CN119298266A 基于人工智能的储能ems系统soc均衡控制系统及方法 （中国能源建设集团广东火电工程有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119298266A(43)申请公布日2025.01.10

(21)申请号202411253465.8

(22)申请日2024.09.09

(71)申请人中国能源建设集团广东火电工程有

限公司

地址510735广东省广州市黄埔区红荔路2

号

(51)Int.CI.

H02JH01M

7/00(2006.01)10/44(2006.01)

(72)发明人张剑锋汪帆吴北根陈海洋

钟远峰李焕伟罗泽航姚志雪

何志华唐金文劳业庆张小威

胡易权李竞开郑瀚林洪华裔

杨永礼侯靖肖泳李丰铜

武文成

(74)专利代理机构广州致信伟盛知识产权代理

有限公司44253专利代理师李东来胡宗沅

权利要求书3页说明书7页附图1页

(54)发明名称

基于人工智能的储能EMS系统SOC均衡控制系统及方法

(57)摘要

CN119298266A本发明涉及储能EMS技术领域，具体地说，涉及基于人工智能的储能EMS系统SOC均衡控制系统及方法，其包括监控系统，用于收集电池单元的电压、电流、温度和SOC参数；均衡控制系统，通过强化学习算法RStudy均衡控制电池组中各个电池单元的SOC;实时调控系统，通过随机森林算法实现实时调整SOC均衡控制策略；故障诊断预防系统，通过随机森林算法进行故障诊断，并采取调整充放电策略进行预防。本发明设计采用强化学习算法RStudy实现电池单元SOC动态调整，强化学习算法RStudy能够通过与环境的交互，自动学习最优的决策策略；能够平衡即时奖励和长期目标，避免过度放电或充电，减少电池老化，能

CN119298266A

4

4

监控系统

均衡控制系统

2

实时调控系统

3

故障诊断预防系统

CN119298266A权利要求书1/3页

2

1.基于人工智能的储能EMS系统SOC均衡控制系统，其特征在于：包括

监控系统(4),所述监控系统(4)收集电池单元的电压、电流、温度和SOC参数；

均衡控制系统(1),所述均衡控制系统(1)通过强化学习算法RStudy均衡控制电池组中各个电池单元的SOC,然后再将电池单元的温度数据引入至电池温度权重优化的均方误差损失函数中，根据样本对应的温度条件，调整该样本对总损失函数贡献的大小，如果某个温度下的预测非常重要，那么w会设置得更高，从而在计算总损失时给该样本的预测误差更大的惩罚，实现不同温度条件下预测电池单元荷电状态下SOC的准确性；

其中，优化后的均方误差损失函数为：

其中，w表示权重，Lw(Y,Y)表示加权后的损失函数，Y表示实际SOC值，Y表示预测SOC值，Y表示第i个样本的实际SOC值，Y表示第i个样本的预测SOC值，w,表示第i个样本的温度权重；

实时调控系统(2),所述实时调控系统(2)通过随机森林算法实现实时调整SOC均衡控制策略；

故障诊断预防系统(3),所述故障诊断预防系统(3)通过随机森林算法进行故障诊断，并采取调整充放电策略进行预防。

2.根据权利要求1所述的基于人工智能的储能EMS系统SOC均衡控制系统，其特征在于：

所述均衡控制系统(1)包括数据预测模块，动态调整模块和目标优化模块；

其中，数据预测模块通过长短期记忆网络LSTM建立电池单元的SOC预测模型，对电池单元的历史充放电数据分析参考用于训练SOC预测模型，然后将训练后的SOC预测模型集成至实时监控系统中，根据实时监测数据与历史充放电数据作对比来预测电池单元的SOC变化趋势；

动态调整模块采用强化学习算法RStudy根据电池单元的实际SOC和预测SOC进行动态调整，通过调整电池单元的充放电功率来实现SOC的均衡控制，使得实际SOC尽可能接近预测SOC,实现均衡控制；

目标优化模块通过遗传算法找到最优SOC均衡控制策略。

3.根据权利要求2所述的基于人工智能的储能EMS系统SOC均衡控制方法，其特征在于：

所述数据预测模块通过长短期记忆网络LSTM建立电池单元的SOC预测模型，涉及以下步骤：

S3.1、收集电池单元的历史充放电数据以及对应的SOC数据，形成数据集，该数据集包括电池的电压、电流、温度参数，并对数据集进行预处理，将数据集划分为训练集、验证集和测试集；其中，训练集是用来训练LSTM模型的数据集合，数据集合包括电池的电压、电流、温度参数、电池单元的荷电状态SO