智能运维，让锂电池储能站安全高效运行

实现“双碳”目标，建设以新能源为主体的新型电力系统已成为共识。由于新能源发电的波动性和随机性，原来的“源随荷动”模式不再适用，必须依靠储能等措施，实现“源网荷储”的协调互动，以保证电力供需的动态平衡。

  在各种新型储能技术中，电化学储能由于具备良好的实时调节性能和较高的能量密度，成为了中短期内主流储能技术，其中锂电池储能由于具有高功率密度、长循环寿命和无记忆效应等特点而成为技术主流。

  对锂电池储能电站而言，安全、循环寿命和成本控制的关键在于能否提供准确实时的电池状态估计信息和便捷高效的控制方法，尤其是前者。储能电站需要成组的锂离子电池作为驱动力，锂离子电池的不一致性决定了电池组性能要低于单体电池的性能。在运行过程中，常见的问题是电池状态的估计不准，进而导致均衡控制失误，这逐步放大了成组电池的不一致性，降低了电池的循环寿命和使用效率，严重时会引起起火爆炸的事故。

  由于复杂的物理化学变化，电池状态的估计问题是典型的非线性时变系统问题，储能基础系统的估计精度较差，同时在易用性上也有较多不足，难以满足锂电池储能电站的发展需求。

  而智能运维系统则能较好地满足这一需求。该系统是一种基于数字模型和数据驱动的储能增值业务系统，它结合人工智能、数字孪生等新技术，可以通过建立储能电站的数字模型，实现对电站电池和系统设备运行状态的实时监测、数据分析和预测预警等功能，并提供动态三维展示，以便于实现电池的高效精准控制，为最终提升安全性和电池循环寿命、降低全寿命周期的成本提供了条件。

锂电池储能电站智能运维系统有哪些关键技术？

  锂电池储能电站智能运维系统的建设需要多方面技术的融合，其中最为关键的技术有：高精度电池状态估计算法和高性能计算技术、三维数字孪生技术、微服务和组件化代码开发技术、高可靠组网通讯技术、电池管理专家库技术。

  高精度电池状态估计算法和高性能计算技术

  电池状态估计是实现精准管控的基础，是保持电池一致性、提升运行效率和循环寿命、提升安全性的最关键因素。

  电池状态估计算法利用全维度特征提取技术和层次化识别方法，实现非介入式建模，开展全方位电池模型画像分析，有效提高电池荷电状态估计精准性，降低荷电状态不确定性，通过对出力最优化配置，实现规范性控制。

  具体来看，运行中电池状态包括电池荷电状态（SOC）、电池剩余能量状态(SOE)、电池健康状态（SOH）等，以电池荷电状态（SOC）估计为根本，其他状态估计可依托于SOC估计展开。

  对SOC估计而言，目前的主要研究方法分为传统开环估计、基于电路模型的方法、基于电化学模型的方法和数据驱动的方法四类，各类方法应用情况不同：传统开环估计算法简单，但精度不足，一般较少应用；电化学模型过于复杂，不具备实用性，目前还未见商业应用；电路模型的方法精度和复杂度适中，是目前商用产品的主流技术，但仍存有精度不足的缺点；数据驱动的方法具备较强的潜力，是目前研究的热点。

  智能运维系统采用数据驱动与电路模型融合的算法，结合深度学习强大的拟合能力和电路模型较强的状态空间抽象能力，提升电池状态估计精度和稳健性。

  然而，电池智能状态估计高精度算法同时带来了高算力消耗和长时耗，基于全寿命周期公开数据集的测试结果验证了这一点，因此，提升计算效率和实时性是应用高精度算法的关键。

  智能运维系统采用高性能计算的主流技术是并行计算和分布式计算，以提升计算性能。并行计算用于高精度算法训练，分布式计算用于高精度算法的测试、输出状态估计结果。

  数字孪生技术

  数字孪生技术是智能运维系统的另一项关键技术，通过建立储能电站的三维数字模型，可以实现对电站设备和运行状态的实时监测、数据分析和预测预警等功能。三维数字孪生技术可以将储能电站的设备、管道、电缆等各个元素进行三维建模，实现对电站的全面可视化和实时数据监测，从而为运营决策提供准确可靠的数据支持。

  微服务和低代码开发技术

  微服务和低代码开发技术也是智能运维系统的重要支撑技术。通过微服务架构，可以将数字孪生平台拆分成多个独立的服务模块，从而实现模块化、可扩展和快速开发的目的。低代码开发技术可以让运维人员通过简单的图形化界面和少量的编码，快速搭建和部署数字孪生平台，从而大大提高平台的开发效率和灵活性。

  高可靠通信技术

  高可靠的通信技术也是智能运维系统的重要支撑技术。储能电站智能运维系统需要对各种设备和运行参数进行实时监测和分析，因此需要具备高可靠的通信技术。高可靠通信技术可以确保数据在传输过程中的完整性、实时性和安全性，从而保证智能运维系统的正常运行和数据准确性。

  高可靠通信技术采用设备、组网、协议等多方面设计，实现业务QOS保障以及端到端的毫秒级保护，并利用软件定义网络（SDN）与智能运维平台的分布式计算业务进行联合优化，以提升网络和计算资源的利用效率。

  电池管理专家库技术

  电池管理专家库技术也是智能运维系统的重要支撑技术。电池管理专家库是积累运维经验、优化运维策略、持续提升运营效率的重要技术。专家库的建设需要将非结构化数据以高效结构化的方式组织，储能电站智能运维系统通过图谱的方式将运维输入的非结构化经验数据进行有效的组织，并通过图神经网络进行模式识别和数据挖掘，有效提高了运维数据资产的利用效率。

锂电池储能电站智能运维系统的主要功能模块

  锂电池储能电站智能运维系统功能模块包括三维用户驾驶舱、智能监视、智能巡视、智能安全、智能操作、智能分析等。

锂电池储能电站智能运维系统的未来展望

  相比于传统的电力设施数字化业务需求，锂电池储能电站智能运维系统在电池状态估计业务上的需求更为强烈，因为它对整站效率的提升有基础性作用。准确可靠的电池状态估计主要依赖于算法，高精度算法带来的高算力消耗和长时耗，又引发了对高性能计算及高可靠通信网络技术的需求。同时，作为新兴事物，智能运维系统的需求多且变化快，微服务和组件化的低代码开发模式可以低成本快速地应对需求变化，运维专家库的建设则可以快速整合新的运维经验数据，优化运维策略，提升运维效率。

  锂电池储能作为新型电力系统建设关键环节的主流技术之一，其市场正在飞速发展，终局规模可期。由于电芯数量大，它的智能运维显得尤为必要，锂电池储能电站智能运维系统具有广阔的应用前景。

  作者为中国能源建设集团广东省电力设计研究院有限公司储能技术中心工程师。