技术领域
[0001] 本发明涉及新能源的储能系统技术领域，尤其涉及一种储能系统的仿真方法、装置、电子设备及存储介质。
相关背景技术
[0002] 储能系统在运行过程中需要通过建模仿真模拟储能系统的运行，从而监测储能系统的运行状态。由于技术机密等方面的考虑，储能系统的制造商一般不会公开储能系统的设备内部构造、运行理论、仿真模型等信息，因此现有技术中通常采用通用机理模型对储能装置整体进行仿真，从而对储能系统的整体运行状态进行监测，但是难以精确模拟能系统内部电路细节，监测储能系统内部的具体元器件的运行状态。
具体实施方式
[0034] 为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0035] 本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
[0036] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0037] 下面结合附图对本申请的实施例进行描述。
[0038] 请参见图1，图1为本申请实施例提供的一种储能系统的仿真方法的应用场景示意图，该应用场景100中包括，仿真装置101，变流控制器102和储能蓄电池103。
[0039] 其中，仿真装置101与变流控制器102连接，具体通过无线通信接口或RS485通信接口与变流控制器102进行连接。变流控制器102用于测量储能蓄电池的工况数据，根据工况数据分析储能蓄电池103的运行状态，这里的工况数据包括储能电池的电流，电压，功率等与运行状态相关的数据；变流控制器102结合储能蓄电池103的运行状态生成控制指令控制储能蓄电池103中的变流器，进而控制整个储能系统的持续运行。
[0040] 这里的工况数据包括用于表征储能蓄电池运行状态的数据，比如储能蓄电池103的电流，电压，功率等。
[0041] 这里的控制指令用于控制储能蓄电池中103的变流器的元器件中的部分或者全部，比如用于控制储能蓄电池中103的变流器的开关器件开合状态，设置储能蓄电池中103的变流器的元器件运行参数等。
[0042] 仿真装置101获取变流控制器发送的多个样本数据，这里的多个样本数据中的每个样本数据包括储能蓄电池的历史工况数据和变流控制器102根据该历史工况数据生成的历史控制指令。仿真装置根据多个样本数据生成变流控制器的数据驱动模型，进而通过数据驱动模型仿真储能系统中的变流控制器102。
[0043] 仿真装置101获取多个时刻的储能蓄电池103的实际工况数据，这里的实际工况数据为变流控制器102测量储能蓄电池103得到的电流，电压，功率等数据；这里的多个时刻对应变流控制器102的采集工况数据的时刻，变流控制器102持续采集储能蓄电池103的实际工况数据并持续将采集到的实际工况数据发送至仿真装置101。仿真装置101则通过数据驱动模型对多个时刻的工况数据进行处理，得到多个时刻中每个时刻的工况数据对应的控制指令。
[0044] 仿真装置101分别基于多个控制指令控制储能蓄电池103的主电路模型，并分别获取在多个控制指令下的主电路模型的多个第一状态信息。这里的主电路模型是根据储能蓄电池103的铭牌信息生成的，用于仿真储能蓄电池103的在不同控制指令下的运行状态。每个第一状态信息分别对应一个控制指令以及一个时刻。每个第一状态信息包括多个第二状态信息，这里的第二状态信息为在该第一状态信息对应的控制指令运行下的主电路模型中元器件的状态信息。
[0045] 这里的主电路模型中的元器件，与真实电路中的所有或者部分元器件相对应，主电路模型中的元器件可能对应一个或者多个真实电路中的元器件。由于无法获取真实电路中的具体元器件连接方式，因此主电路模型中的元器件仅能通过第一状态信息表征对应的真实元器件的整体运行状态。元器件具体为储能蓄电池电路中的电阻、电容、绝缘栅双极型晶体管(Insulated Gate Bipolar Transisto，IGBT)等。
