以物聯網、大數據、人工智能等技術為驅動力的“第四次工業革命”，在帶來深刻產業變革的同時將引領全球數字化轉型。我國也在積極布局推進數字化技術、工業互聯網等創新應用。隨著互聯網技術深度參與到工業生產、能源領域，能源系統中數字與物理的互聯更加緊密。

儲能系統作為未來電力系統的重要支撐，不僅適用于從電動汽車到電網規模的能源儲存，也是消納新能源出力的重要途徑。然而隨著儲能裝機規模的擴大及電池單體數量的增加，本地監控系統已經難以滿足大規模儲能應用場景下，在計算資源和海量歷史數據存儲方面的需求。

因此，隨著數據驅動及人工智能技術的發展，需要對儲能進行更精確、智能的評估和控制，以進一步挖掘儲能數據資產價值。隨著物聯網（internet of things, IoT）技術的推廣，能源工業互聯網將有助于儲能物理實體在數字空間中的映射，描繪儲能設備的全生命周期運行特征。

鑒于鋰離子電池的高度非線性及退化特征，電池管理系統（battery management system, BMS）可以通過物聯網技術和云計算進行創新性的變革，通過將電池相關數據匯總到邊緣側，并無縫傳輸到云平臺，可以克服本地計算能力和數據存儲能力的不足，同時在云平臺進行建模，通過云診斷電池單元體內部狀態，并結合人工智能實現系統評估和優化。

儲能云管理系統基于大云物移等先進技術，將設備、用戶和數據連接融合，具有實時監控、生命周期管理、故障檢測、狀態評估等優勢。有研究文獻針對分布式儲能參與下的多種資源協調優化展開仿真研究，尚未利用云端進行統一的云計算服務。有研究文獻提出基于物聯網的電池監測系統，研究了云端系統的通信信道和采集技術，分析微電網中電池運行數據和特征。有研究文獻提出基于云平臺的電池狀態監測和故障診斷，在平臺中構建了狀態監測和基于離群點挖掘的電池故障識別策略。而如何評估儲能運行狀態，并智能化地參與電網互動、優化調節，將是儲能運行研究的重點與挑戰。

本文提出儲能云架構，通過與數據、模型、算法融合，構建能源工業互聯網平臺，克服本地計算和數據存儲的瓶頸。首先闡述儲能云管理系統的總體架構，包含終端設備、邊緣側、云平臺及可視化等部分，實現設備泛在接入、高效數據采集與處理、云端評估與控制優化等功能；在此基礎上開展云架構技術在儲能行業的應用探討，并通過平臺實時掌握儲能運行態勢，提高儲能充放電的安全可靠性，驗證云端優化策略的有效性。

1 儲能云管理系統

通過數據上云實現電池物理系統與虛擬鏡像的連接。相較于本地端BMS，云計算可以進一步增強數據計算、存儲能力，提高系統的可靠性。通過云邊協同，能夠利用更先進的算法提高本地BMS的性能。同時，基于大數據的智能診斷、壽命預測和系統優化等在本地BMS中難以實現的功能，也能夠利用云端資源優勢得以實現。

儲能云總體架構如圖1所示，其中包括儲能終端設備、邊緣通信側、云平臺應用服務層及前端可視化，系統采用工業互聯網技術，結合高級計算、數據分析、物聯網傳感技術及大云物智移等互聯網技術，實現儲能電站終端設備的泛在接入、狀態感知、實時監視、調度控制、故障診斷等功能，為電站提供智能運維及電池生命周期管理服務。

圖1 儲能云總體架構

1.1 終端設備

終端設備包括儲能系統運行所需的能量管理系統（energy management system, EMS）、功率控制系統（power control system, PCS）、電池管理系統、空調系統和消防系統等各種配套設備。

其中，EMS是實現設備啟停、功率調節的能量管理控制設備，同時可以對接多能源設備的泛在接入，接收底層設備的數據上送，實時遠程遙調、遙控等。同時與上層調度交互進行數據傳輸與交換。從底層實現的角度來看，EMS一方面獲取PCS、BMS等設備的實時運行數據，另一方面根據控制邏輯或調度策略下發控制指令，實現儲能電站的啟停邏輯、功率調節和充放電等操作。

