中國儲能網訊：
李相俊 1，劉曉宇 1，韓雪冰 2，
楊佳濤 3，李睿 3
（1．可再生能源并網全國重點實驗室（中國電力科學研究院有限公司），北京 100192；2．清華大學車輛與運載學院，北京 100084；3．電力傳輸與功率變換控制教育部重點實驗室（上海交通大學），上海 200240）
摘 要：近年來，我國電化學儲能電站的并網規(guī)模逐步向百兆瓦時級和吉瓦時級快速發(fā)展，大容量集中式接入和多點分散式接入是兩大類應用模式。在分析我國電化學儲能技術發(fā)展現狀的基礎上，面向電力與能源的數字化智能化（簡稱數智化）轉型發(fā)展需求，提出了儲能電池、儲能變流器、儲能電站的數智化應用方法，展望了電化學儲能電站數智化應用前景。
關鍵詞：儲能；儲能電站；數智化轉型；儲能數字孿生；智能電池；儲能變流器
基金項目：國家重點研發(fā)計劃項目“吉瓦時級鋰離子電池儲能系統技術”（2021YFB2400100）；國家重點研發(fā)計劃項目“吉瓦時級儲能電站集成及智能管理與示范應用”（2021YFB2400105）；國家自然科學基金項目“面向多應用場景的電力儲能用鋰離子電池性能衰退機理與壽命評估方法研究”（52077202）。
Supported by National Key R & D Program of China（2021YFB2400100， 2021YFB2400105）；the National Natural Science Foundation of China（52077202）.
［引文信息］
李相俊，劉曉宇，韓雪冰，等．電化學儲能電站數字化智能化技術及其應用展［J］．供用電，2023，40（8）：3-12．
LI Xiangjun，LIU Xiaoyu，HAN Xuebing，et al．Digitalization and intelligence technologies of electrochemical energy storage stations and their application prospects［J］．Distribution & Utilization，2023，40（8）：3-12．
引言
0
2022年10月，黨的二十大報告提出建設數字中國。2023年2月，中共中央、國務院印發(fā)《數字中國建設整體布局規(guī)劃》，提出了加快能源領域的數字技術創(chuàng)新應用。2023年3月，國家能源局印發(fā)《關于加快推進能源數字化智能化發(fā)展的若干意見》，提出了基于數字化智能化（簡稱數智化）技術融合應用，滿足電力、煤炭等行業(yè)數字化智能化轉型發(fā)展需求。
儲能是支撐能源高質量發(fā)展的重要技術，國內外已開展了電源側、電網側、負荷側等不同場景下的儲能多目標應用與工程示范［1-3］，取得了一定的商業(yè)化運營成效。近年來，國家也出臺了一系列政策，推動電化學儲能等新型儲能技術不斷發(fā)展。我國儲能應用產業(yè)已逐步進入商業(yè)化初期，不同容量的集中式和分布式電化學儲能在電網中得到了推廣應用。據中關村儲能產業(yè)聯盟統計，2022年我國電化學儲能新增裝機規(guī)模已超過5 GW。隨著電化學儲能系統/電站在電力系統中的應用規(guī)模不斷擴大，其安全性、可靠性、經濟性問題備受業(yè)界關注。探索并提出儲能應用過程中的數字化與智能化理論方法及其應用技術，將有效改善儲能的安全穩(wěn)定經濟運行水平，是重要的現實需求。但是針對電化學儲能的數智化水平提升，目前缺少較為系統的分析與論述。為此，本文將在分析電化學儲能數智化發(fā)展現狀的基礎上，面向儲能數智化發(fā)展與創(chuàng)新應用需求，提出并展望電化學儲能電池、變流器、電站管控的數字化與智能化應用思路與解決方案。
儲能電池數智化應用
01
1.1 儲能電池的數智化整體思路
面向“雙碳”目標，以電池為核心的電化學儲能系統將大規(guī)模應用。儲能系統電池數量大、一致性差異明顯、深度充放電頻繁，電池安全與壽命的問題日益凸顯，對鋰離子電池系統及電池管理系統提出了更高要求，需要在可靠性、安全性、耐久性等方面有進一步的拓展。為此，需要從設計、制造、使用、回收再利用等全生命周期進行電池的全鏈條智能化升級，包括電池智能化、制造智能化與管理智能化。儲能電池的數智化發(fā)展方向如圖1所示。
圖1 儲能電池的數智化發(fā)展方向
Fig.1 Development direction of battery digitalization and intelligence
1.2 儲能電池的數智化應用
1.2.1 電池的設計制造
當前電池設計過程主要依賴經驗試錯，尚未實現跨尺度建模設計。電池本身也僅為單純的能量存儲單元，智能化程度較低，缺乏自響應功能。當前電池管理系統僅能夠獲得端電壓與表面溫度，無法感知電池內部多維信息，同時電池尚缺乏執(zhí)行器與主動反饋控制能力。因此，針對電池智能化目標，解決方法歸納如下：①在電池設計過程中，需結合人工智能技術，開展跨尺度耦合電池設計，并引入智能多維多物理場傳感器，實現對電池內部信息的全面感知；②基于多信息融合，實現對電池內部安全與壽命的狀態(tài)觀測；③進一步根據狀態(tài)觀測結果， 結合智能執(zhí)行器，實現電池的主動閉環(huán)調控，保障電池的安全與長壽。
電池制造環(huán)節(jié)，生產工藝尚未實現全自動化，各工序相對分離，且生產過程信號開環(huán)，無法控制缺陷。雖然在生產過程中也會產生大量數據，但目前數據的利用率非常低。因此，針對電池制造智能化目標，解決思路歸納如下：①需要大力引入干法電極、智能分選等先進工藝，實現電池的全智能自動化生產；②需探索各類電池生產缺陷的引入機制與表征特性，在產線各段進行缺陷檢測，并將缺陷信息對前端工藝進行反饋，實現生產過程智能閉環(huán)控制；③對產線大數據進行更高效合理利用，并通過工業(yè)互聯網進一步保證生產效率與質量。
1.2.2 電池的優(yōu)化管理
當前的電池管理主要基于電池側管理系統開展，算力與存儲能力有限，且缺乏與云端的信息雙向交互，導致全生命周期電池數據利用率、互聯率低。目前管理算法主要基于等效電路模型進行仿真計算與優(yōu)化管理，精度難以進一步提升。為此，面向電池優(yōu)化管理，數智化解決方法歸納如下：①需結合植入電池內部的機電、熱、氣多維傳感器進行智能狀態(tài)感知。例如，可通過主動激勵進一步提取電池關鍵特征參數，搭建云邊端一體化管理結構，將多傳感器采集信息進行逐層上報，綜合形成電池使用過程大數據庫；②需結合電池安全失效與壽命衰退機理，利用人工智能訓練電池高精度數字孿生模型，實現電池風險的高精度預警與老化狀態(tài)的精準預測；③需結合主動調控技術，在電池風險超早期進行壽命損傷控制與安全風險調控，并考慮儲能需求與電池狀態(tài)進行電池的充放電優(yōu)化，從而綜合實現電池全生命周期的精細化智能管理。
儲能變流器的數智化應用
02