[0046] 可以看出，仿真系统包括对储能系统中的变流控制器进行仿真的数据驱动模型，和对储能系统中的储能蓄电池进行仿真的主电路模型；通过将多个时刻的实际工况数据输入数据驱动模型得到多个时刻的控制指令，根据多个时刻的控制指令控制主电路模型得到多个时刻中每个时刻的主电路模型中的多个第二状态信息。第二状态信息能够反映在对应时刻储能系统中，多个元器件的运行状态，实现了储能系统的内部运行细节模拟，能够获取得到储能系统更全面的监测信息，从而监测内部具体元器件的运行状态。
[0047] 请参见图2，图2为本申请实施例提供的一种储能系统的仿真方法的流程示意图，可基于图1所示的应用场景实施，如图2所示，包括步骤S201‑S203。
[0048] S201：获取多个样本数据，根据多个样本数据生成变流控制器的数据驱动模型，多个样本数据中的每个样本数据包括储能蓄电池的历史工况数据和变流控制器根据历史工况数据生成的历史控制指令。
[0049] 具体地，这里的样本数据是变流控制器发送的，其中包括储能蓄电池的历史工况数据和历史控制指令。历史工况数据为变流控制器测量储能蓄电池得到的电压、电流和功率等反应储能蓄电池运行状态的数据。每个样本数据包括一组历史工况数据以及对应的历史工况数据，历史工况数据是储能变流器根据对应的历史工况数据生成的，用于控制储能蓄电池。此外每个样本数据对应一个测量时刻，每个样本数据中的历史工况数据是变流控制器在对应的测量时刻测量得到的。
[0050] 在一种可能的实施例中，根据多个样本数据生成变流控制器的数据驱动模型，包括：将多个样本数据分为训练数据集和测试数据集；根据训练数据集训练初始数据驱动模型得到训练后的数据驱动模型；根据测试数据集测试训练后的数据驱动模型，若训练后的数据驱动模型通过测试，则将训练后的数据驱动模型确定为变流控制器的数据驱动模型。
[0051] 具体地，这里的多个样本数据为变流控制器记录的储能蓄电池实际出现的历史工况数据，以及在对应的工况数据下变流控制器生成的历史控制指令。将多个样本数据分为训练数据集和测试数据集，其中训练数据集分别包括多组对应的历史工况数据和历史控制指令。测试数据集也包括多组对应的历史工况数据和历史控制指令。训练数据集用于训练初始数据驱动模型，得到训练后的数据驱动模型。测试数据集用于测试训练后的数据驱动模型。
[0052] 这里的初始数据驱动模型是根据一组或者多组样本数据生成的，由于无法获取储能系统中的变流控制器和储能蓄电池的具体电路结构，因此这里生成的初始数据驱动模型为无法模拟变流控制器内部具体运行逻辑的黑箱模型。得到初始数据驱动模型后，通过训练数据集，以使初始数据驱动模型根据工况数据生成的控制指令可以与实际的变流控制器相吻合。
[0053] 示例性地，请参见图3A，图3A为本申请实施例提供的1次训练后的数据驱动模型的预测结果示意图；图3A具体是根据测试数据集得到的，在图3A中横坐标表征具体的时刻，纵坐标为储能蓄电池中的变流器的某个具体元器件的运行参数单位为kV。其中虚线部分为根据测试数据集直接生成的在不同时刻真是的具体元器件的运行参数值，而实线为根据1次训练后的数据驱动模型预测的具体元器件的运行参数值。根据图3A可以看出，在训练次数较少时，初始数据驱动模型的预测结果准确率较低。
[0054] 请参见图3B，图3B为本申请实施例提供的50次训练后的数据驱动模型的预测结果示意图，图3B的横纵坐标的具体含义与图3A一致，可以看出在训练50次后初始数据驱动模型的预测结果即图3B中的实线部分与测试数据集中的真实结果即图中的虚线部分比较吻合，此时初始数据驱动模型即可用于仿真系统中，在实际的应用中出现图3B所示的精确度并非必须训练50次初始数据驱动模型，实际的训练次数可能更多或者更少，结束训练的标准为初始数据驱动模型达到仿真的精确度要求。
