分类：电子论文 时间：2022-04-16 热度：949
摘要：信息架构与安防体系是吉瓦级电化学储能电站安全稳定运行的根本保障。文中针对吉瓦级储能电站的信息架构与安防体系，总结了现有技术的不足并提出展望。首先，研究了吉瓦级储能电站的通信结构以及电站监测数据的特性。其次，对现有的储能电站状态评估方法进行对比分析，探讨吉瓦级储能电站状态评估技术，研究电站故障预警以及消防技术。最后,对吉瓦级储能电站信息架构与安防体系的技术发展方向提出建议。
关键词：吉瓦级储能;信息架构;状态评估;安全预警;消防体系
0 引言
为响应中国 2030 年碳达峰战略和促进清洁电能转型，吉瓦级新能源+电化学储能的发展模式值得重点关注[1]。作为一种灵活的储能资源，电化学储能近年来发展迅猛，已建成多个百兆瓦级示范工程。随着国内吉瓦级电化学储能电站示范项目的确立，中国青海省政府已经与国内相关企业分别签署吉瓦级电化学储能电站战略合作协议，计划在青海格尔木、乌图美仁等多个地区部署 1 GW/2 GW·h 电化学储能电站，中国山西、福建、河南等地也已经开始了对吉瓦级电化学储能电站建设的探讨并逐渐进入部署阶段。但电化学储能电站的安全始终是制约电化学储能发展的瓶颈。因此，研究吉瓦级电化学储能电站的信息架构与安防体系具有重要意义。
吉瓦级电化学储能电站的信息架构是其安防体系的基础支撑，而安防体系是电站信息架构的数据终端以及整个电站安全稳定运行的保障[2]。吉瓦级电化学储能电站的信息架构要满足其分布式站址的信息传输需求，并能够为安防体系的预警与消防环节提供准确、及时的数据支撑，在提高设备使用效率、运行寿命的同时优化电站经济性与安全性[3]。传统百兆瓦级电化学储能电站规模较小，其数据传输为多个集装箱并行上传至数据中心，数据量较小;由于目前吉瓦级电化学储能电站相关技术尚难以支撑单站规模达到吉瓦级，前期示范工程采用分布式站址，同时需要接受省级调度中心(简称省调)的统一调度，各个百兆瓦级子站需要与省调进行数据交互。因 此 ，吉 瓦 级 电 化 学 储 能 电 站 面临两大问题：①单站规模远超目前百兆瓦级电化学储能电站，其信息架构承受的数据量显著增多，在与省调通信过程中，数据传输延迟也将导致省调指令存在偏差; ②由于单站规模增大，其安全问题也更为突出，一旦某个集装箱发生火灾，吉瓦级电化学储能电站部分停运将导致严重经济损失。因此，有必要深入研究其安防体系，增强吉瓦级电化学储能电站的安全性。
目前，国内的吉瓦级电化学储能电站示范工程将陆续建成并投运。为推动吉瓦级电化学储能电站信息架构与安防体系的研究发展，本文从通信与监测、状态评估与维护、预警与消防 3 个角度进行分析：分析了吉瓦级电化学储能电站的整体信息架构，讨论了在储能电站向吉瓦级规模发展的过程中可能存在的问题及对策;梳理了吉瓦级电化学储能电站状态评估与运维关键技术，剖析了电站状态评估与运维的技术形势;面向吉瓦级电化学储能电站的安防问题，从预警与消防 2 个角度分析了故障预警及火灾消防措施，为吉瓦级电化学储能电站安防体系建设提供参考。
1 吉瓦级电化学储能电站信息架构
目前，储能电站单站达到吉瓦级规模技术难度较大，因此在吉瓦级电化学储能电站建设前期，都是以分布式吉瓦级电化学储能电站形式建设示范工程。与传统百兆瓦级电化学储能电站相比，吉瓦级电化学储能电站信息架构具有分布式建设、集中调 控的特点。多个百兆瓦级子站在进行站内管控的同时，还需接受省调的统一调度，作为一个整体储能资源为区域电网提供服务。因此，海量数据汇聚于省调部门，省调需要据此判断吉瓦级电化学储能电站整体状态。建设可传输并处理海量数据的电站信息架构，同时提高电站安全性，是吉瓦级电化学储能电站建设面临的严峻挑战。
吉瓦级电化学储能电站的信息架构与安防体系见图 1。在集装箱中电池管理系统(BMS)、能量管理系统(EMS)采集、汇集数据后送至调度中心，总站进行电池等关键设备的状态评估，生成对应的预警动作信号、设备维护指令等，指令下发至 EMS，控制电池集装箱故障隔离并利用多级消防消除火灾事故，提高吉瓦级电化学储能电站安全性[4]。
1. 1 吉瓦级电化学储能电站整体信息架构