儲能變流器（power conversion system，PCS）作為儲能電池與電網之間的功率接口，在電池儲能系統中擔任重要角色，其核心功能是在并網模式或者離網模式下控制儲能電池的充放電，并實現并離網切換。因此，儲能變流器直接決定了儲能電池與電網之間的能量轉換效率、并網側電能質量以及電池儲能系統的可靠程度，是電池儲能系統中的核心組成部分。受益于近年來儲能產業(yè)的飛速發(fā)展，不僅僅是電池管理系統、能量管理系統等相關產品正不斷向數字化、智能化方向發(fā)展，儲能變流器的數字化、平臺化需求也快速提升。
2.1 儲能變流器數智化的整體思路
從拓撲上來看，儲能變流器可以分為工頻隔離式拓撲、高頻隔離式拓撲和級聯式拓撲［4］。PCS的 2種工頻隔離式拓撲如圖2所示，可分為直接DC/AC逆變電路與兩級DC/DC+DC/AC逆變電路2種，隨后通過工頻變壓器接入交流電網；PCS的一種高頻隔離式拓撲如圖3所示，各組電池分別通過前級高頻隔離DC/DC變換器級聯接入逆變器高壓直流母線，通過三電平有源中點鉗位（three-level active neutral point clamped，3L-ANPC）變換器直接并網［5］；PCS的一種級聯式拓撲如圖4所示，儲能電池通過低壓DC/AC功率模塊直接級聯，可以直掛高壓電網，無需工頻變壓器，已于2014年在深圳寶清儲能站完成了世界上首例示范應用［6-7］。各種拓撲的應用場景各有不同，工頻隔離式PCS主要用于分布式儲能應用，高頻隔離式和級聯式PCS用于中壓并網的大容量儲能電站。國內外針對相關PCS拓撲的研究主要針對傳輸效率的進一步優(yōu)化，在拓撲和硬件上進行數字化、平臺化的發(fā)展前景較小。
圖2 PCS的2種工頻隔離式拓撲
Fig.2 Two topologies of PCS with line frequency isolation
圖3 PCS的一種高頻隔離式拓撲
Fig.3 A topologies of PCS with high frequency isolation
圖4 PCS的一種級聯式拓撲
Fig.4 A topologies of PCS with cascading architecture
由于儲能變流器的建模、仿真、控制、優(yōu)化等過程本身就是基于數字信號處理單元實現的，其管理規(guī)模大、控制目標多樣、人工介入成本高，比較適合向數字化、智能化和平臺化發(fā)展，有利于實現對儲能系統的智能控制和優(yōu)化，提高儲能系統的效率和可靠性。儲能變流器的數智化解決方法歸納如下：①將儲能變流器的控制算法、優(yōu)化設計等進行數字化建模，可以提高建模、控制算法和容量規(guī)劃優(yōu)化等的精度和可靠性，從而提高儲能系統的效率和可靠性；②通過人工智能、機器學習、數字孿生等技術實現儲能變流器的智能建模、智能仿真、智能控制和智能優(yōu)化，可以進一步提升系統效果。
2.2 儲能變流器數智化發(fā)展的關鍵技術
2.2.1 儲能變流器建模仿真的數智化
儲能變流器仿真的數智化應用可幫助儲能系統實現更加高效的能量轉換和儲存，提高儲能系統的性能和可靠性。本文提出的儲能變流器建模仿真的數智化應用分類如圖5所示，主要包括以下4個方面：①基于物理模型的數學建模：通過建立基于物理原理的數學模型，可以精確地描述儲能變流器的動態(tài)響應和穩(wěn)態(tài)特性，實現對其運行狀態(tài)的預測和優(yōu)化控制；②基于數據驅動的建模［8］：通過采集和處理儲能變流器的運行數據，可以建立基于數據驅動的建模方法，通過機器學習和深度學習等算法，實現對儲能變流器運行狀態(tài)和故障的診斷與預測；③動態(tài)仿真建模［8-9］：通過建立動態(tài)仿真模型，可以模擬儲能變流器在不同工況下的運行狀態(tài)和響應特性，幫助設計人員進行性能評估和優(yōu)化［10］；④模型優(yōu)化整合［11-12］：將已建的儲能變流器模型整合到智能電網或儲能系統的整體模型中，通過對已建模型的優(yōu)化控制和運行監(jiān)測，包括參數調整、控制策略優(yōu)化等，提高儲能變流器的能效和性能。
圖5 儲能變流器建模仿真的數智化應用分類
Fig.5 Classification of digitalization and intellectualization applications of modeling and simulation for PCS
2.2.2 儲能變流器控制優(yōu)化的數智化
儲能變流器可以通過智能控制進一步提高儲能系統的性能和可靠性，通過人工智能、機器學習、數字孿生等技術，實現對儲能系統的智能控制和優(yōu)化。本文提出的儲能變流器控制優(yōu)化的數智化應用如圖6所示，主要包括以下4個方面：①智能控制算法：可以通過人工智能、機器學習、數字孿生等技術來提高控制算法的精度和可靠性。②智能運維［13-14］：儲能變流器可以通過數字化的通信接口與其他設備進行通信，實現數據的傳輸和控制。儲能變流器可以通過數字化的方式采集電網和儲能系統的數據，包括電壓、電流、功率等參數，用于多儲能變流器之間、儲能電站內部、儲能之間的智能運維和智能控制。③智能能量管理、容量規(guī)劃、預測優(yōu)化［15-17］：通過人工智能、機器學習等技術，儲能變流器能夠實現能量管理、容量規(guī)劃的智能化，預測容量需求，優(yōu)化儲能系統的實時容量配置，提高儲能系統的效率和可靠性。④智能故障診斷［18］：智能故障診斷通過使用人工智能、機器學習等技術實現對儲能系統的故障預測與診斷，提高儲能系統的可靠性和安全性。
圖6 儲能變流器控制優(yōu)化的數智化應用分類
Fig.6 Classification of digitalization and intellectualization applications of control and optimization for PCS
儲能電站的數智化應用
03
3.1 儲能電站數智化管控的整體思路
面向儲能數字化管理和儲能數字孿生構建需求，本文提出儲能電站數智化管控的整體架構，主要包含物理實體管理、數據融合共享、泛在感知連接、數字孿生映射、跨域應用服務等交叉互融，如圖7所示。
物理實體是儲能電站數字化管理和數字孿生映射的物理基礎，主要包括鋰離子電池、鈉離子電池、液流電池、鉛酸電池等多類型電化學儲能電池，逆變器、充放電控制單元等儲能變流器設備，通信鏈路、網絡交換機、協議轉換器等網絡通信設備，計算服務器、存儲單元、安全防護等云邊計算設備，以及視頻監(jiān)控、安防管理、傳感等輔助設備等。不同的物理實體承載著物理量、狀態(tài)量、電氣量、環(huán)境量、空間量、行為量等原生物理信息。物理實體層通過統一管理真實世界的多類型多功能物理實體，以物理信息的完備性解決模型參數和應用推演的準確性，為儲能在源網荷側的多場景應用提供物理支撐。
