本发明专利技术公开了一种风电厂用储能系统的控制方法及装置，属于储能控制技术领域，该控制方法具体步骤如下：(1)采集储能系统信息以构建并优化控制模型；(2)收集储能系统运行信息并对其进行控制调整；(3)实时收集用户上传信息并进行风险管控；(4)实时反馈储能系统运行信息并进行性能优化；本发明专利技术使得操作过程简单、易操作，减少工作人员工作量，提高工作效率，同时通过控制模型实现精确地自动化控制，能够提高内存压缩效率，有效的提高了服务器端口启动速度，同时节省系统压缩内存所需的时间，提高工作人员使用体验。提高工作人员使用体验。提高工作人员使用体验。
【技术实现步骤摘要】
一种风电厂用储能系统的控制方法及装置
[0001]本专利技术涉及储能控制
，尤其涉及一种风电厂用储能系统的控制方法及装置。
技术介绍
[0002]在对储能过程进行分析时，为了确定研究对象而划出的部分物体或空间范围，称为储能系统。它包括能量和物质的输入和输出、能量的转换和储存设备。储能系统往往涉及多种能量、多种设备、多种物质、多个过程，是随时间变化的复杂能量系统，需要多项指标来描述它的性能。常用的评价指标有储能密度、储能功率、蓄能效率以及储能价格、对环境的影响等，由于人们所需的能源都具有很强的时间性和空间性，为了合理利用能源并提高能量的利用率，需要使用一种装置，把一段时期内暂时不用的多余能量通过某种方式收集并储存起来，在使用高峰时再提取使用，或者运往能量紧缺的地方再使用，这种方法就是能量存储，其具有效率高、成本低、无污染、储能迅速、技术可靠等优点，受各国研究工作者的关注；
[0003]经检索，中国专利号CN114914920A公开了一种储能系统及储能系统的控制方法，该专利技术虽然在满足用户需求功率的情况下，基于储能模块的荷电状态进行功率分配完成功率均衡，计算速度较快，功率更均衡，但是工作人员工作量较多，工作效率底下，且无法实现精确地自动化控制；此外，现有的风电厂用储能系统的控制方法及装置的服务器端口启动速度慢，内存压缩效率低；为此，我们提出一种风电厂用储能系统的控制方法及装置。
技术实现思路
[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的一种风电厂用储能系统的控制方法及装置。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种风电厂用储能系统的控制方法，该控制方法具体步骤如下：
[0007](1)采集储能系统信息以构建并优化控制模型；
[0008](2)收集储能系统运行信息并对其进行控制调整；
[0009](3)实时收集用户上传信息并进行风险管控；
[0010](4)实时反馈储能系统运行信息并进行性能优化。
[0011]作为本专利技术的进一步方案，步骤(1)所述控制模型具体构建步骤如下：
[0012]步骤一：服务器接收工作人员上传的以及传感器采集到的储能系统信息，并采用独立编码器将各组储能系统信息中非二进制的信息转换为二进制，之后对各组储能系统信息归一化处理；
[0013]步骤二：对各组储能系统信息进行特征降维处理，之后依据处理结果筛选出能够表示储能系统运行信息的特征参数，并筛除对于表征能力差的特征参数；
[0014]步骤三：将储能系统信息的特征数据转换成图像格式的特征以形成样本特征图，
然后对样本特征图进行人工标记，并将其划分为训练集以及测试集；
[0015]步骤四：构建卷积神经网络，并将训练集通过输入、卷积、池化、全连接和输出进行迭代训练以得到控制模型，再利用所述测试集对控制模型进行测试，若测试准确率满足期望值，则停止训练，反之继续上述步骤。
[0016]作为本专利技术的进一步方案，步骤一中所述归一化处理具体计算公式如下：
[0017][0018]其中，x
new
表示归一化后的数据；x表示储能系统信息的特征数据；x
max
表示特征数据的最大值；x
min
特征数据的最小值；
[0019]步骤二中所述特征降维具体计算公式如下：
[0020][0021]其中，σ表示特征数据的标准差；μ表示特征数据的均值；CV表示特征数据的方差系数，若方差系数越大，则表示越重要，反之，则表示不重要，予以剔除。
[0022]作为本专利技术的进一步方案，步骤(1)所述控制模型具体优化步骤如下：
[0023]步骤Ⅰ：对满足期望值的控制模型进行进行准确率、检出率和误报率评估，并画出相关曲线图，之后收集控制模型运行数据，并从中选择一个运行数据作为验证数据；
[0024]步骤Ⅱ：将剩余运行数据拟合成一组测试模型，并用验证数据来验证测试模型的精度，并通过均方根误差对该测试模型的检测能力进行计算，如此重复n次，再对生成的精度参数进行参数优化处理；
[0025]步骤Ⅲ：初始化参数范围，并设定改测试模型学习率，同时列出所有可能的数据结果，对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集；
[0026]步骤Ⅳ：对训练集进行标准化处理，再通过训练集训练测试模型，训练完成后对测试集进行预测，统计测试结果的均方根误差，同时将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优的参数，并导入控制模型中替换原有参数。
