一种风光储联合最优控制管理方法、系统及设备与流程

1.本发明涉及设备控制技术领域，特别涉及一种风光储联合最优控制管理方法、系统及设备。


背景技术：

2.随着环保理念的推行，越来越注重对可再生能源的利用，可再生能源包括风能、光能以及潮汐能等，通过对可再生能源进行利用，能够大量减少对不可再生资源的挖掘，也便于降低生产成本，将可再生能源与电源储能设备进行结合就是其中之一；
3.目前，在对风光储联合的工作模式上，大都只能单一的将供电模式进行固定化，即只能将某一可再生能源与电源储能设备进行结合，且二者在工作时不能根据可再生能源的变化情况实时对电源储能设备的供电功率进行调整，从而导致大量的可再生能源被浪费，同时，由于只能单一性供电，导致可再生能源与电源储能设备的联合控制效果较差；
4.因此，本发明提供了一种风光储联合最优控制管理方法、系统及设备，用以通过确定电源储能设备中各储能机组所需的目标功率和实时负荷需求以及当前时刻风电和光伏的相对比例，从而实现根据环境参数及时有效的制定相应的功率分配准则，保障了对电源储能设备的供电效果，同时提高了对能源的利用效率。


技术实现要素：

5.本发明提供一种风光储联合最优控制管理方法、系统及设备，用以通过确定电源储能设备中各储能机组所需的目标功率和实时负荷需求以及当前时刻风电和光伏的相对比例，从而实现根据环境参数及时有效的制定相应的功率分配准则，保障了对电源储能设备的供电效果，同时提高了对能源的利用效率。
6.本发明提供了一种风光储联合最优控制管理方法，包括：
7.步骤1：基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求；
8.步骤2：基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光能数据确定风电和光伏的相对比例；
9.步骤3：基于相对比例、各储能机组所需的目标功率和实时负荷需求制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。
10.优选的，一种风光储联合最优控制管理方法，步骤1中，基于通信网络获取电源储能设备的状态参数，包括：
11.获取电源储能设备的基本信息，并基于基本信息确定电源储能设备包含的单位储能器件，且对单位储能器件进行统计，得到单位储能器件的目标数量；
12.基于目标数量分别对单位储能器件设置器件标识，并基于器件标识分别对相应的
单位储能器件设置预设传感器，且基于预设传感器的通讯地址构建预设传感器与数据接收终端之间的分布式通讯网络；
13.基于数据接收终端为每一预设传感器设置每日多断点采集时刻，并基于每日多断点采集时刻在数据接收终端同步适配时钟触发器，且基于适配后的时钟触发器在目标时刻产生相应的数据采集指令；
14.基于分布式通讯网络将数据采集指令发送至相应的预设传感器，并控制预设传感器对各单位储能器件的当前运行参数进行采集，得到电源储能设备的状态参数。
15.优选的，一种风光储联合最优控制管理方法，得到电源储能设备的状态参数，包括：
16.获取得到的电源储能设备的状态参数，并基于预设分类标签对得到的状态参数进行聚类处理，得到子状态参数集；
17.提取各子状态参数集的数据特征，并基于数据特征从预设数据清洗规则库中匹配对应的目标数据清洗规则；
18.基于目标数据清洗规则对相应的子状态参数集进行清洗，得到电源储能设备的标准状态参数。
19.优选的，一种风光储联合最优控制管理方法，步骤1中，基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求，包括：
20.获取得到的电源储能设备的状态参数，并将状态参数进行拆分，且将拆分后得到的目标状态参数组与对应的储能机组进行关联；
21.基于关联结果以及各目标状态参数组的目标取值生成各储能机组的电量状态变化曲线，并基于电量状态变化曲线确定各储能机组所需的目标充电量；
22.获取各储能机组的可接收功率曲线，并基于目标充电量对可接收功率曲线对应的可接收功率范围进行第一处理，得到可允许功率范围；
23.提取目标状态参数组中包含的各储能机组的荷电状态信息，并基于荷电状态信息确定各储能机组的实时负荷需求，同时，基于实时负荷需求和各储能机组的供电功率确定各储能机组的消耗功率，并基于能量补充要求确定可接收功率与消耗功率最低功率差；
24.基于最低功率差以及各储能机组中的预设热管理设备对储能机组温度的限定条件对可允许功率范围进行第二处理，得到各储能机组所需的目标功率。
25.优选的，一种风光储联合最优控制管理方法，步骤2中，基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光能数据确定风电和光伏的相对比例，包括：
26.对一天时间进行离散化处理，得到目标时间序列，同时，获取预设时间段内目标区域中气象站监测到的气候实测数据，并基于气候实测数据确定目标区域内一天不同时刻的风速、风向以及一天内的光照起始时刻和光照结束时刻；
27.基于目标区域内一天不同时刻的风速、风向以及一天内的光照起始时刻和光照结束时刻确定目标区域的风光气候特征，并基于风光气候特征将目标时间序列分为n个参数采集区间；
28.基于风光气候特征确定每个参数采集区间内气候参数发生明显转变的关键时间点，并具体至采集小时和采集分钟数；
29.基于采集小时和采集分钟数确定环境参数采样时刻，并基于环境参数采样时刻通过数据采集指令控制预设参数采集设备对当前时刻的风力数据和光能数据进行采集；
30.提取上一采集时刻以及当前采集时刻采集到的风力数据和光能数据中的关键数据，并基于预设能量转化规则分别确定上一采集时刻以及当前采集时刻采集到的风力数据和光能数据对应的第一能量转换效率和第二能量转换效率；
31.将上一采集时刻以及当前采集时刻采集到的风力数据和光能数据对应的第一能量转换效率和第二能量转换效率生成样本序列对，并基于样本序列对生成数据向量矩阵；
