張繼元 孫建旸 王衛(wèi)宏

基于儲(chǔ)能云架構(gòu)的能源工業(yè)互聯(lián)網(wǎng)平臺(tái)研究與應(yīng)用

張繼元1,2孫建旸1王衛(wèi)宏1,2

（1. 智光研究院（廣州）有限公司，廣州 510000；2. 廣州智光電氣股份有限公司，廣州 510000）

儲(chǔ)能系統(tǒng)是實(shí)現(xiàn)能源互聯(lián)網(wǎng)的重要環(huán)節(jié)，隨著對(duì)電池運(yùn)行特性、機(jī)理模型和預(yù)防性診斷研究的深入，通過大數(shù)據(jù)和人工智能的融合，可形成更加數(shù)字化、智能化的儲(chǔ)能信息物理系統(tǒng)。因此，基于工業(yè)互聯(lián)網(wǎng)理念，本文首先提出儲(chǔ)能云架構(gòu)的電池管理系統(tǒng)，實(shí)現(xiàn)設(shè)備泛在接入、大數(shù)據(jù)分析、能量管理、智能評(píng)估等功能，接著闡述儲(chǔ)能云的功能框架，以及典型應(yīng)用場(chǎng)景，最后介紹能源工業(yè)互聯(lián)網(wǎng)平臺(tái)及其應(yīng)用部署。在平臺(tái)基礎(chǔ)上，以儲(chǔ)能智能控制為核心，協(xié)調(diào)光伏、用電負(fù)荷的運(yùn)行。案例驗(yàn)證結(jié)果表明，平臺(tái)能夠?qū)?chǔ)能系統(tǒng)進(jìn)行狀態(tài)感知和優(yōu)化控制，實(shí)施園區(qū)需量控制與峰谷價(jià)差策略，實(shí)現(xiàn)園區(qū)綜合能源的經(jīng)濟(jì)運(yùn)行。

儲(chǔ)能系統(tǒng)；云架構(gòu)；工業(yè)互聯(lián)網(wǎng)；泛在接入；優(yōu)化控制

0 引言

以物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)為驅(qū)動(dòng)力的“第四次工業(yè)革命”，在帶來(lái)深刻產(chǎn)業(yè)變革的同時(shí)將引領(lǐng)全球數(shù)字化轉(zhuǎn)型[1-2]。我國(guó)也在積極布局推進(jìn)數(shù)字化技術(shù)、工業(yè)互聯(lián)網(wǎng)等創(chuàng)新應(yīng)用[3]。隨著互聯(lián)網(wǎng)技術(shù)深度參與到工業(yè)生產(chǎn)、能源領(lǐng)域，能源系統(tǒng)中數(shù)字與物理的互聯(lián)更加緊密。儲(chǔ)能系統(tǒng)作為未來(lái)電力系統(tǒng)的重要支撐，不僅適用于從電動(dòng)汽車到電網(wǎng)規(guī)模的能源儲(chǔ)存，也是消納新能源出力的重要途徑。然而隨著儲(chǔ)能裝機(jī)規(guī)模的擴(kuò)大及電池單體數(shù)量的增加，本地監(jiān)控系統(tǒng)已經(jīng)難以滿足大規(guī)模儲(chǔ)能應(yīng)用場(chǎng)景下，在計(jì)算資源和海量歷史數(shù)據(jù)存儲(chǔ)方面的需求。

因此，隨著數(shù)據(jù)驅(qū)動(dòng)及人工智能技術(shù)的發(fā)展，需要對(duì)儲(chǔ)能進(jìn)行更精確、智能的評(píng)估和控制[4-5]，以進(jìn)一步挖掘儲(chǔ)能數(shù)據(jù)資產(chǎn)價(jià)值。隨著物聯(lián)網(wǎng)（internet of things, IoT）技術(shù)的推廣，能源工業(yè)互聯(lián)網(wǎng)將有助于儲(chǔ)能物理實(shí)體在數(shù)字空間中的映射，描繪儲(chǔ)能設(shè)備的全生命周期運(yùn)行特征[6]。鑒于鋰離子電池的高度非線性及退化特征，電池管理系統(tǒng)（battery management system, BMS）可以通過物聯(lián)網(wǎng)技術(shù)[7]和云計(jì)算進(jìn)行創(chuàng)新性的變革，通過將電池相關(guān)數(shù)據(jù)匯總到邊緣側(cè)，并無(wú)縫傳輸?shù)皆破脚_(tái)，可以克服本地計(jì)算能力和數(shù)據(jù)存儲(chǔ)能力的不足，同時(shí)在云平臺(tái)進(jìn)行建模[8]，通過云診斷電池單元體內(nèi)部狀態(tài)，并結(jié)合人工智能實(shí)現(xiàn)系統(tǒng)評(píng)估和優(yōu)化。

