储能柜制造生产测试能耗协同调度管理系统及方法

摘要: 本发明涉及储能设备生产调度与能源管理交叉,具体涉及储能柜制造生产测试能耗协同调度管理系统及方法。背景技术:1、测试环节的用能成本已成为储能设备制造成本的重要组成...
储能柜制造生产测试能耗协同调度管理系统及方法

本发明涉及储能设备生产调度与能源管理交叉,具体涉及储能柜制造生产测试能耗协同调度管理系统及方法。

背景技术:

1、测试环节的用能成本已成为储能设备制造成本的重要组成部分。当前工业用户普遍执行分时电价与峰值需量电价政策,峰时段与谷时段价差较大,需量电费按照计费周期内最大需量进行收取,测试负荷的时序排布直接决定工厂整体用电成本。

2、现有技术中,储能设备的生产排产与充放电测试大多相互独立调度,分属两套业务管理流程,尚未实现生产资源、测试资源与厂内能源的协同优化。现有相关技术主要可以分为生产调度优化以及测试能量优化两大方向。

3、第一类:面向电池、储能产品的生产环节调度技术

4、该类技术重点关注产线产能约束与订单交付周期,以提升生产效率、保障交付周期为核心目标。

5、中国专利申请cn119784099a公开一种电池组多产线协同排产方法,通过构建以最小化产品延期时间和最小化工序切换时间为目标的多目标生产优化模型,采用交替迭代优化数学模型与启发式算法完成工序调整,以此缩短产品生产完工时间,降低订单交付延误风险。该方案的优势在于能够实现多条并行产线的资源配置优化,保障订单交付周期,同时支持物料库存预警、设备故障等异常场景下的动态排产调整。但该专利仅针对生产工序开展调度,没有考虑后续充放电测试环节带来的用电负荷与电费成本,生产计划与测试计划相互割裂,无法站在全厂视角实现工期与能源成本的联合优化。

6、中国专利申请cn120087729a公开一种基于深度学习的锂电池行业mes系统排产方法,融合双塔siamese网络、transformer-xl长序列建模与神经图灵机构建智能排产模型,能够挖掘长周期生产依赖关系,提升生产调度的智能化水平与生产扰动下的动态适应性。该技术的优点是可以应对产线现场的动态扰动,输出实时调度方案。但其优化边界同样局限于生产制造环节,未关联后端充放电测试工序,不能兼顾测试阶段的能源开销。

7、第二类:储能产品充放电测试的能量优化技术

8、常规企业不逆流上网,储能设备测试过程中产生的放电能量若直接回馈电网无法折算为用电收益,反而会增加电网侧管控风险与能量损耗,因此该类技术聚焦测试工位内部的能量回收与互济,主要解决测试过程能量浪费与电网冲击问题。

9、中国专利申请cn119199621a公开一种用于储能电池预制舱对拖试验的测试方法及测试平台,通过变流器控制系统构建两台预制舱之间的充放电测试回路,实现测试能量的内部循环,减轻测试过程对电网的冲击,减少放电能量浪费。该方案可以在有限工位配对条件下实现能量对拖,减少馈网电量。但是该方案仅支持固定工位的静态配对测试,没有考虑上游生产节拍带来的测试时间约束,不能根据生产完成时间动态调整测试时序;同时模型未引入分时电价、峰值需量电费等工业电价成本要素,无法面向大批量、多型号设备实现全周期用电成本最小化调度。

10、中国专利cn116365671b公开一种储能集装箱的pcs测试系统及方法,通过核算测试过程中的多余电量,对馈网功率进行限制,减轻测试过程对电网的冲击,减少放电能量浪费。该方案能够抑制测试工况下大功率电能回馈电网的问题。但是该方案仅针对单套或者小批量测试设备做功率管控,缺少面向全厂多工位、多设备的全局调度逻辑,没有将生产完工时序作为约束条件,也没有将分时电价、需量电费纳入优化目标。

11、综上所述,当前现有技术普遍存在生产制造环节与充放电测试环节割裂调度的缺陷。一方面会造成测试负荷在时间维度随机叠加,全厂购电功率峰值居高不下,带来高额的峰段电度电费以及需量电费;另一方面多台设备并行测试时天然具备的充放电对拖能量互济潜力没有得到充分挖掘,设备放电能量经常直接回馈电网造成能源浪费。因此本领域亟需一种同时耦合生产节拍约束、测试工位约束以及能源对拖约束的多阶段协同调度方案,在保障订单生产交付要求的基础上,充分挖掘设备之间能量互济能力,实现工厂购电成本与峰值需量的同步降低。