32.对数据向量矩阵进行预处理，并将预处理后的数据向量矩阵输入预设能量度量函数进行分析，得到上一采集时刻以及当前采集时刻采集到的风力数据和光能数据对电源储能设备的第一理论供电贡献能力和第二理论供电贡献能力；
33.将第一理论供电贡献能力和第二理论供电贡献能力分别和对应的实际供电贡献能力进行第一比对和第二比对，并当第一比对和第二比对后的差值均超出预设阈值时，对预设能量度量函数进行参数优化，且基于优化结果得到标准能量度量函数；
34.基于标准能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析，得到第三理论供电贡献能力和第四理论供电贡献能力，并基于第三理论供电贡献能力和第四理论供电贡献能力确定风电和光伏的相对比例。
35.优选的，一种风光储联合最优控制管理方法，基于标准能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析，包括：
36.获取多组基于标准能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析后得到的第三理论供电贡献能力和第四理论供电贡献能力，并基于获取结果确定第三理论供电贡献能力和第四理论供电贡献能力受风力数据和光能数据的影响因素，其中，影响因素至少为两个；
37.确定影响因素与供电贡献能力的关联关系，并基于关联关系对多组风力数据和光能数据以及对应第三理论供电贡献能力和第四理论供电贡献能力进行训练，得到不用影响因素下的子预测模型；
38.将各子预测模型进行汇总并进行迭代训练，直至模型的损失值满足预设的损失值阈值，得到目标预测模型；
39.将当前采集时刻采集到的风力数据和光能数据以及下一采集时刻的影响因素输入目标预测模型进行分析，并基于分析结果预测得到下一采集时刻的风电和光伏的相对比例。
40.优选的，一种风光储联合最优控制管理方法，步骤3中，基于相对比例、各储能机组所需的目标功率和实时负荷需制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。
41.基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组的当前工作状态，且当各储能机组均为工作状态时，确定各储能机组当前的剩余电量；
42.获取各储能机组发送充电请求的时间戳，并基于剩余电量以及时间戳确定对各储能机组的充电优先级，且基于充电优先级确定对各储能机组的第一功率分配优先级；
43.同时，获取当前时刻下风电和光伏的相对比例，并基于相对比例确定对电源储能
设备的目标供电模式，且在目标供电模式下确定风电和光伏可提供的可用供电功率；
44.基于可用供电功率、第一功率分配优先级以及各储能机组所需的目标功率和实时负荷需确定对各储能机组的功率分配准则，并基于功率分配准则确定对各储能机组的第一供电功率，且基于第一供电功率对各储能机组进行第一供电，同时，对第一供电进程进行实时监测，确定各储能机组的实时储能信息，并基于预设充电切换条件建立对各储能机组的充电功率的动态调度优化模型；
45.将动态调度优化模型与监测到的实时储能信息进行对接，并基于对接结果确定下一时刻各储能机组的第二供电功率，且基于第一供电功率对各储能机组进行第二供电，完成对电源储能设备中各储能机组的能量补偿处理。
46.优选的，一种风光储联合最优控制管理方法，完成对电源储能设备中各储能机组的能量补偿处理，包括：
47.获取当前时刻的风速值以及当前时刻自然光的波长，并基于当前时刻的风速值以及当前时刻自然光的波长计算单位时间内产生的可用电能值，且基于可用电能值计算对电源储能设备充电时对可用电能值的利用率，具体步骤包括：
48.根据如下公式计算单位时间内产生的可用电能值：
[0049][0050]
其中，w表示单位时间内产生的可用电能值；η表示风能向电能转换时的转换效率，且取值范围为(0，1)；ρ表示空气密度，量纲为kg/m3；v表示风速，量纲为m/s；s表示垂直于风速截面积；表示光能向电能转换时的转换效率，且取值范围为(0，1)；h表示普朗克常数，且取值为6.6260693(11)
×
10-34
j.s；ω表示光的传播速度；λ表示光的波长值；
[0051]
根据如下公式计算对可用电能值的利用率：
[0052][0053]
其中，γ表示对可用电能值的利用率，且取值范围为(0，1)；μ表示误差系数，且取值范围为(0.02，0.04)；i表示电源储能设备中包含的当前个储能机组的个数，且取值范围为[1，n]；n表示电源储能设备中包含的储能机组的总个数；pi表示在对第i个储能机组充电时的充电功率值；ti表示对第i个储能机组充电的充电时间长度值；τ表示在对第i个储能机组充电时消耗的热能值；
[0054]
将计算得到的利用率与预设利用率阈值进行比较；
[0055]
若计算得到的利用率大于或等于预设利用率阈值，则判定制定的功率分配准则合格，并基于功率分配准则对电源储能设备中各储能机组进行供电；
[0056]
否则，判定制定的功率分配准则不合格，并对功率分配准则进行优化，直至计算得到的利用率大于或预设利用率阈值。
[0057]
本发明提供了一种风光储联合最优控制管理系统，包括：
[0058]
参数获取模块，用于基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求；
[0059]
比例确定模块，用于基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光
能数据确定风电和光伏的相对比例；
[0060]
能量调度模块，用于基于相对比例、各储能机组所需的目标功率和实时负荷需求制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。
[0061]
本发明提供了一种风光储联合最优控制管理设备，包括：数据采集装置，处理器和存储器；
[0062]
所述数据采集装置用于采集数据；
[0063]
所述存储器用于存储一个或多个程序指令；
[0064]
所述处理器，用于执行一个或多个程序指令，用以执行如权利要求1-8任一项所述的方法。