吉瓦级电化学储能电站子站的规模可达数百兆瓦级别，接受省调的统一调控。一方面，电站整体的运行模式由省调根据当前电力系统运行情况进行调度，相比传统百兆瓦级电化学储能电站而言，子站运行模式难以自主控制，因此电站的信息架构也将相应改变;另一方面，多个子站之间存在相互间通信，因此面临百兆瓦级电站间数据交互、信息共享问题。
吉瓦级电化学储能电站信息架构涉及储能电池、功率变换器(PCS)、站内变压器等电气元件模块以及监控装置、消防装置、电源装置等，而通信系统是 各 个 部 件 以 及 站 内 通 信 与 总 站 之 间 连 接 的 桥梁[5];另 一 方 面 ，与 百 兆 瓦 级 电 化 学 储 能 电 站 相比[6]，为了集成吉瓦级电化学储能电站，同一区域电网内的百兆瓦级子站数量将明显增多，为保证吉瓦级电化学储能电站接受调度指令的响应速度以及整体性，各个子站之间的信息交互也将更为频繁。电站规模扩大导致监控对象增多，带来了新的难题：百兆瓦级电化学储能电站仅单个电池堆每秒上行及下行数据就达到数千至上万个，吉瓦级电化学储能电站必然面临海量数据的处理问题;当出现异常，如何在海量电池中定位故障电池，以及在哪个管控层级切除故障电池[7]。针对上述问题，需要对吉瓦级电化学储能电站 BMS、PCS、EMS、数据中心等关键组成部分在整体信息架构中的位置、监控功能、职责范围等进行讨论，分析吉瓦级电化学储能电站对信息架构需求，以总结提出可行的技术路线。吉瓦级电化学储能电站的通信结构如图 2 所示。
1. 2 吉瓦级电化学储能电站关键设备数据
以吉瓦级电化学储能电站的信息架构为监测、控制、告警等数据提供传输通道，因此可以通过分析数据传输的需求及其走向，归纳出电站整体信息架构的不足及改进方法[8]。BMS 汇总统一电池簇内各个电池模组所采集的数据，并内置直接故障隔离功能;同一个集装箱内的 BMS 信息在 EMS 处汇集并进行简化处理，加大其采样间隔以减小数据量，并对下属 BMS 进行控制;最终子站的全部 EMS 数据上报数据中心，进行电站级别的整体调度与控制[9]。
1)BMS 监测数据
BMS 对电池单体及电池簇进行监测，在发生异常时及时对电池进行保护。根据《大型电化学储能电站电池监控数据管理规范》[10]及《电化学储能电站用锂离子电池管理系统技术规范》[11]等标准整理出储能电站 BMS 数据采集标准，见表 1。标准中对 BMS 电池监测测点、监测数据类别、采样精度、采样频率等给出建议;同时也对 BMS 的功能给出建议，应能够计算荷电状态(SOC)、事件顺序控制(SOE)等状态参数，进行故障诊断及保护，管理电芯过充、过放、过温及不均衡状况并实现统计记录功能。目前，国内兆瓦级以及百兆瓦级电化学储能电站的电压及温度采样周期均遵循表 1 中要求，青海等部分百兆瓦级电站采样频率可达 15 ms/次。在兆瓦级电站向百兆瓦级电站发展过程中，储能集装箱数据量没有明显变化，可以预见，吉瓦级电化学储能电站的集装箱数据量与百兆瓦级储能电站相比将不会出现显著变化。
虽然单个集装箱数据量没有显著变化，但集装箱的数量增长为数据中心的数据汇总带来了很大压力 。 电 化 学 储 能 电 站 集 装 箱 数 量 随 电 站 容 量 同比 例 增 长 。目前，BMS 之间多使用串行通信，虽然对通信线路要求低，传输速度却很慢，在数据上传中难免出现通信延迟、抢占通信信道等问题，且一旦某个 BMS 出现故障，其下顺位的 BMS 将无法继续通信;另一方面，十倍于百兆瓦级电化学储能电站的数据量汇集于数据中心，给数据处理、数据记录、设备信息跟踪等重要功能带来了挑战，因此 BMS 需要向智能化发展，增加 BMS 中的数据处理以及控制功能，尽量减少数据中心中汇总的数据量，以此优化电站数据结构[12]。BMS 是数据采集的终端，也是吉瓦级电化学储能电站监控电池状态的基础设备，其技术发展对电站的安全性以及经济效益具有重要意义。对吉瓦级电化学储能电站 BMS 提出以下建议： ①优化 BMS 上行通信方式，研究并行通信可行性，将每个 BMS 作为独立测控终端与上级通信，减少 BMS 传输数据时抢占通信信道带来的数据延迟问题;②增加 BMS 智能化程度，将低难度的数据处理、逻辑判断及控制功能集成于 BMS 之中，可以减少上层数据中心的数据处理压力，优化电站整体数据结构。
