基于物联网+AI技术的分布式储能资源全景监视技术研究

基于物联网+AI技术的分布式储能资源全景监视技术研究

朱晓东 蔡小玲 许先静 苏泳钒

中国电建集团福建省电力勘测设计院有限公司 福建福州350001

摘要：分布式储能市场正在快速发展，但由于分布式储能资源的分散性、多样性和动态性特征，传统的监控技术难以满足分布式储能资源发展带来的全景监控需求。因此，本文提出一种基于人工智能技术与可信物联网技术的分布式储能资源全景监控系统方案，实现对分布式储能资源实时数据的可靠传输、海量数据的高效处理以及资源的全景集中监视。

关键词：人工智能技术，物联网，可信计算，分布式储能，全景监视

1.引言

分布式储能系统作为一种高效、灵活的能源存储与利用方式，正逐渐成为电力系统重要组成部分。但由于分布式储能资源的分散性、多样性和动态性，传统监视技术已无法满足对其的全面、实时、精准监控的需求。

本文通过分析分布式储能资源的运行特性，提出一种创新的分布式储能资源全景监视的解决方案。该方案利用物联网技术实时采集分布式储能资源的运行数据，确保数据的时效性和准确性。随后，通过运用基于深度学习的自然语言处理模型，对采集到的运行数据进行预处理、清洗、整合以及深度挖掘分析，进一步提炼出有价值的信息。同时，借助先进的多模态数据处理模型，对实测数据与图像数据等多模态数据的进行深度融合，从而构建了一个全面、精准的分布式储能资源运行数据分析模型。这一创新方法不仅实现了对分布式储能资源的全景监视，实时监测分布式储能运行信息，还为分布式储能系统的安全、高效运行提供了有力的技术支撑和解决方案。

2.分布式储能资源的运行特性

分布式特性：分布式储能资源地理位置分散，传统监视技术多基于集中式的监控架构，难以有效覆盖和管理，存在监控盲区。

实时性要求：电力系统对储能资源信息响应速度要求高，传统监视技术存在通信延迟等问题，影响电力系统调度决策。

精准度要求：分布式储能资源涉及多种类型的储能设备和技术，传统监视技术缺乏定制化监控策略，无法准确反映储能设备的实际状态和运行性能。

3.关键技术

物联网技术：一种通过射频识别、红外感应器、全球定位系统等信息传感设备，按照约定的协议，将物品与互联网连接起来进行信息交换和通信的技术[1]。

区块链技术：一种分布式数据库，它由一系列按照时间顺序排列的数据块组成，并采用密码学方式保证不可篡改和不可伪造[2]。相比于传统的网络，具有数据难以篡改和去中心化的特点。

可信计算技术：将可信技术嵌入到计算机硬件和软件系统的各个层次中，从而确保整个系统的安全性、可靠性和可用性[3]。

基于深度学习的自然语言处理模型：具有强大的自然语言处理能力[4]，可基于物联网设备采集的海量数据，学习并识别模式、趋势和关联性。

多模态数据处理模型：基于文本条件扩散模型，结合了文本条件信息和扩散模型的概念来生成与给定文本条件相匹配的图像或其他类型的数据；可结合物联网技术，实现强大的数据挖掘分析以及高智能可视化。

4.基于物联网+AI技术的分布式储能资源全景监视设计方案

搭建基于物联网+AI技术的分布式储能资源全景监视平台，实现分布式储能资源数据的采集、数据处理、多模态数据深度融合分析，通过一体化建模技术建立分布式储能资源运行数据分析模型，进行分布式储能资源的可视化全景展示。

4.1基础平台

建设基于B/S架构和分布式存储的物联网云平台，同时依托现代物联网技术实现区域分布式储能资源数据的灵活接入，并对物联网数据进行实时分析并为其他数据平台提供数据共享融合接口。

