一种基于数字孪生与深度学习的储能系统实时诊断与构网控制方法及系统

本发明公开了一种基于数字孪生与深度学习的储能系统实时诊断与构网控制方法及系统，方法包括：通过多模态传感器采集储能电池簇的电学、热学与老化状态数据，并利用图神经网络与长短期记忆网络构建其多物理场耦合的数字孪生模型；将实时采集的电池簇运行数据与数字孪生模型进行同步映射，生成具有超前预测能力的电池簇内部的状态演化序列；基于状态演化序列，预测电网关键节点的动态稳定边界及未来可能出现的失稳风险时段；根据动态稳定边界与所述失稳风险时段，生成构网型储能设备的输出电压幅值、相位与虚拟阻抗的协同调整指令。利用本发明实施例，能够提升储能系统在复杂电网环境下的诊断可靠性、控制前瞻性与运行安全性。