工商业储能系统EMS及云平台功能分析报告-培训课件

目

录1

基础功能2

高级功能3

安全预测、故障诊断相关21一、基础功能完善的监控系统-本地控制：显示及策略配置ꢀ具备功能：Øꢀ数据库的建立与维护Øꢀ监视和报警Øꢀ事件顺序记录及事故追忆Øꢀ数据采集和处理Øꢀ控制与操作Øꢀ电能量处理Øꢀ统计及计算Øꢀ通信接口及协议Øꢀ高级控制策略3一、基础功能完善的监控系统-APP具备功能：用于查看和控制逆变器设备的命令参数，有本地和远程两种模式。4一、基础功能完善的监控系统-用户网页-云端具备功能：用于查看电站以及设备的相关信息，有普通版和超级版两个版本。相较于普通用户，超级用户还增加了对电站和设备的编辑权限。5一、基础功能具备功能：用于查看电站以及设备的相关信息，主要给经销商使用，可以对设备进行一些工作模式的设置以及策略的下发。完善的监控系统-用户网页-专业版6目

录1

基础功能2

高级功能3

安全预测、故障诊断相关71二、高级功能微网能量管理云平台负ꢀ载户外柜不仅能够控制储能，还能够管理发电机、光伏、风电、电网，具有微网能量管理功能，匹配光储充等典型应用场景。EMSꢀ协调控制器8二、高级功能多时间尺度优化策略日前优化：根据日前预测数据，考虑整个周期目标最优，求解未来周期内各时段的调度方案(数学解析方法/启发式算法)秒级监控：电压越界时快速调整出力方案日内滚动：根据实时数据和超短期预测，滚动修正计划优势：预先考虑了系统未来状态的变化趋势，从更长远的视角实现最优能量调度难点：优化结果依赖于预测的准确性9二、高级功能实时调控策略云端训练l

在云平台进行计算需求较大的基础模型训练ꢀꢀꢀꢀꢀa.ꢀ深度强化学习（无需变量预测，泛化能力强；收敛于局部最优）ꢀꢀꢀꢀꢀb.ꢀ模仿学习（收敛快，结果接近理想最优；样本标注成本高）l

云平台定期滚动训练学习最新历史模式，避免季节和气候变化引起的数据偏移，提高模型的泛化能力和有效性l

云平台可以管理多个子系统，实现计算资源最大化利用边端实时决策l

在边缘计算设备上部署训练好的基础模型，并根据实际场景进行迭代l

边缘计算设备通过与现场设备通信获取系统实时运行状态，进行决策计算与调控l

边缘计算设备定期通过边-云通信路线将运行数据存储到云端服务器优势：可以直接获取系统当前准确的状态信息，无需考虑随机变量预测误差的影响难点：如何实现整个周期内的最优动作轨迹10数学模型电池退化模型①物理模型：基于电化学原理和物理过程1、优化目标l

经济效益ꢀꢀ运行成本（投资/单位发电成本/折旧/运维）ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ与主电网交互（购电/售电/需求响应补偿）②等效电路模型：使用电池等效电路来建模电池的动态响应和退化行为1、基于退化机理l

环保效益ꢀꢀ可再生能源利用率/碳排放/污染治理l

供电可靠性ꢀꢀ停电损失/缺电率③半经验模型：结合经验数据和物理原理优：精度高，可解释性缺：模型复杂，参数多2、约束条件功率平衡VS分布式电源功率储能装置机器学习算法2、基于数据驱动深度学习算法优：灵活性、自适应联络线功率缺：缺乏解释性、泛化能力有限新能源预测or生成1、新能源功率预测ꢀꢀꢀ基于物理：建立太阳辐射与气溶胶中大气成分之间相互作用关系ꢀꢀꢀ基于统计：根据历史数据统计分析，识别内部变化趋势，或依据特有的分布函数，推断出未来结果。ꢀꢀꢀꢀ基于机器学习：适用于高预测精度要求的短期及超短期功率预测任务ꢀꢀꢀꢀ集成或混合：循环神经网络+粒子群优化&算法、神经网络+极限梯度提升网络+岭回归等2、新能源场景生成ꢀꢀꢀ参数化：根据概率分布或预测误差，使用蒙特卡洛模拟等从统计分布中生成相应场景ꢀꢀꢀ非参数化：①矩匹配、距离匹配；②基于机器学习：生成对抗网络调度策略通常考虑整个调控周期的优化目标，要求精确预测系统的未来不确定变量。在日前优化调度的基础上，根据当前已知运行情况和未来数小时内的最新预测信息，实施日内滚动优化策略。可建模为（非）线性规划问题、混合整数优化问题。

通常采用模型预测控制（MPC）框架，具有一定的前瞻可通过商业求解器、启发式算法、人工智能算法等求解。及自我校正能力。日前优化日内滚动实时调度获取当前准确的状态信息，规避不确定变量预测。日前训练模型，确定好网络中的权重或参数，日内直接输入当前时刻各状态量信息，获得调度策略；或训练好的模型获得实时决策的储能动作，再通过非线性规划求解出剩余决策变量。多采用强化学习来求解。12二、高级功能提供区域聚合功能VPP调度平台电网电价平台采日平台具备功能：支持自动优化，支持园区的微网管理等。一方面能够作为VPP平台供应商提供虚拟电厂服务，响应虚拟电厂的调度，做电力市场辅助服务，提供需求侧响应。电力交易平台13二、高级功能入到第三方VPP平台。P调度平台1P调度平台2......P调度平台N14目

录1

基础功能2

高级功能3

安全预测、故障诊断相关151三、安全预测、故障诊断相关采日故障预测系统—关联分析式故障预警采日管理分析系统02ꢀ关联分析软件04ꢀ针对性分析+01ꢀ故障信息生产数据记录系统故障信息运行数据运行项目运行数据运行项目运行数据运行项目运行数据运行数据03ꢀ故障预警......运行项目运行项目05ꢀ针对性提前运维，排除潜在故障通过采日自主开发的生产数据管理系统SE-MES1000和采日储能系统EMS监控系统及云端数据平台，实现数据闭环。17三、安全预测、故障诊断相关采日故障预测系统—功能介绍长期预测短期预测传感器检测消防措施能够提前几天至几周预测关键故障。在故障前一个小时至半个小时内，检测故障发生前的剧烈波动。使用红外摄像头、温度传感器、气体传感器对Pack进行检测，可在严重故障发生十分钟前检测到。消防设备每台均配有微处理器，不依赖服务器及网络，可本地独立报警配有红外透雾功能，辅助灭火系统工作。18三、安全预测、故障诊断相关采日故障预测系统—本地化架构预警程序服务器消防系统安防系统控制柜电池簇......BMS数据采集器电池簇汇流柜19三、安全预测、故障诊断相关采日故障预测系统—数据PACK储能单元消防系统电芯电池架采日能源储能集装箱......散热系统电芯数据Pack数据簇数据集装箱数据汇总运行时监控采日故障预测系统数据精度—电芯级采日预测系统结合EMS监控系统及云端数据平台20多源迁移学习下的热失控模型采用多源迁移学习算法充分利用多种电池类型，多工况下的热失控案例数据，训练出更具泛化能力的模型难点1：解决热失控案例数据量少（几百条）的问题基于MAML元学习方法获取与目标域更相关的初始化参数难点2：热失控温度偏移问题21对抗学习下的时不变模型热失控温度偏移域对抗+值对抗方案热失控之前的温度范围为24-32℃，(训练集)热失控之前的温度范围为20-80℃整体思路：寻找时间上的不变特征或者跟时间