2)PCS 运行调度
吉瓦级电化学储能电站中的 PCS 是储能电池与电网连接的桥梁，通常多个电池簇挂载在同一 PCS 低压直流母线上，根据吉瓦级电化学储能电站不同的应用场景，直接接在交流母线送出或经过变压器升压接入高压交流输电线上传输。
PCS 并网存在 2 个主要问题：①吉瓦级电化学储能电站需要多台 PCS 并联提高功率转换能力，由于并网时一般采用 LCL 滤波器，因此面临谐振尖峰数量增多导致系统失稳的问题[13];②主流 PCS 器件难以精确控制，且 PCS 升压能力不足，需要变压器升压才能并入电网。
针对以上问题，可以对吉瓦级电化学储能电站 PCS 技术发展方向提出以下建议：①针对吉瓦级电化学储能电站多 PCS 并联谐振尖峰问题，可考虑如有源阻尼控制、下垂控制等 PCS 控制策略，提高电站并网安全性;②面向未来柔性直流输电的电网发展趋势，可以结合模块化多电平换流器(MMC)等新型技术设立试点集装箱，探索 MMC 直接并网的可行性。
3)EMS 数据汇流
EMS 用于信息计算、记录、信息上报及下行指令控制，每个集装箱配备一套 EMS。每个集装箱中的 EMS 可以对此集装箱数据进行汇总，并与上级通信，将监测数据及电池 SOC 等状态估计数据、某些故障发生后 BMS 上传的告警信号等上传。吉瓦级电化学储能电站规模较大，因此站内集装箱数量众多，为 EMS 同时实现能量管理、策略制定等功能带来压力。而目前国内多数储能电站集装箱的 BMS 中尚未集成计算、控制等功能，仅供数据的汇总、上传。各集装箱 EMS 汇总数据后数据压力大，因此工程应用中 EMS 将对数据进行采样，在不影响状态监测的情况下减少数据量。吉瓦级电化学储能电站数据流向如图 3 所示。
相关知识推荐：电化学储能方面论文发EI怎么好发
根据 GB/T 34131—2017《电化学储能电站用电池管理系统技术规范》[14]，大规模储能电池管理系统应尽量采用多层次结构。但目前 EMS 运行压力大，主要因为：目前 BMS 集成功能较少，EMS 需要同时进行储能电池的能量管理、电气设备监控等; EMS 还需要管理 PCS，制定 PCS 动作策略并对其进行控制。为解决上述问题，可以将 EMS 功能分散，设立功率管理系统(PMS)进行 PCS 策略制定及控制，而 EMS 仅负责储能电池能量管理及电气设备监控，保障系统的安全稳定运行。吉瓦级电化学储能电站数据量更大，因此将其控制功能层级化、分散化将有助于减小设备运行压力、提高控制实时性、保障电站安全。
1. 3 监控系统
典型大规模电化学储能电站监控系统的通信架构如图 4 所示。
Q/GDW 1887—2013《电网配置储能系统监控及通信技术规范》[15]中规定，大规模电化学储能电站监控系统分为站控层、间隔层和过程层。其中对于监控系统整体可靠性指标以及实时性指标的要求如表 2 所示。
依据表 2 中要求，可以在不同层级选择以太网、控制器局域网络(CAN)总线、RS485总线这 3 种组网方式，不同层级组网方式的选择应综合考虑传输距离、传输速率等因素。以太网是一种传输距离远、传输速率快的组网方式，其安全性能也较好，但远距离传输时成本较高，且对环境要求很高，因此仅适用于站控层内部及对外通信，在环境较好的就地监控系统中也可以使用。以太网支持 IEC 61850 通信协议;CAN 总线具有良好的环境适应性，同时成本低，长、短距离传输性能均较为优异，但由于其传输方式为半双工，主要在间隔层及过程层之中使用;RS485 总线在从站通信异常时将影响下一从站通信，且节点上只能有一个数据发送端，因此，将 RS485 总线用于监控终端的动作信号及响应信号传输，以及 PCS 与电池堆之间的指令传输。
吉瓦级电化学储能电站 EMS 需要处理海量数据，但通过控制采样频率可以控制其数据量。当数据汇总于站内的数据中心，多维度、多样化、巨大数据量将给吉瓦级电化学储能电站的 EMS、储能数据中心信息处理能力带来巨大考验。因此，针对吉瓦级电化学储能电站数据量庞大、设备维护难的问题，有必要建立基于大数据的储能监控云平台，根据用户不同的工作负载进行动态的资源调整[16]。其主要 服 务 包 括“ 基 础 设 施 即 服 务(infrastructure as a service，IaaS)”“ 平 台 即 服 务(platform as a service， PaaS)”“软件即服务(software as a service，SaaS)”3 种功能。吉瓦级电化学储能电站大数据云平台架构如图 5 所示。