儲(chǔ)能云管理系統(tǒng)基于大云物移等先進(jìn)技術(shù)，將設(shè)備、用戶和數(shù)據(jù)連接融合，具有實(shí)時(shí)監(jiān)控、生命周期管理、故障檢測(cè)、狀態(tài)評(píng)估等優(yōu)勢(shì)[9]。文獻(xiàn)[10]針對(duì)分布式儲(chǔ)能參與下的多種資源協(xié)調(diào)優(yōu)化展開仿真研究，尚未利用云端進(jìn)行統(tǒng)一的云計(jì)算服務(wù)。文獻(xiàn)[11]提出基于物聯(lián)網(wǎng)的電池監(jiān)測(cè)系統(tǒng)，研究了云端系統(tǒng)的通信信道和采集技術(shù)，分析微電網(wǎng)中電池運(yùn)行數(shù)據(jù)和特征。文獻(xiàn)[12]提出基于云平臺(tái)的電池狀態(tài)監(jiān)測(cè)和故障診斷，在平臺(tái)中構(gòu)建了狀態(tài)監(jiān)測(cè)和基于離群點(diǎn)挖掘的電池故障識(shí)別策略。而如何評(píng)估儲(chǔ)能運(yùn)行狀態(tài)，并智能化地參與電網(wǎng)互動(dòng)、優(yōu)化調(diào)節(jié)，將是儲(chǔ)能運(yùn)行研究的重點(diǎn)與挑戰(zhàn)。

本文提出儲(chǔ)能云架構(gòu)，通過與數(shù)據(jù)、模型、算法融合，構(gòu)建能源工業(yè)互聯(lián)網(wǎng)平臺(tái)，克服本地計(jì)算和數(shù)據(jù)存儲(chǔ)的瓶頸。首先闡述儲(chǔ)能云管理系統(tǒng)的總體架構(gòu)，包含終端設(shè)備、邊緣側(cè)、云平臺(tái)及可視化等部分，實(shí)現(xiàn)設(shè)備泛在接入、高效數(shù)據(jù)采集與處理、云端評(píng)估與控制優(yōu)化等功能；在此基礎(chǔ)上開展云架構(gòu)技術(shù)在儲(chǔ)能行業(yè)的應(yīng)用探討，并通過平臺(tái)實(shí)時(shí)掌握儲(chǔ)能運(yùn)行態(tài)勢(shì)，提高儲(chǔ)能充放電的安全可靠性，驗(yàn)證云端優(yōu)化策略的有效性。

1 儲(chǔ)能云管理系統(tǒng)

通過數(shù)據(jù)上云實(shí)現(xiàn)電池物理系統(tǒng)與虛擬鏡像的連接。相較于本地端BMS，云計(jì)算可以進(jìn)一步增強(qiáng)數(shù)據(jù)計(jì)算、存儲(chǔ)能力，提高系統(tǒng)的可靠性。通過云邊協(xié)同，能夠利用更先進(jìn)的算法提高本地BMS的性能。同時(shí)，基于大數(shù)據(jù)的智能診斷、壽命預(yù)測(cè)和系統(tǒng)優(yōu)化等在本地BMS中難以實(shí)現(xiàn)的功能，也能夠利用云端資源優(yōu)勢(shì)得以實(shí)現(xiàn)。儲(chǔ)能云總體架構(gòu)如圖1所示，其中包括儲(chǔ)能終端設(shè)備、邊緣通信側(cè)、云平臺(tái)應(yīng)用服務(wù)層及前端可視化，系統(tǒng)采用工業(yè)互聯(lián)網(wǎng)技術(shù)，結(jié)合高級(jí)計(jì)算、數(shù)據(jù)分析、物聯(lián)網(wǎng)傳感技術(shù)及大云物智移等互聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)儲(chǔ)能電站終端設(shè)備的泛在接入、狀態(tài)感知、實(shí)時(shí)監(jiān)視、調(diào)度控制、故障診斷等功能，為電站提供智能運(yùn)維及電池生命周期管理服務(wù)[13]。

圖1 儲(chǔ)能云總體架構(gòu)

1.1 終端設(shè)備

終端設(shè)備包括儲(chǔ)能系統(tǒng)運(yùn)行所需的能量管理系統(tǒng)（energy management system, EMS）、功率控制系統(tǒng)（power control system, PCS）、電池管理系統(tǒng)、空調(diào)系統(tǒng)和消防系統(tǒng)等各種配套設(shè)備。

其中，EMS是實(shí)現(xiàn)設(shè)備啟停、功率調(diào)節(jié)的能量管理控制設(shè)備，同時(shí)可以對(duì)接多能源設(shè)備的泛在接入，接收底層設(shè)備的數(shù)據(jù)上送，實(shí)時(shí)遠(yuǎn)程遙調(diào)、遙控等。同時(shí)與上層調(diào)度交互進(jìn)行數(shù)據(jù)傳輸與交換。從底層實(shí)現(xiàn)的角度來(lái)看，EMS一方面獲取PCS、BMS等設(shè)備的實(shí)時(shí)運(yùn)行數(shù)據(jù)，另一方面根據(jù)控制邏輯或調(diào)度策略下發(fā)控制指令，實(shí)現(xiàn)儲(chǔ)能電站的啟停邏輯、功率調(diào)節(jié)和充放電等操作。

