【技术实现步骤摘要】
本专利技术实施例涉及模块化储能方舱，尤其涉及一种模块化储能方舱的运行控制方法。
技术介绍
1、随着可再生能源的广泛应用和电力系统的不断发展，模块化储能方舱作为高效储能解决方案被广泛应用于电网调峰、平滑可再生能源输出、备用电源等领域。现有控制方法依赖传统的调度策略和简单的优化算法，包括实时采集运行参数、简单评估健康状态、基于历史数据预测电力需求、生成固定调度方案并执行充放电操作。这些方法虽然能满足基本需求，但存在健康状态评估不准确、电力需求预测精度低、调度方案单一且缺乏灵活性、以及缺乏自适应控制能力等问题。因此，需要一种更智能、高效的控制方法。
技术实现思路
1、本专利技术实施例提供一种模块化储能方舱的运行控制方法及系统，用以解决现有技术中存在健康状态评估不准确、电力需求预测精度低、调度方案单一且缺乏灵活性、以及缺乏自适应控制能力的问题。
2、第一方面，本专利技术实施例提供一种模块化储能方舱的运行控制方法，包括：
3、实时采集各储能模块的运行参数，得到综合运行数据，其中，所述运行参数包括：电池温度、荷电状态、内阻、电压、电流以及外部环境参数；
4、根据所述综合运行数据，通过机器学习算法建立储能模块健康状态评估模型，得到健康指数，同时从电网公司api接口、用户端智能电表以及历史数据和当前环境参数分析中获取实时电力需求数据；
5、基于所述健康指数和所述实时电力需求数据，采用遗传算法动态调整各储能模块的充放电策略，得到充放电计划，利用所述充放
6、基于所述电力需求预测结果，采用混合整数线性规划算法确认最优储能模块调度方案，得到储能模块的调度指令；
7、实施所述储能模块的调度指令，通过在线学习不断优化决策过程，利用强化学习的自适应控制策略，生成最佳控制指令。
8、可选地，其特征在于，基于所述电力需求预测结果，采用混合整数线性规划算法确认最优储能模块调度方案，得到储能模块的调度指令，包括：
9、利用电力需求预测结果，结合储能方舱当前的健康状态、储能容量以及充放电速率限制，构建多目标优化模型；
10、利用所述多目标优化模型，通过蒙特卡洛模拟生成多种预设目标内场景，得到多种场景下的调度方案风险评估结果；
11、基于所述调度方案风险评估结果，运用混合整数线性规划算法求解多目标优化模型，生成初始储能模块调度方案；
12、利用所述初始储能模块调度方案，通过层次分析法进行综合评估，确定最佳储能模块调度方案。
13、可选地，其特征在于，基于所述调度方案风险评估结果，运用混合整数线性规划算法求解多目标优化模型，生成初始储能模块调度方案，包括：
14、基于所述调度方案风险评估结果，对储能方舱的物理限制条件和操作规则进行整合，得到约束条件下的多目标优化模型；
15、利用所述多目标优化模型，通过引入时间窗口滚动优化机制，对调度方案进行分阶段优化计算，得到阶段性调度方案；
16、根据所述阶段性调度方案，采用混合整数线性规划算法，结合储能方舱的历史运行数据和实时运行状态，进行多目标优化求解，生成初步的储能模块调度方案；
17、基于综合运行数据，通过机器学习算法建立储能模块健康状态评估模型，得到健康状态评估结果；
18、利用所述初步的储能模块调度方案结合所述健康状态评估结果，对所述初步的储能模块调度方案进行修正，得到修正后的储能模块调度方案；
19、利用所述修正后的储能模块调度方案，通过模拟仿真技术，对调度方案进行验证，调整不可行的调度指令，生成初始储能模块调度方案。
20、可选地，利用所述多目标优化模型，通过引入时间窗口滚动优化机制，对调度方案进行分阶段优化计算，得到阶段性调度方案，包括：
21、利用所述多目标优化模型，结合储能方舱的实时运行状态和预设时间内的电力需求预测结果，定义一系列时间窗口，得到时间窗口序列；
22、利用时间窗口序列，根据储能方舱的当前健康状态、储能容量以及充放电速率限制和外部环境参数，对每个时间窗口内的调度方案进行局部优化计算，得到每个时间窗口的局部最优调度方案；
23、利用每个时间窗口的局部最优调度方案，进行集成处理，形成覆盖整个预设时间范围的阶段性调度方案；
24、利用所述阶段性调度方案，结合储能方舱的历史运行数据，通过机器学习算法预测各储能模块在各时间窗口内的性能变化趋势，得到性能预测结果；
25、利用所述性能预测结果对阶段性调度方案进行动态调整，得到动态阶段性调度方案；
26、利用所述动态阶段性调度方案，结合储能方舱的实时运行数据，通过滚动优化机制动态调整调度指令，生成目标阶段性调度方案。
27、可选地，根据所述阶段性调度方案，采用混合整数线性规划算法，结合储能方舱的历史运行数据和实时运行状态，进行多目标优化求解，生成初步的储能模块调度方案，包括：
28、利用所述阶段性调度方案，结合储能方舱的历史运行数据和实时运行状态，对储能方舱的运行特性进行分析，得到运行特性分析结果；
