一种构网型储能系统及其控制方法与流程

本发明涉及智能电网，尤其涉及一种构网型储能系统及其控制方法。

背景技术：

1、智能电网技术领域专注于通过集成数字通信和信息技术到电力网络中，以增强电网的管理效率和可靠性，技术领域使得电网能够自动监控能源的流动和电力系统的状态，实时调节和优化能源的供应和消费。智能电网支持更多的可再生能源接入，如风能和太阳能，从而减少对化石燃料的依赖，智能电网还能提高电网的经济性和环境可持续性，提供更好的电力质量和供电可靠性，以及增强对电网故障的响应能力。通过引入先进的计量设施、需求响应技术和自动化管理，智能电网旨在实现一个更加互动、自动化和高效的电力系统。

2、其中，构网型储能系统是一个设计用于优化电力储存和分配的高度模块化和自动化的电力系统，该系统通过在多个存储单元之间实时交换状态和需求信息，能够迅速响应电力需求变化，有效地优化能源配置和提高系统整体效率，这种系统特别适用于需要高度能源管理灵活性的环境，如配备有可再生能源发电的智能电网，主要用途包括提高能源利用效率，确保电网的稳定运行，促进可再生能源的整合，从而支持可持续的能源发展策略。

3、现有的构网型储能系统提高电力系统的互动性和自动化水平，但在处理批量实时数据和进行高效能源分配方面仍存在局限，现有系统中的数据处理依赖于传统的批处理方法，这导致数据处理存在延迟，难以实现实时的能源管理和调度，现有技术在事件响应机制方面也显示出不足，尤其是在电网故障或需求剧增时，现有系统的反应速度和资源调配效率仍不足以应对高峰时段的挑战，技术限制不仅增加了能源的浪费，还影响电网的稳定性和电力供应的可靠性，在智能电网技术中，虽然增加可再生能源的接入，但在高度可变的能源输入和复杂的电网环境下，现有的调度和监控系统难以准确预测和管理动态变化，从而影响整个电网的效率和经济性。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的一种构网型储能系统及其控制方法。

2、为了实现上述目的，本发明采用了如下技术方案：一种构网型储能系统包括：

3、数据接口与流转模块基于储能单元数据，对储能单元的电压、电流、温度、剩余容量的关键参数进行json格式化，数据通过tcp/ip协议发送至中心控制配置中，得到编码数据流，并输入到apache kafka消息队列中，获取队列数据流；

4、状态分析与预测模块将所述队列数据流输入基于spark streaming的实时数据处理引擎，对电压、电流、温度和容量数据进行分析，得到状态时间序列分析结果，基于所述状态时间序列分析结果，动态估算每个单元的能源需求，获取需求预测结果；

5、事件响应与策略调整模块基于所述需求预测结果，识别能源需求峰值和突发批量用电事件，并对事件模式进行匹配，使用esper引擎执行事件处理，得到事件响应决策，利用所述事件响应决策调整能源供应，获取优化能源分配方案；

