[发明专利]一种储能电站海量电池数据的采集方法

说明书

技术领域

本发明涉及一种采集方法，具体涉及一种储能电站海量电池数据的采集方法。

背景技术

2011年底，国家风光储输示范工程(一期)中的电池储能电站投运，其中包含12MW/63MWh锂离子电池储能系统和2MW/8MWh液流电池储能系统，其出力能力为16MW，能量存储容量为71MWh。

储能电池作为风光能源项目的核心设备，其监控数据是项目最重要的成果和资产之一。因此，数据的采集效率和准确性可谓是风光能源项目中的重中之重。储能电站系统中，部署了上万个监测终端，这些监测终端分别采集与电池相关的功率、电压、温度、SOC等多种数值；其采集频率通常为分钟级，部分采集终端的采集频率达到秒级。

如图2所示，传统的数据采集设备建立在香农采样定理采样率基础上，若一个信号能达到无失真重建，它的离散样本数完全由带宽决定，即为了不失真地恢复模拟信号，采样频率应不小于模拟信号频谱中最高频率的2倍。然而，如此高精度的采样会导致两方面问题，一是加重采集设备的负载和能耗，这会对采集设备的可靠性和寿命造成不利影响；二是需要产生巨大的数据量，这会给后期数据的存储或压缩造成很大压力。由此可见，传统的电力数据压缩方式具有算法复杂、计算时间长，实时性差等特点，在可靠性和及时性上得不到保证。

压缩感知是Donoho等人在2006年提出的信号处理理论。该理论的提出打破了传统压缩方法先采样后压缩的处理方式，将压缩与采样合并进行。压缩传感理论表明，如果原始信号具有稀疏性，或在某个变换基下能够被稀疏，则可以用一个与这个变换基高度不相干的观测矩阵将这些高维的稀疏信号投影到一个低维空间上，然后通过求解优化问题就可以从这些少量的投影中以高概率地不失真地高精度地重构出原信号，从而突破了香农采样定理的瓶颈，降低了采样频率，使得高频信号的采集成为可能。

本发明在深入研究现有的压缩感知理论的基础上，提出了一种适用于储能电站电池数据的采样压缩方法。

发明内容

为实现上述目的，本发明基于压缩感知理论，提出一种适用于储能电站电池数据的采集方法，降低了采集设备的工作负载，减少了数据存储和传输的规模。

本发明的目的是采用下述技术方案实现的：

一种储能电站海量电池数据的采集方法，所述方法包括：

(1)根据压缩感知理论，同步采集压缩储能电站的电池数据；

(2)保存并传输采集压缩后的电池数据；

(3)重构电池数据。

优选的，所述步骤(1)包括：

1-1获取一组一维储能电站的电池数据c；

1-2构建所述电池数据c的稀疏表示；

1-3确定测量矩阵，生成所述电池数据c的观测数据c’。

进一步地，所述步骤1-1的电池数据c包括：电池功率、电压、温度和SOC值。

进一步地，将所述电池数据c的测量值的维列向量记作N，该维列向量N中的元素为v[n]，其中n＝1,2,3…,N。

进一步地，所述步骤1-2包括，通过离散余弦变换电池数据c向量的稀疏变换基Ψ，获得所述电池数据c的稀疏表示：c＝Ψα，α＝Ψ^Tc；其中，α为稀疏的转换系数。

进一步地，所述步骤1-3包括，使用高斯随机矩阵作为测量矩阵Φ，所述电池数据c经该测量矩阵Φ非适应线性投影获得观测数据c’，c’＝Φc＝ΦΨα＝A^csα；其中，Φ为M×N维矩阵，且M<<N，A^cs为传感矩阵，用于从观测数据c’中计算出转换系数；Ψ为稀疏变换基，α为稀疏的转换系数；c’为一个M维列向量，其元素个数远小于电池数据c。

优选的，所述步骤(2)包括：将所述观测数据c’存放至关系数据库，并通过网络发送至后端处理节点。

优选的，所述步骤(3)包括，当A^cs满足约束等距性或Φ与Ψ不相关时，利用线性规划法，求解minα₁s.t.c’＝＝ΦΨα获得转换系数α，并根据c＝Ψα计算重构后电池数据；其中，α₁表示L₀范数，即α中非1元的个数。

与现有技术相比，本发明达到的有益效果是：

储能电站电池监控数据时储能项目系统运行中非常具有参考价值的数据，它反映了系统运行的动态特征，准确及时的捕捉这些运行数据，对于提高储能电站的运行效率和可靠性具有非常重要的意义。