一种新型储能系统运行优化与安全风险预警方法与流程

本技术实施例涉及储能系统运行控制，具体地说，涉及一种新型储能系统运行优化与安全风险预警方法。

背景技术：

1、新型储能电站在工商业园区与新能源发电配套场合承担峰谷套利、需量管理与备用电源职能。以磷酸铁锂电池为核心的储能系统中，多个电池模组经串并联组成电池簇，各电池模组之间既经共用的冷却回路与箱体导热结构交换热量，又经电气连接路径传递电流，运行状态相互影响。储能电站在放电高峰期需按调度计划持续输出大功率，放电工况下电芯极化加剧、产热集中，过流、过压、温升过快与容量加速衰减四种安全问题最容易在放电过程中暴露，一旦处置不及时，可能诱发热失控并沿模组间的耦合路径蔓延，因此需要在保证放电收益的同时，对各电池模组的安全风险进行提前预判与主动管控。

2、现有技术多采用基于电池管理系统的安全监控方案，即实时采集电池簇的电压、电流与温度，将采集值与固定阈值比较，越限时输出报警信号并切断回路。另有中国专利申请文献公开了储能电站的经济调度方案，即根据峰谷分时电价制定电池簇整体的充放电计划，按计划在谷时充电、峰时放电以获取电价差收益。

3、然而，阈值比较式监控只能在参数已经越限时触发报警，无法提前给出未来时段的风险预判；按电池簇整体制定充放电计划的调度方式将各电池模组视为同质个体，忽视了模组间热耦合与电连接引起的风险传播与状态差异，安全约束不随各模组的实际风险动态调整；并且安全监控与经济调度相互独立，预警处置执行后预测模型与约束规则不会根据实际处置效果更新，同样的偏差在后续运行中反复出现。因此，如何提前预测各电池模组的运行状态、量化模组间耦合影响下的安全风险、将风险量化结果转化为动态功率约束并实现预警处置与运行优化的闭环校正，是本领域亟待解决的技术问题。

技术实现思路

1、有鉴于此，本技术的目的是提供一种新型储能系统运行优化与安全风险预警方法，可以实现在保障储能系统运行安全的前提下兼顾运行经济性，提前预测各电池模组的运行状态并量化安全风险，实现预警处置与运行优化的闭环校正。

2、根据本技术的第一方面，提供一种新型储能系统运行优化与安全风险预警方法，包括：

3、s100：同步获取储能系统中各电池模组的放电运行数据以及各电池模组间的耦合连接关系，以各电池模组为节点，以耦合连接关系为连接边构建时空图，将时空图与各电池模组的放电运行数据输入预训练的时空图神经网络，得到预设时长内各电池模组的状态预测结果；

4、其中所述状态预测结果包括各电池模组在预设时长内的电压、电流、温度与荷电状态；

5、s200：根据各电池模组的状态预测结果确定各电池模组的电化学滥用风险指数、热失控风险指数与容量衰减风险指数，并进行加权求和确定综合风险指数；

6、s300：按照预设映射规则，将各电池模组的综合风险指数映射为各电池模组的充放电功率上限，以映射所得的充放电功率上限收缩各电池模组的充放电功率可行域；

7、s400：以运行经济性与运行安全性为优化目标，在各电池模组收缩后的充放电功率可行域内求解多目标优化问题，得到运行优化策略，按运行优化策略控制储能系统运行；

8、s500：在任一电池模组的综合风险指数首次连续预设数量个预测周期超过预设预警阈值时，生成预警信息与处置指令并即时执行处置指令；

9、s600：执行处置指令后，按处置指令调整对应电池模组的状态预测结果，以调整后的状态预测结果与各电池模组的实际运行数据的偏差作为校正量，根据校正量修正时空图神经网络的网络参数与预设映射规则，将修正后的时空图神经网络与预设映射规则应用于下一优化周期。

