中国储能网讯：7月9-10日，由中国化学与物理电源行业协会储能应用分会联合江苏省电机工程学会、国网江苏省电力公司电力科学研究院、国网四川综合能源服务有限公司、国网浙江综合能源服务有限公司、中国能源建设集团江苏省电力设计院有限公司、中国科学院电工研究所储能技术组等单位共同主办的“第五届全国电网侧暨用户侧储能技术应用高层研讨会”在江苏南通文峰酒店召开。
在本次会议上，国网综合能源服务集团有限公司科信部高级研究员周喜超分享了主题报告《基于大数据分析的储能电站运行状态评价》。现在，小编经过授权，将演讲内容整理如下：
周喜超：大家好，今天分享的题目是基于大数据分析的储能电站运行状态评估技术。汇报内容分为4部分：
第一部分：储能系统的现状，以及储能电站运行状态评估技术的背景。
储能系统是现代电力系统及智能电网的重要组成部分，也是实现可再生能源并网消纳及分布式发电高效利用的重要环节。其应用的技术主要分为三类，即物理储能、化学储能和电化学储能，其中电化学储能在可扩展性、使用寿命、灵活性等方面具有更多的优势，被迅速、广泛的推广。而在各类电化学储能技术中，锂离子电池的装机占比超过90%。随着双碳战略的实施，锂离子电池储能系统得到了快速发展和规模化应用。
然而，由于锂电池电解液材料的特性，加上长期运行造成的电池组内各个电池的不一致性对电池组状态监测和判断的不良影响，电池储能系统面临着火灾、爆炸等严重安全问题，影响了电池储能系统的正常使用。
在这种情况下，对储能电站电池组采进行效的运行状态的监测和评估，能够在事故发生前识别和定位安全状态劣化的电池单元，终止电池的劣化过程，实现安全状态的的早期预警，避免事故的发生。因此，对储能电站，特别是核心储能系统进行状态评估是保证其安全可靠运行的重要手段。
第二部分：传统的评估方法
（一）模型法。模型法由电气电路模型和热模型2部分组成。电气电路模型通过电池管理系统的数据计算其SOC、SOH等参数，辅助储能电站运行；然后根据实际情况，建立热模型实现对电池组的热管理
（二）数据驱动法。锂离子电池的衰退的机理分析在物理意义和概念角度方面都已经很清晰，然而对其精确建模却仍需涉及大量参数和复杂计算，所以基于数据驱动的方法在相当长的一段时间内是研究的热点。这种方法不需要建立详细的模型，而是通过挖掘输入与响应输出之间的内在关联，建立逼近规律的统计模型，随后外推得到电池运行状态。典型的数据驱动法包括基于支持向量机数据驱动法和基于人工神经网络的数据驱动法。
传统方法的局限性：
传统方法大多以模型驱动为主，研究所用数据大部分来自实验室，也有电站自身的测试数据，但距离大数据模式还远远不足，不能真正应用大数据相关方法开展储能电站状态评价与预警。
传统评估利用传统的参数测量、设定阈值、模型分析方式虽然可以取得一定效果，但是很难进行具有全时、多域、整站高要求的评估，特别是故障更是难以进行预警。目前的研究针对场景单一，而在面对跨域多站的复杂场景，很难再用统一的模型方法去评估。
第三部分：基于大数据的评估方法。
大数据是随着信息技术尤其是近年来的互联网和物联网技术的发展而产生的一个新的趋势。面对大型电池储能系统评估运行状态和预警故障的特殊要求和迫切需求，大数据技术成为了目前解决该问题的一种新的手段。
基于大数据分析的储能电站运行状态评估技术研究，首先需要根据储能电站数据特点的建立采集-清洗-存储链。其次，对采集到的数据进行清洗、分类，针对短时间缺省数据进行补偿，将数据进行降噪、修复、特征提取和压缩，缩减存储和传输大数据的成本和时间。最终，分别建立本地和云端的储能电站运行大数据存储仓库和平台。
在获得丰富的运行数据基础上，进行针对储能电站运行状态评估的大数据分析。分析包括三部分：用以离群分析的梯度分析、用以安全评价的安全评估，和用以寿命评估的建模仿真。
储能电站大数据分析流程设计的目标是针对储能电站运行大数据，开发云服务及其验证平台，可集成在电力系统已建成的电力设备大数据管理平台中，提升储能电站大数据管理平台的计算水平。