[0065]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0066]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0067]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0068]
图1为本发明实施例中一种风光储联合最优控制管理方法的流程图；
[0069]
图2为本发明实施例中一种风光储联合最优控制管理方法中步骤1的流程图；
[0070]
图3为本发明实施例中一种风光储联合最优控制管理系统的结构图。
具体实施方式
[0071]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0072]
实施例1：
[0073]
本实施例提供了一种风光储联合最优控制管理方法，如图1所示，包括：
[0074]
步骤1：基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求；
[0075]
步骤2：基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光能数据确定风电和光伏的相对比例；
[0076]
步骤3：基于相对比例、各储能机组所需的目标功率和实时负荷需求制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。
[0077]
该实施例中，通信网络是根据通信要求构建的分布式通讯网络，目的是为了便于及时对电源储能设备中各储能机组的状态参数进行有效获取。
[0078]
该实施例中，状态参数指的是电源储能设备在工作过程中产生的运行数据，从而便于对电源储能设备中各储能机组的工作状态进行有效确认。
[0079]
该实施例中，储能机组指的是电源储能设备中对能量进行存储的最小工作单位，即单电池。
[0080]
该实施例中，目标功率指的是各储能机组需要提供的充电功率，从而确保各储能机组能够有足量的电能。
[0081]
该实施例中，实时符合需求指的是各储能机组所带的负载大小，即各储能机组在单位时间内需要输出的电能程度。
[0082]
该实施例中，对一天时间的离散化处理目的是将一天的时间拆分为多个时间点，从而便于确定数据采样时刻。
[0083]
该实施例中，环境参数采样时刻是用于表征对当前环境数据进行采集的具体时间。
[0084]
该实施例中，风力数据指的是当前时刻的风速、风向以及风与发电装置的垂直接触面积等。
[0085]
该实施例中，光能数据指的是光的波长、传输速度以及光照强度等。
[0086]
该实施例中，基于风力数据和光能数据确定风电和光伏的相对比例是用于表征在对电源储能设备进行供电时，风电和光伏产生电能的相对数量，从而便于制定相应的功率分配准则。
[0087]
该实施例中，功率分配准则是用于表征同一时刻对电源储能设备中不同储能机组分配的充电功率，从而实现对风电和光伏产生的电能进行有效利用。
[0088]
上述技术方案的有益效果是：通过确定电源储能设备中各储能机组所需的目标功率和实时负荷需求以及当前时刻风电和光伏的相对比例，从而实现根据环境参数及时有效的制定相应的功率分配准则，保障了对电源储能设备的供电效果，同时提高了对能源的利用效率。
[0089]
实施例2：
[0090]
在实施例1的基础上，本实施例提供了一种风光储联合最优控制管理方法，如图2所示，步骤1中，基于通信网络获取电源储能设备的状态参数，包括：
[0091]
步骤101：获取电源储能设备的基本信息，并基于基本信息确定电源储能设备包含的单位储能器件，且对单位储能器件进行统计，得到单位储能器件的目标数量；
[0092]
步骤102：基于目标数量分别对单位储能器件设置器件标识，并基于器件标识分别对相应的单位储能器件设置预设传感器，且基于预设传感器的通讯地址构建预设传感器与数据接收终端之间的分布式通讯网络；
[0093]
步骤103：基于数据接收终端为每一预设传感器设置每日多断点采集时刻，并基于每日多断点采集时刻在数据接收终端同步适配时钟触发器，且基于适配后的时钟触发器在目标时刻产生相应的数据采集指令；
[0094]
步骤104：基于分布式通讯网络将数据采集指令发送至相应的预设传感器，并控制预设传感器对各单位储能器件的当前运行参数进行采集，得到电源储能设备的状态参数。
[0095]
该实施例中，基本信息指的是电源储能设备的规格以及构成成分等信息。
[0096]
该实施例中，单位储能器件指的是电源储能设备中包含的最小储能器件，即单电池。
[0097]
该实施例中，器件标识是用于标记不同单位储能器件的标记标签。
[0098]
该实施例中，预设传感器是提前设定好的，用于采集各单位储能器件的状态参数，具体可以是电压传感器、功率传感器等。
[0099]
该实施例中，每日多断点采集时刻是提前设定好的，用于表征对各单位储能器进行采集的频率，是可以进行调整的。
[0100]
该实施例中，目标时刻指的是需要进行数据采集的具体时间点。
[0101]
上述技术方案的有益效果是：通过对电源储能设备的基本信息进行分析，实现对电源储能设备中包含的单位储能器件进行准确有效的锁定，其次，通过对采集时间间隔进行设置，从而实现在相应时刻通过传感器对电源储能设备的状态参数进行准确有效的采集，为实现对电源储能设备制定功率分配准则提供了便利与依据。
[0102]
实施例3：
[0103]
在实施例2的基础上，本实施例提供了一种风光储联合最优控制管理方法，得到电源储能设备的状态参数，包括：
[0104]
获取得到的电源储能设备的状态参数，并基于预设分类标签对得到的状态参数进行聚类处理，得到子状态参数集；
[0105]
提取各子状态参数集的数据特征，并基于数据特征从预设数据清洗规则库中匹配对应的目标数据清洗规则；
[0106]
基于目标数据清洗规则对相应的子状态参数集进行清洗，得到电源储能设备的标准状态参数。
[0107]