孿生數據是儲能電站數字化管理和數字孿生映射的核心驅動，包括電力發(fā)輸配用、電力市場、網絡運行狀態(tài)、電力政策等歷史和實時數據，以及發(fā)電預測、工況辨識、故障診斷等仿真數據。通過規(guī)范異構數據表達、統一異構數據互轉換規(guī)則、建立異構數據融合標準，實現對多運行主體的多尺度異構數據的全面采集、存儲、管理及融合共享，將多類型物理實體及其運行過程轉化為數據表達，驅動多模態(tài)模型迭代演進和應用服務推演優(yōu)化。
感知連接是支撐儲能電站數據信息在物理實體與數字空間雙向流動的神經通道，主要包括全息感知、數據采集、多域存儲和泛在連接等功能。在支持海量儲能相關設備安全接入的同時，兼顧源網荷儲多元要素連接的靈活組網需求，實現多源異構數據的高效采集與實時傳輸。為滿足儲能電站核心業(yè)務對通信實時性、供電可靠性和數據安全性的嚴苛要求，綜合利用多種通信技術手段，結合云邊協同實現通信冗余配置、數據安全存儲。
數字空間是儲能電站數字化管理和數字孿生映射的實現平臺。依賴高性能計算、異構數據存儲、高速數據交互組成先進管控架構下的虛擬化資源集群，實時映射管理、配置調度設備本體、數據管理、網絡通信、電力市場等模型；利用大數據融合、多模態(tài)整合等技術手段，基于海量數據完成對儲能電站運行工況以及儲能設備運行狀態(tài)的感知、推演與綜合呈現，建立儲能電站運行數字孿生鏡像；綜合利用數據驅動得到的儲能電站運行狀態(tài)與物理電網的原生機理，提供具有前瞻性的態(tài)勢判斷和運行決策，保障儲能系統在新型電力系統中安全可靠高效運行。
應用服務是儲能電站數字化管理和數字孿生映射的高級應用。儲能本體、數據、模型協同推動儲能系統局部運行規(guī)律和發(fā)展態(tài)勢的自感知，本體交互、數據挖掘和模型協同催生儲能系統整體的全局知識發(fā)現和迭代優(yōu)化。由局部到整體的跨域應用服務面向不同的應用需求，通過對儲能本體交互認知、海量數據融合學習和多類型模型協同利用形成個性化業(yè)務智能。借助無處不在的通信網絡關聯不同業(yè)務域知識，形成覆蓋儲能在源網荷側多環(huán)節(jié)的知識網絡和知識圖譜，掌握儲能多場景業(yè)務應用的相互影響和協同，實現智能自治的儲能電站數智化管控。
圖7 儲能電站數智化管控架構
Fig.7 Intelligent control architecture for energy storage stations
3.2 儲能電站數智化發(fā)展的關鍵技術及挑戰(zhàn)
為加快推進儲能電站數字化智能化轉型，需要以多類型設備本體、多源異構數據、多模態(tài)模型、多場景應用服務全面貫通為框架，以信息、能量、控制等多流融合為紐帶，以云計算、大數據、物聯網、移動互聯網、人工智能、區(qū)塊鏈、邊緣計算等先進數字科學技術為抓手，提升儲能在發(fā)電側、電網側、用戶側的數字化智能化服務水平。儲能電站數字化智能化轉型要求儲能系統自身必須具備自感知、自計算、自決策和自優(yōu)化等能力，通過感知、通信、控制的一體化協同，提升儲能安全性、經濟性、穩(wěn)定性，助力能源綠色低碳轉型。
3.2.1 全景信息感知
儲能電站運行狀態(tài)的全面準確數字化表征是儲能電站數智化轉型的基礎。構建以智能傳感量測為數據來源、以多源資源協同感知為實現目標的儲能電站全景感知體系，響應源自儲能系統上下游的數據傳感、資源協同、工況響應等需求，是打造可觀、可測、可控的數智化儲能電站的首要關鍵，具體包括以下內容。
1）智能傳感量測：儲能電站安全穩(wěn)定運行依賴物理量、電氣量、狀態(tài)量、環(huán)境量、空間量、行為量等多源異構數據的傳感量測，數據源覆蓋儲能電池、儲能變流器、網絡通信設備、云邊計算設備、輔助設備等多類型設備本體。當前部署的傳感設備大都僅支持獲取單一設備本體的單一類型數據，難以通過一次量測獲取多類傳感數據，導致儲能電站傳感設備數量龐大、管控復雜。同時，目前傳感設備的部署使用仍以“量測+傳輸+供能”組合集成為主，其嚴苛的安裝環(huán)境、操作流程及應用要求限制了環(huán)境適應能力［19］。因此，需要加強傳感設備的多物理量集成量測及多數據融合傳輸技術研究，推動傳感設備“量測+傳輸+供能”多模塊的微型化集成與封裝技術迭代發(fā)展，利用人工智能賦能提升傳感設備的自感知、自調節(jié)、抗干擾能力，建設“傳感網+電網”緊密聯系的統一物理網絡。
2）資源協同感知：海量部署的智能傳感終端采集到的多源異構數據是原始的、未經處理的，蘊含著海量隱式規(guī)律。儲能在源網荷側的不同運行工況引發(fā)儲能電站動態(tài)投退、并離網會導致通信拓撲、網絡時延多變［20-22］。因此需要實時準確感知源網荷儲生產連接關系，明晰通信拓撲、通信狀態(tài)、網絡時延等因素的動態(tài)變化，充分保障鏈路冗余性、網絡健壯性和通信可靠性。源網荷儲互動催生海量數據，對儲能電站數據處理能力提出挑戰(zhàn)，構建涵蓋云計算、邊緣算力及本地算力的多層異構算力資源池能夠有效提升數據處理能力。云邊端算力資源從分布方式、算力規(guī)模、硬件架構、軟件算法等方面存在極大差異且相互耦合制約［23-26］，必須精準感知與標識海量異構算力，建立標準化算力模型體系，支持算力透明感知、編排路由及協同調度，才能為不同儲能應用場景按需調度算力資源，提供差異化服務。從電池單體到站級平臺的工況特征各異且具有內在關聯，需要設計合理的數據資源共享與多級工況協同運行機制，滿足不同工況對數據資源的需求。同時，儲能在源網荷側運行特征交叉耦合，儲能響應呈現非線性、非高斯、快速動態(tài)變化特性，傳統的基于機理模型分析方法難以準確快速辨識工況，發(fā)展基于數據驅動的智能辨識方法，能夠有效提高儲能電站智能管控能力，支撐儲能在源網荷側的友好接入。
3.2.2 泛在安全互聯
儲能設備全域泛在互聯、信息安全傳輸是儲能電站數智化轉型的核心。全景感知到的數據、資源、工況信息需要泛在安全的信息流動渠道，多元儲能業(yè)務的控制穩(wěn)定性、魯棒性、安全性要求儲能電站提供強實時、確定性、廣連接、高安全的互聯功能，具體包括以下方面。
1）泛在網絡融合：多方主體參與下的多類型網絡通信協議并存決定了源網荷儲各環(huán)節(jié)靈活互聯必須支持多協議融合通信。多協議融合通信的主要挑戰(zhàn)在于跨介質、跨協議通信以及廣域授時同步［27-30］?？缃橘|通信需要有線、無線網絡融合，涉及電纜、光纖等有線介質與不同頻段的電磁波等無線介質之間網絡資源種類、數量、特性轉換及映射?？鐓f議通信存在協議棧不對等、語法不一致、數據格式不統一、通信速率不匹配等問題，導致信息互通性差、實時性低。廣域高精授時同步是支持儲能在源網荷側有序互動、安全穩(wěn)定運行的重要基礎。源網荷儲各環(huán)節(jié)所涉及的調度系統、監(jiān)控系統、保護系統以及數據采集、事件順序記錄、故障錄波器等設備需要高精度授時實現全局同步［31-34］。通信網絡融合迫切需要從協議棧結構、語法機制、數據格式、傳輸策略等維度挖掘異構協議相關性，定量分析時延、可靠性、授時授頻精度、吞吐量、緩存等特征指標，以協議識別、解析、互操作為基礎，研究網絡業(yè)務預測、異構資源互通、流量調度、時間同步等方法，建立異構協議的透明通道，實現自適應協議轉換與適配。
