1.一种基于模糊聚类的大规模电池储能系统成组建模方法，其特征在于，包括以下步骤，第一步，将储能电站划分为m个储能模块，获取每个储能模块的r个参数；第二步，对获取的r个参数进行主成分分析，获取p个主成分；根据主成分对储能模块进行模糊聚类，得到多个储能电池组；第三步，对多个储能电池组进行聚类评价，获得最佳聚类结果；根据最佳聚类结果确定储能电池组的数量，并对储能电池组进行等效建模，以储能模块参数为基础计算等效参数即为成组参数，完成大规模电池储能系统成组建模；第一步中，所获取的每个储能模块的r个参数包含剩余电量SOC值、储能模块有功功率参考值、电池模块欧姆内阻R Ω 和极化内阻Rp，以及对储能模块的电流I以及电压U进行dq分解后的id、iq、ud和uq；其中dq分解的变换公式如式(1)，式中，θ为相位角；第二步中，对获取r个参数进行主成分分析，构造参数矩阵并进行标准化；根据使主成分的信息利用率在85％以上确定p值，获取p个主成分；对获取r个参数进行主成分分析的具体步骤如下，步骤2.1，将r个参数设为向量x＝(x 1 ,x 2 ,......x r )，则储能模块x i ＝(x i1 ,x i2 ,......x ir )，i＝1,2，……m；步骤2.2，根据步骤2.1中的设定，构造参数矩阵并进行标准化变换得到标准化矩阵A如式(2)，其中， 步骤2.3，对标准化矩阵A求相关系数矩阵，如式(4)：步骤2.4，解出系数矩阵H的特征根λ k 以及对应的特征向量b k ，根据如下判别公式(5)确定p值；步骤2.5，得到p个主成分向量Z k ＝Ab k ,k＝1,2,......p；第二步中，以主成分分析法得到的主成分向量作为分类依据，对储能模块进行模糊聚类，选出最佳聚类结果，将m个储能模块分为n组储能电池组；具体包括如下步骤，a、构建m个储能模块的主成分参数矩阵W＝(Z 1 ,Z 2 ,......Z p )，设定划分为n类，n取 设定聚类中心为V：{v 1 ,v 2 ,...v n }，设u ij 为第j个对象划分为第i类的概率；b、给定目标函数如式(6)：其中， α为模糊指数，W j 为主成分参数矩阵的第j个列向量，v jk 为第k组聚类中心的第j个列向量，u ij 为第j个对象划分为第i类的概率；c、反复迭代求取使得目标函数J最小，选出最佳聚类结果，得到储能电池组的分组n；第三步中，根据贡献度高的p个主成分对储能模块进行模糊聚类，确定n的取值得到最佳聚类结果；最佳聚类结果为Xie-Beni指标最小的聚类结果；其中，Xie-Beni指标公式如式(7)：其中，W j 为主成分参数矩阵的第j个列向量，v为下标对应的聚类中心；第三步中，通过采用并联方式对模糊聚类后的储能电池组进行外特性的等效建模，等效参数求取公式如式(8)：式中，P ref 为储能模块有功功率参考值，SOC为剩余电量，u和i分别为储能模块的电压U和电流I的对应值，下标i＝1,2，……m，k为某组储能电池组中含有的电池模块个数，一共计算n组电池组的成组参数。
2.一种基于模糊聚类的大规模电池储能系统成组建模系统，其特征在于，用于执行如权利要求1所述的方法，包括，储能模块划分采集模块，用于将储能电站划分为m个储能模块，获取每个储能模块的r个参数；储能电池组成组模块，用于对获取的r个参数进行主成分分析，获取p个主成分；根据主成分对储能模块进行模糊聚类，得到多个储能电池组；成组建模模块，用于对多个储能电池组进行聚类评价，获得最佳聚类结果，并对储能电池组进行等效建模，以储能模块参数为基础计算等效参数即为成组参数，完成大规模电池储能系统成组建模。
3.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1所述基于模糊聚类的大规模电池储能系统成组建模方法的步骤。
4.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1所述基于模糊聚类的大规模电池储能系统成组建模方法的步骤。
