本發明涉及分布式能源調度，具體涉及基于云邊協同的分布式儲能資源動態聚合與調度系統。
背景技術：
1、隨著可再生能源的快速發展，光伏發電作為清潔能源的重要組成部分，在城鄉電力系統中得到了廣泛部署。尤其在偏遠山區、海島邊防站點、移動通信基站等離網或弱網環境中，光伏系統常常配合儲能系統以形成微型獨立電源系統。然而，由于光伏發電存在強隨機性與不可控性，儲能資源成為平衡電源側與負載側波動的關鍵支撐。
2、傳統的儲能調度方法通常依賴于中心云平臺進行全局優化決策，存在實時性差、邊緣響應遲緩的問題；而邊緣側的自治調控則受限于計算資源，難以處理大規模數據分析與預測，尤其在突發天氣變化、負載突升或光伏產能突降等極端工況下，無法實現快速動態調度，容易導致儲能過充或過放，引發系統穩定性風險。
3、此外，在含多個異構儲能單元（如磷酸鐵鋰電池、液流電池、超級電容器等）與分布式光伏節點的場景中，各儲能單元的狀態（soc）、健康度（soh）及負載響應能力不一，傳統的統一調度策略無法兼顧多目標需求（如效率、壽命、成本等），造成儲能資源利用率低、壽命衰減加劇，成為制約多源協同微電網廣泛推廣的關鍵難題。
技術實現思路
1、本發明的目的是提供一種基于云邊協同的分布式儲能資源動態聚合與調度系統，以解決背景技術中不足。
2、為了實現上述目的，本發明提供如下技術方案：基于云邊協同的分布式儲能資源動態聚合與調度系統，包括：
3、邊緣數據采集模塊：獲取各分布式光伏節點在設定時間窗口內的功率預測序列，以及與其對應連接的儲能單元的當前狀態參數集合e；
4、邊緣數據處理模塊：基于所述功率預測序列構建局部功率波動指標集，并據此在邊緣節點處計算短時負載沖擊指數f；
5、邊緣感知建模模塊：將當前狀態參數集合e輸入至邊緣節點中的多層感知模型中，識別每個儲能單元的可調度能力值ui；
6、邊緣響應評估模塊：將短時負載沖擊指數f與可調度能力值ui進行耦合計算，構建儲能響應優先級矩陣r{m×n}，其中m為儲能單元數，n為光伏節點數；
7、邊緣調度意圖生成模塊：由邊緣節點根據儲能響應優先級矩陣r{m×n}初步生成調度意圖i{m×1}；
8、優化模塊：接收所述調度意圖i{m×1}，并結合全局目標函數進行優化計算，輸出調度策略；
9、邊緣調控執行模塊：將調度策略下發至各儲能單元，觸發實際功率調節執行，同時監測其動態執行效果；
10、邊緣反饋與調整模塊：若檢測到所述儲能單元實際響應與期望響應偏差超過設定閾值，則更新儲能響應優先級矩陣r{m×n}。
11、優選的，所述邊緣數據處理模塊，包括：
12、對每個光伏節點的功率預測序列在設定時間窗口內執行一階差分處理，提取相鄰時間點之間的功率變化量，生成局部功率波動序列；
13、基于局部功率波動序列，計算各節點在不同時間尺度下的平均波動幅度，形成局部功率波動指標集；
14、依據局部功率波動指標集中各節點的最大波動率與波動持續時間，構建短時負載沖擊函數；
15、將沖擊函數在預測時段內求取歸一化積分值，作為節點在時段的短時負載沖擊指數f。
16、優選的，所述邊緣感知建模模塊，包括：
17、對每個儲能單元的荷電狀態、健康狀態、電池內阻和溫度信息進行標準化處理，構建統一格式的輸入特征向量；
18、將輸入特征向量輸入至包含輸入層、兩層隱含層和輸出層的前饋神經網絡模型中進行推理計算，前饋神經網絡模型已基于歷史運行數據完成離線訓練；
19、輸出當前儲能單元的調度適應性評分；
20、將調度適應性評分歸一化處理，作為對應儲能單元的可調度能力值ui。
21、優選的，所述邊緣響應評估模塊包括：