2）高可信網絡安全：全景感知與泛在通信強化了多類型儲能設備以及儲能電站與源網荷側多主體的靈活協調、互聯互通關系，同時也帶來了網絡安全風險。多樣性交互主體的弱安全防護能力容易造成單點網絡安全風險擴散；數據交互共享、協同利用需求劇增導致交互規(guī)模與隱私保護矛盾凸顯；以虛擬電廠、共享儲能為代表的網絡化運營主體容易被攻擊者惡意挾持群體性負荷或電源，引發(fā)重大網絡安全事件。因此，需要研究基于區(qū)塊鏈、零信任技術的多元設備安全可信接入技術［35-37］，在接入源頭應對終端設備的身份不確定性、訪問權限動態(tài)變化問題，提高接入安全門檻。強化內生安全技術，研究適用于儲能關鍵信息基礎設施的安全操作系統、適用于分布式終端的嵌入式可信計算、適用于調度控制的量子通信密碼、內生安全光通信等技術［38-42］，可以從根本上保障儲能業(yè)務應用安全可靠運行。多方主體接入的新型電力系統涉及海量多類數據的交互共享，數據安全是電力系統安全的關鍵核心，需要研究覆蓋數據接入、傳輸、管理、銷毀的全周期數據安全管理技術［40-42］?？紤]源網荷儲物理資產、數據信息及應用場景的安全特殊性，常態(tài)化的安全監(jiān)測及網絡攻防演練是提升網絡空間攻防能力的重要手段［43-44］，需要開展智能化安全監(jiān)測和風險評估，構建虛實結合的自對抗自優(yōu)化攻防體系，提升主動安全防御水平。
3.2.3 跨域智能融合
儲能多要素協同、集群智能管控和信息物理社會能源融合是儲能電站數智化轉型的大腦。構筑云邊端協同管控框架促進數據流、能源流、控制流全域融合，提升不同鏈條、不同層級的物理設備、數字設施、應用服務平臺的群體智能，推動建立信息物理能源社會融合系統，實時推演儲能在源網荷各環(huán)節(jié)運行控制，能夠為儲能系統安全穩(wěn)定經濟運行提供決策。
1）集群智能優(yōu)化：儲能在源網荷側的多元應用催生具有不同動力學運行規(guī)律的儲能主體，源網荷儲聚合優(yōu)化通常需要人工建立完整準確的優(yōu)化模型，難以適應電力系統非線性、強不確定性的發(fā)展趨勢。需要推動儲能智能終端技術突破，賦予儲能設備本體環(huán)境感知、狀態(tài)監(jiān)測和行為自治能力，打破現有終端設備能力限制，將智能引入儲能系統末梢。在儲能設備本體普遍智能化基礎上，邊緣側和云端平臺也應同步提高智能化水平［45］，面向源網荷側的差異化儲能需求，結合全景信息感知和泛在網絡通信，對儲能設備本體、數據資源、應用場景進行精準建模計算，剖析設備本體、數據資源與應用場景三者之間的映射關系，實現工況、數據、資源等多要素解耦，合理編排調度網絡、算力、電力電量。云邊端資源屬性各異，研究匯聚云邊端多源異構數據的新型數據模型［46］，開發(fā)安全可靠的數據同步管理、高效存儲索引、安全隱私保護策略，是有效利用源網荷儲多源異構數據的基礎。多源異構數據經過云邊端算力特征提取顯隱式多維信息，需要研究多維信息的跨域統一映射和管理機制，梳理異構信息聚合優(yōu)化機理，構建標準化透明化信息通道，為規(guī)模化儲能多場景應用提供關鍵信息支撐。云邊端協同促使傳統源網荷單向鏈式互動向源網荷儲多方雙向互動轉型，研究多主體協調的精準響應、協同優(yōu)化和服務執(zhí)行機制，推動儲能與源網荷側不同主體的時序銜接、協同配合、集群調控，服務數據、資源、能量、控制多流互動［47］。
2）信息物理能源社會融合：在全景感知、泛在互聯、智能協同等復雜特性的共同作用下，基于單一物理域的機理建模難以滿足儲能在源網荷側的建模分析、規(guī)劃配置、運行控制及應用評價要求，綜合考慮信息域的數據資源特征、物理域的機理動力學規(guī)律、能源域的電量發(fā)輸配用關系、社會域的人機物協同演進的多要素融合系統，形成虛實融合、物數交互的多主體儲能綜合管理控制方法，是解決上述問題的一種可行途徑。數字孿生虛擬電廠系統、數字孿生驅動的智慧微電網系統、數字孿生能源互聯網系統、元宇宙+電力的元電力、基于平行系統與元宇宙思想構建的平行電網系統MetaGrid等相關概念及架構相繼提出［48-51］，孿生系統的迭代進化離不開云計算、大數據、物聯網、移動互聯網、人工智能、區(qū)塊鏈、邊緣計算等先進理論技術工具的發(fā)展，構筑現實電網空間與虛擬數字空間雙向映射、實時互動的平行孿生體系需要通過對現實電網空間內的物理實體的特征屬性、行為演化和性能表現等建模描述，實現物理實體到虛擬數字空間的實時完整映射。在虛擬數字空間中開展時空變換、演化推導、計算控制，得出全域最優(yōu)解決方案反饋至現實電網空間內的物理實體，實現安全穩(wěn)定運行。
結語
04
本文重點探討了面向數智化發(fā)展的電化學儲能電站創(chuàng)新應用新需求，提出了電化學儲能電站數字化智能化發(fā)展的總體思路及具體實現方法，主要歸納如下：
1）剖析了智能電池的設計制造與優(yōu)化管理過程中所面臨的主要挑戰(zhàn)與亟待解決的問題，提出了儲能電池數智化應用的解決方法，展望了相關技術路線。
2）分析了儲能變流器建模與控制優(yōu)化的關鍵問題，提出了儲能變流器數智化發(fā)展的整體思路，闡述了數智化技術在儲能變流器建模與控制中的具體應用方法。
3）提出了電化學儲能電站數智化管控的整體思路，從全景信息感知、泛在安全互聯、跨域智能融合角度，建立了電化學儲能電站數智化發(fā)展的整體研究框架，歸納并闡述了數智化技術在儲能電站管控中的具體應用方法。
綜上所述，本文對電化學儲能電站數智化應用的關鍵技術、發(fā)展方向等做了分析與展望，為電化學儲能電站全生命周期規(guī)劃設計、運行管理、應用評價的相關技術發(fā)展提供了思路和建議。電化學儲能將成為支撐新型電力系統“保供電、保安全、促消納”的重要元素之一。本文主要側重于電化學儲能系統的數智化應用技術展開了分析與探討。其他類型的新型儲能技術在其不同發(fā)展階段，都需要實現數智化轉型發(fā)展與創(chuàng)新應用。作為支撐電網靈活調節(jié)能力等方面的重要調節(jié)資源之一，以電化學儲能為代表的新型儲能和抽蓄儲能技術將在電力系統中發(fā)揮更多有益作用，其數智化轉型發(fā)展值得期待。
參考文獻
1］李相俊，官亦標，胡娟，等．我國儲能示范工程領域十年（2012— 2022）回顧［J］．儲能科學與技術，2022，11（9）：2702-2712．
LI Xiangjun，GUAN Yibiao，HU Juan，et al．Review of energy storage application in China from 2012 to 2022［J］．Energy Storage Science andTechnology，2022，11（9），11（9）：2702-2712．