針對儲能電站在不同的放電深度（depth of discharge, DoD）和動態變化復雜條件下的長期運行，需要更加先進的電池診斷、評估和優化策略。而現有EMS方案在計算能力和存儲空間方面都難以滿足日益增長的需求，因此可與云端協同部署，實現計算資源、存儲空間可彈性擴容，利用大數據分析評估、預防性診斷技術，提高電池充放電的安全性和可靠性。

1.2 邊緣側

邊緣側指的是通信網絡邊緣上的計算和存儲資源，能夠在儲能系統就地端進行實時數據存儲、聚合和分析，同時與云端相連，與接收遠程監控和控制的其他設備進行通信和交互。因此，穩定的連接對于實時數據傳輸與指令交互至關重要。

邊緣計算用于對儲能系統現場的信息收集，支持Modbus、BACnet、OPCUA、IEC101、IEC104、DNP等協議，兼容不同通信介質（以太網、RS232/ 422/485、CAN等），采用消息隊列遙測傳輸（message queuing telemetry transport, MQTT）協議，完成數據的解析、預處理、轉發，實現設備與云平臺之間的數據傳輸。

通過邊緣側實現云邊協同的功能，如圖2所示。通過本地BMS控制儲能電池的充放電，并根據工作模式調整運行策略，確保系統運行安全可靠；同時，在云端構建儲能數字孿生，基于大數據統計分析系統運行態勢，以優化運行參數和閾值，提前發現電池異常狀態并報警。通過云端進行模型訓練，在線識別、更新電池特征參數，最終由云端下發指令和更新模型參數，經過邊緣側轉發至本地控制終端，從而提升電池狀態的評估精度及系統性能，延緩電池的壽命衰減。

圖2 云邊協同

1.3 云平臺

云平臺具有彈性存儲和強計算處理能力，能夠實現物聯網設備的快速接入和數據分析。因此基于微服務技術設計平臺整體功能，以系統中每一個獨立組件作為一套微型服務進行獨立部署，每一個微服務擁有獨立的數據源，并通過接口完成不同數據庫之間的數據讀寫，獲取儲能系統產生的大量非結構化和半結構化數據，提供高性能數據存儲方案，根據應用場景的不同，將不同類型、格式、應用的數據分別存儲在分布式文件系統（hadoop distributed file system, HDFS）、MongoDB等。

從功能實現角度，云端可根據不同業務邏輯，劃分為數據離線批處理服務、Flink實時流計算服務，以及分布式可擴展的實時智能分析等服務，以此支撐諸如區域內儲能電站全量數據的轉發、存儲、分析和評估等的功能需求。

從儲能業務層面，儲能云平臺將助力解決如系統方案、運行監測、智能調度、預測性維護、故障預測、效益提升、數字孿生等各類功能應用問題。

1.4 可視化

Web與App端是云平臺和用戶之間的紐帶，不僅可以提供電池實時數據的可視化、狀態的變化趨勢，同時篩選過濾眾多歷史運行數據，設置報警區間和閾值，通過界面提醒運維人員提前對系統進行故障識別，降低破壞性影響的概率，從而提高系統的可靠性，減少維護成本。

2 工業互聯網平臺

工業互聯網平臺如圖3所示，包含四大要素：設備數據采集（邊緣計算層）、基礎設施服務（infrastructure as a service, IaaS）層、平臺服務（platform as a service, PaaS）層和應用（software as a service, SaaS）層。數據采集是其中的基石，通過準確高效的數據通信體系，獲取實時數據，協議報文經過轉換及邊緣層的計算后，需本地處理的數據直接返回設備，而篩選出的多維度、高價值數據則上傳到云端進一步分析，以輔助系統的智能診斷評估。

IaaS層是基礎設施支撐，通過虛擬化技術將計算、存儲、網絡等資源池化，提供彈性化、分布式的資源服務。PaaS層是核心，是實現應用與開發的基礎平臺，在此之上構建操作系統。SaaS層是關鍵，由于工業場景高度復雜，行業知識千差萬別，在該層面上提供不同行業、場景的應用服務，并以工業創新應用的方式進行呈現。

圖3 工業互聯網平臺

基于大數據驅動的工業互聯網平臺，將儲能行業知識、電池機理模型、大數據能力、人工智能（artificial intelligence, AI）算法融合到一起。大數據處理首先獲取儲能實時數據，基于邊緣側進行數據傳輸與存儲，同時基于數據分析電池的電壓、電流、溫度、極差、標準差，以及循環次數、放電倍率等，通過不同維度的集成后，生成儲能運行狀態數據集。

