工商業(yè)儲(chǔ)能系統(tǒng)EMS及云平臺(tái)功能分析報(bào)告-培訓(xùn)課件

目

錄1

基礎(chǔ)功能2

高級(jí)功能3

安全預(yù)測(cè)、故障診斷相關(guān)21一、基礎(chǔ)功能完善的監(jiān)控系統(tǒng)-本地控制：顯示及策略配置?具備功能：??數(shù)據(jù)庫的建立與維護(hù)??監(jiān)視和報(bào)警??事件順序記錄及事故追憶??數(shù)據(jù)采集和處理??控制與操作??電能量處理??統(tǒng)計(jì)及計(jì)算??通信接口及協(xié)議??高級(jí)控制策略3一、基礎(chǔ)功能完善的監(jiān)控系統(tǒng)-APP具備功能：用于查看和控制逆變器設(shè)備的命令參數(shù)，有本地和遠(yuǎn)程兩種模式。4一、基礎(chǔ)功能完善的監(jiān)控系統(tǒng)-用戶網(wǎng)頁-云端具備功能：用于查看電站以及設(shè)備的相關(guān)信息，有普通版和超級(jí)版兩個(gè)版本。相較于普通用戶，超級(jí)用戶還增加了對(duì)電站和設(shè)備的編輯權(quán)限。5一、基礎(chǔ)功能具備功能：用于查看電站以及設(shè)備的相關(guān)信息，主要給經(jīng)銷商使用，可以對(duì)設(shè)備進(jìn)行一些工作模式的設(shè)置以及策略的下發(fā)。完善的監(jiān)控系統(tǒng)-用戶網(wǎng)頁-專業(yè)版6目

錄1

基礎(chǔ)功能2

高級(jí)功能3

安全預(yù)測(cè)、故障診斷相關(guān)71二、高級(jí)功能微網(wǎng)能量管理云平臺(tái)負(fù)?載戶外柜不僅能夠控制儲(chǔ)能，還能夠管理發(fā)電機(jī)、光伏、風(fēng)電、電網(wǎng)，具有微網(wǎng)能量管理功能，匹配光儲(chǔ)充等典型應(yīng)用場(chǎng)景。EMS?協(xié)調(diào)控制器8二、高級(jí)功能多時(shí)間尺度優(yōu)化策略日前優(yōu)化：根據(jù)日前預(yù)測(cè)數(shù)據(jù)，考慮整個(gè)周期目標(biāo)最優(yōu)，求解未來周期內(nèi)各時(shí)段的調(diào)度方案(數(shù)學(xué)解析方法/啟發(fā)式算法)秒級(jí)監(jiān)控：電壓越界時(shí)快速調(diào)整出力方案日內(nèi)滾動(dòng)：根據(jù)實(shí)時(shí)數(shù)據(jù)和超短期預(yù)測(cè)，滾動(dòng)修正計(jì)劃優(yōu)勢(shì)：預(yù)先考慮了系統(tǒng)未來狀態(tài)的變化趨勢(shì)，從更長(zhǎng)遠(yuǎn)的視角實(shí)現(xiàn)最優(yōu)能量調(diào)度難點(diǎn)：優(yōu)化結(jié)果依賴于預(yù)測(cè)的準(zhǔn)確性9二、高級(jí)功能實(shí)時(shí)調(diào)控策略云端訓(xùn)練l

在云平臺(tái)進(jìn)行計(jì)算需求較大的基礎(chǔ)模型訓(xùn)練?????a.?深度強(qiáng)化學(xué)習(xí)（無需變量預(yù)測(cè)，泛化能力強(qiáng)；收斂于局部最優(yōu)）?????b.?模仿學(xué)習(xí)（收斂快，結(jié)果接近理想最優(yōu)；樣本標(biāo)注成本高）l

云平臺(tái)定期滾動(dòng)訓(xùn)練學(xué)習(xí)最新歷史模式，避免季節(jié)和氣候變化引起的數(shù)據(jù)偏移，提高模型的泛化能力和有效性l

云平臺(tái)可以管理多個(gè)子系統(tǒng)，實(shí)現(xiàn)計(jì)算資源最大化利用邊端實(shí)時(shí)決策l

在邊緣計(jì)算設(shè)備上部署訓(xùn)練好的基礎(chǔ)模型，并根據(jù)實(shí)際場(chǎng)景進(jìn)行迭代l

邊緣計(jì)算設(shè)備通過與現(xiàn)場(chǎng)設(shè)備通信獲取系統(tǒng)實(shí)時(shí)運(yùn)行狀態(tài)，進(jìn)行決策計(jì)算與調(diào)控l