［2］LI X，WANG S．Energy management and operational control methods for grid battery energy storage systems［J］．CSEE Journal of Power and Energy Systems，2021，7（5）：1026-1040．
［3］李相俊，趙珊珊，惠東．面向新型電力系統的大型儲能電站關鍵技術發(fā)展趨勢分析與展望［J］．供用電，2022，39（7）：2-8，24．
LI Xiangjun，ZHAO Shanshan，HUI Dong．Development trend analysis and prospect of key technologies of large energy storage station in new type power system［J］．Distribution & Utilization，2022，39（7）：2-8，24．
［4］蔡旭，李睿．大型電池儲能PCS的現狀與發(fā)展［J］．電器與能效管理技術，2016（14）：1-8，40．
CAI Xu，LI Rui．Present status and development of large battery energy storage power conversion system［J］．Electrical & Energy Management Technology，2016（14）：1-8，40．
［5］BRAGARD M，SOLTAU N，THOMAS S，et al．The balance of renewable sources and user demands in grids：power electronics for modular battery energy storage systems［J］．IEEE Transactions on Power Electronics，2010，25（12）：3049-3056．
［6］劉暢，吳勝兵，吳西奇，等．35 kV高壓直掛大容量電池儲能系統［J/OL］．高電壓技術：1-15［2023-06-19］．https://doi.org/10.13336/j.1003-6520. hve.20221577．
LIU Chang，WU Shengbing，WU Xiqi，et al．High-voltage large capacity battery energy storage system connecting to 35 kV grid without transformer［J/OL］． High Voltage Engineering：1-15［2023-06-19］．https://doi.org/10.13336/ j.1003-6520.hve.20221577．
［7］蔡旭，李睿，劉暢，等．高壓直掛儲能功率變換技術與世界首例應用［J］．中國電機工程學報，2020，40（1）：200-211，387．
CAI Xu，LI Rui，LIU Chang，et al．Transformerless high-voltage power conversion system for battery energy storage system and the first demonstration application in world［J］．Proceedings of the CSEE，2020， 40（1）：200-211，387．
［8］蔡昌春，息夢蕊，劉昊林，等．基于數據驅動和多場景技術的微電網并網等效建模［J］．電力自動化設備，2022，42（9）：64-69．
CAI Changchun，XI Mengrui，LIU Haolin，et al．Grid-connected equivalent modeling of microgrids based on data-driven and multi-scenario technologies［J］．Electric Power Automation Equipment，2022，42（9）：64-69．
［9］葉小暉，劉濤，吳國旸，等．電池儲能系統的多時間尺度仿真建模研究及大規(guī)模并網特性分析［J］．中國電機工程學報，2015，35（11）：2635-2644．
YE Xiaohui，LIU Tao，WU Guoyang，et al．Multi-time scale simulation modeling and characteristic analysis of large-scale grid-connected battery energy storage system［J］．Proceedings of the CSEE，2015，35（11）：2635-2644．
［10］葉小暉，劉濤，吳國旸，等．電池儲能系統的多時間尺度仿真建模研究及大規(guī)模并網特性分析［J］．中國電機工程學報，2015，35（11）：2635-2644．
YE Xiaohui，LIU Tao，WU Guoyang，et al．Multi-time scale simulation modeling and characteristic analysis of large-scale［J］．Proceedings of the CSEE，2015，35（11）：2635-2644．
［11］刁涵彬，李培強，王繼飛，等．考慮電/熱儲能互補協調的綜合能源系統優(yōu)化調度［J］．電工技術學報，2020，35（21）：4532-4543．
DIAO Hanbin，LI Peiqiang，WANG Jifei，et al．Optimal dispatch of integrated energy system considering complementary coordination of electric/thermal energy storage［J］．Transactions of China Electrotechnical Society，2020，35（21）：4532-4543．
［12］袁鐵江，李國軍，張增強，等．風電-氫儲能與煤化工多能耦合系統設備投資規(guī)劃優(yōu)化建模［J］．電工技術學報，2016，31（14）：21-30．
YUAN Tiejiang，LI Guojun，ZHANG Zengqiang，et al．Optimal modeling on equipment investment planning of wind power-hydrogen energy storage and coal chemical pluripotent coupling system［J］． Transactions of China Electrotechnical Society，2016，31（14）：21-30．
［13］劉宇凝，王迎麗，徐明文，等．基于數字孿生混合儲能的風電功率波動平抑策略［J］．電網技術，2021，45（7）：2503-2513．
