【技术实现步骤摘要】
本申请涉及能源储存，尤其涉及一种应用于储能电池的智能管理方法及相关设备。
技术介绍
1、削峰填谷是指能源管理系统（energy management system，ems）利用储能系统在电网高峰时段释放电能，以减轻电网压力；在电网低谷时段存储电能，从而将多余的电量存储起来。从而有效管理电能，避免电能的大量浪费。
2、然而，申请人发现，传统的储能电池管理方法普遍比较简单，通过定时去设置固定的时间进行充放电，没有考虑电池充电循环寿命的问题，会加快整个储能系统的使用寿命，由此可见，传统的储能电池管理方法存在管理方式不当导致使用寿命缩短的问题。
技术实现思路
1、本申请实施例的目的在于提出一种应用于储能电池的智能管理方法及相关设备，以解决传统的储能电池管理方法存在管理方式不当导致使用寿命缩短的问题。
2、为了解决上述技术问题，本申请实施例提供一种应用于储能电池的智能管理方法，所述方法应用于储能系统，所述储能系统包括若干个储能电芯，所述方法采用了如下所述的技术方案：
3、接收携带有系统标识信息的储能管理指令；
4、读取历史数据库，在所述历史数据库中获取与所述系统标识信息相对应的所述储能系统的历史放电数据；
5、根据预设预测算法和所述历史放电数据进行电量预测处理，得到所述储能系统的当日预测电量信息；
6、获取所述若干个储能电芯中各个电芯的电芯数据，其中，所述电芯数据包括额定容量、健康度以及循环次数；
7、根据所
8、根据所述健康等级以及所述循环次数对所述电芯进行排序操作，得到优先级序列；
9、获取与所述储能系统相对应的用电谷值时间；
10、若当前时间满足所述用电谷值时间时，根据所述优先级序列以及所述预测电量信息依次对所述电芯进行放电操作。
11、进一步的，所述根据所述健康度计算所述各个电芯的健康等级的步骤，具体包括下述步骤：
12、根据预设分割阈值以及电芯分类算法对所述电芯健康度进行分类操作，得到所述健康等级，其中，所述健康等级表示为：
13、；
14、其中，表示所述预设分割阈值；表示第 n个电芯的电芯健康度。
15、进一步的，所述获取与所述储能系统相对应的用电谷值时间的步骤，具体包括下述步骤：
16、采集所述储能系统的放电对象的历史用电数据，其中，所述历史用电数据包括周期最小电量以及与所述周期最小电量相关的第一影响因素数据；
17、根据所述历史用电数据以及预设的相关系数法对所述第一影响因素数据进行筛选操作，得到第一重点影响因素；
18、在所述历史用电数据中获取与所述第一重点影响因素相对应的电量值以及第一用电时间，得到第一模型训练集；
19、将所述第一模型训练集输入至第一回归预测模型进行模型训练，得到谷值预测模型；
20、实时采集所述储能系统的当前影响因素数据；
21、将所述当前影响因素数据输入至所述谷值预测模型，得到所述用电谷值时间。
22、进一步的，所述第一模型训练集通过以下步骤得到：
23、依次获取所述第一重点影响因素中的元素作为目标因素；
24、从所述历史用电数据中获取与所述目标因素相对应的电量变化值以及电量变化时间，并根据所述电量变化值以及电量变化时间构建三元组数据，其中，所述三元组数据包括所述电量变化值的电量变化前数据、电量变化后数据以及所述电量变化时间；
25、获得所述目标因素在所述历史用电数据对应的所有三元组数据，得到三元数组，其中，每个所述三元组数据分别为所述三元数组中的一个元素；
26、将所述第一重点影响因素中所有元素的三元数组作为所述第一模型训练集。
27、进一步的，在所述将所述第一模型训练集输入至第一回归预测模型进行模型训练，得到谷值预测模型的步骤之前，还包括下述步骤：
28、采用粒子群算法对预构建的回归预测模型的惩罚因子和核函数参数进行最优解搜索，获得最优解搜索结果；
29、将所述最优解搜索结果作为模型参数设置到所述预构建的回归预测模型内，获得基于粒子群算法改进的回归预测模型；
30、所述谷值预测模型通过以下步骤得到：
31、将所述第一重点影响因素中所有元素的三元数组输入到所述基于粒子群算法改进的回归预测模型内；
32、对所述第一重点影响因素中所有元素的三元数组进行函数拟合，获得用于表征电量变化时间与所有第一重点影响因素的综合关系的拟合函数。
33、进一步的，所述若当前时间满足所述用电谷值时间时，根据所述优先级序列以及所述预测电量信息依次对所述电芯进行放电操作的步骤，具体包括下述步骤：
34、在所述优先级序列中调用优先级最高的电芯进行放电，并实时监测所述优先级最高的电芯的实时健康度数据；