[0055] 进一步地，在训练后的数据驱动模型通过测试，则将训练后的数据驱动模型确定为数据驱动模型之后；获取初始数据驱动模型的实际训练次数，将实际训练次数确定为目标训练次数，目标训练次数用于在下一次训练初始数据驱动模型时，将训练次数达到目标训练次数的初始数据驱动模型确定为数据驱动模型。
[0056] 可以看出，通过多个样本数据生成训练数据集和测试数据集，对初始数据驱动模型进行训练，并将通过测试的训练后的数据驱动模型确定为数据驱动模型。进而根据数据驱动模型得到控制指令，并根据控制指令控制储能蓄电池的主电路模型得到多个第二状态信息，实现了储能系统的内部运行细节模拟，能够获取得到储能系统更全面的监测信息。
[0057] 在一种可能的实施例中，训练数据集包括第一故障样本数据，测试数据集包括第二故障样本数据；其中，第一故障样本数据包括第一故障工况数据和变流控制器根据第一故障工况数据生成的第一故障控制指令，第二故障样本数据包括第二故障工况数据和变流控制器根据第二故障工况数据生成的第二放故障控制指令。
[0058] 具体地，变流控制器获取的储能蓄电池的历史工况数据为在预设时间段以内，多个测试时刻测试得到的历史工况数据，若在此预设时间段内储能蓄电池一直处于正常运行状态，则初始数据驱动模型的样本数据将仅包括正常情况下的工况数据和控制指令。数据驱动模型基于故障工况数据生成的控制指令会与对应的真实控制指令产生较大差异。因此训练数据集中还包括第一训练故障样本数据，这里的故障样本数据可以是仿真装置基于预设的生成逻辑随机生成的，也可以是预先编辑并存储在仿真装置本地，直接调用的。通过包括故障样本数据的训练数据集进行训练，并通过包括第二故障样本数据的测试数据集的测试的数据驱动模型可以根据故障工况数据输出正确的控制指令。
[0059] 可以看出，通过向训练数据集和测试数据集中引入储能蓄电池处于故障状态时采集得到的故障样本数据，在训练初始数据驱动模型和测试训练后的数据驱动模型时，考虑了变流控制器在储能蓄电池处于故障状态时的情况，有利于进一步提高数据驱动模型的精度。
[0060] 在一种可能的实施例中，数据驱动模型是基于微分神经网络实现的。
[0061] 具体地，微分神经网络是一种用于建模动态系统的神经网络模型，通常用于解决微分方程的参数估计和系统辨识问题。其特点是能够从时间序列数据中学习动态系统的演化规律，通过神经网络的参数化来表示微分方程的解，这里通过微分神经网路实现数据驱动模型的建模，后续通过样本数据对数据驱动模型进行训练，有利于提高数据驱动模型的预测结果的精确度。
[0062] S202：获取多个时刻的所述储能蓄电池实际工况数据；通过所述数据驱动模型对多个时刻的所述储能蓄电池实际工况数据进行处理，以得到多个控制指令。
[0063] 具体地，这里的数据驱动模型对每个时刻的储能蓄电池的实际工况数据进行处理，得到对应的多个控制指令。多个控制指令将用于控制储能蓄电池的主电路模型，并进一步得到储能系统的仿真结果。
[0064] S203：分别基于多个控制指令控制储能蓄电池的主电路模型，并分别获取在多个控制指令下的主电路模型的多个第一状态信息，多个第一状态信息与多个控制指令对应，多个第一状态信息中每个第一状态信息包括在每个第一状态信息对应的控制指令下主电路模型中元器件的第二状态信息；主电路模型用于表征储能蓄电池。
[0065] 具体地，多个控制指令用于控制储能蓄电池的主电路模型，并分别获取得到多个控制指令对应的多个第一状态信息。这里的主电路模型是基于储能蓄电池的铭牌信息生成的，储能蓄电池的铭牌信息包括直流侧电压等级、交流侧电压等级、蓄电池类型、蓄电池容量等参数。基于此生成的主电路模型还包括蓄电池模型、变流器详细电磁暂态模型等，主电路模型用于表征储能蓄电池，仿真储能蓄电池的第一状态信息。
[0066] 仿真装置根据多个控制指令控制主电路模型，得到多个第一状态信息，其中多个控制指令中的每个控制指令对应一个第一状态信息。而每个第一状态信息中包括多个第二状态信息，而每个第二状态信息又与主电路模型中的一个元器件对应。这里的主电路模型中的元器件，与真实电路中的所有或者部分元器件相对应。主电路模型中元器件表征真实电路中对应类型的真实元器件的整体运行状态。由于无法获取真实电路中的具体元器件连接方式，因此主电路模型中的元器件仅能通过第一状态信息表征对应的真实元器件的整体运行状态。