邊緣計(jì)算設(shè)備定期通過邊-云通信路線將運(yùn)行數(shù)據(jù)存儲(chǔ)到云端服務(wù)器優(yōu)勢(shì)：可以直接獲取系統(tǒng)當(dāng)前準(zhǔn)確的狀態(tài)信息，無需考慮隨機(jī)變量預(yù)測(cè)誤差的影響難點(diǎn)：如何實(shí)現(xiàn)整個(gè)周期內(nèi)的最優(yōu)動(dòng)作軌跡10數(shù)學(xué)模型電池退化模型①物理模型：基于電化學(xué)原理和物理過程1、優(yōu)化目標(biāo)l

經(jīng)濟(jì)效益??運(yùn)行成本（投資/單位發(fā)電成本/折舊/運(yùn)維）??????????????????????與主電網(wǎng)交互（購電/售電/需求響應(yīng)補(bǔ)償）②等效電路模型：使用電池等效電路來建模電池的動(dòng)態(tài)響應(yīng)和退化行為1、基于退化機(jī)理l

環(huán)保效益??可再生能源利用率/碳排放/污染治理l

供電可靠性??停電損失/缺電率③半經(jīng)驗(yàn)?zāi)Ｐ停航Y(jié)合經(jīng)驗(yàn)數(shù)據(jù)和物理原理優(yōu)：精度高，可解釋性缺：模型復(fù)雜，參數(shù)多2、約束條件功率平衡VS分布式電源功率儲(chǔ)能裝置機(jī)器學(xué)習(xí)算法2、基于數(shù)據(jù)驅(qū)動(dòng)深度學(xué)習(xí)算法優(yōu)：靈活性、自適應(yīng)聯(lián)絡(luò)線功率缺：缺乏解釋性、泛化能力有限新能源預(yù)測(cè)or生成1、新能源功率預(yù)測(cè)???基于物理：建立太陽輻射與氣溶膠中大氣成分之間相互作用關(guān)系???基于統(tǒng)計(jì)：根據(jù)歷史數(shù)據(jù)統(tǒng)計(jì)分析，識(shí)別內(nèi)部變化趨勢(shì)，或依據(jù)特有的分布函數(shù)，推斷出未來結(jié)果。????基于機(jī)器學(xué)習(xí)：適用于高預(yù)測(cè)精度要求的短期及超短期功率預(yù)測(cè)任務(wù)????集成或混合：循環(huán)神經(jīng)網(wǎng)絡(luò)+粒子群優(yōu)化&算法、神經(jīng)網(wǎng)絡(luò)+極限梯度提升網(wǎng)絡(luò)+嶺回歸等2、新能源場(chǎng)景生成???參數(shù)化：根據(jù)概率分布或預(yù)測(cè)誤差，使用蒙特卡洛模擬等從統(tǒng)計(jì)分布中生成相應(yīng)場(chǎng)景???非參數(shù)化：①矩匹配、距離匹配；②基于機(jī)器學(xué)習(xí)：生成對(duì)抗網(wǎng)絡(luò)調(diào)度策略通?？紤]整個(gè)調(diào)控周期的優(yōu)化目標(biāo)，要求精確預(yù)測(cè)系統(tǒng)的未來不確定變量。在日前優(yōu)化調(diào)度的基礎(chǔ)上，根據(jù)當(dāng)前已知運(yùn)行情況和未來數(shù)小時(shí)內(nèi)的最新預(yù)測(cè)信息，實(shí)施日內(nèi)滾動(dòng)優(yōu)化策略。可建模為（非）線性規(guī)劃問題、混合整數(shù)優(yōu)化問題。

通常采用模型預(yù)測(cè)控制（MPC）框架，具有一定的前瞻可通過商業(yè)求解器、啟發(fā)式算法、人工智能算法等求解。及自我校正能力。日前優(yōu)化日內(nèi)滾動(dòng)實(shí)時(shí)調(diào)度獲取當(dāng)前準(zhǔn)確的狀態(tài)信息，規(guī)避不確定變量預(yù)測(cè)。日前訓(xùn)練模型，確定好網(wǎng)絡(luò)中的權(quán)重或參數(shù)，日內(nèi)直接輸入當(dāng)前時(shí)刻各狀態(tài)量信息，獲得調(diào)度策略；或訓(xùn)練好的模型獲得實(shí)時(shí)決策的儲(chǔ)能動(dòng)作，再通過非線性規(guī)劃求解出剩余決策變量。多采用強(qiáng)化學(xué)習(xí)來求解。12二、高級(jí)功能提供區(qū)域聚合功能VPP調(diào)度平臺(tái)電網(wǎng)電價(jià)平臺(tái)采日平臺(tái)具備功能：支持自動(dòng)優(yōu)化，支持園區(qū)的微網(wǎng)管理等。一方面能夠作為VPP平臺(tái)供應(yīng)商提供虛擬電廠服務(wù)，響應(yīng)虛擬電廠的調(diào)度，做電力市場(chǎng)輔助服務(wù)，提供需求側(cè)響應(yīng)。電力交易平臺(tái)13二、高級(jí)功能入到第三方VPP平臺(tái)。P調(diào)度平臺(tái)1P調(diào)度平臺(tái)2......P調(diào)度平臺(tái)N14目