針對(duì)儲(chǔ)能電站在不同的放電深度（depth of discharge, DoD）和動(dòng)態(tài)變化復(fù)雜條件下的長(zhǎng)期運(yùn)行，需要更加先進(jìn)的電池診斷、評(píng)估和優(yōu)化策略。而現(xiàn)有EMS方案在計(jì)算能力和存儲(chǔ)空間方面都難以滿足日益增長(zhǎng)的需求，因此可與云端協(xié)同部署，實(shí)現(xiàn)計(jì)算資源、存儲(chǔ)空間可彈性擴(kuò)容，利用大數(shù)據(jù)分析評(píng)估、預(yù)防性診斷技術(shù)，提高電池充放電的安全性和可靠性。

1.2 邊緣側(cè)

邊緣側(cè)指的是通信網(wǎng)絡(luò)邊緣上的計(jì)算和存儲(chǔ)資源，能夠在儲(chǔ)能系統(tǒng)就地端進(jìn)行實(shí)時(shí)數(shù)據(jù)存儲(chǔ)、聚合和分析，同時(shí)與云端相連，與接收遠(yuǎn)程監(jiān)控和控制的其他設(shè)備進(jìn)行通信和交互。因此，穩(wěn)定的連接對(duì)于實(shí)時(shí)數(shù)據(jù)傳輸與指令交互至關(guān)重要。

邊緣計(jì)算用于對(duì)儲(chǔ)能系統(tǒng)現(xiàn)場(chǎng)的信息收集，支持Modbus、BACnet、OPCUA、IEC101、IEC104、DNP等協(xié)議，兼容不同通信介質(zhì)（以太網(wǎng)、RS232/ 422/485、CAN等），采用消息隊(duì)列遙測(cè)傳輸（message queuing telemetry transport, MQTT）協(xié)議，完成數(shù)據(jù)的解析、預(yù)處理、轉(zhuǎn)發(fā)，實(shí)現(xiàn)設(shè)備與云平臺(tái)之間的數(shù)據(jù)傳輸。

通過邊緣側(cè)實(shí)現(xiàn)云邊協(xié)同的功能，如圖2所示。通過本地BMS控制儲(chǔ)能電池的充放電，并根據(jù)工作模式調(diào)整運(yùn)行策略，確保系統(tǒng)運(yùn)行安全可靠；同時(shí)，在云端構(gòu)建儲(chǔ)能數(shù)字孿生，基于大數(shù)據(jù)統(tǒng)計(jì)分析系統(tǒng)運(yùn)行態(tài)勢(shì)，以優(yōu)化運(yùn)行參數(shù)和閾值，提前發(fā)現(xiàn)電池異常狀態(tài)并報(bào)警。通過云端進(jìn)行模型訓(xùn)練，在線識(shí)別、更新電池特征參數(shù)，最終由云端下發(fā)指令和更新模型參數(shù)，經(jīng)過邊緣側(cè)轉(zhuǎn)發(fā)至本地控制終端，從而提升電池狀態(tài)的評(píng)估精度及系統(tǒng)性能，延緩電池的壽命衰減。

圖2 云邊協(xié)同

1.3 云平臺(tái)

云平臺(tái)具有彈性存儲(chǔ)和強(qiáng)計(jì)算處理能力，能夠?qū)崿F(xiàn)物聯(lián)網(wǎng)設(shè)備的快速接入和數(shù)據(jù)分析。因此基于微服務(wù)技術(shù)設(shè)計(jì)平臺(tái)整體功能，以系統(tǒng)中每一個(gè)獨(dú)立組件作為一套微型服務(wù)進(jìn)行獨(dú)立部署，每一個(gè)微服務(wù)擁有獨(dú)立的數(shù)據(jù)源，并通過接口完成不同數(shù)據(jù)庫(kù)之間的數(shù)據(jù)讀寫，獲取儲(chǔ)能系統(tǒng)產(chǎn)生的大量非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，提供高性能數(shù)據(jù)存儲(chǔ)方案，根據(jù)應(yīng)用場(chǎng)景的不同，將不同類型、格式、應(yīng)用的數(shù)據(jù)分別存儲(chǔ)在分布式文件系統(tǒng)（hadoop distributed file system, HDFS）、MongoDB等。

從功能實(shí)現(xiàn)角度，云端可根據(jù)不同業(yè)務(wù)邏輯，劃分為數(shù)據(jù)離線批處理服務(wù)、Flink實(shí)時(shí)流計(jì)算服務(wù)，以及分布式可擴(kuò)展的實(shí)時(shí)智能分析等服務(wù)，以此支撐諸如區(qū)域內(nèi)儲(chǔ)能電站全量數(shù)據(jù)的轉(zhuǎn)發(fā)、存儲(chǔ)、分析和評(píng)估等的功能需求。

