← 返回
混合储能系统的容量优化与能量管理策略研究
Sizing Optimization and Energy Management Strategy for Hybrid Energy Storage System Using Multiobjective Optimization and Random Forests
| 作者 | Mince Li · Li Wang · Yujie Wang · Zonghai Chen |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2021年10月 |
| 技术分类 | 储能系统技术 |
| 技术标签 | 储能系统 机器学习 电池管理系统BMS 用户侧储能 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 混合储能系统 容量优化 能量管理策略 多目标优化 随机森林 电池寿命 电动汽车 |
语言:
中文摘要
本文针对电动汽车混合储能系统(HESS),提出了容量优化与自适应实时能量管理策略。通过多目标灰狼优化算法平衡系统成本与电池寿命,并利用随机森林算法实现高效的能量管理,为储能系统的设计与运行提供了优化方案。
English Abstract
Sizing optimization and energy management strategy (EMS) are two key points for the application of the hybrid energy storage system (HESS) in electric vehicles. This article aims to conduct the sizing optimization of HESS and apply an adaptive real-time EMS for practice. First, considering the system cost and battery lifespan, the multiobjective grey wolf optimizer is used to obtain the Pareto fro...
S
SunView 深度解读
该研究关注混合储能系统的容量配置与能量管理,与阳光电源的PowerTitan及PowerStack系列储能系统高度相关。文中提到的多目标优化与机器学习算法(如随机森林)可深度集成至iSolarCloud智能运维平台,用于优化储能电站的充放电策略,提升电池全生命周期收益。此外,该技术路径可借鉴用于阳光电源的电动汽车充电桩及配套储能系统,通过优化容量配置降低系统成本,并利用智能算法延长电池寿命,提升产品在工商业及用户侧储能市场的核心竞争力。