本发明涉及储能运维，尤其涉及一种基于云端数字孪生的液流电池运维系统和方法。
背景技术：
1、随着能源科技的不断发展，风能和光能等可再生能源在能源的使用占比也日渐增加。虽然风能和光能取之不尽用之不竭，但由于其受自然因素影响所导致的不稳定性，可能会对电网的安全运行造成潜在威胁，为此需要搭载必要的储能设备，以保证可再生能源能够安全地并入电网。
2、近年来，主流的储能技术主要有物理方法（比如抽水蓄能、飞轮、压缩空气等），电化学方法（比如锂离子电池、铅酸电池、液流电池等），以及化学方法（比如氢能）等。而氧化还原液流电池作为电化学储能的一种形式，因其能量和功率解耦的特性、高安全性、高效率、以及长循环周期等诸多优势，是100mw以上的长时大规模储能的优选方案。然而，受限于生产以及运行成本等因素，液流电池目前仍处于商业化早期阶段。如何通过优化关键材料、电堆结构以及运行性能来降低系统成本，提高整体效能，对于液流电池的推广应用具有重要价值。
3、而从液流电池系统的运行来看，其反应物浓度、入口流速以及工作电流，都会影响最终的输出电压。在传统的工作模式中，上述参数通常是固定不变的，导致液流电池内的传质效率受限，能量利用效率较低。
技术实现思路
1、本发明提供了一种基于云端数字孪生的液流电池运维系统和方法，解决了现有液流电池系统中由于其运行参数固定不变所导致的液流电池传质效率受限，能量利用效率较低的技术问题。
2、本发明提供的一种基于云端数字孪生的液流电池运维系统，包括通信连接的监控端和云服务器；
3、所述监控端，用于周期性获取储能电站内液流电池电堆对应的运行数据并上传至所述云服务器；响应所述云服务器下发的调控信息，对所述液流电池电堆执行调控操作；
4、所述云服务器，用于根据所述运行数据进行模拟决策，并按照模拟决策结果生成调控信息下发至所述监控端。
5、可选地，所述监控端包括监测模块和控制模块；
6、所述监测模块，用于周期性获取储能电站内液流电池电堆对应的运行数据，并上传至所述云服务器；
7、所述控制模块，用于响应所述云服务器下发的调控信息，对所述液流电池电堆执行调控操作。
8、可选地，所述监测模块包括第一通信子模块、第一处理器和传感器组；
9、所述传感器组包括多种不同类型的传感器，分别用于周期性采集所述液流电池电堆的不同观测数据并传输至所述第一处理器；
10、所述第一处理器，用于对各种所述观测数据进行模数转换后，组合生成运行数据，并经所述第一通信子模块上传至所述云服务器。
11、可选地，所述控制模块包括第二通信子模块、第二处理器和控制器；
12、所述第二处理器，用于通过所述第二通信子模块接收所述云服务器下发的调控信息并进行数模转换，生成控制指令传输至所述控制器；
13、所述控制器，用于执行所述控制指令，以对所述液流电池电堆进行变量调整。
14、可选地，所述云服务器内设有数字孪生模型和控制决策模型；
15、所述数字孪生模型，用于根据所述运行数据模拟所述液流电池电堆的运行状态；
16、所述控制决策模型，用于根据所述运行状态和预设的优化目标，与所述数字孪生模型进行交互生成调控信息并下发至所述监控端。
17、可选地，所述数字孪生模型为目标深度算子模型；
18、所述目标深度算子模型根据校验机理模型进行训练，并结合所述运行数据进行迁移学习所生成；
19、所述校验机理模型由顺序数据同化算法融合预设机理模型输出的预测状态向量和所述运行数据所生成。
20、可选地，所述顺序数据同化算法包括：
21、以首组所述运行数据作为初始状态，结合预设机理模型的固有模型参数，预测多个预测状态向量；
22、采用全部所述预测状态向量构建预测状态矩阵，并计算所述预测状态矩阵对应的预测协方差；
23、依次采用每个时刻的运行数据结合所述预测状态向量和所述预测协方差，对所述预测状态向量进行更新，生成目标预测状态向量；
24、根据所述目标预测状态向量与所述预测状态向量，对所述机理模型的未知模型参数进行梯度调整，生成校验机理模型。
25、可选地，所述目标深度算子模型的训练过程包括：
26、采用至少两个神经网络构建初始深度算子模型；
27、以所述运行数据对应的多种数据类型选取多组虚拟样本；
28、将多组所述虚拟样本分别输入所述校验机理模型，生成虚拟输出结果并与所述虚拟样本组成训练样本对；