10、在一些实施例中，所述放电运行数据包括各电池模组的电压、电流、温度与荷电状态，所述耦合连接关系包括电池模组间的热耦合路径与电连接路径，其中热耦合路径为各电池模组经共用的冷却回路与箱体导热结构形成的传热路径，电连接路径为各电池模组在电池簇内的串并联电气连接路径。

11、在一些实施例中，所述以各电池模组为节点，以耦合连接关系为连接边构建时空图的具体方式为：在经热耦合路径直接相连的电池模组对之间建立热耦合边，热耦合边的边权按电池模组对间的热阻确定，热阻按电池模组对间传热路径的长度与所经导热介质的热导率确定，在经电连接路径直接相连的电池模组对之间建立电连接边，电连接边的边权按电池模组对间的连接阻抗确定，以热耦合边与电连接边构成单周期图结构，将连续预设数量个采样周期的单周期图结构按时间顺序排列，构成时空图，时空图中各电池模组节点的节点特征为对应电池模组在对应采样周期的放电运行数据。

12、在一些实施例中，时空图神经网络的预训练方式具体为：获取储能系统中所述放电运行数据的历史数据，构建电池模组的电-热耦合仿真模型，以电-热耦合仿真模型模拟各电池模组在正常工况与异常工况下的运行过程，生成仿真运行数据，以放电运行数据的历史数据与仿真运行数据联合训练时空图神经网络，其中以各历史采样时刻对应的时空图与放电运行数据作为训练输入，以各历史采样时刻之后预设时长内各电池模组的电压、电流、温度与荷电状态作为训练标签；

13、所述时空图神经网络包括图卷积层与门控时序层，图卷积层按时空图的连接边聚合各电池模组节点的放电运行数据，提取各电池模组间的空间耦合特征，门控时序层按采样周期的时间顺序提取各电池模组运行状态的时间依赖特征。

14、在一些实施例中，所述根据各电池模组的状态预测结果确定各电池模组的电化学滥用风险指数、热失控风险指数与容量衰减风险指数，并进行加权求和确定综合风险指数，具体方式为：根据状态预测结果中各电池模组的电压与预设电压安全边界的偏差、以及状态预测结果中各电池模组的电流与预设电流安全边界的偏差，确定电化学滥用风险指数；

15、根据状态预测结果中各电池模组的温度、以及经热耦合路径相连的电池模组间的温差，确定热失控风险指数；

16、根据状态预测结果中各电池模组的荷电状态变化速率与充放电深度，确定容量衰减风险指数；

17、将电化学滥用风险指数、热失控风险指数与容量衰减风险指数分别经归一化处理后进行加权求和，获得综合风险指数，加权求和的权重系数之和为1。

18、在一些实施例中，所述按照预设映射规则，将各电池模组的综合风险指数映射为各电池模组的充放电功率上限，以映射所得的充放电功率上限收缩各电池模组的充放电功率可行域，具体方式为：各电池模组的充放电功率可行域的上边界初始为对应电池模组的额定充放电功率，预设映射规则将综合风险指数的取值范围划分为连续的多个风险区间，各风险区间对应一个充放电功率上限档位，各风险区间的并集覆盖综合风险指数的全部取值范围；

19、将各电池模组的综合风险指数所属风险区间对应的充放电功率上限档位作为对应电池模组的充放电功率上限，以映射所得的充放电功率上限替换充放电功率可行域的上边界，充放电功率可行域的下边界保持不变，得到收缩后的充放电功率可行域。

20、在一些实施例中，所述以运行经济性与运行安全性为优化目标，在各电池模组收缩后的充放电功率可行域内求解多目标优化问题，得到运行优化策略，按运行优化策略控制储能系统运行，具体方式为：以预设时长内峰谷电价差下的充放电收益为运行经济性指标，以全部电池模组的综合风险指数的均值与最大值的加权和为运行安全性指标，加权和的权重系数之和为1；