[0067] 在一种可能的实施例中，获取多个时刻的储能蓄电池实际工况数据；通过数据驱动模型对多个时刻的储能蓄电池实际工况数据进行处理，以得到多个控制指令，包括：获取目标时刻对应的实际工况数据，目标时刻为多个时刻中的一个；根据目标时刻对应的实际工况数据，生成储能系统的电磁暂态断面，电磁暂态断面用于表征储能蓄电池和变流控制器在目标时刻的运行状态；将电磁暂态断面输入数据驱动模型进行处理以得到目标时刻对应的控制指令。
[0068] 具体地，这里的目标时刻为多个时刻中的一个，根据多个时刻的时间顺序分别处理与多个时刻对应的实际工况数据。并得到对应的控制指令。以目标时刻为例，首先根据数据驱动模型生成对应的电磁暂态断面，这里的电磁暂态断面用于表征包括变流控制器和储能蓄电池的储能系统的运行状态，包括变流控制器和储能蓄电池的所有状态变量在目标时刻的瞬时值。
[0069] 将电磁暂态断面输入数据驱动模型进行处理以得到目标时刻对应的控制指令，使得储能系统模型(包括数据驱动模型和主电路模型)可以从电磁暂态断面表征的目标时刻的状态进行电磁状态初始化，而并非从所有状态变量为0的情况下进行电磁状态初始化；进而数据驱动模型得到目标时刻对应的控制指令。
[0070] 可以看出，通过根据目标时刻的实际工况数据生成对应的电磁暂态断面，使得数据驱动模型和主电路模型根据电磁暂态断面根据目标时刻状态变量瞬时值完成电磁状态初始化，不需要从所有状态变量为0的情况下进行电磁状态初始化，提高了数据驱动模型和主电路模型的仿真效率；根据电磁暂态断面进行初始化的模型稳定性更高，进而提高了仿真结果的精确度。
[0071] 在一种可能的实施例中，分别基于多个控制指令控制储能蓄电池的主电路模型，并分别获取在多个控制指令下的主电路模型的多个第一状态信息，包括：将目标控制指令输入储能蓄电池的主电路模型得到多个诺顿等值方程，目标控制指令为多个控制指令中的一个，多个诺顿等值方程分别与主电路模型中的多个元器件对应；分别对多个诺顿等值方程进行求解，得到多个诺顿等值方程中每个诺顿等值方程的求解结果，每个诺顿等值方程的求解结果为对应的元器件的第二状态信息。
[0072] 具体地，这里的诺顿等值方程是通过仿真内核得到的，仿真内核预先编辑并存储与仿真装置中，用于控制储能系统的仿真模型，这里的储能系统的仿真模型为根据数据驱动模型和主电路模型连接封装得到的。
[0073] 在将目标控制指令输入主电路模型后，仿真内核利用数值积分算法将主电路模型中对应的元器件的暂态方程离散化，从而得到各元器件的诺顿等值方程；通过构造节点矩阵分别对多个诺顿等值方程进行求解，得到多个诺顿等值方程中每个诺顿等值方程的求解结果，这里的求解结果即为元器件的第二状态信息。从而根据储能蓄电池中多个元器件在目标时刻的第二状态信息，反应储能蓄电池的运行状态。
[0074] 请参见图4，图4为本申请实施例提供的一种状态监测示意图，如图4所示，远程终端根据多个第一状态信息生成储能系统的实时状态图，这里的第一状态信息包括储能系统的交流电压，直流电压，瞬时功率和交流电四个状态参数图，其中每个参数图包括在不同时刻对应的不同第二状态信息，并且在获取得到新的时刻对应的多个第二状态信息时，远程终端会根据新的多个第二状态信息更新图4所示的所有实时状态图。
[0075] 可以看出，通过主电路模型得到各元器件的诺顿等值方程，进而求解诺顿等值方程得到储能蓄电池中多个元器件在不同时刻的第二状态信息，有利于提高了仿真结果的精细程度和准确度。
[0076] 在一种可能的实施例中，多个第一状态信息发送至远程终端，远程终端用于根据多个第一状态信息对储能系统进行运行状态监测和故障分析。
[0077] 具体地，在得到多个第一状态信息后，仿真装置将多个第一状态信息发送至远程终端，远程终端根据第一状态信息中的多个第二状态信息进行对储能系统进行状态监测和故障分析。