22、對每個光伏節點在當前預測周期內的短時負載沖擊指數進行歸一化處理，形成光伏負載沖擊向量；
23、對所有儲能單元的可調度能力值進行歸一化，并構建儲能調度能力向量；
24、將光伏負載沖擊向量與儲能調度能力向量進行雙向加權內積計算；
25、基于加權計算結果構建維度為m行n列的儲能響應優先級矩陣r{m×n}，其中m為儲能單元數，n為光伏節點數。
26、優選的，所述邊緣調度意圖生成模塊，包括：
27、對儲能響應優先級矩陣r{m×n}中每列執行加權平均操作，得到各儲能單元對所有光伏節點波動響應的綜合適配值；
28、將綜合適配值按照調度優先級從高到低進行排序，篩選出前k個儲能單元構成候選調度集合；
29、結合各儲能單元的當前荷電狀態與剩余可調節容量，構建邊緣調度目標函數，以最大化響應能力與能量平衡為優化目標；
30、基于邊緣調度目標函數求解最優調度組合方案，并以矩陣形式輸出調度意圖i{m×1}。
31、優選的，所述優化模塊，包括：
32、接收由邊緣節點傳輸的調度意圖向量，并提取其中標記為參與調度的儲能單元集合；
33、構建包含運行成本、儲能壽命損耗、節點功率偏差的多目標全局優化函數，采用加權求和法對各目標進行統一度量；
34、以所提取儲能單元的實時狀態參數為約束條件，應用粒子群優化算法對全局目標函數進行迭代求解；
35、根據求解結果生成結構化調度策略矩陣，明確每個儲能單元在調度周期內的功率指令值，并發送至對應邊緣控制節點執行。
36、優選的，所述邊緣反饋與調整模塊，包括：
37、對調度周期內儲能單元的實際輸出功率與目標功率指令值進行逐時對比，計算響應偏差值序列；
38、判斷最大偏差值是否超過設定的響應容差閾值，若超過，則標記該儲能單元為低響應單元；
39、依據歷史響應偏差頻率與當前偏差幅度構建響應退化因子，并將響應退化因子引入至優先級矩陣的權重調整函數中；
40、更新儲能響應優先級矩陣中對應儲能單元的各項優先級評分，降低其在調度周期中的調度優先級。
41、在上述技術方案中，本發明提供的技術效果和優點：
42、1、本發明通過構建基于云邊協同架構的分布式儲能調度方法，實現了光伏節點功率波動的動態識別與多源儲能單元的響應匹配。通過在邊緣側引入多層感知模型、短時沖擊指標評估機制與可調度能力評估手段，能夠實時反映每個儲能單元的動態可用性，并結合響應優先級矩陣實現快速預調度，顯著提高了系統在波動環境下的局部響應速度和穩定性。
43、2、本發明引入多目標優化函數與粒子群算法，在確保調度執行效果的同時，綜合考慮運行成本、儲能壽命損耗與光伏節點功率偏差，實現調度策略的全局最優控制。結合邊緣反饋與優先級動態調整機制，形成閉環調度自適應體系，克服了傳統方法中響應滯后、調度剛性和適應性差的問題，具有良好的實用性與擴展性。
1.基于云邊協同的分布式儲能資源動態聚合與調度系統，其特征在于：包括：
2.根據權利要求1所述的基于云邊協同的分布式儲能資源動態聚合與調度系統，其特征在于：所述邊緣數據處理模塊，包括：
3.根據權利要求1所述的基于云邊協同的分布式儲能資源動態聚合與調度系統，其特征在于：所述邊緣感知建模模塊，包括：
4.根據權利要求1所述的基于云邊協同的分布式儲能資源動態聚合與調度系統，其特征在于：所述邊緣響應評估模塊包括：
5.根據權利要求4所述的基于云邊協同的分布式儲能資源動態聚合與調度系統，其特征在于：所述邊緣調度意圖生成模塊，包括：
6.根據權利要求5所述的基于云邊協同的分布式儲能資源動態聚合與調度系統，其特征在于：所述優化模塊，包括：
7.根據權利要求1所述的基于云邊協同的分布式儲能資源動態聚合與調度系統，其特征在于：所述邊緣反饋與調整模塊，包括：