21、在各电池模组收缩后的充放电功率可行域内，以运行经济性指标与运行安全性指标为优化目标求解多目标优化问题，得到各电池模组的充放电功率计划、电池模组间的均衡策略与冷却控制参数，作为运行优化策略；

22、按充放电功率计划控制各电池模组的充放电功率，按均衡策略调整电池模组间的电量分配，按冷却控制参数调节冷却系统的运行状态，按预设优化周期滚动求解多目标优化问题并更新运行优化策略。

23、在一些实施例中，所述在任一电池模组的综合风险指数首次连续预设数量个预测周期超过预设预警阈值时，生成预警信息与处置指令并即时执行处置指令，具体方式为：所述预设预警阈值包括提示阈值、警告阈值与告警阈值，提示阈值低于警告阈值，警告阈值低于告警阈值；

24、当任一电池模组的综合风险指数首次连续预设数量个预测周期超过提示阈值且未超过警告阈值时，生成提示级预警信息，生成维持当前运行优化策略并加强对该电池模组状态监视的处置指令；

25、当任一电池模组的综合风险指数首次连续预设数量个预测周期超过警告阈值且未超过告警阈值时，生成警告级预警信息，并生成降低对应电池模组的充放电倍率的处置指令；

26、当任一电池模组的综合风险指数首次连续预设数量个预测周期超过告警阈值时，生成告警级预警信息，并生成停止对应电池模组的充放电并请求人工巡检的处置指令。

27、在一些实施例中，所述执行处置指令后，按处置指令调整对应电池模组的状态预测结果，以调整后的状态预测结果与各电池模组的实际运行数据的偏差作为校正量，根据校正量修正时空图神经网络的网络参数与预设映射规则，具体方式为：获取处置指令执行后连续预设数量个预测周期内各电池模组的实际运行数据，所述实际运行数据包括各电池模组的实际电压、实际电流、实际温度与实际荷电状态；

28、按处置指令确定对应电池模组处置后的充放电功率上限，以处置后的充放电功率上限对对应电池模组的状态预测结果进行调整；

29、逐预测周期计算各电池模组的实际运行数据与调整后的状态预测结果的偏差，以各预测周期的偏差的均值为校正量；

30、当校正量超过预设校正阈值时，以校正量对时空图神经网络的网络参数进行增量更新，并对预设映射规则中综合风险指数与充放电功率上限的映射关系进行平移调整。

31、上述申请中的一个实施例具有如下优点或有益效果：

32、针对储能电站峰谷套利运行中对安全管控的迫切需求，本技术实施例将各电池模组的安全风险量化结果直接转化为充放电功率可行域的动态收缩约束，并在收缩后的可行域内以运行经济性与运行安全性为优化目标求解多目标优化问题，使储能系统在获取峰谷电价差收益的同时，各电池模组的运行功率始终处于与自身风险水平相匹配的范围内，总体上实现了储能系统运行经济性与运行安全性的协同保障。

33、相较于阈值比较式监控只能在越限后报警、簇级调度忽视模组差异的现有技术，本技术实施例以各电池模组为节点、以模组间耦合连接关系为连接边构建时空图，利用预训练的时空图神经网络预测预设时长内各电池模组的状态，将安全管控从事后报警提前到事前预测，并且通过时空图显式刻画热耦合路径与电连接路径，使风险量化包含模组间耦合传播的影响，能够识别簇级平均指标无法反映的个别模组局部风险。

34、对于现有技术中预测与处置脱节、偏差反复出现的问题，本技术实施例在执行处置指令后，以按处置指令调整的状态预测结果与各电池模组实际运行数据的偏差作为校正量，据此修正时空图神经网络的网络参数与预设映射规则并应用于下一优化周期，使预测模型与风险约束规则随实际处置效果持续更新，预警、处置、校正形成闭环，从而将传统手段中相互割裂的安全监控与运行调度升级为具有自校正能力的预测式主动安全管控。

35、上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。