從儲(chǔ)能業(yè)務(wù)層面，儲(chǔ)能云平臺(tái)將助力解決如系統(tǒng)方案、運(yùn)行監(jiān)測(cè)、智能調(diào)度、預(yù)測(cè)性維護(hù)、故障預(yù)測(cè)、效益提升、數(shù)字孿生等各類功能應(yīng)用問題。

1.4 可視化

Web與App端是云平臺(tái)和用戶之間的紐帶，不僅可以提供電池實(shí)時(shí)數(shù)據(jù)的可視化、狀態(tài)的變化趨勢(shì)，同時(shí)篩選過濾眾多歷史運(yùn)行數(shù)據(jù)，設(shè)置報(bào)警區(qū)間和閾值，通過界面提醒運(yùn)維人員提前對(duì)系統(tǒng)進(jìn)行故障識(shí)別，降低破壞性影響的概率，從而提高系統(tǒng)的可靠性，減少維護(hù)成本。

2 工業(yè)互聯(lián)網(wǎng)平臺(tái)

工業(yè)互聯(lián)網(wǎng)平臺(tái)如圖3所示，包含四大要素：設(shè)備數(shù)據(jù)采集（邊緣計(jì)算層）、基礎(chǔ)設(shè)施服務(wù)（infrastructure as a service, IaaS）層、平臺(tái)服務(wù)（platform as a service, PaaS）層和應(yīng)用（software as a service, SaaS）層。數(shù)據(jù)采集是其中的基石，通過準(zhǔn)確高效的數(shù)據(jù)通信體系，獲取實(shí)時(shí)數(shù)據(jù)，協(xié)議報(bào)文經(jīng)過轉(zhuǎn)換及邊緣層的計(jì)算后，需本地處理的數(shù)據(jù)直接返回設(shè)備，而篩選出的多維度、高價(jià)值數(shù)據(jù)則上傳到云端進(jìn)一步分析，以輔助系統(tǒng)的智能診斷評(píng)估。IaaS層是基礎(chǔ)設(shè)施支撐，通過虛擬化技術(shù)將計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等資源池化，提供彈性化、分布式的資源服務(wù)。PaaS層是核心，是實(shí)現(xiàn)應(yīng)用與開發(fā)的基礎(chǔ)平臺(tái)，在此之上構(gòu)建操作系統(tǒng)。SaaS層是關(guān)鍵，由于工業(yè)場(chǎng)景高度復(fù)雜，行業(yè)知識(shí)千差萬(wàn)別，在該層面上提供不同行業(yè)、場(chǎng)景的應(yīng)用服務(wù)，并以工業(yè)創(chuàng)新應(yīng)用的方式進(jìn)行呈現(xiàn)。

圖3 工業(yè)互聯(lián)網(wǎng)平臺(tái)

基于大數(shù)據(jù)驅(qū)動(dòng)的工業(yè)互聯(lián)網(wǎng)平臺(tái)，將儲(chǔ)能行業(yè)知識(shí)、電池機(jī)理模型、大數(shù)據(jù)能力、人工智能（artificial intelligence, AI）算法融合到一起。大數(shù)據(jù)處理首先獲取儲(chǔ)能實(shí)時(shí)數(shù)據(jù)，基于邊緣側(cè)進(jìn)行數(shù)據(jù)傳輸與存儲(chǔ)，同時(shí)基于數(shù)據(jù)分析電池的電壓、電流、溫度、極差、標(biāo)準(zhǔn)差，以及循環(huán)次數(shù)、放電倍率等，通過不同維度的集成后，生成儲(chǔ)能運(yùn)行狀態(tài)數(shù)據(jù)集。結(jié)合專家知識(shí)和特征值，建立算法模型，利用平臺(tái)的AI算法和彈性計(jì)算能力，評(píng)估電池一致性、容量電量衰減、內(nèi)阻演變趨勢(shì)等。進(jìn)一步地，基于儲(chǔ)能狀態(tài)評(píng)估，優(yōu)化調(diào)整儲(chǔ)能的充放電動(dòng)作，參與大電網(wǎng)的能量交互。

3 典型應(yīng)用場(chǎng)景

儲(chǔ)能系統(tǒng)能夠改變電力能源供給在時(shí)間、空間上的分布，從而緩解能源供需不平衡的沖突，儲(chǔ)能將成為能源互聯(lián)網(wǎng)中不可或缺的部分。為落實(shí)“碳達(dá)峰、碳中和”的行動(dòng)方案，本文研究?jī)?chǔ)能云平臺(tái)的幾種典型場(chǎng)景，對(duì)儲(chǔ)能的應(yīng)用各有側(cè)重。

3.1 集中式儲(chǔ)能電站

為推動(dòng)儲(chǔ)能系統(tǒng)與新能源協(xié)調(diào)運(yùn)行，需配置一定比例的電源側(cè)儲(chǔ)能，通過儲(chǔ)能電站的協(xié)同優(yōu)化運(yùn)行，保障新能源發(fā)電的實(shí)時(shí)消納和有效利用，為接入電網(wǎng)側(cè)提供電壓、頻率支撐和調(diào)節(jié)響應(yīng)。