結合專家知識和特征值，建立算法模型，利用平臺的AI算法和彈性計算能力，評估電池一致性、容量電量衰減、內阻演變趨勢等。進一步地，基于儲能狀態評估，優化調整儲能的充放電動作，參與大電網的能量交互。

3 典型應用場景

儲能系統能夠改變電力能源供給在時間、空間上的分布，從而緩解能源供需不平衡的沖突，儲能將成為能源互聯網中不可或缺的部分。為落實“碳達峰、碳中和”的行動方案，本文研究儲能云平臺的幾種典型場景，對儲能的應用各有側重。

3.1 集中式儲能電站

為推動儲能系統與新能源協調運行，需配置一定比例的電源側儲能，通過儲能電站的協同優化運行，保障新能源發電的實時消納和有效利用，為接入電網側提供電壓、頻率支撐和調節響應。儲能電站的管理，當前需要加強對安全運維、數據貫通、診斷分析等的深入研究，以實現儲能電站全方位監控與管理，提高系統安全性。

1）通過儲能云平臺，滿足設備狀態感知、專業分析、全生命周期性能等管理服務。實時查看運行信息和狀態，通過終端控制系統充放電，配置工作模式，調整運行策略，集中監測和管控區域電站，實現能源高效利用，多源之間的共享和節能，輔助支撐電力系統的穩定、安全、可靠運行。

2）利用大數據分析，挖掘電芯內部數學模型機理，統計系統各參數運行分布情況，優化參數和運行閾值。建立設備檢修、運維檔案，提供預防性診斷分析服務，提前發現安全隱患。

3）利用大數據、AI技術及時識別篩選出隱患電芯。構建故障識別、預警、預測性維護模型，開展電池故障診斷、健康度評估、演變趨勢和預警判斷，提供儲能電站的高效運維和輔助決策。

3.2 園區綜合能源

工業園區綜合能源服務，將能夠以儲能為調節核心，綜合協調可再生能源，搭建區域微電網系統，滿足園區充電設備、數據中心、制冷站等用戶用電需求，拓展儲能的不同應用場景。

1）通過云平臺，實現融合儲能系統的綜合能源服務，滿足園區用電功率實時平衡、重要設備的不間斷供電和新能源消納等，實現多能互補運行。

2）滿足用電需求前提下，協調響應不同電價機制，參與削峰填谷，減輕園區用電尖峰負荷，延緩變壓器擴容，提高園區能量管理效益。

3）聚合分布式光伏、電動汽車充電設施、用戶側儲能及分布式可控/可調設備等能源資源，結合業務創新，探索智慧能源、虛擬電廠、園區微網等多種商業模式。

3.3 電力現貨市場

儲能系統能夠為電力平衡提供快速響應和能量支撐，在電力現貨市場體現電能價值。

1）儲能云平臺構建多方參與、公平交易、效益為先的商業模式，根據實時的電力供需狀況，發現相對真實的電力價格，實現儲能資源優化調配。

2）儲能系統主動參與現貨市場，能夠降低由于供需關系出現價格大幅波動和價格尖峰的頻率和程度，使電力負荷能夠規避尖峰的價格風險。

3）通過云平臺，整合不同類型規模的負荷，參與調峰調頻、電力市場等政策，通過聚合效應，有效利用區域內的能源，實現整體經濟效益。

4 應用案列

4.1 案例說明

在某園區建設了包含儲能、光伏、數據中心、充電樁等的需求側微電網能量管理工業互聯網平臺，實現園區綜合能源的削峰填谷、需量控制、節能運行等應用。光伏裝機容量100kWp，儲能系統裝機容量245kW/502kW·h，中央空調包含355kW離心機和199kW螺桿機，數據中心作為重要負荷24h運行，功率維持在120kW左右。儲能系統由多個儲能子系統并聯，接入AC380V配電網。

園區主要電能量來源為電網和光伏發電，電網專用變壓器進線容量為2×800kV·A，實施大工業兩部制電價，系統月均用電量超過120MW·h。同時配置柴油發電機，額定功率為550kW。搭建的園區需求側微電網能量管理工業互聯網平臺如圖4所示，負責數據采集、設備管理評估、功率控制和能量優化，實時獲取光伏、用電側、電網側等的功率，利用平臺智能算法，通過控制儲能充放電，實時調整園區功率潮流，響應專用變壓器進線的最大需量管理，并協調新能源發電和用電負荷的需求變化，維持園區能量平衡。