系统平台主要分为基础设施层IaaS、平台层PaaS、应用层SaaS，共同支撑分布式储能资源的实时监控、安全运转与操作分析、设备动态管理等功能应用，实现分布式储能资源的云监控、云诊断、云管理、云维护。

4.3基于链式可信物联网技术的分布式储能资源采集

链式可信物联网技术结合了区块链、可信验证及物联网技术优势，通过去中心化、分布式的数据存储和验证机制，确保数据的完整性和可信度。

数据采集流程包括设备注册、数据采集、数据验证和存储等环节。设备注册时，每个储能设备都需要在区块链网络中进行身份认证和授权。数据采集时，感知层通过物联网技术实时采集设备的运行数据。数据验证时，网络层利用区块链的共识机制对采集到的数据进行验证和确认。最后，验证通过的数据将被存储在分布式的数据账本中。

4.4分布式储能资源运行数据分析模型建设

将链式可信物联网数据采集平台获取的可靠性数据作为该模型的输入，通过基于深度学习的自然语言处理模型进行分布式储能资源数据预处理；然后再将预处理后的各类型数据输入到多模态数据处理模型中，进行深度数据融合与分析，形成分布式储能资源库，为分布式储能资源全景展示提供数据支撑。

4.5分布式储能资源全景监视应用功能

4.5.1储能资源基础数据展示

1）区域分布式储能资源规模、实时充放电功率、实时充放电容量、分时段电量计算等基础数据分析。

2）根据电网设备模型参数信息，对分布式储能资源进行装机容量统计，并实现区域储能装机容量与光伏装机容量对比分析。

3）实现充放电功率总加计算，生成区域储能资源充放电功率总加计算，并实现储能资源最大充放电功率、最小充放电功率计算。

4）根据各储能站SOC、SOH信息，实现储能站最大充放电容量计算，并根据实时容量分析生成剩余充放电容量，进而根据区域信息进行总加计算。

4.5.2基于地理信息的储能资源定位及监视

建立储能站地理信息库，实现对储能站地理信息的维护；支持地理信息自动发布到各应用，并及时在GIS地图上进行更新。

4.5.3储能站运行统计分析

1）实现各储能站运行状态评估、日充放电能量计算、充放电计划跟踪、充放电效能分析等功能。

2）根据设备基本规格、各PCS子单元有功功率信息、运行状态信息、PCS子单元SOC、PCS子单元SOH信息，实现储能站电池健康状态评估、整站实时最大储能容量评估等。

3）根据储能站有功、无功曲线，进行电量积分计算、日充放电量计算。

4）实现充放电计划曲线、实时有功功率曲线跟踪展示，并计算充放电计划合格率计算，分析实际充放电与充放电计划曲线锲合度。

4.5.4储能站自动成图

针对储能站内变流室、BMS监视信息，自动生成监视信息图，并实现从实时数据库中获取相应实时数据，实现站内信息实时监视。

5.小结

为了更好地监控和管理分布式储能资源，需要对其产生的海量数据进行有效处理和分析。物联网+AI技术作为一种先进的信息通信技术，为分布式储能资源的全景监视提供了有力的支持。

6.参考文献：

[1] 黄鑫. 电力配网智能监控管理中物联网技术的应用研究[J]. 科技创新与应用,2020,(32):189-190.

[2] 李锐. 基于区块链和云技术的电力设备数据语义物联研究[J]. 云南电力技术,2023,(06):70-75+82

[3] 刘思尧,贾博,李斌,李鹏,吴宗后.基于可信计算的物联网设备安全研究[J]. 信息与电脑(理论版). 2022 (17).

[4] 赵俊华;文福拴;黄建伟;刘嘉宁;赵焕;程裕恒;董朝阳;薛禹胜. 基于大语言模型的电力系统通用人工智能展望：理论与应用[J]. 电力系统自动化,2024,(06):13-28.

[5] 赵文鹤. 新一代储能微电网监控管理系统的设计与实现[D].北京交通大学,2019.