技术实现思路

1、本发明要解决的技术问题是:现有生产排产与充放电测试独立调度导致购电成本高、峰值需量大,且设备间充放电对托潜力未被利用的问题。为了解决上述问题,本发明提供储能柜制造生产测试能耗协同调度管理系统及方法,通过生产节拍、测试工位与能源对托的耦合调度及测试路径相位柔性调节,在保障交付周期的前提下显著提升充放电能量互济效率,降低购电成本与全厂峰值需量,同时可优化生产线与测试工位配置以平衡设备投资,适配不同规模的储能柜生产测试场景。

2、为实现上述目的,本发明采用如下技术方案。

3、储能柜制造生产测试能耗协同调度管理方法,包括以下步骤:

4、s1:获取订单信息与设备参数,所述设备参数包括设备型号、各型号设备数量、单台设备生产时长、储能容量、初始荷电状态以及可选的测试充放电路径;

5、s2:构建生产节拍、测试工位与能源对托相耦合的调度模型,所述调度模型包括生产节拍约束、测试工位约束、能源对托约束与目标函数,其中生产线数量与测试工位数量为待优化的决策变量;所述生产节拍约束为各设备依次进入多条并行生产线进行组装生产,设备的测试开始时间不早于其生产完成时间;所述测试工位约束为每台设备的充放电测试占用一个测试工位,同一测试工位在同一时段至多容纳一台设备;所述能源对托约束为测试阶段各设备按所选充放电路径产生分钟级充放电功率曲线,全厂净功率为各设备功率的叠加,放电功率优先与充电功率对托抵消;所述目标函数为以调度周期内电网购电成本、设备运行费与完工超时惩罚之和最小化,所述电网购电成本包括分时电度电费与峰值需量电费;

6、s3:采用遗传算法对所述调度模型进行求解:以生产线数量、测试工位数量、各设备的测试优先级与测试路径构成编码个体,解码时按优先级排序依次为各设备安排生产与测试,生成调度方案并计算所述目标函数值作为个体适应度;

7、s4:输出最优调度方案,所述最优调度方案包括各设备的生产起止时刻、测试起止时刻、测试工位编号、测试路径以及最优生产线数量与最优测试工位数量。

8、进一步的,所述分时电度电费按调度周期内每分钟净购电功率与对应分钟分时电价的乘积累加计算;所述峰值需量电费为调度周期内净购电功率峰值与需量电价的乘积;所述设备运行费为生产线数量与单条生产线运行费的乘积加上测试工位数量与单个测试工位运行费的乘积,所述单条生产线运行费由生产线购置成本除以其使用寿命折算得到,所述单个测试工位运行费由测试工位购置成本除以其使用寿命折算得到;所述完工超时惩罚为调度方案完工时间超过调度周期的部分乘以单位时间惩罚系数。

9、进一步的,解码时生产环节的安排规则为:按优先级顺序依次选取设备,将其分配至当前最早空闲的生产线,设备的生产完成时刻为该生产线的释放时刻与设备生产时长之和。

10、进一步的,解码时测试环节的安排规则为:以设备生产完成时刻为最早可测试时刻,自该时刻起按固定步长在调度周期内滑窗搜索各测试工位的可用时段,选取使增量成本最小的测试起始时刻与测试工位。

11、进一步的,所述增量成本包括增量分时电度电费、增量需量电费、峰值红线惩罚与废电惩罚;其中,所述峰值红线惩罚为全局净购电功率峰值超过预设峰值红线时,按超出量乘以惩罚系数计算得到;所述废电惩罚为放电功率未被对托抵消而回馈电网的部分对应的惩罚。

12、进一步的,所述放电功率优先与充电功率对托抵消的具体规则为:同一分钟内,各测试设备的放电功率优先供给该分钟内各测试设备的充电需求,放电功率超出充电需求的部分记为废电,充电需求超出放电功率的不足部分由电网购电补足。

13、进一步的,所述编码个体由生产线数量基因、测试工位数量基因、第一段n个测试优先级权重与第二段n个测试路径选择组成,其中n为设备总数;遗传操作包括两点交叉、按基因位概率变异与锦标赛选择,并采用历史最优个体保留策略;解码时按优先级权重升序确定设备处理顺序;其中生产线数量基因与测试工位数量基因的变异方式为在原值基础上加减1并限制于各自取值范围内,优先级位变异为生成随机实数,路径位变异为切换为另一测试路径。

14、进一步的,所述测试充放电路径包括以下两种:路径一:由初始荷电状态充电至100%,再放电至0%,再回充至30%;路径二:由初始荷电状态放电至0%,再充电至100%,再放电至0%,再回充至30%。

15、储能柜制造生产测试能耗协同调度管理系统,包括:

16、参数获取模块,用于获取订单信息与设备参数,所述设备参数包括设备型号、各型号设备数量、单台设备生产时长、储能容量、初始荷电状态以及可选的测试充放电路径;