儲(chǔ)能電站的管理，當(dāng)前需要加強(qiáng)對(duì)安全運(yùn)維、數(shù)據(jù)貫通、診斷分析等的深入研究，以實(shí)現(xiàn)儲(chǔ)能電站全方位監(jiān)控與管理，提高系統(tǒng)安全性[14]。

1）通過儲(chǔ)能云平臺(tái)，滿足設(shè)備狀態(tài)感知、專業(yè)分析、全生命周期性能等管理服務(wù)。實(shí)時(shí)查看運(yùn)行信息和狀態(tài)，通過終端控制系統(tǒng)充放電，配置工作模式，調(diào)整運(yùn)行策略，集中監(jiān)測(cè)和管控區(qū)域電站，實(shí)現(xiàn)能源高效利用，多源之間的共享和節(jié)能，輔助支撐電力系統(tǒng)的穩(wěn)定、安全、可靠運(yùn)行。

2）利用大數(shù)據(jù)分析，挖掘電芯內(nèi)部數(shù)學(xué)模型機(jī)理，統(tǒng)計(jì)系統(tǒng)各參數(shù)運(yùn)行分布情況，優(yōu)化參數(shù)和運(yùn)行閾值。建立設(shè)備檢修、運(yùn)維檔案，提供預(yù)防性診斷分析服務(wù)，提前發(fā)現(xiàn)安全隱患。

3）利用大數(shù)據(jù)、AI技術(shù)及時(shí)識(shí)別篩選出隱患電芯。構(gòu)建故障識(shí)別、預(yù)警、預(yù)測(cè)性維護(hù)模型，開展電池故障診斷、健康度評(píng)估、演變趨勢(shì)和預(yù)警判斷，提供儲(chǔ)能電站的高效運(yùn)維和輔助決策。

3.2 園區(qū)綜合能源

工業(yè)園區(qū)綜合能源服務(wù)，將能夠以儲(chǔ)能為調(diào)節(jié)核心，綜合協(xié)調(diào)可再生能源，搭建區(qū)域微電網(wǎng)系統(tǒng)，滿足園區(qū)充電設(shè)備、數(shù)據(jù)中心、制冷站等用戶用電需求，拓展儲(chǔ)能的不同應(yīng)用場(chǎng)景[15-16]。

1）通過云平臺(tái)，實(shí)現(xiàn)融合儲(chǔ)能系統(tǒng)的綜合能源服務(wù)，滿足園區(qū)用電功率實(shí)時(shí)平衡、重要設(shè)備的不間斷供電和新能源消納等，實(shí)現(xiàn)多能互補(bǔ)運(yùn)行。

2）滿足用電需求前提下，協(xié)調(diào)響應(yīng)不同電價(jià)機(jī)制，參與削峰填谷，減輕園區(qū)用電尖峰負(fù)荷，延緩變壓器擴(kuò)容，提高園區(qū)能量管理效益。

3）聚合分布式光伏、電動(dòng)汽車充電設(shè)施、用戶側(cè)儲(chǔ)能及分布式可控/可調(diào)設(shè)備等能源資源，結(jié)合業(yè)務(wù)創(chuàng)新，探索智慧能源、虛擬電廠[17]、園區(qū)微網(wǎng)[18]等多種商業(yè)模式。

3.3 電力現(xiàn)貨市場(chǎng)

儲(chǔ)能系統(tǒng)能夠?yàn)殡娏ζ胶馓峁┛焖夙憫?yīng)和能量支撐，在電力現(xiàn)貨市場(chǎng)體現(xiàn)電能價(jià)值。

1）儲(chǔ)能云平臺(tái)構(gòu)建多方參與、公平交易、效益為先的商業(yè)模式，根據(jù)實(shí)時(shí)的電力供需狀況，發(fā)現(xiàn)相對(duì)真實(shí)的電力價(jià)格，實(shí)現(xiàn)儲(chǔ)能資源優(yōu)化調(diào)配。

2）儲(chǔ)能系統(tǒng)主動(dòng)參與現(xiàn)貨市場(chǎng)，能夠降低由于供需關(guān)系出現(xiàn)價(jià)格大幅波動(dòng)和價(jià)格尖峰的頻率和程度，使電力負(fù)荷能夠規(guī)避尖峰的價(jià)格風(fēng)險(xiǎn)。

3）通過云平臺(tái)，整合不同類型規(guī)模的負(fù)荷，參與調(diào)峰調(diào)頻、電力市場(chǎng)等政策，通過聚合效應(yīng)，有效利用區(qū)域內(nèi)的能源，實(shí)現(xiàn)整體經(jīng)濟(jì)效益。

