一种面向极端工况的重力储能系统自适应预案演化与协同应急控制方法及系统

本发明属于重力储能系统应急管理，具体涉及一种面向极端工况的重力储能系统自适应预案演化与协同应急控制方法及系统。

背景技术：

1、重力储能系统是一种利用重物的提升与下降来实现电能与势能相互转换的物理储能装备，重力储能系统的物理架构普遍存在大惯量、机电强耦合以及多故障高度关联等特征，在强风摆振、暴雪低温、地震等外部环境扰动，或变流器故障、机械传动卡滞等内部设备异常的极端工况下，系统极易由早期的微小征兆在极短时间内快速演化至结构失效或破坏，随着新型电力系统中重力储能规模的扩大，多通道、多机组协同运行成为常态，这进一步增加了极端工况下应急处置的复杂性。

2、现有重力储能及大型提升设备的应急防护多依赖可编程逻辑控制器和监控与数据采集系统，采用固定的单点阈值告警、机械、电气硬件保护联锁，并在触发告警后高度依赖人工根据操作规程进行停机检查与经验处置，基于此，本方案提供了一种面向极端工况的重力储能系统自适应预案演化与协同应急控制方法，以解决上述问题。

技术实现思路

1、本发明的目的是提供一种面向极端工况的重力储能系统自适应预案演化与协同应急控制方法及系统，能够解决上述背景技术提到的问题。

2、本发明采取的技术方案具体如下：

3、一种面向极端工况的重力储能系统自适应预案演化与协同应急控制方法及系统，包括：

4、获取重力储能系统的多源运行状态数据，对所述多源运行状态数据进行实时多模态特征提取与特征融合，得到实时多模态特征，并根据所述实时多模态特征构建所述重力储能系统的多模态健康画像；

5、根据所述多模态健康画像识别当前极端工况类型，并获取所述实时多模态特征中对应于所述当前极端工况类型的多模态特征当前特征值，结合所述多模态特征当前特征值，计算所述当前极端工况类型所对应的风险等级；

6、提取当前极端工况类型对应的多维特征参数，采用部署于边缘端的轻量化时序预测模型进行实时态势演化预测，得到预测结果，根据预测结果计算最晚安全处置时刻；

7、结合所述当前极端工况类型、所述风险等级和所述最晚安全处置时刻，从预设的预案库中检索多个候选预案，对多个所述候选预案进行冲突校核，生成无冲突的实例化应急预案；

8、根据所述实例化应急预案，对所述重力储能系统的多个执行机构进行防冲击协同控制，并在检测到通信或供电异常时，切换至边缘端断链自治模式，执行预设的自主保护动作；

9、获取执行了所述防冲击协同控制或所述自主保护动作后的系统反馈状态，基于所述反馈状态对控制处置效果进行量化评估，得到综合处置评分；

10、检测所述综合处置评分是否达到预设标准，若未达到预设标准，则将所述系统反馈状态输入数字孪生模型进行虚拟回放和原因定位，得到原因分析结果；根据所述原因分析结果对所述预案库中的候选预案进行版本化参数更新，生成新版本预案存入所述预案库，并将更新前的候选预案作为历史回退点保留。

11、在一种优选方案中，所述获取重力储能系统的多源运行状态数据，对所述多源运行状态数据进行实时多模态特征提取与特征融合，得到实时多模态特征，并根据所述实时多模态特征构建所述重力储能系统的多模态健康画像的步骤，包括：

12、采集重力储能系统的机械振动数据、声学数据、电气量数据、位移与姿态数据、制动与锁止状态数据、环境灾害数据，作为多源运行状态数据；

13、以重力储能系统中边缘控制器的统一时钟为基准，对所述多源运行状态数据赋予统一时间戳，并根据不同采样频率采用统一时间窗口进行数据对齐；

14、从所述多源运行状态数据中提取实时多模态特征，所述实时多模态特征至少包括：机械振动特征、声学特征、电气量特征、位移与姿态特征、制动与锁止状态特征和环境灾害特征；

15、将所述实时多模态特征按照部件-模态-工况-时间窗口的结构进行组织，构建至少包含驱动电机健康特征、变流器健康特征、卷扬机构健康特征、制动器健康特征、钢丝绳/链条健康特征、导轨与塔架健康特征、重物姿态特征、环境扰动特征和多通道协同状态特征的多模态健康画像。