圖4 能量管理工業互聯網平臺展示

園區示范應用擬建成微電網“虛擬電廠”運營，如圖5所示，通過“微電網+儲能”系統的深度融合，結合云端平臺的大數據、云計算技術，協調區域大量用戶的分布式發電、儲能、可調負荷等客戶資源，實現信息流與能量流的控制，建設“虛擬電廠”區域能源管理，實現日內發電量預測、電力直接競價交易、電力平衡兜底結算等參與電網、電力市場的電量交易與電力輔助服務，實現企業、區域能源系統的高效、經濟運行，創新價值，分享收益。

圖5 微電網“虛擬電廠”運營

4.2 分析決策與優化控制

針對儲能的日常運行數據，在云端對儲能數據進行分析，評估診斷儲能性能，篩選偏離正常范圍及判定離群的電池電芯。圖6所示為儲能荷電狀態（state of charge, SOC）運行曲線及其極差值，由于電池包內部電芯本身差異、溫度差異等的不一致，導致電池簇之間的SOC存在差異。

在充放電過程中的電壓平臺期，其一致性表現較為平緩；在充放電末端，由于串聯電芯的短板效應，使對于SOC的評估存在不一致的情況。通過云端的實時診斷評估與建議，針對多儲能的SOC不一致性進行優化，提升系統整體性能、延長使用壽命。

圖6 儲能SOC運行曲線及其極差值

在本地控制端，SOC參數也作為控制輸入量，根據不一致程度，以不同權重調節分布式儲能的功率，可以顯著降低儲能設備的不一致程度及SOC極差值；在云端側，通過連續準確的狀態監測、指標評估，實時輸出輔助決策意見。與本地側協調運行，構建云邊協同和數據驅動的數字化儲能系統。

針對儲能簇內所有電芯的溫度、電壓曲線進行診斷，如圖7所示。通過相似性判斷、孤立森林算法，篩選出簇內所有溫度測點、簇單元體電壓越限的電芯編號及頻次。由于安全運行范圍隨著SOC不同狀態而變化，因此通過智能算法實時評估計算儲能運行安全區間，并動態地調整異常/離群點判斷閾值上、下限，進行智能運維。

圖7 儲能簇內電芯溫度、電壓曲線

針對產業園10kV進線的負荷曲線及其需量變化曲線進行分析，并依據分時電價，通過儲能充放電進行負荷轉移、最大需量削峰。在負荷低谷時段充電、高峰時段放電，實現儲能參與需量控制下的能量管理，優化策略實施效果如圖8所示。

圖8 儲能參與下的需量管理曲線

圖8為園區某日實際運行數據，當無儲能介入時，當日負荷曲線的最大需量達到700kW。平臺執行儲能參與需量管理的控制策略：在電價谷期，儲能進行充電；隨著用電負荷增長，臨近設定的最大需量閾值530kW，此時云端實時滾動計算儲能輸出，并配合光伏功率進行放電，將需量控制在限定值以下，當需量降至限定值以下時，儲能停止放電；在電價峰期，儲能進行放電，將剩余電量執行峰谷價差套利。通過上述策略，能夠獲得需量管理和分時電價的綜合收益，實現企業與用戶互利共贏，驗證了平臺策略的有效性與經濟性。

5 結論

本文基于儲能云數字化技術，通過云管理系統、大數據分析與人工智能技術的融合，助力解決儲能大規模應用所面臨難題。本文提出了基于儲能云架構的能源工業互聯網平臺，實現設備泛在接入、大數據分析、能量管理、優化控制、智能評估等功能；基于儲能云總體架構，詳細分析了云邊端各部分的組件和配置，并介紹了工業互聯網云平臺功能、數據分析計算流程，最后介紹了系統示范應用。

在平臺基礎上，構建儲能智能充放電控制策略，以儲能為核心進行削峰填谷與需量管理的運行模式，有利于儲能系統的商業化推廣，可為實現更加智能和互聯的綜合能源系統工程提供應用參考。

本文編自2022年第8期《電氣技術》，論文標題為“基于儲能云架構的能源工業互聯網平臺研究與應用”，作者為張繼元、孫建旸等。