4 應(yīng)用案列

4.1 案例說明

在某園區(qū)建設(shè)了包含儲(chǔ)能、光伏、數(shù)據(jù)中心、充電樁等的需求側(cè)微電網(wǎng)能量管理工業(yè)互聯(lián)網(wǎng)平臺(tái)，實(shí)現(xiàn)園區(qū)綜合能源的削峰填谷、需量控制、節(jié)能運(yùn)行等應(yīng)用。光伏裝機(jī)容量100kWp，儲(chǔ)能系統(tǒng)裝機(jī)容量245kW/502kW·h，中央空調(diào)包含355kW離心機(jī)和199kW螺桿機(jī)，數(shù)據(jù)中心作為重要負(fù)荷24h運(yùn)行，功率維持在120kW左右。儲(chǔ)能系統(tǒng)由多個(gè)儲(chǔ)能子系統(tǒng)并聯(lián)，接入AC380V配電網(wǎng)。

園區(qū)主要電能量來(lái)源為電網(wǎng)和光伏發(fā)電，電網(wǎng)專用變壓器進(jìn)線容量為2×800kV·A，實(shí)施大工業(yè)兩部制電價(jià)，系統(tǒng)月均用電量超過120MW·h。同時(shí)配置柴油發(fā)電機(jī)，額定功率為550kW。搭建的園區(qū)需求側(cè)微電網(wǎng)能量管理工業(yè)互聯(lián)網(wǎng)平臺(tái)如圖4所示，負(fù)責(zé)數(shù)據(jù)采集、設(shè)備管理評(píng)估、功率控制和能量?jī)?yōu)化，實(shí)時(shí)獲取光伏、用電側(cè)、電網(wǎng)側(cè)等的功率，利用平臺(tái)智能算法，通過控制儲(chǔ)能充放電，實(shí)時(shí)調(diào)整園區(qū)功率潮流，響應(yīng)專用變壓器進(jìn)線的最大需量管理，并協(xié)調(diào)新能源發(fā)電和用電負(fù)荷的需求變化，維持園區(qū)能量平衡。

圖4 需求側(cè)微電網(wǎng)能量管理工業(yè)互聯(lián)網(wǎng)平臺(tái)展示

園區(qū)示范應(yīng)用擬建成微電網(wǎng)“虛擬電廠”運(yùn)營(yíng)，如圖5所示，通過“微電網(wǎng)+儲(chǔ)能”系統(tǒng)的深度融合，結(jié)合云端平臺(tái)的大數(shù)據(jù)、云計(jì)算技術(shù)，協(xié)調(diào)區(qū)域大量用戶的分布式發(fā)電、儲(chǔ)能、可調(diào)負(fù)荷等客戶資源，實(shí)現(xiàn)信息流與能量流的控制，建設(shè)“虛擬電廠”區(qū)域能源管理，實(shí)現(xiàn)日內(nèi)發(fā)電量預(yù)測(cè)、電力直接競(jìng)價(jià)交易、電力平衡兜底結(jié)算等參與電網(wǎng)、電力市場(chǎng)的電量交易與電力輔助服務(wù)，實(shí)現(xiàn)企業(yè)、區(qū)域能源系統(tǒng)的高效、經(jīng)濟(jì)運(yùn)行，創(chuàng)新價(jià)值，分享收益。

圖5 微電網(wǎng)“虛擬電廠”運(yùn)營(yíng)

4.2 分析決策與優(yōu)化控制

針對(duì)儲(chǔ)能的日常運(yùn)行數(shù)據(jù)，在云端對(duì)儲(chǔ)能數(shù)據(jù)進(jìn)行分析，評(píng)估診斷儲(chǔ)能性能，篩選偏離正常范圍及判定離群的電池電芯。圖6所示為儲(chǔ)能荷電狀態(tài)（state of charge, SOC）運(yùn)行曲線及其極差值，由于電池包內(nèi)部電芯本身差異、溫度差異等的不一致，導(dǎo)致電池簇之間的SOC存在差異。在充放電過程中的電壓平臺(tái)期，其一致性表現(xiàn)較為平緩；在充放電末端，由于串聯(lián)電芯的短板效應(yīng)，使對(duì)于SOC的評(píng)估存在不一致的情況。通過云端的實(shí)時(shí)診斷評(píng)估與建議，針對(duì)多儲(chǔ)能的SOC不一致性進(jìn)行優(yōu)化，提升系統(tǒng)整體性能、延長(zhǎng)使用壽命。

圖6 儲(chǔ)能SOC運(yùn)行曲線及其極差值

在本地控制端，SOC參數(shù)也作為控制輸入量，根據(jù)不一致程度，以不同權(quán)重調(diào)節(jié)分布式儲(chǔ)能的功率，可以顯著降低儲(chǔ)能設(shè)備的不一致程度及SOC極差值；在云端側(cè)，通過連續(xù)準(zhǔn)確的狀態(tài)監(jiān)測(cè)、指標(biāo)評(píng)估，實(shí)時(shí)輸出輔助決策意見。與本地側(cè)協(xié)調(diào)運(yùn)行，構(gòu)建云邊協(xié)同和數(shù)據(jù)驅(qū)動(dòng)的數(shù)字化儲(chǔ)能系統(tǒng)。

