2020 年，我國提出了「碳達峰、碳中和」的目標，開始大力投入風能和太陽能發電建設。根據能源局釋出的資料，到 2022 年 8 月為止，風電和太陽能在全國電網的裝機容量佔比已經超過 28%。

風電和太陽能發電具有隨機性、間歇性和波動性的特點，這給電網調峰、執行控制和供電質量等帶來巨大挑戰。透過儲能調節風能和太陽能大規模入網給電網帶來的衝擊是一種重要的技術手段。

與此同時，其安全問題也日益凸顯。透過現代化的技術保障儲能系統的安全運營成為儲能系統建設需要關注的一個重要議題。

## 儲能系統安全保障技術現狀

傳統的儲能系統建設主要包含以下幾個部分：

- BMS 電池管理系統：電池管理系統主要功能是管理及維護各個電池單元的充放電，防止電池出現過充或者過放，延長電池的使用壽命。電池管理系統單元由採集模組、控制模組和電池管理應用組成。採集模組主要採集電池模組和電池單體的電壓、電流、溫度等引數據資料；控制模組控制電池的充放電，電池管理應用管理電池的充放電和維護電池的充放電安全。
- PCS 儲能變流器：儲能變流器主要控制儲能系統的充電和放電過程，進行直交流的轉換並根據功率指令控制變流器對電池進行充電或放電，實現對電網有功功率及無功功率的調節，是儲能系統充放電策略的執行單元。
- EMS 能源管理系統：能源管理系統全面採集了BMS、PCS 和其他輔助管理系統的資訊，技針電池儲能系統實現調控一體化能量管理，實現儲能系統實時監控、診斷預警、全景分析、高階控制等功能，滿足儲能系統監視全面化、安全分析智慧化、全景分析動態化等需求，保證儲能系統安全、可靠、穩定地執行。
- 輔助系統：儲能輔助系統包含空調系統和消防系統，主要是維護儲能系統的執行在相對安全的環境，並在出現火災時實現告警和滅火。

傳統儲能系統一般是採用固定的執行策略脫網執行的模式，隨著智慧微網和虛擬電廠等應用的出現，儲能系統需要聯網並提供介面供智慧排程系統進行排程，這需要引入物聯網的技術實現儲能系統的技術升級。電力生產系統聯網有嚴格的安全要求和規範，網路架構需要符合電力生產系統的安全規範，在物聯網的基礎上增加單向網閘穿透的功能成為必要。

此外，原有的 EMS 系統雖具備一定的分析、告警功能，但其設計目標重點在整體的系統的監控，系統資料一般儲存在結構化的資料庫中，對大資料的儲存和分析支援的能力有限，擴充和整合其他技術的能力也比較弱。要想實現儲能系統的模型最佳化、引數調優、提前預警、可預測維護等智慧運維功能，需要引入大資料、人工智慧、深度學習等技術，完成儲能系統物聯網化升級。

## 雲邊協同儲能可預測維護系統方案

針對儲能系統物聯網化和運維智慧化的需求，EMQ 提供了雲邊協同可預測維護系統的基礎技術架構。透過低程式碼、可配置低方式實現儲能系統資料接入、邊緣計算、資料匯聚、網閘穿透、資料儲存和分析，在邊緣實現預測性維護演算法，雲端實現演算法、模型、引數的最佳化，並透過邊緣計算提供的流計算框架更新引數到邊緣計算預測模型，從而實現雲邊協同的可預測維護系統。
[![1](http://img.blog.itpub.net/blog/2022/11/03/f7908bb4a767a071.png?x-oss-process=style/bb "1")](https://www.emqx.com/zh/blog/high-frequency-data-collection-and-real-time-stream-computing "1")

### 毫秒級高頻資料採集

儲能系統的資料採集需要基於傳統的 EMS 系統實現，EMS 系統已經支援 BMS、PCS 以及輔助系統的資料採集，儲能系統的資料可透過 EMS 系統獲取完整的資料。目前，EMS 能源管理系統一般可以對外提供傳統工業協議資料介面，例如 Modbus/TCP、OPC-UA、IEC104 等。透過傳統的工業協議介面採集超過 10000點位資料，往往需要數秒的時間，而儲能系統資料採集頻率要求達到亞秒級。

EMQ 旗下[邊緣工業協議閘道器軟體 Neuron](https://www.emqx.com/zh/products/neuron) 提供改進的 Modbus 協議，支援每 100 毫秒一次採集數千點位的資料，可以滿足儲能系統資料高頻的資料採集需求。