LIU Yuning，WANG Yingli，XU Mingwen，et al．Wind power fluctuation smooth strategy based on digital twin hybrid energy storage［J］． Power System Technology，2021，45（7）：2503-2513．
［14］蒲天驕，喬驥，韓笑，等．人工智能技術在電力設備運維檢修中的研究及應用［J］．高電壓技術，2020，46（2）：369-383．
PU Tianjiao，QIAO Ji，HAN Xiao，et al．Research and application of artificial intelligence in operation and maintenance for power equipment［J］． High Voltage Engineering，2020，46（2）：369-383．
［15］傅質馨，李瀟逸，朱俊澎，等．基于馬爾科夫決策過程的家庭能量管理智能優(yōu)化策略［J］．電力自動化設備，2020，40（7）：141-148．
FU Zhixin，LI Xiaoyi，ZHU Junpeng，et al．Intelligent optimization strategy of home energy management based on Markov decision process［J］．Electric Power Automation Equipment，2020，40（7）：141-148．
［16］武小花，鄒淵，陰曉峰，等．基于插電式電動汽車儲能的智能家居動態(tài)規(guī)劃能量管理策略［J］．北京理工大學學報，2017，37（1）：56-60．
WU Xiaohua，ZOU Yuan，YIN Xiaofeng，et al．Dynamic energy programming management based on smart home for PEV energy storage［J］． Transactions of Beijing Institute of Technology，2017，37（1）：56-60．
［17］孫秋野，楊凌霄，張化光．智慧能源：人工智能技術在電力系統中的應用與展望［J］．控制與決策，2018，33（5）：938-949．
SUN Qiuye，YANG Lingxiao，ZHANG Huaguang．Smart energy applications and prospects of artificial intelligence technology in power system［J］．Control and Decision，2018，33（5）：938-949．
［18］曲建嶺，余路，袁濤，等．基于卷積神經網絡的層級化智能故障診斷算法［J］．控制與決策，2019，34（12）：2619-2626．
QU Jianling，YU Lu，YUAN Tao，et al．A hierarchical intelligent fault diagnosis algorithm based on convolutional neural network［J］．Control and Decision，2019，34（12）：2619-2626．
［19］楊慶，孫尚鵬，司馬文霞，等．面向智能電網的先進電壓電流傳感方法研究進展［J］．高電壓技術，2019，45（2）：349-367．
YANG Qing，SUN Shangpeng，SIMA Wenxia，et al. Progress of advanced voltage/current sensing techniques for smart grid［J］．High Voltage Engineering，2019，45（2）：349-367．
［20］雍培，張寧，慈松，等．5G通信基站參與需求響應：關鍵技術與前景展望［J］．中國電機工程學報，2021，41（16）：5540-5552．
YONG Pei，ZHANG Ning，CI Song，etc．．Participation of 5G communication base stations in demand response：key technologies and prospects［J］．Chinese Journal of Electrical Engineering，2021，41（16）：5540-5552．
［21］CI S，ZHOU Y，XU Y，et al．Building a cloud-based energy storage system through digital transformation of distributed backup battery in mobile base stations［J］．China Communications，2020，17（4）：42-50．
［22］米陽，王曉敏，錢翌明，等．考慮通信時延的直流微電網分布式儲能單元協調控制［J］．電力系統保護與控制，2022，50（24）：91-100．
MI Yang，WANG Xiaomin，QIAN Yiming，et al．Coordinated control of distributed energy storage unit in DC microgrid considering
communication delay［J］．Power System Protection and Control，2022， 50（24）：91 -100．
［23］劉曉宇，李相俊，賈學翠，等．基于云邊端協同的大規(guī)模儲能電站資源分配方法及系統［P］．北京市：CN115912430A，2023-04-04．
［24］李相俊，劉曉宇，王上行，等．一種基于邊端協同的風儲電站能量管理方法及系統［P］．北京市：CN115776126A，2023-03-10．
［25］許鵬，何霖．新型電力系統下5G+云邊端協同的源網荷儲架構及關鍵技術初探［J］．四川電力技術，2021，44（6）：67-73．
XU Peng，HE Lin．Preliminary exploration on the source-grid-load-storage architecture and key technologies of 5G+ cloud-edge-end collaborative power system［J］．Sichuan Electric Power Technology，2021，44（6）：67-73．
［26］文祥宇，李帥，劉文彬，等．面向配電網的云邊端協同技術研究［J］．山東電力技術，2022，49（7）：8-11．
WEN Xiangyu，LI Shuai，LIU Wenbin，et al．Research on cloud-side collaboration technology for distribution network［J］．Shandong Electric Power Technology，2022，49（7）：8-11．