该实施例中，预设分类标签是提前设定好的，是用于对得到的状态参数进行分类的参考依据。
[0108]
该实施例中，子状态参数集指的是对得到的状态参数进行分类后得到的每一类参数集合。
[0109]
该实施例中，数据特征指的是子状态参数集包含的数据类型以及各类型数据的取值范围。
[0110]
该实施例中，预设数据清洗规则库是提前设定好的，用于存储不同的数据清洗规则。
[0111]
该实施例中，目标数据清洗规则指的是是用于对当前类型的子状态参数集进行数据清洗的规则。
[0112]
该实施例中，标准状态参数指的是对得到的状态参数进行清洗后得到的最终的状态参数。
[0113]
上述技术方案的有益效果是：通过对得到的状态参数分类并清洗，确保得到的状态参数的准确可靠性，为制定功率分配准则提供了便利与保障，从而便于提高对能量的利用率。
[0114]
实施例4：
[0115]
在实施例1的基础上，本实施例提供了一种风光储联合最优控制管理方法，步骤1中，基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求，包括：
[0116]
获取得到的电源储能设备的状态参数，并将状态参数进行拆分，且将拆分后得到的目标状态参数组与对应的储能机组进行关联；
[0117]
基于关联结果以及各目标状态参数组的目标取值生成各储能机组的电量状态变
化曲线，并基于电量状态变化曲线确定各储能机组所需的目标充电量；
[0118]
获取各储能机组的可接收功率曲线，并基于目标充电量对可接收功率曲线对应的可接收功率范围进行第一处理，得到可允许功率范围；
[0119]
提取目标状态参数组中包含的各储能机组的荷电状态信息，并基于荷电状态信息确定各储能机组的实时负荷需求，同时，基于实时负荷需求和各储能机组的供电功率确定各储能机组的消耗功率，并基于能量补充要求确定可接收功率与消耗功率最低功率差；
[0120]
基于最低功率差以及各储能机组中的预设热管理设备对储能机组温度的限定条件对可允许功率范围进行第二处理，得到各储能机组所需的目标功率。
[0121]
该实施例中，目标状态组指的是对电源储能设备的状态参数进行拆分后得到的数据集合。
[0122]
该实施例中，电量状态变化曲线是用于表征电源储能设备中各储能机组当前电量取值以及变化趋势的曲线图。
[0123]
该实施例中，目标充电量指的是各储能机组需要进行充电的电能量。
[0124]
该实施例中，可接收功率曲线是用于表征各储能机组能够接受的不同充电功率值。
[0125]
该实施例中，第一处理指的是对可接收功率范围进行缩减，从而便于确定与目标充电量相对应的目标功率。
[0126]
该实施例中，可允许功率范围指的是根据目标充电量对可接收功率范围进行缩减后得到的可用功率范围。
[0127]
该实施例中，荷电状态信息是用于表征各储能机组当前受到的负载程度大小。
[0128]
该实施例中，供电功率是用于表征各储能机组当前向外输出的功率大小。
[0129]
该实施例中，能量补充要求是提前设定好的，具体可以是在抵消能量输出的同时，需要满足对储能机组的充电需求。
[0130]
该实施例中，最低功率差是用于表征充电功率与消耗功率的最小差值，从而能达到对储能机组进行充电的目的。
[0131]
该实施例中，预设热管理设备是电源储能设备中的温度监控器，确保电源储能设备充电过程中的温度处于正常范围。
[0132]
该实施例中，第二处理指的是对得到可允许功率范围进行再次缩小范围，从而确定最终需要的目标功率。
[0133]
上述技术方案的有益效果是：通过对电源储能设备中各储能机组的状态进行分析，实现对各储能机组的目标功率以及实时负荷需求进行有效获取，为实现对电源储能设备进行合理供电提供了依据，也便于根据充电需求对得到的能源进行合理分配，提高能量的利用率。
[0134]
实施例5：
[0135]
在实施例1的基础上，本实施例提供了一种风光储联合最优控制管理方法，步骤2中，基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光能数据确定风电和光伏的相对比例，包括：
[0136]
对一天时间进行离散化处理，得到目标时间序列，同时，获取预设时间段内目标区
域中气象站监测到的气候实测数据，并基于气候实测数据确定目标区域内一天不同时刻的风速、风向以及一天内的光照起始时刻和光照结束时刻；
[0137]
基于目标区域内一天不同时刻的风速、风向以及一天内的光照起始时刻和光照结束时刻确定目标区域的风光气候特征，并基于风光气候特征将目标时间序列分为n个参数采集区间；
[0138]
基于风光气候特征确定每个参数采集区间内气候参数发生明显转变的关键时间点，并具体至采集小时和采集分钟数；
[0139]
基于采集小时和采集分钟数确定环境参数采样时刻，并基于环境参数采样时刻通过数据采集指令控制预设参数采集设备对当前时刻的风力数据和光能数据进行采集；
[0140]
提取上一采集时刻以及当前采集时刻采集到的风力数据和光能数据中的关键数据，并基于预设能量转化规则分别确定上一采集时刻以及当前采集时刻采集到的风力数据和光能数据对应的第一能量转换效率和第二能量转换效率；
[0141]
将上一采集时刻以及当前采集时刻采集到的风力数据和光能数据对应的第一能量转换效率和第二能量转换效率生成样本序列对，并基于样本序列对生成数据向量矩阵；
[0142]
对数据向量矩阵进行预处理，并将预处理后的数据向量矩阵输入预设能量度量函数进行分析，得到上一采集时刻以及当前采集时刻采集到的风力数据和光能数据对电源储能设备的第一理论供电贡献能力和第二理论供电贡献能力；
[0143]
将第一理论供电贡献能力和第二理论供电贡献能力分别和对应的实际供电贡献能力进行第一比对和第二比对，并当第一比对和第二比对后的差值均超出预设阈值时，对预设能量度量函数进行参数优化，且基于优化结果得到标准能量度量函数；
[0144]
基于标准能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析，得到第三理论供电贡献能力和第四理论供电贡献能力，并基于第三理论供电贡献能力和第四理论供电贡献能力确定风电和光伏的相对比例。