[0078] 请参见图5，图5为本申请实施例提供的一种三相短路故障分析图，图5中包括IGBT元件的实时交流电压，直流电压，绝缘栅双极型晶体管(Insulated Gate Bipolar Transisto，IGBT)电压，IGBT电流四个第二状态信息，上述第二状态信息是根据仿真模型直接得到的或者根据仿真模型输出的状态信息进一步计算得到的。当仿真装置得到新的时刻对应的第二状态信息时，还会对图5总所示的四个第二状态信息对应的信息图进行更新。根据上述四个状态信息可以反映主电路中绝缘栅双极型晶体管的运行状态，并且在绝缘栅双极型晶体管出现故障的情况下进行故障分析。除了IGBT之外，远程终端还可以根据第一状态信息实现PWM控制脉冲信号、旁路二极管电压信号等状态量的检测，从而通过上述状态量实现故障分析、蓄电池故障分析、IGBT故障分析、高/低电压穿越分析等的故障分析，并生成类似图5所示的实时故障分析图。相关运维人员能够根据图4、图5所示的实时检测图和故障分析图，实时分析储能系统是否存在故障或者运行风险等。
[0079] 可以看出，通过远程终端显示第一状态数据，并根据第一状态数据中的第二状态数据实现各种故障分析，相关运维人员可以实时掌控更全面的储能系统监测信息，提高了储能系统的运行效率和安全性。
[0080] 请参见图6，图6为本申请实施提供的一种仿真装置的结构示意图，其中把包括通信模块，数据驱动建模模块，知识驱动建模模块，实时断面生成模块，仿真内核。其中通信模块包括多个通信接口，这里仅展示第一通信接口和第二通信接口，这里的第一通信接口和第二通信接口可以用于通过无线连接或者有线连接的方式连接变流控制器或者远程终端等设备。数据驱动建模模块用于获取通信模块发送的训练数据生成数据驱动模型，知识驱动模块用于根据储能蓄电池的铭牌信息生成对应的主电路模型。实时断面生成模块用于根据通信模块发送的实际工况数据生成对应的电磁暂态断面。仿真内核用于根据电磁暂态断面、数据驱动模型以及主电路模型生成对应的第一状态信息，并将第一状态信息发送至通信模块，进而通信模块将第一状态信息发送至远程终端。
[0081] 上述申请实施例提供了一种，根据多个实际工况数据得到多个第一状态数据的仿真方法，基于此本申请实施例还提供了另一种根据单个实际工况数据得到多个第一状态数据的仿真方法，请参见图7，图7为本申请实施例提供的另一种储能系统的仿真方法的流程示意图，包括步骤：S701‑S703：
[0082] S701：获取储能蓄电池T时刻的工况数据；通过数据驱动模型对T时刻的工况数据进行处理，以得到控制指令。
[0083] 具体地，这里的数据驱动模型的获取方式，是根据步骤S201的相关步骤得到的，具体过程请参见步骤S201及前述相关描述，此处不再赘述。
[0084] S702：基于控制指令控制储能蓄电池的主电路模型，并获取在控制指令下的主电路模型的第一状态信息，第一状态信息与控制指令对应，第一状态信息包括在每个第一状态信息对应的控制指令下主电路模型中元器件的第二状态信息；主电路模型用于表征储能蓄电池。
[0085] 具体地，步骤S701‑步骤S702的基于控制指令得到第一状态信息的具体实施方法请参见前述步骤S201‑步骤S202及相关描述，此处不再赘述。
[0086] S703：根据第一状态信息生成T+1时刻的工况数据，通过数据驱动模型对T时刻的工况数据进行处理，并重复上述相关步骤，其中T为0时的工况数据为变流控制器T为0时测量储能蓄电池得到的实际工况数据。
[0087] 具体地，在本申请实施例中，储能蓄电池的实际工况数据并不仅用于生成对应时刻的第一状态信息。在得到储能蓄电池的第一状态信息后，根据第一状态信息生成新的实际工况数据。这里的新的实际工况数据事实是根据初始输入数据驱动模型储能蓄电池的实际工况数据生成的仿真数据。仿真装置不需要持续获取多个时刻的实际工况数据也能够持续输出储能系统在多个时刻的第一状态信息。