錄1

基礎(chǔ)功能2

高級(jí)功能3

安全預(yù)測(cè)、故障診斷相關(guān)151三、安全預(yù)測(cè)、故障診斷相關(guān)采日故障預(yù)測(cè)系統(tǒng)—關(guān)聯(lián)分析式故障預(yù)警采日管理分析系統(tǒng)02?關(guān)聯(lián)分析軟件04?針對(duì)性分析+01?故障信息生產(chǎn)數(shù)據(jù)記錄系統(tǒng)故障信息運(yùn)行數(shù)據(jù)運(yùn)行項(xiàng)目運(yùn)行數(shù)據(jù)運(yùn)行項(xiàng)目運(yùn)行數(shù)據(jù)運(yùn)行項(xiàng)目運(yùn)行數(shù)據(jù)運(yùn)行數(shù)據(jù)03?故障預(yù)警......運(yùn)行項(xiàng)目運(yùn)行項(xiàng)目05?針對(duì)性提前運(yùn)維，排除潛在故障通過采日自主開發(fā)的生產(chǎn)數(shù)據(jù)管理系統(tǒng)SE-MES1000和采日儲(chǔ)能系統(tǒng)EMS監(jiān)控系統(tǒng)及云端數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)閉環(huán)。17三、安全預(yù)測(cè)、故障診斷相關(guān)采日故障預(yù)測(cè)系統(tǒng)—功能介紹長(zhǎng)期預(yù)測(cè)短期預(yù)測(cè)傳感器檢測(cè)消防措施能夠提前幾天至幾周預(yù)測(cè)關(guān)鍵故障。在故障前一個(gè)小時(shí)至半個(gè)小時(shí)內(nèi)，檢測(cè)故障發(fā)生前的劇烈波動(dòng)。使用紅外攝像頭、溫度傳感器、氣體傳感器對(duì)Pack進(jìn)行檢測(cè)，可在嚴(yán)重故障發(fā)生十分鐘前檢測(cè)到。消防設(shè)備每臺(tái)均配有微處理器，不依賴服務(wù)器及網(wǎng)絡(luò)，可本地獨(dú)立報(bào)警配有紅外透霧功能，輔助滅火系統(tǒng)工作。18三、安全預(yù)測(cè)、故障診斷相關(guān)采日故障預(yù)測(cè)系統(tǒng)—本地化架構(gòu)預(yù)警程序服務(wù)器消防系統(tǒng)安防系統(tǒng)控制柜電池簇......BMS數(shù)據(jù)采集器電池簇匯流柜19三、安全預(yù)測(cè)、故障診斷相關(guān)采日故障預(yù)測(cè)系統(tǒng)—數(shù)據(jù)PACK儲(chǔ)能單元消防系統(tǒng)電芯電池架采日能源儲(chǔ)能集裝箱......散熱系統(tǒng)電芯數(shù)據(jù)Pack數(shù)據(jù)簇?cái)?shù)據(jù)集裝箱數(shù)據(jù)匯總運(yùn)行時(shí)監(jiān)控采日故障預(yù)測(cè)系統(tǒng)數(shù)據(jù)精度—電芯級(jí)采日預(yù)測(cè)系統(tǒng)結(jié)合EMS監(jiān)控系統(tǒng)及云端數(shù)據(jù)平臺(tái)20多源遷移學(xué)習(xí)下的熱失控模型采用多源遷移學(xué)習(xí)算法充分利用多種電池類型，多工況下的熱失控案例數(shù)據(jù)，訓(xùn)練出更具泛化能力的模型難點(diǎn)1：解決熱失控案例數(shù)據(jù)量少（幾百條）的問題基于MAML元學(xué)習(xí)方法獲取與目標(biāo)域更相關(guān)的初始化參數(shù)難點(diǎn)2：熱失控溫度偏移問題21對(duì)抗學(xué)習(xí)下的時(shí)不變模型熱失控溫度偏移域?qū)?值對(duì)抗方案熱失控之前的溫度范圍為24-32℃，(訓(xùn)練集)熱失控之前的溫度范圍為20-80℃整體思路：尋找時(shí)間上的不變特征或者跟時(shí)間