35、根据所述实时健康度数据计算所述优先级最高的电芯的当前可用容量；
36、当所述优先级最高的电芯的当前可用容量与下一级别的电芯的当前可用容量保持一致时，则合并所述下一级别的电芯进行放电；
37、当所述储能系统中的所有电芯的当前可用容量大于所述预测电量信息且所有电芯的当前可用容量与所述预测电量信息的差值满足预设剩余电量时，完成所述放电操作。
38、进一步的，在获取所述若干个储能电芯中各个电芯的电芯数据，其中，所述电芯数据包括额定容量、健康度以及循环次数的步骤之后，还包括下述步骤：
39、若需要对所述若干个储能电芯进行充电处理时，根据所述储能电芯的所述电芯数据计算各个储能电芯的实际电量值；
40、根据所述实际电量值按照电量值从小到大的顺序对所述储能电芯进行排序，得到待充电序列；
41、将所述待充电序列中实际电量值最小的储能电芯确定为第一待充电电芯并进行充电处理；
42、若充电中的第一待充电电芯的电量值与所述待充电序列中下一次序的其他储能电芯的实际电量值相等时，则将所述第一待充电电芯以及所述下一次序的储能电芯合并为第二待充电电芯，并对所述第二待充电电芯进行充电处理；
43、循环上述步骤，当所述储能电芯中各个电芯的实际电量值满足最大容量时完成充电操作。
44、为了解决上述技术问题，本申请实施例还提供一种应用于储能电池的智能管理装置，所述装置应用于储能系统，所述储能系统包括若干个储能电芯，所述装置采用了如下所述的技术方案：
45、指令接收模块，用于接收携带有系统标识信息的储能管理指令；
46、历史数据获取模块，用于读取历史数据库，在所述历史数据库中获取与所述系统标识信息相对应的所述储能系统的历史放电数据；
47、电量预测模块，用于根据预设预测算法和所述历史放电数据进行电量预测处理，本文档来自技高网...
【技术保护点】
1.一种应用于储能电池的智能管理方法，其特征在于，所述方法应用于储能系统，所述储能系统包括若干个储能电芯，包括下述步骤：
2.根据权利要求1所述的应用于储能电池的智能管理方法，其特征在于，所述根据所述健康度计算所述各个电芯的健康等级的步骤，具体包括下述步骤：
3.根据权利要求1所述的应用于储能电池的智能管理方法，其特征在于，所述获取与所述储能系统相对应的用电谷值时间的步骤，具体包括下述步骤：
4.根据权利要求3所述的应用于储能电池的智能管理方法，其特征在于，所述第一模型训练集通过以下步骤得到：
5.根据权利要求4所述的应用于储能电池的智能管理方法，其特征在于，在所述将所述第一模型训练集输入至第一回归预测模型进行模型训练，得到谷值预测模型的步骤之前，还包括下述步骤：
6.根据权利要求1所述的应用于储能电池的智能管理方法，其特征在于，所述若当前时间满足所述用电谷值时间时，根据所述优先级序列以及所述预测电量信息依次对所述电芯进行放电操作的步骤，具体包括下述步骤：
7.根据权利要求1所述的应用于储能电池的智能管理方法
8.一种应用于储能电池的智能管理装置，其特征在于，所述装置应用于储能系统，所述储能系统包括若干个储能电芯，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的应用于储能电池的智能管理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的应用于储能电池的智能管理方法的步骤。
...【技术特征摘要】
1.一种应用于储能电池的智能管理方法，其特征在于，所述方法应用于储能系统，所述储能系统包括若干个储能电芯，包括下述步骤：
2.根据权利要求1所述的应用于储能电池的智能管理方法，其特征在于，所述根据所述健康度计算所述各个电芯的健康等级的步骤，具体包括下述步骤：
3.根据权利要求1所述的应用于储能电池的智能管理方法，其特征在于，所述获取与所述储能系统相对应的用电谷值时间的步骤，具体包括下述步骤：
4.根据权利要求3所述的应用于储能电池的智能管理方法，其特征在于，所述第一模型训练集通过以下步骤得到：
5.根据权利要求4所述的应用于储能电池的智能管理方法，其特征在于，在所述将所述第一模型训练集输入至第一回归预测模型进行模型训练，得到谷值预测模型的步骤之前，还包括下述步骤：
6.根据权利要求1所述的应用于储能电池的智能管理方法，其特征在于，所述若当前时间满足所述用电谷...
【专利技术属性】
技术研发人员：向超，
申请(专利权)人：厦门北辰星储能发展有限公司，
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。