一种基于物联网的工业应急储能电池智能管理方法及系统与流程

本发明涉及储能电池管理领域，具体是一种基于物联网的工业应急储能电池智能管理方法及系统。

背景技术：

1、电力系统面临的一大挑战是在不同时间和地区调动资源以满足电力需求的动态变化。尤其在高峰时段如冬季供暖峰值和夏季制冷最高点，以及商业活动频繁的时期，电力需求激增，不仅对系统稳定性构成考验，甚至可能导致供需失衡，引起供电紧张或电网故障。

2、在工业园区中，高能耗设备运转频繁，存在用电功率高、负载持续稳定等特征。为此，工业应急储能电池系统的部署至关重要，它不只是确保电力供应连续性和工业过程安全性的后备方案，还能作为电网管理的关键资产。在纷繁复杂的电力需求高峰期，储能电池可以释放储存的能量，有助于缓解电网压力，而在需求低谷期，它们又能吸纳并存储过剩的电能。因此，动态地利用储能电池来响应电网削峰填谷需求带来了双重收益。首先，它加强了电网的稳定性，确保在电网故障或其他不可控因素导致的紧急情况下仍能提供持续电力，保障工业运转不受影响。其次，在我国执行的分时电价政策下，合理的储能电池管理可使企业在电价较低时充电，在电价较高时放电，从而实现成本节约和经济效益的最大化。

3、然而，在选择参与削峰填谷的储能站点时，运营商需要处理一个多变量的优化问题，涉及每个站点的存储容量、充放电功率等众多因素；并且，电池性能随着时间和使用周期而变化。长时间运行的储能系统可能会遇到电池容量衰减或不稳定的放电性能。因此，在选择哪些储能站点参与削峰填谷时，前述因素对选择方案的整体可靠性存在较大影响，并且计算复杂度较高，使得优化求解存在较大困难。

技术实现思路

1、为解决上述背景技术中存在的问题，本发明采用以下技术方案：

2、一种基于物联网的工业应急储能电池智能管理方法，包括步骤：

3、持续采集多个储能站点储能电池的电性能参数；所述电性能参数通过与储能电池集成的若干传感器获取；

4、接收电网的削峰填谷需求信息；所述削峰填谷需求信息包括需求功率变化曲线；

5、根据电性能参数筛选得到若干储能站点，并通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线；

6、根据储能站点需求功率曲线获取储能站点的校验结果；

7、所述通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线，包括如下步骤：

8、s31、设定目标函数和约束条件；

9、s32、随机生成一个初始函数解并设定初始温度；函数解表示若干储能站点需求功率曲线；

10、s33、迭代更新函数解；

11、s34、在执行第一预设迭代次数的迭代后，按照预设的降温函数降低温度；

12、s35、重复步骤s33和s34，直到满足收敛标准；所述收敛标准包括温度降至预设温度阈值，连续执行第二预设迭代次数的迭代均未发现更优函数解，和/或达到最大迭代次数。

13、作为本技术优选方案，所述迭代更新函数解具体为重复执行第一预设迭代次数的以下步骤：

14、对当前函数解进行随机变化来产生新函数解；所述随机变化具体为随机选择一个储能站点，增加或减少储能站点分担的电量或运行时间；

15、计算新函数解与当前函数解的目标函数值的差异；

16、根据目标函数值的差异判断新函数解是否更优，并选择是否接受新函数解。

17、作为本技术优选方案，所述根据电性能参数筛选得到若干储能站点具体为根据电性能参数计算储能站点优先度并根据优先度排序筛选预设数量的储能站点。

18、作为本技术优选方案，所述优先度表示为：

19、priorityi＝w1·costi+w2·sohi+w3·ci,

20、其中，priorityi是第i个储能站点的优先度，costi是第i个储能站点响应本次削峰填谷需求所需成本，通过运营商与储能站点签订的合同获取；sohi是第i个储能站点的电池健康度；ci表示第i个储能站的电池组最大电量；所述电池健康度和电池组最大电量均通过电性能参数计算得到；w1、w2和w3均为权重因子。

