找到 3 条结果 · 储能系统技术
考虑预测不确定性的电池储能系统最优管理以实现削峰和电池健康
Optimal BESS Management for Peak Load Shaving and Battery Health Under Prediction Uncertainty
Lixin Li · Tim Kappler · Bernhard Schwarz · Nina Munzke 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
在现代电力系统中，为缓解可再生能源出力波动，部署电池储能系统（BESS）日益重要。然而，可再生能源与负荷预测的不确定性给BESS运行优化带来挑战。本文提出一种新颖的随机模型预测控制（SMPC）框架，兼顾削峰负荷与电池健康，并有效应对预测不确定性。该框架采用长短期记忆（LSTM）神经网络进行预测，并结合约束收紧技术构建滚动时域随机优化问题。基于德国某企业负荷数据的仿真结果表明，相比传统模型预测控制（MPC），该方法额外降低峰值取电功率99 kW（5.8%），验证了其处理不确定性的优势。
解读: 该SMPC框架对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究提出的LSTM预测结合约束收紧技术可直接集成到iSolarCloud云平台的智能调度模块，提升储能系统在工商业削峰场景下的经济性。相比传统MPC额外降低5.8%峰值功率的效果，可优化ST2236/250...
电动汽车的备用容量提供：聚合边界与随机模型预测控制
Reserve Provision From Electric Vehicles: Aggregate Boundaries and Stochastic Model Predictive Control
Jacob Thrän · Jakub Mareček · Robert N. Shorten · Timothy C. Green · IEEE Transactions on Power Systems · 2025年2月
电动汽车（EV）的可控充电是提升可再生能源消纳、降低固定储能需求的重要灵活性资源。为应对个体驾驶与充电行为的不确定性，本文提出将多辆电动汽车电池视为一个具有聚合功率与能量边界的虚拟电池，从而预测可提供的系统备用容量。基于1000辆电动汽车数据的线性回归模型验证了边界的可预测性，归一化均方根误差为20%–40%。采用包含条件风险价值的两阶段随机模型预测控制算法，实现日前 reserve 调度。英国120万条家用充电记录的案例表明，车队规模扩大可提升预测精度，增加备用收益并降低运营成本；当规模达40...
解读: 该电动汽车聚合备用容量技术对阳光电源充电桩产品线及储能系统具有重要应用价值。研究提出的虚拟电池聚合边界模型可直接应用于阳光电源V2G充电桩的群控策略，通过随机模型预测控制算法优化充电调度，使车队参与电网辅助服务。400辆以上规模可降低60%运营成本、单车提供1.8kW备用容量的数据，为阳光电源设计充...
基于MIMO模糊逻辑控制器的热-混合储能系统近似最优能量管理
Approximate Optimal Energy Management of Thermal-HESS System for MIMO Fuzzy Logic Controller Based AGC
Zao Tang · Jia Liu · Yikui Liu · Tong Su 等5人 · IEEE Transactions on Sustainable Energy · 2024年10月
相较于单一储能装置，混合储能系统（HESS）在自动发电控制（AGC）指令跟踪中具有优势，并可降低储能投资成本。传统控制方法虽能在特定时刻匹配AGC指令，但多时段协调性不足，易导致频繁无序充放电，缩短系统寿命。为此，本文提出一种热-HESS系统的近似最优运行策略，以提升机组AGC性能与储能能量管理能力。首先，采用自适应马尔可夫链预测方法预估AGC功率需求趋势；其次，构建考虑当前步与代价函数的随机模型预测控制（SMPC）优化模型。为降低SMPC多步优化带来的计算负担，进一步设计MIMO模糊逻辑控制器...
解读: 该MIMO模糊逻辑控制的混合储能能量管理技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究提出的自适应马尔可夫链预测结合SMPC优化框架，可直接应用于阳光电源储能系统参与电网AGC调频服务场景，通过功率型与能量型储能的协调控制，优化ST储能变流器的充放电策略，减...