16、在一种优选方案中，所述多模态健康画像至少包括以下特征维度：机械振动特征、声学特征、电气量特征、位移与姿态特征、制动与锁止状态特征以及环境灾害特征；所述计算所述当前极端工况类型所对应的风险等级，包括：

17、构建包含强风摆振工况、低温制动退化工况、机械传动链卡滞工况、钢丝绳异常工况、变流器/电网扰动工况、多机组并发冲突工况、地震/结构扰动工况的极端工况类型库，并将所述多模态特征当前特征值与所述极端工况类型库进行匹配，以生成当前极端工况类型；

18、分别从所述多模态健康画像中提取每一个特征维度的健康基准均值和健康基准标准差；

19、分别获取所述实时多模态特征中每一个特征维度的多模态特征当前特征值，根据所述多模态特征当前特征值、所述健康基准均值和所述健康基准标准差，计算每一个特征维度的异常度，并将所述每一个特征维度的异常度记为单模态异常度；其中，所述单模态异常度包括机械振动异常度、声学异常度、电气异常度、位移姿态异常度、制动锁止异常度、环境异常度；

20、根据所述当前极端工况类型，为各单模态异常度分配动态权重，所述动态权重满足归一化约束，并基于各单模态异常度和对应的动态权重计算综合风险值，根据所述综合风险值与预设的分级风险阈值的比较结果，确定对应的风险等级。

21、在一种优选方案中，所述提取当前极端工况类型对应的多维特征参数，采用部署于边缘端的轻量化时序预测模型进行实时态势演化预测，得到预测结果，根据预测结果计算最晚安全处置时刻，包括：

22、获取重力储能系统的重物质量、重物升降速度、当前风险等级、重物摆角、钢丝绳或链条张力、制动响应时间、直流母线电压、瞬时风速和导轨偏移量，并作为所述轻量化时序预测模型的输入，输出预设预测时间窗内的重物摆角、钢丝绳或链条张力、制动距离、直流母线电压和导轨偏移量的预测值；

23、根据所述预测值，计算摆振安全裕度、制动安全裕度、母线安全裕度和锁止安全裕度，并基于各安全裕度的加权组合获得综合安全裕度；

24、根据所述预测值计算各预设的关键风险指标到达危险边界的最小预测时间，统计所述重力储能系统从接收处置指令至完成应急动作的总时长作为应急动作完成时间，计算最晚安全处置时刻。

25、在一种优选方案中，所述预案库是预先构建的预案库，其构建方式包括：

26、根据重力储能系统预设的极端工况类型及预设的极端工况类型对应的风险等级，预先设计多个预案模板；

27、建立包含预案模板库、动作库、参数库、约束库、冲突规则库和版本管理库的预案库，并将所述多个预案模板存储于所述预案模板库中；

28、所述从预设的预案库中检索多个候选预案，包括：

29、根据当前极端工况类型、风险等级、最晚安全处置时刻分别与所述预案模板库中预案模板的匹配情况计算对应的匹配度；

30、为各类匹配度分配动态权重，并计算预案匹配评分，选择所述预案匹配评分最高且满足安全约束的预案模板作为所述候选预案。

31、在一种优选方案中，所述对多个候选预案进行冲突校核，包括：

32、判断多个候选预案之间是否存在动作时序冲突、部件权限冲突、参数阈值冲突、停靠位置冲突、电气约束冲突或机械约束冲突；

33、按照保障人身安全与防止重物失控、防止结构损伤、防止电气冲击、保障停靠不冲突、减少停机时间的优先级顺序进行冲突消解；

34、其中，所述冲突消解所依据的规则包括：系统级安全动作优先于局部设备保护动作，受控减速优先于机械急停，电气侧功率斜率限制优先于多通道并发降功率，制动动作优先于卸载动作，多通道锁止采用队列方式错峰执行；

35、所述实例化应急预案至少包含：极端工况类型、风险等级、最晚安全处置时刻、动作序列、执行部件、动作开始与持续时间、控制参数、电气功率斜率约束、机械制动与锁止顺序、预期处置效果、失败回退动作和边缘断链自治备用动作。

36、在一种优选方案中，所述根据所述实例化应急预案，对所述重力储能系统的多个执行机构进行防冲击协同控制，包括：

37、在执行电气侧控制时，对各卷扬通道的降功率动作进行排序与错峰执行，实时监控总功率变化率，限制并发功率斜率使其不超过直流母线允许的总功率斜率上限，以避免母线电压冲击和电机转矩突变；

