电池全生命周期检测模块，电池全生命周期检测模块用于对电池进行实时监测，根据监测结果预测电池老化过程，对电池状态进行评估，在电池性能下降前发出预警；

电能调度模块，电能调度模块与所述电能监控模块、风光发电管理模块和储能管理模块电性连接，所述电能调度模块用于根据储能舱的充放电数据、负荷需求和能源买卖的实时预测数据，自动调整微电网的电能分配；

智能预测与优化模块，智能预测与优化模块与所述风光发电管理模块、储能管理模块、热能管理模块和电能调度模块电性连接，所述智能预测与优化模块用于负责构建和训练系统中使用的模型策略，并实时优化能源存储和调度策略；

数字孪生监控与控制模块，数字孪生监控与控制模块与所述电能监控模块、风光发电管理模块、储能管理模块、热能管理模块、电池全生命周期检测模块、电能调度模块和智能预测与优化模块电性连接，所述数字孪生监控与控制模块用于收集并整合来自各模块的数据，创建与物理微电网一致的虚拟模型，实时监控微电网的运行状态识别趋势和异常情况，模拟系统响应提供决策，对潜在问题进行预测和预警；

人机交互模块，人机交互模块与所述电能监控模块、风光发电管理模块、储能管理模块、热能管理模块、电池全生命周期检测模块、电能调度模块、智能预测与优化模块和数字孪生监控与控制模块电性连接，所述人机交互模块用于为用户提供操作界面进行系统监控和调节，实时显示微电网的运行状态、电能价格预测和买卖数据，并通过该模块直接与数字孪生模型进行交互，查看系统的虚拟运行状态和模拟结果；

故障监控模块，故障监控模块与人机交互模块电性连接，所述故障监控模块用于实时监测系统中的异常或故障数据，并将其反馈到人机交互模块和电能调度模块，自动调整调度策略并生成异常处理方案；

系统评估模块，系统评估模块与所述电能监控模块、风光发电管理模块、储能管理模块、热能管理模块、电池全生命周期检测模块、电能调度模块、智能预测与优化模块、数字孪生监控与控制模块、人机交互模块和故障监控模块电性连接，所述系统评估模块用于对微电网的性能和运行状态进行全面评估，并根据评估结果优化系统策略；

能源管理系统中各模块包含的单元包括：

电能监控模块包括数据采集单元和分布式存储单元；

风光发电管理模块包括风力发电控制单元和光伏控制单元；

热能管理模块包括热能数据采集单元、热能数据分析单元、热能预测单元和热能管理策略生成单元；

电池全生命周期检测模块包括电池健康监测单元、电池健康评估与状态诊断单元和电池性能下降预警单元；

电能调度模块包括短期调度单元、一体化控制单元、充放电监控单元、储能舱监测单元和电能价格预测单元；

智能预测与优化模块包括模型构建与训练单元和部署单元；

人机交互模块包括可视化单元；

故障监控模块包括故障检测单元、故障反馈单元和指令交互单元；

电池健康评估与状态诊断单元包括电池电压监测模块、电池电流监测模块、电池温度监测模块，用于实时监测电池的健康状态，通过电缆或无线方式与电池组相连，将监测数据传输给电池健康评估与状态诊断单元，电池性能下降预警单元包括高性能的数据处理硬件，数据处理硬件包括微处理器、DSP或数据处理芯片，用于对从电池健康监测单元接收到的原始数据进行预处理、滤波和特征提取，通过数据总线或通信协议与电池健康监测单元相连，接收其传输过来的实时监测数据，数据通常包括电池的电压、电流、温度、内阻关键参数，接收到数据后，数据处理模块首先对数据进行预处理，以消除噪声和干扰，然后提取出用于评估电池健康状态的特征信息，电池性能下降预警单元采用FPGA、ASIC、微控制器或预警算法加速器来实现，预警算法模型根据从电池健康评估与状态诊断单元接收到的评估结果和诊断结果，通过预设的阈值和逻辑判断，生成电池性能下降的预警信息，通信接口模块,用于与其他单元或系统进行数据交换，接收输入数据并发送预警信息，电池性能下降预警单元通过数据总线或通信协议与电池健康评估与状态诊断单元相连，接收其传输过来的评估结果和诊断结果，上述数据是生成预警信息的基础，一旦检测到电池性能下降或潜在故障，预警单元会立即生成预警信息，并通过通信接口模块将信息发送给系统管理员或相关维护人员，预警信息包括电池的健康状况、预计的剩余使用寿命、建议的维护措施内容，系统管理员或维护人员接收到预警信息后，及时采取相应的措施，如更换电池、进行维护保养，确保系统的正常运行和安全性。

2.根据权利要求1所述的一种新型的能源管理系统，其特征在于，电能调度模块防止储能舱的过充或过放的方法为：

对于第n个储能舱，其最小荷电状态为SOCmin，额定荷电状态为SOCrated，相应的约束条件为：

式中，SOC表示电池剩余电量与其总容量的比值，表示在第t时刻的第k个荷电状态，表示第n个储能舱的荷电状态下限，表示第n个储能舱的荷电状态上限，和分别表示最小荷电状态下限折扣因子和额定荷电状态上限折扣因子；