[0145]
该实施例中，目标时间序列指的是对一天的时间进行离散化处理后，得到的不同的时间点，各时间点是相互独立的。
[0146]
该实施例中，预设时间段是提前设定好的，具体可以是一天或者一周，是可以是进行调整的。
[0147]
该实施例中，目标区域指的是电源储能设备所在的区域。
[0148]
该实施例中，风光气候特征是用于表征目标区域一天内的风和光的变化情况，从而便于确定二者在不同时间点能够产生的能量比例。
[0149]
该实施例中，基于风光气候特征确定每个参数采集区间内气候参数发生明显转变的关键时间点指的是当风速有5m/s突然转变为50m/s时对应的时间点以及光照强度突然变暗或变亮的时间点。
[0150]
该实施例中，采集小时和采集分钟数是用于表征具体某一小时和某一分钟，例如可以是12点42分等。
[0151]
该实施例中，预设参数采集设备是提前设定好的，用于采集当前时刻的风力数据和光能数据，具体可以是风速传感器和光照传感器等。
[0152]
该实施例中，关键数据指的是能够表征当前时刻风力数据和光能数据的取值特征的数据片段。
[0153]
该实施例中，基于预设能量转化规则是提前已知的，用于表征风能向电能转换的条件以及转换的能力和光能向电能转换的条件以及转换的能力。
[0154]
该实施例中，第一能量转换效率是用于表征风能向电能转换的情况。
[0155]
该实施例中，第二能量转换效率是用于表征光能向电能转换的情况。
[0156]
该实施例中，样本序列对指的是将风力数据与对应的第一能量转换效率以及将光能数据与对应的第二能量转换效率进行映射后，得到的数据对。
[0157]
该实施例中，数据向量矩阵指的是将样本序列对采用矩阵的形式进行预处理后得到的最终矩阵，用于分析风力和电能在当前时刻对电源储能设备的供电贡献能力。
[0158]
该实施例中，预处理指的是对数据向量矩阵矩阵转换等处理。
[0159]
该实施例中，预设能量度量函数是提前设定好的，用于确定风力和光能转换为电能的情况。
[0160]
该实施例中，第一理论供电贡献能力是用于表征当前时刻风能转换为电能且能够向电源储能设备进行供电的能力大小。
[0161]
该实施例中，第二理论供电贡献能力是用于表征当前时刻光能转换为电能且能够向电源储能设备进行供电的能力大小。
[0162]
该实施例中，第一比对和第二比对指的是将得到的第一理论供电贡献能力和第二理论供电贡献能力分别与对应的实际供电贡献能力进行比较。
[0163]
该实施例中，预设阈值是提前设定好的，用于表征可允许的最大差值。
[0164]
该实施例中，标准能量度量函数指的是对预设能量度量函数进行参数优化后得到的最终的能量度量函数。
[0165]
该实施例中，第三理论供电贡献能力和第四理论供电贡献能力指的是通过优化后的能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析后，得到的对电源储能设备进行供电的能力大小情况。
[0166]
上述技术方案的有益效果是：通过对一天时间进行离散化，并将离散化后得到的时间序列与目标区域的风光气候特征进行结合分析，实现对环境参数采集时刻进行准确有效的锁定，从而便于确保采集到的环境数据的可靠性和代表性，其次，通过预设能量度量函数对采集到的风力数据和光能数据进行分析，实现对不同时刻的风电和光伏的相对比例进行准确有效的获取，为实现制定功率分配准则提供了便利与保障，从而便于将得到的能量进行合理分配，便于提高能量利用率。
[0167]
实施例6：
[0168]
在实施例5的基础上，本实施例提供了一种风光储联合最优控制管理方法，其特征在于，基于标准能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析，包括：
[0169]
获取多组基于标准能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析后得到的第三理论供电贡献能力和第四理论供电贡献能力，并基于获取结果确定第三理论供电贡献能力和第四理论供电贡献能力受风力数据和光能数据的影响因素，其中，影响因素至少为两个；
[0170]
确定影响因素与供电贡献能力的关联关系，并基于关联关系对多组风力数据和光能数据以及对应第三理论供电贡献能力和第四理论供电贡献能力进行训练，得到不用影响
因素下的子预测模型；
[0171]
将各子预测模型进行汇总并进行迭代训练，直至模型的损失值满足预设的损失值阈值，得到目标预测模型；
[0172]
将当前采集时刻采集到的风力数据和光能数据以及下一采集时刻的影响因素输入目标预测模型进行分析，并基于分析结果预测得到下一采集时刻的风电和光伏的相对比例。
[0173]
该实施例中，影响因素是用于表征不同时刻第三理论供电贡献能力和第四理论供电贡献能力受自然条件的影响情况，包括影响的种类以及各种类对应的影响程度。
[0174]
该实施例中，子预测模型指的是对多组风力数据和光能数据以及对应的第三理论供电贡献能力和第四理论供电贡献能力进行训练后得到的不同影响因素下能够产生相应供电能力的预测模型。
[0175]
该实施例中，预设的损失值阈值是提前设定好的，用于表征允许的最大损失值。
[0176]
该实施例中，目标预测模型指的是对各子预测模型进行汇总后得到的，用于预测下一时刻风电和光伏的相对比例。
[0177]
上述技术方案的有益效果是：通过对得到的风力数据和光能数据以及对应的第三理论供电贡献能力和第四理论供电贡献能力进行关联分析，实现对目标预测模型进行准确有效的构建，从而实现对下一时刻的风电和光伏的相对比例进行准确有效的确定，便于及时对下一时刻的功率分配准则提供依据，保障了对不同时刻的能量利用率。
[0178]
实施例7：
[0179]
在实施例1的基础上，本实施例提供了一种风光储联合最优控制管理方法，步骤3中，基于相对比例、各储能机组所需的目标功率和实时负荷需制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。