[0027]作为本专利技术的进一步方案，步骤(2)所述控制调整具体步骤如下：
[0028]第一步：控制模型实时接收储能系统信息，当储能系统运行频率发生变化时，同步发电机转子产生有功功率，同时控制模型接收储能系统额定频率以及实际频率；
[0029]第二步：若额定频率大于实际频率，储能系统中的储能逆变器将对外输出有功功率，当额定频率小于实际频率，储能系统中的储能逆变器将吸收有功功率。
[0030]一种风电厂用储能系统的控制装置，包括采集存储模块、风险管控模块、储能系统、控制调整模块、服务器、优化调整模块以及控制台；
[0031]其中，所述采集存储模块用于采集并存储储能系统运行信息；
[0032]所述风险管控模块用于接收外部传输数据，并进行病毒检测以及数据清理；
[0033]所述储能系统用于控制电网电路的放电与充电；
[0034]所述控制调整模块用于控制储能系统运行状态；
[0035]所述服务器用于获取各控制台以及储能系统反馈的信息，并对各子模块进行调整管理；
[0036]所述优化调整模块用于对服务器进行性能优化；
[0037]所述控制台用于工作人员对储能系统进行人工控制。
[0038]作为本专利技术的进一步方案，所述优化调整模块性能优化具体步骤如下：
[0039]S1：优化调整模块为服务器各端口生成一个启动链表，并按照各端口的LRU顺序，通过LRU链表对各组启动链表头部进行进一步链接，收集最少使用的端口信息，并将该端口的启动链表安排在LRU链表的首位，并依次进行排序；
[0040]S2：在端口启动阶段跟踪访问信息前，优化调整模块在端口启动之前清除所有更新页表项的访问位，之后收集各端口启动期间以及启动时间结束前的设备访问位，确定完成后对启动链表中的各组设备页面进行数据更新；
[0041]S3：从LRU链表的头部选择最不活跃的端口，并从该端口的相应启动链表中选择受害页面，当从该启动链表回收足够多的受害页面时，页面选择过程将停止，若未回收足够多的受害页面时，则继续访问LRU链表中下一组启动链表，直到获得足够的页面；
[0042]S4：将交换缓存中选择的受害页面合并为一个块，同时对该块进行标记，再唤醒本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风电厂用储能系统的控制方法，其特征在于，该控制方法具体步骤如下：(1)采集储能系统信息以构建并优化控制模型；(2)收集储能系统运行信息并对其进行控制调整；(3)实时收集用户上传信息并进行风险管控；(4)实时反馈储能系统运行信息并进行性能优化。2.根据权利要求1所述的一种风电厂用储能系统的控制方法，其特征在于，步骤(1)所述控制模型具体构建步骤如下：步骤一：服务器接收工作人员上传的以及传感器采集到的储能系统信息，并采用独立编码器将各组储能系统信息中非二进制的信息转换为二进制，之后对各组储能系统信息归一化处理；步骤二：对各组储能系统信息进行特征降维处理，之后依据处理结果筛选出能够表示储能系统运行信息的特征参数，并筛除对于表征能力差的特征参数；步骤三：将储能系统信息的特征数据转换成图像格式的特征以形成样本特征图，然后对样本特征图进行人工标记，并将其划分为训练集以及测试集；步骤四：构建卷积神经网络，并将训练集通过输入、卷积、池化、全连接和输出进行迭代训练以得到控制模型，再利用所述测试集对控制模型进行测试，若测试准确率满足期望值，则停止训练，反之继续上述步骤。3.根据权利要求2所述的一种风电厂用储能系统的控制方法，其特征在于，步骤一中所述归一化处理具体计算公式如下：其中，x
new
表示归一化后的数据；x表示储能系统信息的特征数据；x
max
表示特征数据的最大值；x
min
特征数据的最小值；步骤二中所述特征降维具体计算公式如下：其中，σ表示特征数据的标准差；μ表示特征数据的均值；CV表示特征数据的方差系数，若方差系数越大，则表示越重要，反之，则表示不重要，予以剔除。4.根据权利要求1所述的一种风电厂用储能系统的控制方法，其特征在于，步骤(1)所述控制模型具体优化步骤如下：步骤Ⅰ：对满足期望值的控制模型进行进行准确率、检出率和误报率评估，并画出相关曲线图，之后收集控制模型运行数据，并从中选择一个运行数据作为验证数据；步骤Ⅱ：将剩余运行数据拟合成一组测试模型，并用验证数据来验证测试模型的精度，并通过均方根误差对该测试模型的检测能力进行计算，如此重复n次，再对生成的精度参数进行参数优化处理；步骤Ⅲ：初始化参数范围，并设定改测试模型学习率，同时列出所有可能的数据结果，对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集；
步骤Ⅳ：对训练集进行标准化处理，再通过训练集训练测试模型，训练完成后对测试...
【专利技术属性】
技术研发人员：李东挥，孙红凯，马亮，
申请(专利权)人：大唐赤峰新能源有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。