[发明专利]一种基于云-端数字孪生的电池储能系统状态估计方法

说明书

本发明提出了一种基于云‑端数字孪生的电池储能系统状态估计方法，它利用了云平台的数据存储和计算能力。通过利用分布在不同站点的众多电池储能系统的数据。所有必要的数据和信息都汇总在云平台中，可用于通过AI算法识别不同模型的主要参数。此外，云中的模型可以根据来自本地电池储能系统的实时数据和信息进行及时优化。通过这种方式，该模型是现场实际电池储能系统的数字孪生。与传统的基于模型的控制系统或仿真系统相比，数字孪生模型更具适应性和准确性。电池储能系统实时产生大量数据，适合于数字孪生模型的建立。

技术领域

本发明涉及电力领域，尤其是一种基于云-端数字孪生的电池储能系统状态估计方法。

背景技术

电池储能被认为对于未来基于可再生能源的电力系统至关重要。锂电池在该领域具有潜力，目前占据新兴储能市场的最大份额。然而，锂电池的安全性和优化运行仍然是业界关注的最大问题。而且，由于数据分析和模型等方面的问题，本地BMS等控制方法在识别电池荷电状态和健康状态方面遇到了很大的困难。

电池储能系统(BESS)在电力系统中发挥着越来越重要的作用，尤其是风电和光伏发电等可再生能源的高渗透率。电池储能系统被认为是未来零碳电力系统的关键因素。锂离子电池、钒液流电池、压缩空气储能、飞轮储能、钠离子电池等新兴储能技术前景广阔。

锂离子电池储能系统由大量小型电池单体通过典型组装和电池管理系统(BMS)组成。BMS向电源转换系统(PCS)和能源管理系统(EMS)提供关键信息，包括充电状态(SOC)、健康状态(SOH)和剩余使用寿命(RUL)。然而，目前BMS无法胜任这一任务，原因是：(1)锂电池无论是充电、放电还是处于闲置状态，其电化学过程都非常复杂，难以通过测量和计算进行准确描述其物理模型和等效模型。(2)数据驱动模型和人工智能算法应该更有效，但一个储能系统自身的数据难以支持智能算法进化，且本地控制器往往不足提供大数据处理和计算的算力。(3)此外，上述模型不能反映电池随时随刻正在发生的老化、环境和运行条件的变化。

发明内容

为了解决上述技术问题，本发明提出了一种基于云-端数字孪生的电池储能系统状态估计方法，它利用了云平台的数据存储和计算能力。通过利用分布在不同站点的更多电池储能系统的数据。所有必要的数据和信息都汇总在云平台中，可用于通过AI算法识别不同模型的主要参数。此外，云平台中的模型可以根据来自各本地电池储能系统的实时数据和信息进行及时优化。通过这种方式，该模型成为现场实际电池储能系统的数字孪生体。与传统的基于模型的控制系统或仿真系统相比，数字孪生更具适应性和准确性。电池储能系统实时产生大量运行数据和状态数据与信息，适合于数字孪生DT(Digital Twin)的建立。

本发明的技术方案为：一种基于云-端数字孪生的电池储能系统状态估计方法，包括如下步骤：

步骤1、位于各个不同的电池储能系统本地的端处理器采集BMS、PCS、EMS和动环辅助设备数据；所述端处理器配置本地储能系统的数据采集处理功能、电池系统状态计算模型、多级预警和告警功能、簇间/簇内均衡功能、人机交互界面；云服务器或虚拟服务器的计算中心，通过网络与各个电池储能系统连接，主要包括数据库、模型库、应用开发程序和人机界面；

步骤2、端处理器将采集和分析处理后的本地储能系统数据和信息上传给云计算中心数据库，所述云计算中心的模型库配置多个典型的电池系统模型，具有电芯、模组、模块、电池簇和电池系统多个不同层级，在安装方式、运行年限、动环特点方面各不相同；

步骤3、建立电池储能系统的数字孪生模型，云计算中心根据大量储能系统的实际运行数据和信息，通过数据驱动的智能算法对数字孪生模型的参数进行持续优化和定期修正，形成了储能系统的数字孪生体；数字孪生体的预测数据与实际储能系统的运行数据不断比对，并对模型参数进行优化调整，使孪生体的模型具有强适应能力和精确度；