该流程包括用户管理模块、数据分析模块、物理机模块、验证模块和日志模块。用户模块提供用户数据的验证和维护；数据分析模块的主要功能有大数据分析虚拟机历史数据查询、创建和管理以及大数据分析虚拟机的实时监控；物理机模块提供大数据验证平台的物理服务器列表和配置信息查询、服务的运行状态监控和物理服务的异常检测；验证模块的主要功能是大数据验证平台的资源设置、查询和管理；日志模块用来提供操作日志的查询和管理。
储能电站的运行大数据平台系统架构共可分为四层：底端的调节对象层涵盖了可能存在的各种符合和分布式电源，受其到上层终端平台的调度和控制；终端平台包含了工商业和企业用户终端，储能电站终端，充电站终端和电站终端，接收聚合商平台的分配和管控；各类聚合商平台最终接入分布式双调资源聚合中心。
储能电站大数据平台系统主要分为三个核心架构层，分别为数据安全接入层、平台资源服务API以及核心功能接口API。数据安全接入使用4G、5G以及专网通信技术，实现系统的正常运行。该系统的子平台主要为物联网网关。物联网卡管理平台、充电运营商平台、金融支付平台以及政府监督平台；平台资源服务API则体现了储能电站大数据平台系统的核心功能，核心功能主要涵盖了系统各组分构件的监控、预警、定位、评价、分析以及预测等功能，是整个储能电站大数据平台系统重要组成；核心接口功能API则面向客户端的应用展开设计，主要涉及到了移动端协同应用、数据可视化、平台运营管理以及分析评估等主要内容，旨在进一步提高储能电站大数据平台系统功能展示效果，为用户带来良好的操作体验。
储能电站海量电池数据管理平台采用分层设计的策略，可以分成采集层，存储层，分析层，系统管理层，业务层和用户层6个层次。采集层为储能电站大数据管理平台提供数据源，为数据的获取和存储提供基础；存储层负责把从数据源拿到的数据进行高效可靠存储，为上层分析提供数据准备；分析层对数据进行分析和挖掘；系统管理层负责平台的运行管理，辅助平台的正常运行和故障分析；业务层封装了数据管理和数据分析逻辑，通过应用服务器为用户提供平台的各项服务；用户层提供用户访问平台的界面，支持数据查询、数据统计、数据展示、系统管理等业务。
基于大数据的储能电站评价指标体系的建立，首先以电池及电池组为主要对象建立设备层评价指标。根据电池单体和电池组的各项运行数据，重点结合设备异常运行数据及特征，制定核心设备故障判别及运行维护建议。将设备层指标体系结合BMS和PMS等管控辅助设备以及散热、消防等次要设备的运行数据，建立储能系统的运行状态评价和故障预警指标。综合考虑多舱系统层运行情况，制定动态的全站参数评价指标，最终建立基于大数据分析的储能电站评价指标体系，并进一步制定行业标准和规范。
储能电站运行大数据分析平台还设有故障报警、预警策略，其中针对单电池和电池组各设置4类，共30项。以电压举例，主要的报警有6种：电池过压策略、电池欠压策略、电池单体离线、电池组压差过大、电压反向跳变，以及电压抖动。当实时数据触发预定的规则且达到一定时间后则立即触发报警，并且对即将触发报警规则的单电池及电池组进行提醒。
第四部分：技术发展趋势：
随着智能电网的全面建设和电力行业数据呈现出爆炸式增长，开展基于大数据分析的储能电站运行状态评估技术的研究是大数据时代的必然趋势，也是电网发展的必然方向。
该技术可以密结合5G移动通信技术，实现少人值守和高效运维。平台通过实时采集电站相关设备数据，快速判断储能电站运行状态；发生故障时，准确定位故障，依据故障的等级，及时报警并通知区域/电站运维人员进行消缺。解决因为储能设备分布较广而导致的运维效率低下问题。
数字孪生是充分利用物理模型，传感器更新、运行历史等数据，集成多学科、多物理量、多尺度的仿真过程，在虚拟空间中完成对物理实体的映射，从而反映物理实体的全生命周期过程。通过数字孪生，从建设阶段开始实现对储能电站从运行状态监测、故障预警、寿命评估和运行控制，最终达到完全避免失控发生的零故障安全水平。
智慧运维，提生使用效率基于储能设备实时运行数据进行分析，实现早期故障告警、状态分析、寿命预测、负荷管理等功能，根据电站运行的实时状态自动组织日常生产，各级管理人员和现场检修人员依据内置的管理要求和生产规范高效运维。此外，基于大数据分析充分挖掘不同时间断和地区的储能电站运行数据的区别于差异，为统一管理、优势互补提供科学的依据。
最后，我希望能和大家携手共赢，共同在储能大发展的浪潮下有一定的自己的贡献，谢谢大家！
扫一扫关注微信