38、在执行机械侧控制时，按受控减速、分级制动、避险停靠和冗余锁止的顺序执行；所述分级制动根据风险等级提供一级制动、二级制动或三级制动；所述避险停靠根据当前重物位置、运行速度、最近安全停靠点和预测制动距离选择停靠位置；所述冗余锁止根据风险等级和距离危险边界的距离对多通道进行锁止顺序排序，限制相邻通道锁止时间间隔不小于最小锁止时间间隔。

39、在一种优选方案中，所述重力储能系统的边缘控制器与云端平台通信连接，所述切换至边缘端断链自治模式，包括：

40、当边缘控制器与云端平台通信中断时间超过阈值、主站控制指令超时未响应、上层调度系统不可用、网络质量低于安全控制要求，或云端平台的数字孪生服务不可用且本地风险等级达到预设等级时，系统进入边缘端断链自治模式；

41、在所述边缘端断链自治模式下，仅允许执行本地预先验证的白名单动作集，所述白名单动作集包括：平滑降功率、受控减速、一级制动、二级制动、低速悬停、导轨限位卡槽锁止、冗余机械锁止、禁止并发急停、禁止高冲击卸载和多通道错峰锁止。

42、本发明还提供了一种面向极端工况的重力储能系统自适应预案演化与协同应急控制系统，用于实现上述任一项所述的一种面向极端工况的重力储能系统自适应预案演化与协同应急控制方法，包括：

43、多模态数据采集模块，用于获取重力储能系统的多源运行状态数据，对所述多源运行状态数据进行实时多模态特征提取与特征融合，得到实时多模态特征，并根据所述实时多模态特征构建所述重力储能系统的多模态健康画像；

44、工况识别与风险分级模块，用于根据所述多模态健康画像识别当前极端工况类型，并获取所述实时多模态特征中对应于所述当前极端工况类型的多模态特征当前特征值，结合所述多模态特征当前特征值，计算所述当前极端工况类型所对应的风险等级；

45、风险态势演化预测模块，用于提取当前极端工况类型对应的多维特征参数，采用部署于边缘端的轻量化时序预测模型进行实时态势演化预测，得到预测结果，根据预测结果计算最晚安全处置时刻；

46、预案检索与实例化模块，用于结合所述当前极端工况类型、所述风险等级和所述最晚安全处置时刻，从预设的预案库中检索多个候选预案，对多个所述候选预案进行冲突校核，生成无冲突的实例化应急预案；

47、协同控制与边缘断链自治模块，用于根据所述实例化应急预案，对所述重力储能系统的多个执行机构进行防冲击协同控制，并在检测到通信或供电异常时，切换至边缘端断链自治模式，执行预设的自主保护动作；

48、量化评估模块，用于获取执行了所述防冲击协同控制或所述自主保护动作后的系统反馈状态，基于所述反馈状态对控制处置效果进行量化评估，得到综合处置评分；

49、数字孪生与预案更新模块，用于检测所述综合处置评分是否达到预设标准，若未达到预设标准，则将所述系统反馈状态输入数字孪生模型进行虚拟回放和原因定位，得到原因分析结果；根据所述原因分析结果对所述预案库中的候选预案进行版本化参数更新，生成新版本预案存入所述预案库，并将更新前的候选预案作为历史回退点保留。

50、以及，一种电子设备，所述电子设备包括：

51、至少一个处理器；

52、以及与所述处理器通信连接的存储器；

53、其中，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现上述任一项所述的一种面向极端工况的重力储能系统自适应预案演化与协同应急控制方法。

54、本发明取得的技术效果为：

55、本发明通过建立结合重力储能大惯量特性的风险态势演化预测模型并计算最晚安全处置时刻，避免了死板的固定触发和骤停带来的二次机械冲击与结构变形，显著降低大惯量设备极端工况下的物理损伤；通过采用多源运行状态数据融合解决由于单一传感器失效或环境噪声引起的误动/拒动问题，风险分级准确率提高，极大提升复合故障情况下的处置成功率；通过面向多通道场景的电气/机械双重约束调度，杜绝了多个候选预案并发执行导致的母线崩溃与停靠位置碰撞，消除场站级多机组协同冲突风险；通过基于数字孪生与量化评估的预案版本化演化，使得预案库具备自学习和安全回滚能力，降低全生命周期人工维护成本。