針對(duì)儲(chǔ)能簇內(nèi)所有電芯的溫度、電壓曲線進(jìn)行診斷，如圖7所示。通過相似性判斷、孤立森林算法，篩選出簇內(nèi)所有溫度測(cè)點(diǎn)、簇單元體電壓越限的電芯編號(hào)及頻次。由于安全運(yùn)行范圍隨著SOC不同狀態(tài)而變化，因此通過智能算法實(shí)時(shí)評(píng)估計(jì)算儲(chǔ)能運(yùn)行安全區(qū)間，并動(dòng)態(tài)地調(diào)整異常/離群點(diǎn)判斷閾值上、下限，進(jìn)行智能運(yùn)維。

圖7 儲(chǔ)能簇內(nèi)電芯溫度、電壓曲線

針對(duì)產(chǎn)業(yè)園10kV進(jìn)線的負(fù)荷曲線及其需量變化曲線進(jìn)行分析，并依據(jù)分時(shí)電價(jià)，通過儲(chǔ)能充放電進(jìn)行負(fù)荷轉(zhuǎn)移、最大需量削峰。在負(fù)荷低谷時(shí)段充電、高峰時(shí)段放電，實(shí)現(xiàn)儲(chǔ)能參與需量控制下的能量管理，優(yōu)化策略實(shí)施效果如圖8所示。

圖8為園區(qū)某日實(shí)際運(yùn)行數(shù)據(jù)，當(dāng)無(wú)儲(chǔ)能介入時(shí)，當(dāng)日負(fù)荷曲線的最大需量達(dá)到700kW。平臺(tái)執(zhí)行儲(chǔ)能參與需量管理的控制策略：在電價(jià)谷期，儲(chǔ)能進(jìn)行充電；隨著用電負(fù)荷增長(zhǎng)，臨近設(shè)定的最大需量閾值530kW，此時(shí)云端實(shí)時(shí)滾動(dòng)計(jì)算儲(chǔ)能輸出，并配合光伏功率進(jìn)行放電，將需量控制在限定值以下，當(dāng)需量降至限定值以下時(shí)，儲(chǔ)能停止放電；在電價(jià)峰期，儲(chǔ)能進(jìn)行放電，將剩余電量執(zhí)行峰谷價(jià)差套利。通過上述策略，能夠獲得需量管理和分時(shí)電價(jià)的綜合收益，實(shí)現(xiàn)企業(yè)與用戶互利共贏，驗(yàn)證了平臺(tái)策略的有效性與經(jīng)濟(jì)性。

圖8 儲(chǔ)能參與下的需量管理曲線

5 結(jié)論

本文基于儲(chǔ)能云數(shù)字化技術(shù)，通過云管理系統(tǒng)、大數(shù)據(jù)分析與人工智能技術(shù)的融合，助力解決儲(chǔ)能大規(guī)模應(yīng)用所面臨難題。本文提出了基于儲(chǔ)能云架構(gòu)的能源工業(yè)互聯(lián)網(wǎng)平臺(tái)，實(shí)現(xiàn)設(shè)備泛在接入、大數(shù)據(jù)分析、能量管理、優(yōu)化控制、智能評(píng)估等功能；基于儲(chǔ)能云總體架構(gòu)，詳細(xì)分析了云邊端各部分的組件和配置，并介紹了工業(yè)互聯(lián)網(wǎng)云平臺(tái)功能、數(shù)據(jù)分析計(jì)算流程，最后介紹了系統(tǒng)示范應(yīng)用。在平臺(tái)基礎(chǔ)上，構(gòu)建儲(chǔ)能智能充放電控制策略，以儲(chǔ)能為核心進(jìn)行削峰填谷與需量管理的運(yùn)行模式，有利于儲(chǔ)能系統(tǒng)的商業(yè)化推廣，可為實(shí)現(xiàn)更加智能和互聯(lián)的綜合能源系統(tǒng)工程提供應(yīng)用參考。

[1] 陳國(guó)平, 李明節(jié), 許濤, 等. 關(guān)于新能源發(fā)展的技術(shù)瓶頸研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2017, 37(1): 20-26.

[2] 吳建中. 歐洲綜合能源系統(tǒng)發(fā)展的驅(qū)動(dòng)與現(xiàn)狀[J]. 電力系統(tǒng)自動(dòng)化, 2016, 40(5): 1-7.

[3] 蒲天驕, 陳盛, 趙琦, 等. 能源互聯(lián)網(wǎng)數(shù)字孿生系統(tǒng)框架設(shè)計(jì)及應(yīng)用展望[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2021, 41(6): 2012-2028.

[4] 李欣然, 黃際元, 陳遠(yuǎn)揚(yáng), 等. 大規(guī)模儲(chǔ)能電源參與電網(wǎng)調(diào)頻研究綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2016, 44(7): 145-153.