29、利用所述运行特性分析结果对混合整数线性规划算法的目标函数进行定制化设计，得到定制化的多目标优化模型；
30、利用所述定制化的多目标优化模型，结合阶段性调度方案中的时间窗口，进行多目标优化求解，生成初步的多目标优化结果；
31、利用所述初步的多目标优化结果，结合储能方舱的健康状态评估结果，对优化结果进行细化，得到细化多目标优化结果；
32、基于所述细化多目标优化结果，通过层次分析法对多个初步调度方案进行综合评估，得到评估后的初步调度方案；
33、利用所述评估后的初步调度方案，结合储能方舱的实时运行数据，进行动态调整，生成初步的储能模块调度方案。
34、可选地，其特征在于，基于所述健康指数和所述实时电力需求数据，采用遗传算法动态调整各储能模块的充放电策略，得到充放电计划，利用所述充放电计划，结合深度学习技术对预设的时间范围内的电力供需变化趋势进行预测，生成电力需求预测结果，包括：
35、利用所述健康指数和所述实时电力需求数据，通过遗传算法对各储能模块的充放电策略进行动态调整，得到初步的充放电计划；
36、利用所述初步的充放电计划，结合储能方舱的实时运行状态和历史运行数据，通过深度学习技术对预设时间范围内的电力供需变化趋势进行预测，得到初步的电力需求预测结果；
37、利用所述初步的电力需求预测结果，对初步的充放电计划进行优化，得到优化后的充放电计划；
38、利用所述优化后的充放电计划，再次通过深度学习技术对预设时间范围内的电力供需变化趋势进行预测，生成目标电力需求预测结果。
39、可选地，实施所述储能模块的调度指令，通过本文档来自技高网...
【技术保护点】
1.一种模块化储能方舱的运行控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述电力需求预测结果，采用混合整数线性规划算法确认最优储能模块调度方案，得到储能模块的调度指令，包括：
3.根据权利要求2所述的方法，其特征在于，基于所述调度方案风险评估结果，运用混合整数线性规划算法求解多目标优化模型，生成初始储能模块调度方案，包括：
4.根据权利要求3所述的方法，其特征在于，利用所述多目标优化模型，通过引入时间窗口滚动优化机制，对调度方案进行分阶段优化计算，得到阶段性调度方案，包括：
5.根据权利要求3所述的方法，其特征在于，根据所述阶段性调度方案，采用混合整数线性规划算法，结合储能方舱的历史运行数据和实时运行状态，进行多目标优化求解，生成初步的储能模块调度方案，包括：
6.根据权利要求1所述的方法，其特征在于，基于所述健康指数和所述实时电力需求数据，采用遗传算法动态调整各储能模块的充放电策略，得到充放电计划，利用所述充放电计划，结合深度学习技术对预设的时间范围内的电力供需变化趋势进行预测，生成电力
7.根据权利要求1所述的方法，其特征在于，实施所述储能模块的调度指令，通过在线学习不断优化决策过程，利用强化学习的自适应控制策略，生成最佳控制指令，包括：
8.一种模块化储能方舱的运行控制系统，其特征在于，包括：
9.一种计算设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1～7任一项所述的一种模块化储能方舱的运行控制方法。
10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被计算机执行时，实现如权利要求1～7任一项所述的一种模块化储能方舱的运行控制方法。
...【技术特征摘要】
1.一种模块化储能方舱的运行控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述电力需求预测结果，采用混合整数线性规划算法确认最优储能模块调度方案，得到储能模块的调度指令，包括：
3.根据权利要求2所述的方法，其特征在于，基于所述调度方案风险评估结果，运用混合整数线性规划算法求解多目标优化模型，生成初始储能模块调度方案，包括：
4.根据权利要求3所述的方法，其特征在于，利用所述多目标优化模型，通过引入时间窗口滚动优化机制，对调度方案进行分阶段优化计算，得到阶段性调度方案，包括：
5.根据权利要求3所述的方法，其特征在于，根据所述阶段性调度方案，采用混合整数线性规划算法，结合储能方舱的历史运行数据和实时运行状态，进行多目标优化求解，生成初步的储能模块调度方案，包括：
6.根据权利要求1所述的方法，其特征在于，基于所述健康指数和...
【专利技术属性】
技术研发人员：黄余红，谌云云，黄昊，钱宇琪，柳彦江，王硕男，
申请(专利权)人：中船海神医疗科技有限公司，
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。