摘要
本发明属于虚拟电厂技术领域，具体涉及多物理场耦合的虚拟电厂储能健康状态监测与预测方法，步骤包括：实时采集储能设施的电化学参数和热力学参数，并对采集的数据进行预处理，将预处理的数据存入数据库中；计算储能设施当前的SOH，并构建物理信息神经网络PINN，基于当前SOH和数据库中的历史数据，对储能设施的SOH进行预测；通过可视化的方式，展示实时采集数据的曲线图、当前SOH、SOH预测图表、报警信息；以最大化SOH、最小化能量损耗与热风险为目标，构建帕累托优化问题，求解最优充放电策略。本发明融合了多参数感知、物理机理与深度学习，能够实现虚拟电厂储能健康状态的高精度实时监测与预测。