[5] 葉小暉, 劉濤, 吳國(guó)旸, 等. 電池儲(chǔ)能系統(tǒng)的多時(shí)間尺度仿真建模研究及大規(guī)模并網(wǎng)特性分析[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2015, 35(11): 2635-2644.

[6] 馬釗, 周孝信, 尚宇煒, 等. 能源互聯(lián)網(wǎng)概念、關(guān)鍵技術(shù)及發(fā)展模式探索[J]. 電網(wǎng)技術(shù), 2015, 39(11): 3014-3022.

[7] BOTTA A, DE DONATO W, PERSICO V, et al. Integration of cloud computing and internet of things: a survey[J]. Future Generation Computer Systems, 2016, 56: 684-700.

[8] GRIEVES M, VICKERS J. Digital twin: mitigating unpredictable, undesirable emergent behavior in complex systems[M]//Transdisciplinary Perspectives on Complex Systems. Cham: Springer, 2017: 85-113.

[9] ERDINC O, PATERAKIS N G, MENDES T D P, et al. Smart household operation considering bi-directional EV and ESS utilization by real-time pricing-based DR[J]. IEEE Transactions on Smart Grid, 2015, 6(3): 1281-1291.

[10] 張永旺, 趙偉, 肖勇, 等. 基于分層架構(gòu)的大規(guī)模電動(dòng)汽車有序充電仿真平臺(tái)[J]. 電網(wǎng)技術(shù), 2015, 39(1): 55-62.

[11] FRIANSA K, HAG I N, SANTI B M, et al. Development of battery monitoring system in smart microgrid based on internet of things (IoT)[J]. Procedia Engineering, 2017, 170: 482-487.

[12] KIM T, MAKWANA D, ADHIKAREE A, et al. Cloud-based battery condition monitoring and fault diagnosis platform for large-scale lithium-ion battery energy storage systems[J]. Energies, 2018, 11(1): 125.

[13] 康重慶, 劉靜琨, 張寧, 等. 未來(lái)電力系統(tǒng)儲(chǔ)能的新形態(tài): 云儲(chǔ)能[J]. 電力系統(tǒng)自動(dòng)化, 2017, 41(21): 2-8.

[14] 李琳, 秦澤宇, 劉嘯, 等. 電網(wǎng)側(cè)儲(chǔ)能電站監(jiān)控信息接入驗(yàn)收管控方法研究[J]. 電氣技術(shù), 2021, 22(7): 7-12.

[15] 王昀, 謝海鵬, 孫嘯天, 等. 計(jì)及激勵(lì)型綜合需求響應(yīng)的電-熱綜合能源系統(tǒng)日前經(jīng)濟(jì)調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(9): 1926-1934.

[16] 周長(zhǎng)城, 馬溪原, 郭祚剛, 等. 面向工程應(yīng)用的用戶級(jí)綜合能源系統(tǒng)規(guī)劃[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(13): 2843-2854.

[17] 徐峰, 何宇俊, 李建標(biāo), 等. 考慮需求響應(yīng)的虛擬電廠商業(yè)機(jī)制研究綜述[J]. 電力需求側(cè)管理, 2019, 21(3): 2-6.

[18] 傅曉梅, 溫步瀛, 唐雨晨, 等. 考慮電池儲(chǔ)能運(yùn)行特性的微網(wǎng)優(yōu)化運(yùn)行[J]. 電氣技術(shù), 2021, 22(4): 12-19.

Research and application of the energy industry internet platform based on energy storage cloud architecture

ZHANG Jiyuan1,2SUN Jianyang1WANG Weihong1,2

(1. Zhiguang Research Institute (Guangzhou) Co., Ltd, Guangzhou 510000;2. Guangzhou Zhiguang Electric Incorporated Company, Guangzhou 510000)

Energy storage system has been playing an important part in implementation of energy interconnection. With the in-depth research on battery characteristics, mechanism model and predictive diagnosis, a more digital and intelligent energy storage cyber-physical system can be obtained through the integration of big data technology and artificial intelligence. Therefore, according to the concept of the industrial internet, a battery management system based on energy storage cloud architecture is proposed to achieve ubiquitous device access, big data analysis, energy management, intelligent evaluation and other functions. Furthermore, the functional framework and typical application scenarios of energy storage cloud-computing are represented. Finally, the energy industry internet platform is introduced. A flexible and interactive intelligent control system of energy storage, which can participate in the control of demanded quantities and peak shaving, is established to coordinate the operation of photovoltaic and electricity load. The verification results show that the energy industry internet platform can realize economical operation of comprehensive energy.

energy storage system; cloud architecture; the industry internet; ubiquitous access; optimal control

2022-01-24

2022-03-31

張繼元（1990—），男，江西省贛州市人，博士，高級(jí)工程師，主要從事能源互聯(lián)網(wǎng)與智能電網(wǎng)方面的研究工作。