[0180]
基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组的当前工作状态，且当各储能机组均为工作状态时，确定各储能机组当前的剩余电量；
[0181]
获取各储能机组发送充电请求的时间戳，并基于剩余电量以及时间戳确定对各储能机组的充电优先级，且基于充电优先级确定对各储能机组的第一功率分配优先级；
[0182]
同时，获取当前时刻下风电和光伏的相对比例，并基于相对比例确定对电源储能设备的目标供电模式，且在目标供电模式下确定风电和光伏可提供的可用供电功率；
[0183]
基于可用供电功率、第一功率分配优先级以及各储能机组所需的目标功率和实时负荷需确定对各储能机组的功率分配准则，并基于功率分配准则确定对各储能机组的第一供电功率，且基于第一供电功率对各储能机组进行第一供电，同时，对第一供电进程进行实时监测，确定各储能机组的实时储能信息，并基于预设充电切换条件建立对各储能机组的充电功率的动态调度优化模型；
[0184]
将动态调度优化模型与监测到的实时储能信息进行对接，并基于对接结果确定下一时刻各储能机组的第二供电功率，且基于第一供电功率对各储能机组进行第二供电，完成对电源储能设备中各储能机组的能量补偿处理。
[0185]
该实施例中，时间戳是用于表征各储能机组向充电控制终端发送充电请求的时间顺序。
[0186]
该实施例中，充电优先级是用于表征对不同储能机组进行充电的先后顺序。
[0187]
该实施例中，第一功率分配优先级是用于表征对不同储能机组分配充电功率的先后情况。
[0188]
该实施例中，目标供电模式与风电和光伏的相对比例相关，当风电和光伏的相对比例一致时，采用第一供电模式，当风电超过光伏时，采用第二供电模式，当风电小于光伏时，采用第三供电模式，当只有风电时，采用第四供电模式和当只有光伏时，采用第五供电模式，不同模式下的功率分配准确不同。
[0189]
该实施例中，可用供电功率是用于表征风电和光伏二者之间的共同作用下能够产生的供电功率总值。
[0190]
该实施例中，第一供电功率指的是在初始供电时刻向不同储能机组提供的供电功率。
[0191]
该实施例中，第一供电指的是根据第一供电功率分别向不同的储能机组进行供电操作。
[0192]
该实施例中，预设充电切换条件是提前设定好的，用于表征对不同储能机组进行充电功率切换的条件，即当存在有储能机组充满时，将当前储能机组的供电功率进行降低，同时增强其他未充满电的储能机组的供电功率。
[0193]
该实施例中，动态调度优化模型是用于对不同储能机组的实时能量进行优化调度，从而便于确保各储能机组之间的能量平衡。
[0194]
该实施例中，第二供电功率指的是当存在储能机组充满电时，对各储能机组的第一供电功率进行调整后得到各储能机组当前时刻的供电功率。
[0195]
该实施例中，第二供电指的是根据第二供电功率对各储能机组进行供电。
[0196]
上述技术方案的有益效果是：通过根据相对比例、各储能机组所需的目标功率和实时负荷需制定功率分配准则，实现根据当前的供电模式对相应储能机组分配相应的供电功率，且对供电过程中各储能机组的供电功率进行实施优化调度，保障了对电源储能设备的供电效果，同时也提高了对能源的利用效率。
[0197]
实施例8：
[0198]
在实施例7的基础上，本实施例提供了一种风光储联合最优控制管理方法，完成对电源储能设备中各储能机组的能量补偿处理，包括：
[0199]
获取当前时刻的风速值以及当前时刻自然光的波长，并基于当前时刻的风速值以及当前时刻自然光的波长计算单位时间内产生的可用电能值，且基于可用电能值计算对电源储能设备充电时对可用电能值的利用率，具体步骤包括：
[0200]
根据如下公式计算单位时间内产生的可用电能值：
[0201][0202]
其中，w表示单位时间内产生的可用电能值；η表示风能向电能转换时的转换效率，且取值范围为(0，1)；ρ表示空气密度，量纲为kg/m3；v表示风速，量纲为m/s；s表示垂直于风速截面积；表示光能向电能转换时的转换效率，且取值范围为(0，1)；h表示普朗克常数，且取值为6.6260693(11)
×
10-34j·
s；ω表示光的传播速度；λ表示光的波长值；
[0203]
根据如下公式计算对可用电能值的利用率：
[0204][0205]
其中，γ表示对可用电能值的利用率，且取值范围为(0，1)；μ表示误差系数，且取值范围为(0.02，0.04)；i表示电源储能设备中包含的当前个储能机组的个数，且取值范围为[1，n]；n表示电源储能设备中包含的储能机组的总个数；pi表示在对第i个储能机组充电时的充电功率值；ti表示对第i个储能机组充电的充电时间长度值；τ表示在对第i个储能机组充电时消耗的热能值；
[0206]
将计算得到的利用率与预设利用率阈值进行比较；
[0207]
若计算得到的利用率大于或等于预设利用率阈值，则判定制定的功率分配准则合格，并基于功率分配准则对电源储能设备中各储能机组进行供电；
[0208]
否则，判定制定的功率分配准则不合格，并对功率分配准则进行优化，直至计算得到的利用率大于或预设利用率阈值。
[0209]
该实施例中，可用电能值指的是将风能和光能转换为电能后，可供电源储能设别利用的能量值。
[0210]
该实施例中，预设利用阈值是提前设定好的，用于表征需要达到的最低能量利用率值，是可以进行调整的。
[0211]
上述技术方案的有益效果是：通过对可用电能值的利用率进行计算，便于实时对当前的新能源的利用效果进行有效把握，从而便于在利用率不满足预期要求时，及时对制定的功率分配准则进行优化，从而确保对能源进行高效的利用，同时也保障了对电源储能设备的供电效果。
[0212]
实施例9：
[0213]
本实施例提供了一种风光储联合最优控制管理系统，如图3所示，包括：
[0214]
参数获取模块，用于基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求；
[0215]
