CN119448358A 储能构网控制方法、装置、设备、及存储介质 （深圳亿兰科电气有限公司）

道马安堂社区环城南路5号坂田国际定支持电网频率和其他关键性能指标的技术问2基于所述可用容量及所述电网运行趋势制定调度控制计划；其中，所述调度控制通过所述分布式光纤传感阵列对目标电网进行关键节点采样，得到原始电气参数数通过迁移熵算法对所述多尺度时间序列电气特征进行因果关基于所述电网状态转移概率表对所述目标电网进行马尔可夫采用自组织临界性分析方法，对所述电网状态预测序3通过多分辨率分析方法对所述累积电荷量序列进行多尺度分解，基于所述累积电荷量估计值对所述目标储能系统进行存储电压和存储电荷关系分析，从数据库内获取目标储能系统的额定容量和目标储能系统的性能记录，储电压存储电荷特性曲线、额定容量和性能记录对所述目标储能系统的进行可用容量动利用分段指数拟合算法对所述存储电压一存储基于所述充放电容量损耗特征参数，对所述目标储基于所述容量衰减系数和所述性能记录对所述目标储能系统进基于所述健康状况和所述额定容量，对当前所述储能系统进行动态通过预设的温度传感器获取当前温度参数，并基于所述当前温度参数对所基于所述容量衰减速率和所述加权循环次数，对所述目标通过动态规划算法对所述可用容量和电网运行趋势进行状态关联建模，得到可用容4对所述状态评估结果进行监测，若所述状态评估结果通过分布式协同优化算法对所述初步调度指令序列进行时序协调，得到调度控制计预测模块，用于通过预设大数据分析技术对所述电网采集数据进被处理器执行时实现权利要求1至7中任一项所述的5[0003]研究背景中的一个核心问题在于实时性和预测精度。为6态预测序列；利用分段库伦计法，基于所述实时电流数据对目标储能系统进行累积电荷量计基于所述累积电荷量估计值对所述目标储能系统进行存储电压和存储电荷关系7述存储电压存储电荷特性曲线、额定容量和性能记录对所述目标储能系统的进行可用容利用分段指数拟合算法对所述存储电压一存储电荷特性曲线进行分段拟合处理，基于所述充放电容量损耗特征参数，对所述目标储能系统进行循环次数加权统基于所述充放电周期序列，统计所述目标储能系统的每个周期的充电和放电次利用预设的模糊神经网络对所述可用容量一电网运行趋势关联数据进行量化评对所述状态评估结果进行监测，若所述状态评估结果中任一所述容量充裕度参8调度控制计划用于调度和控制所述目标电网或者目标储能系统，以保持目标电网频率稳9电网里，智能传感器提供的精确风速和风向数据可以帮助预测未来一段时间内的风电产量不足以应对即将到来的用电高峰，那么就可以提前安排其他储能系统或传统发电源介够在不同时间段内提供的最大能量输出或吸收能力，并将其与预期的电力供需情况相匹器对目标电网进行实时数据采集，得到电网采集数据的过程是整个储能构网控制方法中至关重要的第一步。这个过程不仅涉及到了采用先进的传感技术来获取原始电气参数数据，最终获得用于后续分析和决策的电网采集数据。首先，分布式光纤传感阵列作为一种高度敏感且分布广泛的监测工具，被部署在目标电网的关键节点上。这些关键节点可以包括变一个包含多个风电场的城市电网中，分布式光纤传感阵列可以帮助捕捉到由于天气变化导可以获得覆盖广泛区域的高分辨率原始电气参数数据，为后续的深度分析提供了坚实的基换分析。小波包变换是一种多分辨率分析工具，它可以将时间域内的信号分解成不同频率景中，当遇到风速突然增加或减少的情况时，小波包变换分析能够帮助识别出哪些时间段还可以检测到用户侧负载模式的变化，比如商业区白天高峰时段与夜间低谷时段之间的差包变换后得到的时频电气特征数据进行高阶奇异值分解，得到关键特征张量。这里的关键特征张量包含了三个主要方面的信息：用电量波动的时频特征、用电负荷的时频分布及功率频谱的时频特征。张量分解算法能够有效地从多维度的数据集中抽取核心结构，使得原观察用电量波动的时频特征来预测未来的电力需求；通过用电负荷的时频分布可以优化调度策略，确保在高峰时期有足够的备用容量；而功率频谱的时频特征则有助于评估电网的质量，特别是在面对可再生能源间歇性输入时，能够及时调整以维持稳定的供电频率。最后，为了使得到的关键特征张量适用于实际应用中的快速处理和高效存储，还需要对其进采集数据可以被用来训练机器学习模型，预测未来一段时间内的电网运行趋势，制定合理[0030]在具体实施例中，所述通过预设大数据分析技术对所述态预测序列；基于传统的统计方法，如均值、方差等，也可以结合现代机器学习算法，如主成分分析样的分析不仅加深了对电网内部机制的认识，也为制定有效的调控策略提供了理论依据。方法的应用对于促进清洁能源的高效利用、提高电力系统的灵活性和可靠性具有重要意利用分段库伦计法，基于所述实时电流数据对目标储能系统进行累积电荷量计基于所述累积电荷量估计值对所述目标储能系统进行存储电压和存储电荷关系述存储电压存储电荷特性曲线、额定容量和性能记录对所述目标储能系统的进行可用容锂电池储能单元的城市电网中，这些传感器可以安装在每个电池模块的输入输出端口上，累积电荷量估计值对所述目标储能系统进行存储电压和存储电荷关系分析，得到存储电压存储电荷特性曲线。这种特性曲线描述了储能系统内部电荷储存与外部表现电压之间值与实际测得的存储电压，可以绘制出一条准确反映储能系统当前健康状况的特性曲线，利用分段指数拟合算法对所述存储电压一存储电荷特性曲线进行分段拟合处理，基于所述充放电容量损耗特征参数，对所述目标储能系统进行循环次数加权统基于所述充放电周期序列，统计所述目标储能系统的每个周期的充电和放电次循环次数与容量损耗之间的关系。容量衰减曲线不仅直观地展示了储能系统的寿命特征，[0038]在具体实施例中，所述基于所述可用容量及所述电网运行趋势制定调度控制计利用预设的模糊神经网络对所述可用容量一电网运行趋势关联数据进行量化评对所述状态评估结果进行监测，若所述状态评估结果中任一所述容量充裕度参能构网控制系统进行描述，请参阅图2，本发明实施例中储能构网控制系统一个实施例包