一种用于风光并网调度随机充放工况储能能量管理方法

本发明公开一种用于风光并网调度随机充放工况储能能量管理方法，涉及储能系统管理与智能诊断技术领域。该方法通过采集风光储系统的风光发电并网数据及储能电池的历史充放电循环数据，提取电压增量、电流和温度等特征变量，结合长短期记忆神经网络(LSTM)和高斯过程回归(GPR)模型，构建储能电池的SOC和SOH动态预测模型。首先，通过LSTM模型对储能电池的荷电状态进行估计，并结合GPR模型对储能电池的健康状态进行评估。其次，对模型进行训练和验证。最后，基于SOH估计值优化SOC估计模型，实现对储能系统的能量管理和健康评估。本发明通过统计分析与机器学习方法相结合，提升了储能系统的健康状态预测精度，有助于储能系统的稳定运行与寿命优化。