储能协同电芯全生命周期智能管控方法、设备及存储介质与流程

本技术涉及火储协同控制，尤其涉及一种储能协同电芯全生命周期智能管控方法、设备及存储介质。

背景技术：

1、火储协同系统指火电机组配套储能电站构成的联合运行系统，电芯全生命周期健康状态直接决定系统的安全性与经济性。目前，火储协同系统中电芯健康诊断、热安全管理、优化调度、控制执行及运维决策等环节相互独立运行，各环节输出的数据与决策结果无法被其他环节有效复用，导致系统整体呈现“诊断不干预、控制不反馈、执行不迭代”的碎片化运行状态。

2、具体而言，电芯健康诊断模块输出的老化状态和一致性评估结果未与热管理、均衡控制及黑启动调度深度耦合，老化电芯得不到差异化的热负荷限制与出力约束；控制指令以开环方式下发，缺少基于实际出力反馈的精度补偿，长期运行后电芯老化引起的功率偏差持续累积；均衡策略及运维计划采用静态设定，无法根据调频收益与电芯损耗的动态变化进行自适应调整；数字孪生系统仅用于事后可视化展示，各环节数据无法汇聚形成有效的决策支撑。

3、由于上述环节间缺乏数据贯通与协同机制，系统无法依据电芯实时健康状态在安全干预、优化控制和运维决策之间形成联动，导致热失控前置干预缺失、调频收益与电芯寿命难以兼顾、控制精度随运行时间劣化、黑启动过程缺乏灵活调度与容错能力等综合性问题，制约了火储联合运行的安全性与经济性。

4、上述内容仅用于辅助理解本技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本技术的主要目的在于提供一种储能协同电芯全生命周期智能管控方法、设备及存储介质，旨在解决现有火储协同系统各环节数据孤立、缺乏闭环联动，无法同时兼顾热安全、控制精度与寿命收益动态平衡的技术问题。

2、为实现上述目的，本技术提出一种储能协同电芯全生命周期智能管控方法，所述的方法包括：

3、通过部署于储能电站现场的异构计算装置，以硬件级动态优先级调度方式并行运行电芯诊断算法集合，所述电芯诊断算法集合的输出数据包括电芯soh值、一致性安全熵值及异常风险等级的电芯全维度健康状态数据；

4、根据所述电芯全维度健康状态数据，并行执行安全干预分支和优化控制分支，其中，所述安全干预分支包括：构建热风险综合安全熵模型，并基于所述热风险综合安全熵模型计算热风险等级，并根据所述热风险等级所处的不同阈值区间，执行分级干预措施，所述分级干预措施包括常规散热、强化液冷散热、惰性气体预充抑制及分区喷淋切断功率；所述优化控制分支包括：以所述电芯全维度健康状态数据作为强化学习环境状态，以火储协同调频收益扣除电芯老化损耗惩罚后的净值作为奖励函数，通过深度强化学习网络输出均衡电流指令和充放电深度约束；通过微秒级通道、毫秒级通道和秒级通道三级独立硬件指令通道下发所述均衡电流指令和充放电深度约束；实时采集功率转换系统的实际出力值，根据下发指令与所述实际出力值之间的功率偏差生成补偿量并叠加至下一控制周期的指令中，其中所述补偿量的修正系数根据所述电芯soh值动态调整；

5、将所述安全干预分支执行分级干预措施后产生的反馈数据和所述优化控制分支执行均衡电流指令和充放电深度约束产生的反馈数据回灌至所述异构计算装置，对所述电芯诊断算法集合和所述深度强化学习网络进行增量学习修正。