［27］王星龍．電力系統中的信息與通信技術融合策略［ J］．電子技術，2023，52（1）：218-219．
WANG Xinglong．Information and communication technology integration strategy in power system［J］．Electronic Technology，2023，52（1）：218-219．
［28］黃晶．5G移動通信技術在電力系統中的應用［J］．集成電路應用，2023，40（1）：128-129．
HUANG Jing．Application of 5G mobile communication technology in power system［J］．IC Applications，2023，40（1）：128-129．
［29］權偉，張宏科．未來互聯網體系的研究現狀、熱點與探索實踐［J］．中國科學：信息科學，2017，47（6）：804-810．
QUAN Wei，ZHANG Hongke．Future internet architecture：research status，hot topics，and development practice［J］．Scientia Sinica
（Informationis），2017，47（6）：804-810．
［30］IMT2030（6G）Promotion Group．Research report on integrated communication and awareness technology［R］．Beijing：IMT-2030（6G） Promotion Group，2021．
［31］李博，方彤．北斗衛(wèi)星導航系統（BDS）在智能電網的應用與展望［J］．中國電力，2020，53（8）：107-116．
LI Bo，FANG Tong．Application and prospect of BeiDou navigation satellite system（BDS）in smart grid［J］．Electric Power，2020，53（8）：107-116．
［32］The Power System Relaying Committee and Substations Committee．IEEE standard profile for use of IEEE 1588TM precision time protocol in power system applications：IEEE Std.C37.238—2011［S］．New York：IEEE，2011．
［33］XU L B，GUO R，ZHANG Y，et al．Intelligent planning algorithm for time synchronization network for large-scale power IoT terminals［C］//2022 IEEE 10th Joint International Information Technology and Artificial Intelligence Conference（ITAIC）．June 17-19，2022，Chongqing， China．IEEE，2022：2405-2408．
［34］凌曉波，涂崎，方國盛．基于北斗的電力系統時間同步安全技術研究［J］．
自動化與儀器儀表，2018（5）：84-88．
LING Xiaobo，TU Qi，FANG Guosheng．Research on time synchronization safety technology of electric power system based on Beidou［J］．Automation & Instrumentation，2018（5）：84-88．
［35］吳金宇，張麗娟，孫宏棣，等．泛在電力物聯網可信安全接入方案［J］．計算機與現代化，2020（4）：52-59．
WU Jinyu，ZHANG Lijuan，SUN Hongdi，et al．Trusted secure access scheme of ubiquitous power IoT［J］．Computer and Modernization，2020（4）：52-59．
［36］林兆鵬，鄒起辰．可信設備接入網絡認證協議設計及安全分析［J］．計算機仿真，2018，35（11）：254-258．
LIN Zhaopeng，ZOU Qichen．Design and security analysis of authentication protocol for trusted network access［J］．Computer Simulation，2018，35（11）：254-258．
［37］CUNINGHAM C，HOLMES D，POLLARD J．The eight business and security benefits of zero trust［EB/OL］．（2022-11-21）［2023-06-26］． https://www.forrester.com/report/The-Eight-BusinessAnd-Security-Benefits- of-Zero-Trust/RES13486．
［38］鄔江興．論網絡空間內生安全問題及對策［J］．中國科學（信息科學），
2022，52（10）：1929-1937．
WU Jiangxing．Cyberspace's endogenous safety and security problem and the countermeasures［J］．Scientia Sinica（Informationis），2022，52（10）：1929-1937．
［39］周劼英，張曉，邵立嵩，等．面向高比例新能源的新型電力系統網絡安全防護挑戰(zhàn)與展望［J/OL］．電力系統自動化：1-10［2023-05-09］． http://kns.cnki.net/kcms/detail/32.1180.TP.20230310.1123.002.html． ZHOU Jieying，ZHANG Xiao，SHAO Lisong，et al．The challenge and prospect of network security protection for new power systems
with high proportion of new energy sources［J/OL］．Power System Automation：1-10［2023-05-09］．http://kns.cnki.net/kcms/detail/32.1180. TP.20230310.1123.002.html．