比例确定模块，用于基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光能数据确定风电和光伏的相对比例；
[0216]
能量调度模块，用于基于相对比例、各储能机组所需的目标功率和实时负荷需求制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。
[0217]
上述技术方案的有益效果是：通过确定电源储能设备中各储能机组所需的目标功率和实时负荷需求以及当前时刻风电和光伏的相对比例，从而实现根据环境参数及时有效的制定相应的功率分配准则，保障了对电源储能设备的供电效果，同时提高了对能源的利用效率。
[0218]
实施例10：
[0219]
本实施例提供了一种风光储联合最优控制管理设备，包括：数据采集装置，处理器和存储器；
[0220]
所述数据采集装置用于采集数据；
[0221]
所述存储器用于存储一个或多个程序指令；
[0222]
所述处理器，用于执行一个或多个程序指令，用以执行任一项所述的一种风光储联合最优控制管理方法。
[0223]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种风光储联合最优控制管理方法，其特征在于，包括：步骤1：基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求；步骤2：基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光能数据确定风电和光伏的相对比例；步骤3：基于相对比例、各储能机组所需的目标功率和实时负荷需求制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。2.根据权利要求1所述的一种风光储联合最优控制管理方法，其特征在于，步骤1中，基于通信网络获取电源储能设备的状态参数，包括：获取电源储能设备的基本信息，并基于基本信息确定电源储能设备包含的单位储能器件，且对单位储能器件进行统计，得到单位储能器件的目标数量；基于目标数量分别对单位储能器件设置器件标识，并基于器件标识分别对相应的单位储能器件设置预设传感器，且基于预设传感器的通讯地址构建预设传感器与数据接收终端之间的分布式通讯网络；基于数据接收终端为每一预设传感器设置每日多断点采集时刻，并基于每日多断点采集时刻在数据接收终端同步适配时钟触发器，且基于适配后的时钟触发器在目标时刻产生相应的数据采集指令；基于分布式通讯网络将数据采集指令发送至相应的预设传感器，并控制预设传感器对各单位储能器件的当前运行参数进行采集，得到电源储能设备的状态参数。3.根据权利要求2所述的一种风光储联合最优控制管理方法，其特征在于，得到电源储能设备的状态参数，包括：获取得到的电源储能设备的状态参数，并基于预设分类标签对得到的状态参数进行聚类处理，得到子状态参数集；提取各子状态参数集的数据特征，并基于数据特征从预设数据清洗规则库中匹配对应的目标数据清洗规则；基于目标数据清洗规则对相应的子状态参数集进行清洗，得到电源储能设备的标准状态参数。4.根据权利要求1所述的一种风光储联合最优控制管理方法，其特征在于，步骤1中，基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求，包括：获取得到的电源储能设备的状态参数，并将状态参数进行拆分，且将拆分后得到的目标状态参数组与对应的储能机组进行关联；基于关联结果以及各目标状态参数组的目标取值生成各储能机组的电量状态变化曲线，并基于电量状态变化曲线确定各储能机组所需的目标充电量；获取各储能机组的可接收功率曲线，并基于目标充电量对可接收功率曲线对应的可接收功率范围进行第一处理，得到可允许功率范围；提取目标状态参数组中包含的各储能机组的荷电状态信息，并基于荷电状态信息确定各储能机组的实时负荷需求，同时，基于实时负荷需求和各储能机组的供电功率确定各储能机组的消耗功率，并基于能量补充要求确定可接收功率与消耗功率最低功率差；
基于最低功率差以及各储能机组中的预设热管理设备对储能机组温度的限定条件对可允许功率范围进行第二处理，得到各储能机组所需的目标功率。5.根据权利要求1所述的一种风光储联合最优控制管理方法，其特征在于，步骤2中，基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光能数据确定风电和光伏的相对比例，包括：对一天时间进行离散化处理，得到目标时间序列，同时，获取预设时间段内目标区域中气象站监测到的气候实测数据，并基于气候实测数据确定目标区域内一天不同时刻的风速、风向以及一天内的光照起始时刻和光照结束时刻；基于目标区域内一天不同时刻的风速、风向以及一天内的光照起始时刻和光照结束时刻确定目标区域的风光气候特征，并基于风光气候特征将目标时间序列分为n个参数采集区间；基于风光气候特征确定每个参数采集区间内气候参数发生明显转变的关键时间点，并具体至采集小时和采集分钟数；基于采集小时和采集分钟数确定环境参数采样时刻，并基于环境参数采样时刻通过数据采集指令控制预设参数采集设备对当前时刻的风力数据和光能数据进行采集；提取上一采集时刻以及当前采集时刻采集到的风力数据和光能数据中的关键数据，并基于预设能量转化规则分别确定上一采集时刻以及当前采集时刻采集到的风力数据和光能数据对应的第一能量转换效率和第二能量转换效率；将上一采集时刻以及当前采集时刻采集到的风力数据和光能数据对应的第一能量转换效率和第二能量转换效率生成样本序列对，并基于样本序列对生成数据向量矩阵；对数据向量矩阵进行预处理，并将预处理后的数据向量矩阵输入预设能量度量函数进行分析，得到上一采集时刻以及当前采集时刻采集到的风力数据和光能数据对电源储能设备的第一理论供电贡献能力和第二理论供电贡献能力；将第一理论供电贡献能力和第二理论供电贡献能力分别和对应的实际供电贡献能力进行第一比对和第二比对，并当第一比对和第二比对后的差值均超出预设阈值时，对预设能量度量函数进行参数优化，且基于优化结果得到标准能量度量函数；基于标准能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析，得到第三理论供电贡献能力和第四理论供电贡献能力，并基于第三理论供电贡献能力和第四理论供电贡献能力确定风电和光伏的相对比例。