6、在一实施例中，所述通过部署于储能电站现场的异构计算装置，以硬件级动态优先级调度方式并行运行电芯诊断算法集合的步骤，包括：

7、将所述电芯诊断算法集合按安全关键程度划分为三级优先级；

8、将调频异常预警算法和热失控预判算法设为最高优先级，分配第一算力占比，并限定推理时延不超过第一时延阈值；

9、将电芯老化状态soh修正算法和多场景一致性安全熵评估算法设为次高优先级，分配第二算力占比，并限定推理时延不超过第二时延阈值；

10、将收益统计和月度寿命仿真算法设为最低优先级，分配第三算力占比，并限定推理时延不超过第三时延阈值；

11、当所述最高优先级的算法触发运行时，由所述异构计算装置的npu调度内核执行硬件级抢占，将所述最低优先级算法的运算频率自动降低；

12、当所述异构计算装置的整体算力负载超过第一负载阈值时，自动暂停所述最低优先级算法的运算更新，直至算力负载回落至所述第一负载阈值以下后恢复。

13、在一实施例中，所述通过部署于储能电站现场的异构计算装置，以硬件级动态优先级调度方式并行运行电芯诊断算法集合的步骤之后，还包括：

14、在所述异构计算装置的npu本地存储每日采集的第一频率电芯时序样本和火电工况样本；

15、在所述npu的空闲时隙，调用所述每日采集的样本对所述电芯诊断算法集合的模型权重执行增量微调，保持算法主推理逻辑不变；

16、增量微调完成后，在所述npu本地仿真验证微调后模型的soh估计误差和预警误报率是否达标；

17、验证达标后，将微调后的模型权重无扰动切换为当前运行版本，并保留前一版本模型权重作为回滚备份；

18、在所述npu本地执行增量微调的过程中，所述异构计算装置对外的实时推理和控制功能不间断运行。

19、在一实施例中，所述构建热风险综合安全熵模型的步骤，包括：

20、获取电芯诊断算法集合输出的电芯全维度健康状态数据，所述电芯全维度健康状态数据至少包括一致性安全熵值和电芯soh值；

21、获取通过部署于储能电站现场的高频采集装置实时采集的电芯极耳温升梯度数据和舱内可燃气体浓度数据；

22、根据火电机组当前运行工况，按照预设的权重调整策略确定所述电芯极耳温升梯度数据、一致性安全熵值、电芯soh值及舱内可燃气体浓度数据四个维度参数各自对应的当前权重系数，所述当前运行工况包括机组负荷率和agc动作频次；

23、将所述四个维度参数与各自对应的当前权重系数进行加权求和，得到热风险综合安全熵模型。

24、在一实施例中，所述根据所述热风险等级所处的不同阈值区间，执行分级干预措施的步骤，包括：

25、当所述热风险等级处于第一阈值区间时，启动常规散热模式，维持当前液冷或风冷机组运行参数；

26、当所述热风险等级上升至第二阈值区间时，切换至强化液冷散热模式，提高冷却液循环流量和散热机组转速；

27、当所述热风险等级上升至第三阈值区间时，启动惰性气体预充抑制模式，向储能舱内预充惰性气体以降低氧气浓度，同时自动降低高风险电芯的充放电倍率；

28、当所述热风险等级上升至第四阈值区间时，启动分区喷淋模式并切断故障电芯簇的功率输出，同步在数字孪生界面高亮显示热风险区域并生成热运维工单。

29、在一实施例中，所述以火储协同调频收益扣除电芯老化损耗惩罚后的净值作为奖励函数，通过深度强化学习网络输出均衡电流指令和充放电深度约束的步骤，包括：

30、将所述电芯soh值、一致性安全熵值、agc调频指令、实时电价、当前充放电倍率以及所述电芯老化状态soh修正算法输出的工况老化加速因子组合为强化学习环境状态向量；

31、将所述强化学习环境状态向量输入所述深度强化学习网络，计算使长期净收益最大化的动作策略，所述长期净收益为累计火储协同调频功率收益减去累计电芯老化损耗惩罚；

32、根据所述动作策略生成各电芯簇的均衡电流指令和充放电深度上限及下限约束值；

33、在当前控制周期输出所述均衡电流指令和充放电深度约束，同时以每日统计的实际调频收益和电芯老化损耗数据作为训练样本，对所述深度强化学习网络进行增量学习并更新网络权重，根据更新后的网络权重调整后续控制周期的均衡运维周期。