采用寿命退化模型预测储能舱的使用寿命变化趋势；

假设每次充电和放电过程的寿命退化是对称的，且在相同放电深度DOH下寿命退化相同，则第k个储能舱在第t-1到第t时刻的寿命退化函数为：

式中，表示第k个储能舱在第t时刻的寿命趋势变化函数，表示第k个储能舱在第t时刻的寿命函数；

其中，第t时刻的寿命函数的计算公式为：

式中，表示第k个储能舱在第t时刻的放电深度，fk表示函数。

3.根据权利要求1所述的一种新型的能源管理系统，其特征在于，短期调度单元处理电能平衡的方法为：

在离网状态下，风光储剩余电量满足负荷需求，并且储能舱剩余存储空间满足存储多余电量时；

若微电网满足动态平衡方程，则微电网处于短期平衡状态；

若微电网不满足动态平衡方程，则短期平衡无法实现，使用长期规划单元制定长期平衡策略。

4.根据权利要求3所述的一种新型的能源管理系统，其特征在于，短期调度单元其动态平衡方程为：

式中，表示第i个负荷在时刻t的功率消耗，和分别为第k个储能舱在时刻t的充电功率和第k个储能舱在时刻t的放电功率，表示风力发电机在时刻t的输出功率，表示光伏阵列在时刻t的输出功率，表示热能管理模块在时刻t的输出功率。

5.根据权利要求4所述的一种新型的能源管理系统，其特征在于，使用长期规划单元制定长期平衡策略的方法为：

长期平衡策略为在并网状态下保证动态平衡；

当为正时，通过预测未来24小时的电价；

若预测电价低于商业标准电价且购电预算总额低于风力发电机和光伏阵列的维护成本，则从交流配电网购买电能量Ebuy,t；

若预测电价低于商业标准电价且购电预算总额高于风力发电机和光伏阵列的维护成本，则购买电能Ebuy,t以满足负荷需求；

当Egrid,t为负时，若风电和光电输出功率满足负荷需求，且预测电价低于标准电价，则向交流配电网售电，售电量为Esell,t；若预测电价高于标准电价，则售电量为Esell,t，其中，表示t时刻交流配电网中交易的电能量，Esell,t表示t时刻从交流配电网卖出的电能量，Ebuy,t表示t时刻从交流配电网购买的电能量。

6.根据权利要求5所述的一种新型的能源管理系统，其特征在于，长期平衡策略中动态平衡方程为：

式中，表示第t时刻的电能量，表示t时刻交流配电网中交易的电能量。

7.根据权利要求1所述的一种新型的能源管理系统，其特征在于，电能调度模块使用多智能体强化学习策略的方法为：

将风力发电机、光伏电池阵列、分布式储能仓、负荷和交流配电网的变流控制器视为智能体，构建多智能体强化学习模型，并根据电能监控模块的数据建立输入状态集，每个智能体的奖励由运行产生的成本和利润组成；

将输入状态集和奖励输入到相应智能体中进行训练，并利用所有智能体的奖励总和对模型进行更新优化，直至获得最大奖励，每个智能体的优化参数为系统的操作参数；

将智能体输出的优化参数应用于变流器和控制器中，实现微电网的最优控制；

根据短期平衡情况控制微电网的状态，若短期平衡达成，则断开与交流配电网的连接，保持离网状态；若未达成，则通过长期平衡策略与交流配电网连接，确保长期供电平衡并最大化收益。

8.根据权利要求1所述的一种新型的能源管理系统，其特征在于，电能调度模块采用DPSO-LSTM策略的步骤包括：

利用分布式存储单元保存的电能价格数据构建输入序列，设置15min为一个时间步长，输出为未来24H的电能价格数据；

构建DPSO-LSTM模型，并初始化粒子群优化算法的参数；

将电能价格序列编码后输入到LSTM中，优化DPSO-LSTM模型；

通过DPSO优化LSTM的输入参数，使得预测的电能价格误差最小化，最终获取未来24小时的电能价格预测并可视化其变化趋势。

9.根据权利要求1所述的一种新型的能源管理系统，其特征在于，能源管理系统工作步骤为：

电能监控模块实时监测分布式储能舱的电能存储、供应数据、负荷耗能数据和交流配电网的电能交易数据及价格变化，风光发电管理模块根据储能舱的剩余电量、负荷需求和电价行情，监控风能和太阳能的发电过程，储能管理模块监控储能舱的充放电过程及使用寿命变化，热能管理模块实时监测热能数据，电池全生命周期检测模块对电池进行实时监测，评估电池状态；

各模块收集的数据被发送到智能预测与优化模块进行集中处理，智能预测与优化模块利用这些数据构建和训练对应的决策模型，进行实时优化分析；

在智能预测与优化模块中，通过模型构建与训练单元，针对风光发电管理、储能管理、热能管理、电能调度模块，构建并训练决策模型；

根据智能预测与优化模块的输出结果，风光发电管理模块优化风力发电机和光伏阵列的运行策略，储能管理模块根据寿命变化趋势优化储能舱的充电和放电上限，热能管理模块基于热能数据的预测和分析结果生成热能管理策略，电能调度模块根据储能舱的充放电数据、负荷需求和能源买卖的实时预测数据，自动调整微电网的电能分配；

数字孪生监控与控制模块收集并整合来自各模块的数据，创建与物理微电网一致的虚拟模型，实时监控微电网的运行状态，识别趋势和异常情况，模拟系统响应并提供决策支持；

人机交互模块为用户提供操作界面，实时显示微电网的运行状态、电能价格预测和买卖数据，用户可以通过人机交互模块与数字孪生模型进行交互，查看系统的虚拟运行状态和模拟结果；

故障监控模块实时监测系统中的异常或故障数据，并将其反馈到人机交互模块和电能调度模块，自动调整调度策略并生成异常处理方案；

系统评估模块对微电网的性能和运行状态进行全面评估，根据评估结果，智能预测与优化模块及其他功能模块进一步优化系统策略，形成闭环反馈机制。