### 支援迭代流計算的邊緣計算框架

儲能系統的可預測性維護是透過電池一致性、電池健康度、電池健康變化的趨勢等引數預測電池的工作狀況，其中包含透過電池的等效模型估算其電量和健康度狀態的演算法。目前 SoC 和 SoH 估算比較常用的演算法是基於卡爾曼濾波器實現，而卡爾曼濾波器演算法的核心是需要基於上一個時刻的狀態估算結果和狀態協方差矩陣，結合當前時刻的觀測值更新狀態協方差矩陣、計算濾波增益和預估值，計算 SoC/SoH 的估計值。此類演算法要求在邊緣計算框架中需要支援流資料的迭代演算法。

開源的[邊緣流計算產品 eKuiper](https://ekuiper.org/zh)，支援流式計算結果保留在流中，滿足下次計算對上次計算結果的呼叫。eKuiper 還支援流式資料按照不同的模式切片，並基於切片資料執行內建或者擴充的聚合計算演算法，實現儲能系統狀態的實時預測。

### 靈活的流資料匯聚

儲能系統資料匯聚系統需要提供裝置連線和訊息的雙向通訊，保證資料採集和方向控制通道，資料匯聚服務除了提供連線服務和訊息通道以外，還需要提供靈活的機制實現儲能系統資料持久化到資料庫並轉發資料到大資料分析系統。在實際的應用系統中，還需要考慮電力系統安全生產的需要，支援網閘並降低資料透過網閘的頻寬。

[企業級物聯網 MQTT 接入平臺 EMQX](https://www.emqx.com/zh/products/emqx)可基於 MQTT 提供儲能系統的連線和雙向解耦的訊息傳遞方案，並內建基於規則引擎之上的網閘穿透、資料編碼、資料持久化和資料轉發的功能，實現儲能資料的匯聚和靈活應用。

### 內建網閘穿透

電力生產系統的網路安全要求生產控制區、生產非控制區和生產管理區之間的網路通訊透過單向網閘裝置保障網路安全。EMQX 內建了正向網閘穿透代理模組，透過配置可以啟用此功能，實現儲能資料透過標準的 MQTT 協議在不同的生產區之間傳輸。

### 流式資料儲存和分析

高頻採集的儲能資料是一種持續的系統狀態資料流，不同型別的資料需要透過不同的處理和分析再持久化或者轉發到其他的應用系統和服務。

[流處理資料庫 HStreamDB](https://www.emqx.com/zh/products/hstreamdb) 提供儲存和分析一體化的產品，實現儲能流資料的實時去重、檢測相鄰資料的變化範圍、實時流分析、分析演算法的擴充以及資料整合和儲存等功能。

### 雲邊協同與管理

EMQ 提供雲邊協同一體化的方案實現儲能系統的雲邊協同可預測維護的方案，eKuiper 提供可擴充的邊緣計算框架，透過迭代計算、資料流視窗化、外掛式的函式、流式表等功能實現邊緣預測演算法及引數的更新；HStreamDB 提供指令碼程式設計的方式實現雲端資料的大資料分析，進行預測引數的不斷最佳化；最佳化的引數可以透過 MQTT 協議更新到 eKuiper 流式表中；透過流式表，實時流資料可以合併更新後的引數，實現演算法引數的更新，不斷最佳化儲能系統的可預測維護模型。

### 穿透網閘的反向控制

可預測維護系統的演算法模型引數更新和控制指令等資料需要透過反向網閘傳送到生產非控區，反向網閘提供檔案轉發的功能實現兩個生產區之間通訊。

EMQX 透過規則引擎提供十六進位制資料和字元互相轉換的功能，實現訊息資料文字化並可在穿透網閘後恢復為訊息資料。具體實現方式為：在生產管理區，透過 eKuiper 檔案動作外掛把需要傳輸訊息的十六進位制字串寫到反向網閘指定的目錄；反向網閘自動傳輸指定目錄下的檔案到生產非控制區；在生產非控制區由文字讀取服務獲取由反向網閘傳輸過來的檔案，並將檔案中的十六進位制字串傳送到 MQTT 訊息代理服務 EMQX 的指定主題，以此實現演算法模型引數更新和控制指令下發等功能。

## 結語

透過 EMQ 雲邊一體化的方案，可實現資料高頻率的數萬點位採集，為邊緣端賦予實時分析和預測儲能系統執行狀態的能力，使雲端具備大資料分析能力。透過定時的執行策略，定期調整預測模型的引數，實現儲能系統雲邊協同一體化的可預測運維，助力新能源儲能系統的安全、高效運營。

>版權宣告： 本文為 EMQ 原創，轉載請註明出處。
>
>原文連結：[https://www.emqx.com/zh/blog/high-frequency-data-collection-and-real-time-stream-computing](https://www.emqx.com/zh/blog/high-frequency-data-collection-and-real-time-stream-computing)

支援高頻數採、實時流計算的儲能可預測維護系統方案

相關文章