一种充电桩超充运维与车网协同调控方法、装置及介质与流程
本发明涉及车网协同,具体而言,涉及一种充电桩超充运维与车网协同调控方法、装置及介质。
背景技术:
1、近年来,电动汽车保有量快速增长,充电设施规模持续扩大,车网互动和绿色低碳转型对充电设施智能运维与运营优化提出了更高要求。现有充电设施运维与运营体系存在明显不足:充电桩运行数据、故障数据、环境参数、用户充电行为数据、运营数据、配电网实时数据以及分布式光伏发电、绿电交易和碳计量信息等多源数据尚未充分融合;健康度评价多依赖单维度阈值或设备整体评分,缺乏覆盖多维度多指标的健康度综合评价与差异化预警;运维策略与源荷储协同、电网调控需求脱节,设备维护时段易出现功率缺额,影响车网互动调控连续性;运营策略对用户充电行为画像、充电套餐偏好、多目标优化与行为响应考虑不足,充电收益提升受限;绿电供应能力、分时分区分站电碳因子和减碳能力未与用户充电行为引导有效结合,绿电消纳率和低碳普及率有待提高。
技术实现思路
1、本发明实施例提供了一种充电桩超充运维与车网协同调控方法、装置及介质,以至少解决现有技术中充电设施多源数据融合不充分、健康度评价与差异化预警不精准、运维与车网调控及源荷储协同脱节的技术问题。
2、根据本发明实施例的一个方面,为了实现上述目的,根据本发明的一个方面,提供了一种充电桩超充运维与车网协同调控方法,包括:
3、获取超充桩运行参数、设备健康特征、车辆电池状态与配电网实时数据,构建多源异构数据融合的车桩网全域状态感知结果;
4、基于全域状态感知结果,通过改进时序深度网络计算各超充桩内多个核心器件的故障概率与剩余使用寿命,生成与各核心器件剩余使用寿命联动的动态功率约束阈值,并结合运维人员排班与备件库存信息生成预知性维护排程策略;
5、基于动态功率约束阈值、预知性维护排程策略与电网调控需求,构建多目标协同优化模型,通过分层分布式调度算法生成站级充放电调控策略与运维联动执行指令集,运维联动执行指令集用于控制充电桩执行机构位于目标工作状态。
6、进一步地,构建多源异构数据融合的车桩网全域状态感知结果,具体包括:
7、在桩端部署多模态传感器矩阵,采集绝缘栅双极型晶体管结温、输出电流纹波、继电器吸合频谱、散热风扇转速与枪头接触电阻数据,经边缘网关进行特征降维与异常初步筛选后上传至云端;
8、通过车桩通信接口获取车辆电池状态数据,其中,车辆电池状态数据至少包括:车辆的荷电状态、健康状态、最大充放电功率与用户充电需求时间窗数据;
9、接入配电网调度系统获取配电网实时数据,其中,配电网实时数据至少包括:台区电压、负荷率、谐波畸变率与需求侧响应指令数据;
10、对车辆电池状态数据和配电网实时数据进行时间戳对齐与归一化处理,生成统一格式的全域状态感知数据集。
11、进一步地,通过改进时序深度网络计算各超充桩内多个核心器件的故障概率与剩余使用寿命,具体包括:
12、构建混合故障预测模型,以预设历史时长内的运行时序数据为输入,输出各核心器件的故障概率与剩余使用寿命;
13、基于各核心器件的剩余使用寿命加权计算单桩健康度评分,按照评分区间划分为健康、亚健康、预警、故障四个等级;
14、根据健康等级对应设置动态功率上限系数,亚健康状态下调额定功率的15%至25%,预警状态下调额定功率的30%至50%,并当任一核心器件的剩余使用寿命低于第一预设阈值时,按照预设的非线性衰减函数执行功率上限系数的第二次下调;
15、当充电桩运行环境发生数据分布偏移时,触发混合故障预测模型在线增量更新。
16、进一步地,生成与各核心器件剩余使用寿命联动的动态功率约束阈值,具体包括:
17、将动态功率约束阈值的具体值由预设的量化映射规则确定,量化映射规则至少包括:当任一核心器件的剩余使用寿命低于第一预设阈值时,将动态功率约束阈值设置为额定功率乘以一个系数,系数由健康度评分及器件剩余使用寿命通过预设的非线性衰减函数共同决定;
18、当继电器吸合频谱偏移量超过预设偏移阈值时,将动态功率约束阈值乘以预设的第一衰减系数作为更新后的动态功率约束阈值。
19、进一步地,通过分层分布式调度算法生成站级充放电调控策略与运维联动执行指令集,具体包括:
20、采用多智能体强化学习算法进行站级分布式求解,各超充站作为独立智能体,以自身的动态功率约束阈值、预知性维护排程策略中的时间窗参数、电网负载状态及车辆充电需求为输入,自主生成本地调控策略,云端用于全局协调并向各超充站下发边界约束;
21、当接收到电网削峰指令时,优先调度健康等级为健康的充电桩参与车辆到电网放电,亚健康充电桩仅降低充电功率且不参与放电,故障充电桩退出调控集群;
22、根据预知性维护排程策略的时间窗,在设备维护时段前执行充电任务转移与功率补偿操作。
23、进一步地,在设备维护时段前执行充电任务转移与功率补偿操作,具体包括:
24、通过预知性补偿算法计算待维护桩位退出服务期间的功率缺额;
25、基于邻近充电桩的健康度、剩余容量和当前电网负载,生成预补偿调度指令;
26、在时间窗开始前的预设提前量时间启动预补偿调度指令,将待充电车辆转移至邻近充电桩或调整充电功率以弥补功率缺额。
27、进一步地,方法还包括:
28、各站点基于本地采集的运行参数、设备健康特征、车辆电池状态及配电网实时数据训练本地故障预测模型,将训练得到的模型梯度参数上传至云端,云端聚合各站点的梯度参数后下发更新后的模型参数至各站点;
29、联动充电站内混合储能系统,混合储能系统采用磷酸铁锂长时储能与超级电容短时缓冲的架构;
30、构建虚拟电厂聚合资源池,将多站点可调控充放电功率统一封装后参与电力现货市场与辅助服务市场交易。
31、进一步地,联动充电站内混合储能系统,具体包括:
32、基于充电桩健康度与电网调频需求执行动态充放电策略;
33、当电网频率波动超过预设频率阈值时,优先调用超级电容进行响应;
34、获取超级电容的健康状态评分,根据健康状态评分所属的预设评分区间确定对应的放电深度上限值;其中,预设评分区间包括第一区间、第二区间及第三区间,第一区间的评分下限值大于第二区间的评分上限值,第二区间的评分下限值大于第三区间的评分上限值,且第一区间对应的第一放电深度比例大于第二区间对应的第二放电深度比例,第二放电深度比例大于第三区间对应的第三放电深度比例。
35、根据本发明其中一实施例,还提供了一种充电桩超充运维与车网协同调控装置,包括:
36、获取模块,用于获取超充桩运行参数、设备健康特征、车辆电池状态与配电网实时数据,构建多源异构数据融合的车桩网全域状态感知结果;
37、生成模块,用于基于全域状态感知结果,通过改进时序深度网络计算各超充桩内多个核心器件的故障概率与剩余使用寿命,生成与各核心器件剩余使用寿命联动的动态功率约束阈值,并结合运维人员排班与备件库存信息生成预知性维护排程策略;
38、指令模块,用于基于动态功率约束阈值、预知性维护排程策略与电网调控需求,构建多目标协同优化模型,通过分层分布式调度算法生成站级充放电调控策略与运维联动执行指令集,运维联动执行指令集用于控制充电桩执行机构位于目标工作状态。
39、根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的可执行程序,其中,在可执行程序运行时控制计算机可读存储介质所在设备执行本发明各个实施例中的方法。
40、在本发明实施例中,通过融合充电桩运行数据、故障数据、环境参数、用户充电行为数据、运营数据、配电网实时数据以及分布式光伏发电和绿电交易信息,构建覆盖设备健康、用户行为、运营收益、绿电碳排的多源数据融合感知与评估体系;建立多维度多指标的健康度综合评价体系,结合差异化预警和源荷储一体化智能运维策略,提升设备健康隐患识别能力并降低运维成本;基于用户充电行为画像、充电套餐偏好以及多目标优化与行为响应,形成多种优化充电运营收益的逻辑算法,提升充电收益;结合绿电供应能力评估、分时分区分站电碳因子和减碳能力量化评估,设计绿色充电激励引导方案,提升充电站绿电利用率和低碳普及率;同时通过车网互动、分层分布式调度、预知性维护排程和功率补偿,保障设备维护时段电网调控连续性,最终实现充电设施智能运维、运营优化与绿色低碳协同提升,进而解决了现有技术中充电设施多源数据融合不充分、健康度评价与差异化预警不精准、运维与车网调控及源荷储协同脱节的技术问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com