[0088] 通过实施上述申请实施例中的方法，可以看出，通过对储能系统中的变流控制器和对储能系统中的储能蓄电池进行仿真的主电路模型，将储能系统中的变流控制器模拟为黑箱模型，将主电路模型模拟为真实的模型，从而实现了储能系统的内部运行细节模拟，能够获取得到储能系统更全面的监测信息。通过根据目标时刻的实际工况数据生成对应的电磁暂态断面完成电磁状态初始化。提高了仿真系统的稳定性，进而提高了仿真结果的精确度。通过诺顿等值方程求解得到多个第二状态信息，有利于提高仿真结果的精细程度和准确度。通过远程终端显示第一状态数据中的第二状态数据，提高了储能系统的运行效率和安全性。
[0089] 基于上述配置方法实施例的描述，本申请还提供了一种仿真装置800，该仿真装置800可以是运行于图1所示的处理器中的一个计算机程序(包括程序代码)。该仿真装置800可以应用于图1所示的应用场景，并执行图2所示的方法。请参见图8，图8为本申请实施例提供的一种仿真装置的结构示意图，该控制器包括：
[0090] 获取单元801：用于获取多个样本数据，根据多个样本数据生成变流控制器的数据驱动模型，多个样本数据中的每个样本数据包括储能蓄电池的历史工况数据和变流控制器根据历史工况数据生成的历史控制指令；
[0091] 处理单元802：用于获取多个时刻的储能蓄电池实际工况数据；通过数据驱动模型对多个时刻的储能蓄电池实际工况数据进行处理，以得到多个控制指令；
[0092] 运算单元803：用于分别基于多个控制指令控制储能蓄电池的主电路模型，并分别获取在多个控制指令下的主电路模型的多个第一状态信息，多个第一状态信息与多个控制指令对应，多个第一状态信息中每个第一状态信息包括在每个第一状态信息对应的控制指令下主电路模型中元器件的第二状态信息；主电路模型用于表征储能蓄电池。
[0093] 在一种可能的实施例中，在根据多个样本数据生成变流控制器的数据驱动模型方面，处理单元802还具体用于：将多个样本数据分为训练数据集和测试数据集；根据训练数据集训练初始数据驱动模型得到训练后的数据驱动模型；运算单元803还具体用于：根据测试数据集测试训练后的数据驱动模型，若训练后的数据驱动模型通过测试，则将训练后的数据驱动模型确定为变流控制器的数据驱动模型。
[0094] 在一种可能的实施例中，训练数据集包括第一故障样本数据，测试数据集包括第二故障样本数据；其中，第一故障样本数据包括第一故障工况数据和变流控制器根据第一故障工况数据生成的第一故障控制指令，第二故障样本数据包括第二故障工况数据和变流控制器根据第二故障工况数据生成的第二放故障控制指令。
[0095] 在一种可能的实施例中，在获取多个时刻的储能蓄电池实际工况数据；通过数据驱动模型对多个时刻的储能蓄电池实际工况数据进行处理，以得到多个控制指令方面，获取单元801还具体用于：获取目标时刻对应的实际工况数据，目标时刻为多个时刻中的一个；处理单元802还具体用于：根据目标时刻对应的实际工况数据，生成储能系统的电磁暂态断面，电磁暂态断面用于表征储能蓄电池和变流控制器在目标时刻的运行状态；将电磁暂态断面输入数据驱动模型进行处理以得到目标时刻对应的控制指令。
[0096] 在一种可能的实施例中，在分别基于多个控制指令控制储能蓄电池的主电路模型，并分别获取在多个控制指令下的主电路模型的多个第一状态信息方面，处理单元802还具体用于：将目标控制指令输入储能蓄电池的主电路模型得到多个诺顿等值方程，目标控制指令为多个控制指令中的一个，多个诺顿等值方程分别与主电路模型中的多个元器件对应；运算单元803还具体用于：分别对多个诺顿等值方程进行求解，得到多个诺顿等值方程中每个诺顿等值方程的求解结果，每个诺顿等值方程的求解结果为对应的元器件的第二状态信息。
[0097] 在一种可能的实施例中，多个第一状态信息发送至远程终端，远程终端用于根据多个第一状态信息对储能系统进行运行状态监测和故障分析。