34、在一实施例中，所述通过微秒级通道、毫秒级通道和秒级通道三级独立硬件指令通道下发所述均衡电流指令和充放电深度约束的步骤，包括：

35、将所述均衡电流指令和充放电深度约束的指令按响应速度要求拆分为三级子指令；

36、通过现场可编程门阵列硬逻辑构成的微秒级通道下发一次调频瞬时功率调节子指令，通道刷新周期不超过第一周期阈值；

37、通过硬实时控制器构成的毫秒级通道下发agc功率调度子指令，通道刷新周期为第二周期阈值；

38、通过arm主核构成的秒级通道下发电站工况切换和启停控制子指令，通道刷新周期为第三周期阈值；

39、其中，所述微秒级通道、毫秒级通道和秒级通道共用精确时间协议统一时钟基准，各级通道下发的子指令之间时序偏差不超过第一偏差阈值。

40、在一实施例中，所述将所述安全干预分支执行分级干预措施后产生的反馈数据和所述优化控制分支执行均衡电流指令和充放电深度约束产生的反馈数据回灌至所述异构计算装置的步骤之后，还包括：

41、在数字孪生界面录入候选运维方案，所述候选运维方案包括均衡周期参数、电芯更换阈值参数和黑启动备用容量参数；

42、通过数字孪生仿真引擎调用电芯老化模型和多场景一致性模型，模拟所述候选运维方案在全年火电工况下的运行效果；

43、分别输出各候选运维方案对应的电芯衰减预测曲线、分场景调频收益测算值和运维总成本；

44、自动推荐净收益最高的运维方案，同步生成虚拟检修推演动画；

45、基于所述运维方案，采集实际运行数据回灌至所述数字孪生仿真引擎，对仿真模型参数进行迭代修正。

46、此外，为实现上述目的，本技术还提出一种储能协同电芯全生命周期智能管控设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的储能协同电芯全生命周期智能管控方法的步骤。

47、此外，为实现上述目的，本技术还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的储能协同电芯全生命周期智能管控方法的步骤。

48、本技术提出的一个或多个技术方案，至少具有以下技术效果：

49、本技术的技术方案，通过部署于储能电站现场的异构计算装置，以硬件级动态优先级调度方式并行运行电芯诊断算法集合，所述电芯诊断算法集合的输出数据包括电芯soh值、一致性安全熵值及异常风险等级的电芯全维度健康状态数据；根据所述电芯全维度健康状态数据，并行执行安全干预分支和优化控制分支，其中，所述安全干预分支包括：构建热风险综合安全熵模型，并基于所述热风险综合安全熵模型计算热风险等级，并根据所述热风险等级所处的不同阈值区间，执行分级干预措施，所述分级干预措施包括常规散热、强化液冷散热、惰性气体预充抑制及分区喷淋切断功率；所述优化控制分支包括：以所述电芯全维度健康状态数据作为强化学习环境状态，以火储协同调频收益扣除电芯老化损耗惩罚后的净值作为奖励函数，通过深度强化学习网络输出均衡电流指令和充放电深度约束；通过微秒级通道、毫秒级通道和秒级通道三级独立硬件指令通道下发所述均衡电流指令和充放电深度约束；实时采集功率转换系统的实际出力值，根据下发指令与所述实际出力值之间的功率偏差生成补偿量并叠加至下一控制周期的指令中，其中所述补偿量的修正系数根据所述电芯soh值动态调整；将所述安全干预分支执行分级干预措施后产生的反馈数据和所述优化控制分支执行均衡电流指令和充放电深度约束产生的反馈数据回灌至所述异构计算装置，对所述电芯诊断算法集合和所述深度强化学习网络进行增量学习修正。

50、本技术的技术方案，实现了电芯诊断结果对安全干预与优化控制的实时驱动，以及双分支执行反馈对诊断模型与决策模型的统一迭代，解决了火储协同系统各环节数据孤立、缺乏闭环联动而无法兼顾热安全、控制精度与寿命-收益动态平衡的技术难题，实现了火储协同管控从碎片化开环到全链路贯通闭环的技术跨越。