29、以均方根误差为损失函数，采用所述训练样本对训练所述初始深度算子模型，生成部分模型参数固定的中间深度算子模型；
30、按照所述运行数据对所述中间深度算子模型的可变参数进行迁移学习，生成目标深度算子模型。
31、可选地，所述控制决策模型包括动作决策子模型和动作评价子模型；
32、所述动作决策子模型，用于根据所述运行状态和动作策略，生成决策动作并与所述数字孪生模型所模拟的环境进行交互，生成更新状态和当前奖励；按照策略梯度定理对所述动作决策子模型内的策略参数进行梯度下降更新，直至满足预设的优化目标，将当前时刻的决策动作确定为调控信息；
33、所述动作评价子模型，用于采用所述优化目标所对应的价值函数计算在所述运行状态下所述决策动作的初始价值；根据所述更新状态、所述当前奖励和所述初始价值，计算时序差分残差；基于所述时序差分残差计算价值函数梯度，按照所述价值函数梯度对所述动作评价子模型内的值函数参数进行梯度下降更新。
34、可选地，还包括与所述云服务器通信连接的网页端；
35、所述网页端，用于显示所述运行数据或者所述调控信息。
36、可选地，所述网页端，还用于当接收到外部输入的参考调控方案时，按照所述参考调控方案发送对应的调控信息至所述监控端。
37、可选地，所述网页端，还用于当所述调控信息不符合预设的优化区间，且接收到中断触发指令时，停止发送当前时刻的调控信息，并对所述控制决策模型进行更新。
38、本发明还提供了一种基于云端数字孪生的液流电池运维方法，应用于上述任一项所述的基于云端数字孪生的液流电池运维系统，所述方法包括：
39、通过监控端周期性获取储能电站内液流电池电堆对应的运行数据并上传至所述云服务器；
40、通过所述云服务器根据所述运行数据进行模拟决策，并按照模拟决策结果生成调控信息下发至所述监控端；
41、通过监控端响应所述云服务器下发的调控信息，对所述液流电池电堆执行调控操作。
42、从以上技术方案可以看出，本发明具有以下优点：
43、本发明提供了一种基于云端数字孪生的液流电池运维系统，包括通信连接的监控端和云服务器，通过监控端周期性获取储能电站内液流电池电堆对应的运行数据并上传至云服务器；通过云服务器根据运行数据进行模拟决策，并按照模拟决策结果生成调控信息下发至监控端。再通过监控端响应云服务器下发的调控信息，对液流电池电堆执行调控操作，从而实现对储能电站内的液流电池电堆运行的周期性动态优化调控，显著提升储能电站的运维管理水平，有效提高液流电池电堆的能量利用效率。
1.一种基于云端数字孪生的液流电池运维系统，其特征在于，包括通信连接的监控端和云服务器；
2.根据权利要求1所述的液流电池运维系统，其特征在于，所述监控端包括监测模块和控制模块；
3.根据权利要求2所述的液流电池运维系统，其特征在于，所述监测模块包括第一通信子模块、第一处理器和传感器组；
4.根据权利要求2所述的液流电池运维系统，其特征在于，所述控制模块包括第二通信子模块、第二处理器和控制器；
5.根据权利要求1所述的液流电池运维系统，其特征在于，所述云服务器内设有数字孪生模型和控制决策模型；
6.根据权利要求5所述的液流电池运维系统，其特征在于，所述数字孪生模型为目标深度算子模型；
7.根据权利要求6所述的液流电池运维系统，其特征在于，所述顺序数据同化算法包括：
8.根据权利要求6所述的液流电池运维系统，其特征在于，所述目标深度算子模型的训练过程包括：
9.根据权利要求5所述的液流电池运维系统，其特征在于，所述控制决策模型包括动作决策子模型和动作评价子模型；
10.根据权利要求5所述的液流电池运维系统，其特征在于，还包括与所述云服务器通信连接的网页端；
11.根据权利要求10所述的液流电池运维系统，其特征在于，所述网页端，还用于当接收到外部输入的参考调控方案时，按照所述参考调控方案发送对应的调控信息至所述监控端。
12.根据权利要求10所述的液流电池运维系统，其特征在于，所述网页端，还用于当所述调控信息不符合预设的优化区间，且接收到中断触发指令时，停止发送当前时刻的调控信息，并对所述控制决策模型进行更新。
13.一种基于云端数字孪生的液流电池运维方法，其特征在于，应用于权利要求1-12中任一项所述的基于云端数字孪生的液流电池运维系统，所述方法包括：