6、能源调度与管理模块接收所述优化能源分配方案，根据需求调整充放电策略，记录能源流动状态，分析储能充放电效率和适应性，得到智能网格储能充放电调度数据结果。

7、作为本发明的进一步方案，所述队列数据流的获取步骤具体为：

8、基于储能单元数据，通过格式化函数，将储能单元的每个关键参数值转换成json对象的属性，采用公式：

9、，

10、生成格式化后的数据包，其中，k表示关键参数，表示参数k的实时数值，f表示数据格式化函数，表示参数k的权重，n表示参数总数，表示格式化后的数据包；

11、利用发送函数，将所述格式化后的数据包通过tcp/ip协议发送，通过公式：

12、，

13、生成编码后的数据流，其中，表示第i个格式化数据包，n表示数据包数量，s表示发送函数，表示编码后的数据流；

14、将所述编码后的数据流输入到apache kafka消息队列中，利用队列函数，采用公式：

15、，

16、生成队列数据流，其中，表示编码后的数据流，q表示队列函数，l表示负载因子，表示队列数据流。

17、作为本发明的进一步方案，所述状态时间序列分析结果的获取步骤具体为：

18、将所述队列数据流通过spark streaming引擎进行实时处理，应用转换函数并结合调节参数调整数据流的处理速度和响应性，采用公式：

19、，

20、生成处理后的数据流，是基线调节因子，和k是动态调节参数，计算队列长度，表示处理后的数据流，表示输入的队列数据流，为实时处理的转换函数；

21、从处理后的数据流中提取关键电气特征，包括电压、电流、温度和容量，结合特征权重进行加权，通过公式：

22、，

23、生成数据流特征集，其中，h是特征提取函数，为特征权重，z是归一化常数，表示数据流特征集，分别为电压、电流、温度和容量；

24、对所述数据流特征集进行时间序列分析，利用分析函数并结合时间因子，采用公式：

25、，

26、生成状态时间序列分析结果，其中，t表示时间变量，是衰减常数，是时间影响强度因子，表示状态时间序列分析结果，表示数据流特征集，m表示时间序列分析函数。

27、作为本发明的进一步方案，所述需求预测结果的获取步骤具体为：

28、从所述状态时间序列分析结果中整合每个单元的能源数据，利用增强整合函数将历史数据与当前数据结合，通过公式：

29、，

30、生成整合后的数据，其中，代表第i个单元的历史能源需求，n是单元总数，表示状态时间序列分析结果，f表示增强型整合函数，表示整合后的数据；

31、将预测模型应用于所述整合后的数据中，动态计算未来时间段内的需求，通过公式：

32、，

33、生成预测能源需求，其中，是时间衰减常数，t是从数据整合至预测时刻的时间间隔，表示预测能源需求，表示整合后的数据，p表示需求预测模型；

34、将预测能源需求格式化输出，匹配至能源单元管理配置中，通过公式：

35、，

36、生成需求预测结果，其中，format是格式化函数，是格式化参数，表示需求预测结果，表示预测能源需求。

37、作为本发明的进一步方案，所述事件响应决策的获取步骤具体为：

38、使用所述需求预测结果，定义能源需求峰值和识别突发批量用电事件，应用阈值识别方法，通过公式：

39、，

40、生成事件模式，其中，是动态调整的需求峰值阈值，n表示时间序列中的数据点数量，表示事件模式，表示需求预测结果，x表示单个时间点的能源需求数据；

41、将所述事件模式应用于esper引擎进行模式匹配，识别关键能源事件，通过公式：

42、，

43、生成匹配后的事件，其中，是每个事件的重要性权重，是事件权重的和，表示匹配后的事件，表示事件模式，match表示esper引擎的模式匹配函数；

44、基于所述匹配后的事件，执行决策逻辑并响应识别的事件，生成事件响应决策，采用公式：

45、，

46、其中，k是调整系数，m表示匹配事件的数量，表示事件响应决策，表示匹配后的事件，decision表示应用于匹配事件的决策函数。

47、作为本发明的进一步方案，所述优化能源分配方案的获取步骤具体为：

48、从所述事件响应决策中提取数据，分析并识别需要调整的能源供应策略，通过公式：

49、，

50、生成分析后的能源数据，其中，表示第i个事件响应决策的数据，是调整系数，表示分析后的能源数据；

51、根据所述分析后的能源数据，调整能源供应策略，并匹配当前和预测的能源需求，通过公式：

52、，

53、生成调整后的供应数据，其中，m是调整能源供应的函数，表示调整后的供应数据，表示分析数据中的最大值，表示分析后的能源数据；

54、将所述调整后的供应数据转化为操作策略，采用公式：

55、，

56、形成优化能源分配方案，其中，是将供应调整转换为策略的函数，表示优化能源分配方案，表示调整后的供应数据，表示用于增强小值调整的对数变换，表示对数底数。

57、作为本发明的进一步方案，所述智能网格储能充放电调度数据结果的获取步骤具体为：

58、接收所述优化能源分配方案，并结合实时的能源消耗数据，形成汇总的数据视图，采用公式：

59、，

60、其中，表示汇总数据，表示第i个策略结果数据点，是对应的能源消耗数据，n是数据点的数量；

61、利用所述汇总的数据视图监控能源流动，并进行供应与需求之间的匹配，调整能源充放电，通过公式：

62、，

63、生成能源流动状态，其中，是每个数据点的权重因子，v是调节非线性响应的全局参数，表示能源流动状态，表示汇总数据；

64、基于所述能源流动状态，分析能源分配的效率和适应性，通过公式：

65、，

66、生成智能网格储能充放电调度数据结果，其中，是每个状态的效率基准，是用于适应性分析的系数，表示智能网格储能充放电调度数据结果，表示能源流动状态。

67、一种构网型储能控制方法，所述构网型储能控制方法基于上述构网型储能系统执行，包括以下步骤：

68、s1：通过控制接口收集储能单元的电压、电流、温度、剩余容量数据，将数据格式化为json并通过tcp/ip协议控制数据传输过程，优化数据包大小和传输频率并匹配网络条件，生成编码数据流；