17、模型构建模块,用于构建生产节拍、测试工位与能源对托相耦合的调度模型,所述模型构建模块包括生产节拍约束单元、测试工位约束单元、能源对托约束单元与目标函数单元,其中生产线数量与测试工位数量为待优化的决策变量;所述生产节拍约束单元用于限定各设备依次进入多条并行生产线进行组装生产,设备的测试开始时间不早于其生产完成时间;所述测试工位约束单元用于限定每台设备的充放电测试占用一个测试工位,同一测试工位在同一时段至多容纳一台设备;所述能源对托约束单元用于限定测试阶段各设备按所选充放电路径产生分钟级充放电功率曲线,全厂净功率为各设备功率的叠加,放电功率优先与充电功率对托抵消;所述目标函数单元用于以调度周期内电网购电成本、设备运行费与完工超时惩罚之和最小化为优化目标,所述电网购电成本包括分时电度电费与峰值需量电费;

18、优化求解模块,用于采用遗传算法对所述调度模型进行求解,所述优化求解模块包括编码单元、解码单元、遗传操作单元与适应度评估单元;所述编码单元用于以生产线数量、测试工位数量、各设备的测试优先级与测试路径构成编码个体;所述解码单元用于按优先级排序依次为各设备安排生产与测试以生成调度方案;所述适应度评估单元用于计算所述目标函数值作为个体适应度;方案输出模块,用于输出最优调度方案,所述最优调度方案包括各设备的生产起止时刻、测试起止时刻、测试工位编号、测试路径以及最优生产线数量与最优测试工位数量。

19、进一步的,所述解码单元执行测试环节调度的规则为:以设备生产完成时刻为最早可测试时刻,自该时刻起按固定步长在调度周期内滑窗搜索各测试工位的可用时段,选取使增量成本最小的测试起始时刻与测试工位;所述增量成本包括增量分时电度电费、增量需量电费、峰值红线惩罚与废电惩罚。

20、与现有技术相比,本发明的有益效果为:

21、1.现有技术中生产排产与充放电测试分属两套独立流程,生产调度仅关注产能与工期,测试能量优化仅局限于工位内部的静态配对,二者缺乏时序联动,导致测试负荷在时间上随机叠加,全厂购电峰值居高不下,且多设备间的充放电互济潜力无法充分释放。本发明将生产节拍约束、测试工位占用约束与能源对托规则纳入统一调度模型,以生产完成时刻作为测试的最早启动边界,实现生产计划与测试计划的前后联动,既减少了设备生产完工后的闲置等待,又为多设备充放电的时序匹配提供了可行的时间窗口基础,从整体架构上打通了生产资源、测试资源与能源优化的壁垒。

22、2.现有技术普遍默认储能柜测试的充放电路径为刚性时序,各阶段连续执行不可调整,否则会影响测试效率与工艺有效性。本发明突破这一认知局限,在不改变测试总容量、充放电倍率与合格判定标准的前提下,在相邻充放电阶段之间设置可调节的待机缓冲时长,结合解码环节的增量成本局部寻优,使单台设备的放电窗口与全厂充电负荷高峰动态对齐。该改进无需新增任何硬件投入,也不会显著延长总测试周期,却能大幅提升设备间充放电过程的时间重叠度,让更多放电能量被同厂充电设备就地消纳,大幅减少馈网废电,其能源利用效率的提升幅度超出了常规时序调度手段的预期效果,具备非显而易见性。

23、3.现有技术通常仅针对单一成本维度进行优化,要么侧重分时电度电费的节省,要么仅控制峰值需量,且普遍将生产线、测试工位的数量作为固定条件,不纳入优化范围,容易造成资源闲置或配置不足。本发明将分时电度电费、峰值需量电费、设备运行费与完工超时惩罚纳入统一目标函数,同时把生产线数量与测试工位数量作为决策变量协同寻优,通过充放电错峰平抑全厂峰值需量,通过能量对托减少电网购电量,同时根据订单规模动态匹配最优的产线与工位配置数量,平衡设备折旧成本与能源节约收益,避免了过度配置带来的投资浪费,实现总成本的全局最小化。

24、4.现有能量优化方案往往以延长测试周期为代价换取成本降低,难以保障订单交付;且多数仅适用于固定工位配对的小批量场景,规模扩大后调度效果显著下降。本发明通过遗传算法结合滑窗增量成本寻优,在优化过程中严格约束完工时限,通过优先级排序与工位动态分配压缩设备等待时长;同时相位调节机制具备规模效应,生产测试设备数量越多,充放电窗口的匹配空间越充足,能量互济的提升效果越显著,克服了传统方法随规模扩大优化效果衰减的问题,既适用于小批量多型号定制生产,也可支撑大规模量产场景,具备良好的工程适用性与可扩展性。