21、作为本技术优选方案，所述目标函数包括本次削峰填谷需求的总体运营成本和总电池健康度；所述目标函数具体表示为：

22、f＝u1·cost+u2·soh，

23、其中，f为目标函数，cost表示总体运营成本，soh表示各储能站点的电池健康度之和，u1和u2分别为总体运营成本以及各储能站点的电池健康度之和的权重参数。

24、作为本技术优选方案，所述总体运营成本表示为：

25、

26、所述总电池健康度表示为：

27、

28、其中，costi是第i个储能站点响应本次削峰填谷需求所需成本；sohi是第i个储能站点的电池健康度，n表示储能站点数量；

29、作为本技术优选方案，所述约束条件包括总电量约束条件和总功率约束条件。所述总电量约束条件表示为：

30、

31、

32、其中，cd表示削峰填谷需求的需求总电量，t1和t2分别表示削峰填谷需求实施的起始时间和终止时间，pd(t)表示需求功率变化曲线；ci表示第i个储能站的电池组最大电量，n表示储能站点数量；

33、所述总功率约束条件表示为：

34、

35、其中，pd表示削峰填谷需求的最大总功率，pi表示第i个储能站的电池组当前剩余电量百分比。

36、作为本技术优选方案，所述步骤s1还包括：获取储能站点的电池温度和电池均衡策略，根据电池温度、电池均衡策略和电性能参数构建电池充放电模型；所述电池均衡策略包括主动均衡策略和被动均衡策略；所述电池充放电模型为长短期记忆网络；所述步骤s4具体为：将储能站点需求功率曲线输入电池充放电模型获取储能站点的校验结果。

37、作为本技术优选方案，所述步骤s4还包括：根据电池组最大电量与通过储能站点需求功率曲线计算得到的储能站点需求电量对比，以及温度数据与标准数值的对比，得到储能站点的校验结果。

38、本技术还提供一种基于物联网的工业应急储能电池智能管理系统，所述系统应用于前述的工业应急储能电池智能管理方法；包括电性能测量模块、传感器组、物联网通信模块和云端处理平台；

39、所述传感器组包括温度传感器，用于采集单体电池的电池温度；

40、所述电性能测量模块用于获取单体电池的电性能参数和电池组的电池均衡策略；

41、所述物联网通信模块用于将电池均衡策略、电池温度和电性能参数传输至云端处理平台；

42、所述云端处理平台用于根据削峰填谷需求信息、电池均衡策略、电池温度和电性能参数通过模拟退火算法将需求功率变化曲线分解为若干储能站点需求功率曲线，根据电池温度、电池均衡策略和电性能参数构建电池充放电模型，以及将储能站点需求功率曲线输入电池充放电模型获取储能站点的校验结果。

43、与现有技术相比，本发明具有如下有益效果：

44、本技术提供的工业应急储能电池智能管理方法能够在监测储能站点电池的电性能参数的同时，通过模拟退火算法为电网提供快速、灵活和高效的削峰填谷储能站点选择服务。这不仅提升了电池储能站点的经济效益，也为电网的稳定运行提供了技术支持。其中，模拟退火算法提供了概率和迭代的解决方案，旨在达到对储能资源的经济且效率化的使用，满足电网的削峰填谷需求，同时最大程度地发挥每个储能站点的潜力。模拟退火算法与单一地依赖先验知识或仅利用简单贪心算法互斥地分配负载相比，能够更好地平衡成本、效率和电池寿命等重要因素。

45、本技术提供的工业应急储能电池智能管理方法，根据优先度排序筛选预设数量的储能站点，相当于执行模拟退火算法前的预处理过程，通过提前筛选储能站点，可以在模拟退火算法优化计算之前就过滤掉部分不适合参与当前削峰填谷任务的储能站点，有助于提升整个系统响应电网需求的效率和质量，并在保持电池状态健康的同时减轻了算法的计算负担。

46、本技术提供的工业应急储能电池智能管理方法，将目标函数定义为包括本次削峰填谷需求的总体运营成本和总电池健康度，可实现运营成本最小化和电池健康度最大化之间的最佳平衡，为储能站点提供长期稳定且经济高效的运营模式，进而为电网的可靠性和响应能力做出积极贡献。

47、本技术提供的工业应急储能电池智能管理方法，通过将储能站点需求功率曲线输入电池充放电模型获取的电池组最大电量具有更高的可靠性，并且通过模拟温度数据确保电池均衡策略有效执行，从而获取可靠性较高的校验结果。