［40］余葭葦，陳一鳴，楊宇玄，等．不可信通信環(huán)境下的電力物聯網用電數據全程安全傳輸方案［J］．電力信息與通信技術，2021，19（3）：60-64．
YU Jiawei， CHEN Yiming， YANG Yuxuan， et al． A secure transmission scheme for power consumption data of power IoT in untrusted communication environments［J］．Electric Power Information and Communication Technology，2021，19（3）：60-64．
［41］余晗，梁音，宋繼勐，等．數據安全共享技術發(fā)展綜述及在能源電力領域應用研究［J］．信息安全研究，2023，9（3）：208-219．
YU Han，LIANG Yin，SONG Jimeng，et al．A survey of data security sharing technology development and its application in power domain［J］． Journal of Information Security Research，2023，9（3）：208-219．
［42］李穎杰，譚杰．電力終端嵌入式組件信息源數據安全檢測系統［J］．信息技術，2023，47（2）：178-184．
LI Yingjie，TAN Jie．Information source data security detection system for power terminal embedded component［J］．Information Technology， 2023，47（2）：178-184．
［43］SHU Z M，LIU Y G，WANG H N，et al．Research on the feasibility technology of Internet of Things terminal security monitoring［C］//2021 6th International Symposium on Computer and Information Processing Technology（ISCIPT）．June 11-13，2021，Changsha，China．IEEE， 2021：831-836．
［44］韓麗芳，張曉，應歡，等．電力關鍵信息基礎設施網絡安全攻防演練研究［J］．電力信息與通信技術，2022，20（7）：26-32．
HAN Lifang，ZHANG Xiao，YING Huan，et al．Research on cyber security attack and defense drills for power critical information infrastructure［J］． Electric Power Information and Communication Technology，2022，20（7）：26-32．
［45］LIU X Y，XU C，YU H B，et al．Multi-agent deep reinforcement learning for end edge orchestrated resource allocation in industrial wireless networks［J］．Frontiers of Information Technology & Electronic Engineering，2022，23（1）：47-60．
［46］朱銳，王宏志，崔雙雙，等．面向元宇宙的云邊端協同大數據管理［J］．大數據，2023，9（1）：63-77．
ZHU Rui，WANG Hongzhi，CUI Shuangshuang，et al．Cloud-edge-end collaborative big data management for metaverse［J］．Big Data Research， 2023，9（1）：63-77．
［47］張津源，蒲天驕，李燁，等．基于多智能體深度強化學習的分布式電源優(yōu)化調度策略［J］．電網技術，2022，46（9）：3496-3503．
ZHANG Jinyuan，PU Tianjiao，LI Ye，et al．Multi-agent deep reinforcement learning based optimal dispatch of distributed generators［J］． Power System Technology，2022，46（9）：3496-3503．
［48］李小雙，王曉，楊林瑤，等．元電網MetaGrid：基于平行電網的新一代智能電網的體系與架構［J］．智能科學與技術學報，2021（4）：387-398． LI Xiaoshuang，WANG Xiao，YANG Linyao，et al．MetaGrid：a parallel grids based approach for next generation smart power systems［J］．Chinese Journal of Intelligent Science and Technology，2021（4）：387-398．
［49］黃超，卜思齊，陳麒宇，等．元電力：新一代智能電網［J］．發(fā)電技術，2022（2）：287-304．
HUANG Chao，BU Siqi，CHEN Qiyu，et al．Meta-power：next- generation smart grid［J］．Power Generation Technology，2022（2）：287-304．
［50］張俊，許沛東，王飛躍．平行系統和數字孿生的一種數據驅動形式表示及計算框架［J］．自動化學報，2020，46（7）：1346-1356． ZHANG Jun，XU Peidong，WANG Feiyue．Parallel systems and digital twins：a data-driven mathematical representation and computational framework［J］．Acta Automatica Sinica，2020，46（7）：1346-1356．
［51］蒲天驕，陳盛，趙琦，等．能源互聯網數字孿生系統框架設計及應用展望［J］．中國電機工程學報，2021，41（6）：2012-2028．
PU Tianjiao，CHEN Sheng，ZHAO Qi，et al．Framework design and application prospect for digital twins system of energy internet［J］． Proceedings of the CSEE，2021，41（6）：2012-2028．