[0098] 基于上述方法实施例和装置实施例的描述，请参见图9，图9为本申请实施例提供的一种电子设备的结构示意图。如图9所示，本实施例中所描述的电子设备900，包括处理器901、存储器902、通信接口903以及一个或多个程序，上述一个或多个程序通过应用程序代码的形式被存储在上述存储器中，并且被配置由上述处理器执行，本申请实施例中，上述程序包括用于执行以下步骤的指令：
[0099] 获取多个样本数据，根据多个样本数据生成变流控制器的数据驱动模型，多个样本数据中的每个样本数据包括储能蓄电池的历史工况数据和变流控制器根据历史工况数据生成的历史控制指令；获取多个时刻的储能蓄电池实际工况数据；通过数据驱动模型对多个时刻的储能蓄电池实际工况数据进行处理，以得到多个控制指令；分别基于多个控制指令控制储能蓄电池的主电路模型，并分别获取在多个控制指令下的主电路模型的多个第一状态信息，多个第一状态信息与多个控制指令对应，多个第一状态信息中每个第一状态信息包括在每个第一状态信息对应的控制指令下主电路模型中元器件的第二状态信息；主电路模型用于表征储能蓄电池。
[0100] 在一种可能的实施例中，根据多个样本数据生成变流控制器的数据驱动模型，包括：将多个样本数据分为训练数据集和测试数据集；根据训练数据集训练初始数据驱动模型得到训练后的数据驱动模型；根据测试数据集测试训练后的数据驱动模型，若训练后的数据驱动模型通过测试，则将训练后的数据驱动模型确定为变流控制器的数据驱动模型。
[0101] 在一种可能的实施例中，训练数据集包括第一故障样本数据，测试数据集包括第二故障样本数据；其中，第一故障样本数据包括第一故障工况数据和变流控制器根据第一故障工况数据生成的第一故障控制指令，第二故障样本数据包括第二故障工况数据和变流控制器根据第二故障工况数据生成的第二放故障控制指令。
[0102] 在一种可能的实施例中，获取多个时刻的储能蓄电池实际工况数据；通过数据驱动模型对多个时刻的储能蓄电池实际工况数据进行处理，以得到多个控制指令，包括：获取目标时刻对应的实际工况数据，目标时刻为多个时刻中的一个；根据目标时刻对应的实际工况数据，生成储能系统的电磁暂态断面，电磁暂态断面用于表征储能蓄电池和变流控制器在目标时刻的运行状态；将电磁暂态断面输入数据驱动模型进行处理以得到目标时刻对应的控制指令。
[0103] 在一种可能的实施例中，分别基于多个控制指令控制储能蓄电池的主电路模型，并分别获取在多个控制指令下的主电路模型的多个第一状态信息，包括：将目标控制指令输入储能蓄电池的主电路模型得到多个诺顿等值方程，目标控制指令为多个控制指令中的一个，多个诺顿等值方程分别与主电路模型中的多个元器件对应；分别对多个诺顿等值方程进行求解，得到多个诺顿等值方程中每个诺顿等值方程的求解结果，每个诺顿等值方程的求解结果为对应的元器件的第二状态信息。
[0104] 在一种可能的实施例中，多个第一状态信息发送至远程终端，远程终端用于根据多个第一状态信息对储能系统进行运行状态监测和故障分析。
[0105] 本申请实施例还提供了一种计算机存储介质(Memory)，所述计算机存储介质是信息处理设备或信息发送设备或信息接收设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括终端中的内置存储介质，当然也可以包括终端所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或多条的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(Non‑volatileMemory)，例如至少一个磁盘存储器；可选的，还可以是至少一个位于远离前述处理器的计算机存储介质。在一个实施例中，可由处理器加载并执行计算机存储介质中存放的一条或多条指令，以实现上述储能系统的仿真方法的相应步骤。
[0106] 以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