6.根据权利要求5所述的一种风光储联合最优控制管理方法，其特征在于，基于标准能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析，包括：获取多组基于标准能量度量函数对当前采集时刻采集到的风力数据和光能数据进行再次分析后得到的第三理论供电贡献能力和第四理论供电贡献能力，并基于获取结果确定第三理论供电贡献能力和第四理论供电贡献能力受风力数据和光能数据的影响因素，其中，影响因素至少为两个；确定影响因素与供电贡献能力的关联关系，并基于关联关系对多组风力数据和光能数据以及对应第三理论供电贡献能力和第四理论供电贡献能力进行训练，得到不用影响因素下的子预测模型；
将各子预测模型进行汇总并进行迭代训练，直至模型的损失值满足预设的损失值阈值，得到目标预测模型；将当前采集时刻采集到的风力数据和光能数据以及下一采集时刻的影响因素输入目标预测模型进行分析，并基于分析结果预测得到下一采集时刻的风电和光伏的相对比例。7.根据权利要求1所述的一种风光储联合最优控制管理方法，其特征在于，步骤3中，基于相对比例、各储能机组所需的目标功率和实时负荷需制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组的当前工作状态，且当各储能机组均为工作状态时，确定各储能机组当前的剩余电量；获取各储能机组发送充电请求的时间戳，并基于剩余电量以及时间戳确定对各储能机组的充电优先级，且基于充电优先级确定对各储能机组的第一功率分配优先级；同时，获取当前时刻下风电和光伏的相对比例，并基于相对比例确定对电源储能设备的目标供电模式，且在目标供电模式下确定风电和光伏可提供的可用供电功率；基于可用供电功率、第一功率分配优先级以及各储能机组所需的目标功率和实时负荷需确定对各储能机组的功率分配准则，并基于功率分配准则确定对各储能机组的第一供电功率，且基于第一供电功率对各储能机组进行第一供电，同时，对第一供电进程进行实时监测，确定各储能机组的实时储能信息，并基于预设充电切换条件建立对各储能机组的充电功率的动态调度优化模型；将动态调度优化模型与监测到的实时储能信息进行对接，并基于对接结果确定下一时刻各储能机组的第二供电功率，且基于第一供电功率对各储能机组进行第二供电，完成对电源储能设备中各储能机组的能量补偿处理。8.根据权利要求7所述的一种风光储联合最优控制管理方法，其特征在于，完成对电源储能设备中各储能机组的能量补偿处理，包括：获取当前时刻的风速值以及当前时刻自然光的波长，并基于当前时刻的风速值以及当前时刻自然光的波长计算单位时间内产生的可用电能值，且基于可用电能值计算对电源储能设备充电时对可用电能值的利用率，具体步骤包括：根据如下公式计算单位时间内产生的可用电能值：其中，w表示单位时间内产生的可用电能值；η表示风能向电能转换时的转换效率，且取值范围为(0，1)；p表示空气密度，量纲为kg/m3；v表示风速，量纲为m/s；s表示垂直于风速截面积；表示光能向电能转换时的转换效率，且取值范围为(0，1)；h表示普朗克常数，且取值为6.6260693(11)
×
10-34
j
·
s；ω表示光的传播速度；λ表示光的波长值；根据如下公式计算对可用电能值的利用率：其中，γ表示对可用电能值的利用率，且取值范围为(0，1)；μ表示误差系数，且取值范围为(0.02，0.04)；i表示电源储能设备中包含的当前个储能机组的个数，且取值范围为[1，
n]；n表示电源储能设备中包含的储能机组的总个数；p
i
表示在对第i个储能机组充电时的充电功率值；t
i
表示对第i个储能机组充电的充电时间长度值；τ表示在对第i个储能机组充电时消耗的热能值；将计算得到的利用率与预设利用率阈值进行比较；若计算得到的利用率大于或等于预设利用率阈值，则判定制定的功率分配准则合格，并基于功率分配准则对电源储能设备中各储能机组进行供电；否则，判定制定的功率分配准则不合格，并对功率分配准则进行优化，直至计算得到的利用率大于或预设利用率阈值。9.一种风光储联合最优控制管理系统，其特征在于，包括：参数获取模块，用于基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求；比例确定模块，用于基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光能数据确定风电和光伏的相对比例；能量调度模块，用于基于相对比例、各储能机组所需的目标功率和实时负荷需求制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。10.一种风光储联合最优控制管理设备，其特征在于，包括：数据采集装置，处理器和存储器；所述数据采集装置用于采集数据；所述存储器用于存储一个或多个程序指令；所述处理器，用于执行一个或多个程序指令，用以执行如权利要求1-8任一项所述的方法。

技术总结
本发明提供了一种风光储联合最优控制管理方法、系统及设备，方法包括：基于通信网络获取电源储能设备的状态参数，并基于状态参数确定电源储能设备中各储能机组所需的目标功率和实时负荷需求；基于对一天时间的离散化处理结果设置多个环境参数采样时刻，并基于环境参数采样时刻采集不同时刻的风力数据和光能数据，且基于风力数据和光能数据确定风电和光伏的相对比例；基于相对比例、各储能机组所需的目标功率和实时负荷需求制定功率分配准则，并基于功率分配准则对电源储能设备中各储能机组进行能量调度，完成能量补偿处理。保障了对电源储能设备的供电效果，同时提高了对能源的利用效率。利用效率。利用效率。


技术研发人员：丁闵
受保护的技术使用者：奈曼旗广星配售电有限责任公司
技术研发日：2023.02.11
技术公布日：2023/7/22