利用云平台 IaaS 可以对吉瓦级电化学储能电站数据监测、告警等实时性要求高的数据进行处理，将计算设备、网络设备、存储设备等基础设施进行虚拟化并封装，以便数据的计算、估计、拟合等;利用云平台 PaaS 对数据进行计算以及深度挖掘。使用云平台提供的服务进行吉瓦级电化学储能电站的数据处理，比起 EMS 和数据中心等的数据处理能力，云平台可调用动态资源空间，因此实际应用中占用内存过大的估计、预测等算法均可以使用，能够增加数据处理精度及准确性;利用云平台 SaaS 可以优化调度中心业务处理，利用云平台数据空间大的特点，建立吉瓦级电化学储能电站设备全寿命周期数据库，追踪设备的出场数据、运行时长、折损情况等，便于数据预测及预警、运行及设备维护检修等计划的制订。
吉瓦级电化学储能电站的信息架构为应对大数据量、更低时延的要求，应基于现有标准规范，在保障信息安全性与传输稳定性的前提下，对数据进行精简处理。同时，可探索具有更高性能的数据传输技术，建立结构更合理、精确性及实时性更高的吉瓦级电化学储能电站信息架构。
2 吉瓦级电化学储能电站状态评估及运维
吉瓦级电化学储能电站监控系统采集储能电池的电流、电压等状态信息，巨大的数据量要求必须借助明确、有效的快速数据决策方法，因此需要建立数据评价指标体系，依据评价指标体系评估吉瓦级电化学储能电站运行状态，针对吉瓦级电化学储能电站的不同运行状态给出调度、检修、告警等指令。然而，如储能电池 SOC[17]和储能电池健康状态(SOH) 2 种最为关键的储能电池状态量无法直接测量得到，因此需要使用参数整定方法结合改进卡尔曼滤波算法对它们进行估计。
2. 1 吉瓦级电化学储能电池状态估计
SOC 与 SOH 联合估计流程如图 6 所示。
目前，对于电池 SOC 与 SOH 的估计主要分为独立估计与联合估计。其中，独立估计在对其中一个参数进行估计时忽略另一参数对其的影响，在前一参数确定后估计另一参数。文献[18]使用开路电压法计算电池 SOC，之后使用 SOC 对 SOH 进行估计，此方法较好地减小了电池模型非线性带来的估计误差，但未考虑 SOH 变化给 SOC 估计带来的误差。文献[19]采用拓展卡尔曼滤波对 SOC 进行估计，然后利用拟合算法获得内阻，从而对 SOH 进行估计，同样未考虑 SOH 与 SOC 之间的耦合关系，从而引入了估计误差。独立估计方法计算结构简单，但其缺点在于忽略了 SOC 与 SOH 之间的耦合关系，预测精度下降。
联合估计考虑 SOC 与 SOH 之间的耦合关系，建 立 了 SOC 与 SOH 之 间 的 联 合 模 型 ，在 SOC 与 SOH 的每次计算中都考虑对方带来的影响，将对方当作变化的参数进行估计。其中，依赖模型的 SOC 与 SOH 估计使用双观测器实现二者的估算，并在估算过程中相互迭代。文献[20]使用在线自适应电路模型，通过卡尔曼估计电池 SOC，最小二乘法观测电池容量，二者集成以联合估算。虽然学者们不断提出新型算法及改进观测器提高模型法精度，电池模型的不准确仍旧制约其精度;基于数据驱动的联合估计模型可以回避电池建模误差，文献[21]利用非线性自回归神经网络实现 SOC 与 SOH 的联合估算，避免了电池建模误差的同时考虑了 SOC 与SOH 的耦合关系，在计算的速度与精度之间取得了较好的平衡。
电池 SOC 和 SOH 的估计需要较高的算法精确度，而状态估计的准确性将影响储能电池运行的短期以及长期效益。由于联合估计计算量较大、过程误差难以把控，因此对于百兆瓦级在数据中心设备能够支撑的情况下，应尽量采用基于数据驱动的联合估计方法，令 SOC 和 SOH 在估计过程中相互耦合，提升估计准确性。——论文作者：李建林 1 ，武亦文 1 ，王 楠 2 ，熊俊杰 3 ，马速良 1