69、s2：利用所述编码数据流，将数据输送入apache kafka进行控制处理，通过控制数据流在消息队列中的排序和错误检测，优化消息处理的可靠性，得到队列数据流；

70、s3：对所述队列数据流在spark streaming环境下进行数据控制分析，对电压、电流、温度和容量进行连续监控，分析参数的时间序列变化，控制并识别异常模式，生成状态时间序列分析结果；

71、s4：基于所述状态时间序列分析结果，控制需求预测的计算，定义并识别能源需求峰值和突发用电事件，控制对事件的实时响应处理，调整储能单元的输出配置，获取事件响应决策；

72、s5：采用所述事件响应决策控制储能的能源供应和输出，根据需求调整充放电策略，监控并控制网络的能源流动和消耗情况，分析并调整能源分配策略并优化储能控制配置性能，建立智能网格储能充放电调度数据结果。

73、与现有技术相比，本发明的优点和积极效果在于：

74、本发明中，通过实时的数据格式化和高效的信息流转，显著提升智能电网中的能源管理效率，采用json格式化的数据接口加上tcp/ip协议，确保数据的实时传输和准确性，利用apache kafka作为中枢的消息队列系统，优化数据处理流程，提高处理的吞吐量和减少系统的响应时间，从而使得电网能够更加高效地管理和调配资源。通过spark streaming进行的状态分析和需求预测，使得电网不仅能实时反应，还能预测未来的能源需求变化，这有助于提前调整资源配置，减少能源浪费。esper引擎的事件响应处理进一步加强系统对突发事件的适应能力，使电网在面对需求高峰或批量用电事件时，能够迅速有效地调整能源供应，提高电网的可靠性和经济性。

技术特征：

1.一种构网型储能系统，其特征在于，所述系统包括：

2.根据权利要求1所述的构网型储能系统，其特征在于，所述队列数据流的获取步骤具体为：

3.根据权利要求2所述的构网型储能系统，其特征在于，所述状态时间序列分析结果的获取步骤具体为：

4.根据权利要求3所述的构网型储能系统，其特征在于，所述需求预测结果的获取步骤具体为：

5.根据权利要求4所述的构网型储能系统，其特征在于，所述事件响应决策的获取步骤具体为：

6.根据权利要求5所述的构网型储能系统，其特征在于，所述优化能源分配方案的获取步骤具体为：

7.根据权利要求6所述的构网型储能系统，其特征在于，所述智能网格储能充放电调度数据结果的获取步骤具体为：

8.一种构网型储能控制方法，其特征在于，根据权利要求1-7任一项所述的构网型储能系统执行，包括以下步骤：

技术总结
本发明涉及智能电网技术领域，具体为一种构网型储能系统及其控制方法，系统包括数据接口与流转模块、状态分析与预测模块、事件响应与策略调整模块、能源调度与管理模块。本发明中，通过实时的数据格式化和高效的信息流转，显著提升智能电网中的能源管理效率，采用JSON格式化的数据接口与TCP/IP协议确保数据的实时传输和准确性，结合Apache Kafka优化数据处理流程，提高吞吐量和减少响应时间，使得电网能更高效地管理资源，通过Spark Streaming的状态分析和需求预测，电网能实时反应并预测能源需求变化，减少能源浪费，Esper引擎的事件响应处理提高了系统对突发事件的适应能力，使电网能在需求高峰时迅速调整能源供应，增强电网可靠性和经济性。

技术研发人员：周子冠,李绪明,朱亚萍,王秦,徐一平
受保护的技术使用者：北京国网电力技术股份有限公司
技术研发日：
技术公布日：2024/9/23