找到 1 条结果 · 储能系统技术
基于K-means聚类算法与人工神经网络模型的并网型微电网优化能量管理
Optimized energy management in Grid-Connected microgrids leveraging K-means clustering algorithm and Artificial Neural network models
Peter Anuoluwapo Gbadeg · Yanxia Sun · Olufunke Abolaji Balogu · Energy Conversion and Management · 2025年1月 · Vol.336
摘要 随着可再生能源（RESs）在并网型微电网中的不断集成，亟需先进的能量管理策略以提升系统的效率、可靠性与可持续性。本研究提出了一种基于一对一优化器（One-to-One-Based Optimizer, OOBO）的优化能量管理框架，用于微电网调度，并结合K-means聚类算法与人工神经网络（Artificial Neural Networks, ANNs）实现负荷预测。所提出的方法能够动态调度分布式能源（DERs）、电池储能系统（BESS）以及柴油发电机，在最小化运行成本和碳排放的同时实现...
解读: 该研究的OOBO优化算法与AI负荷预测技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。研究验证储能系统可降低38%碳排放,与我司ESS解决方案的调度优化方向一致。K-means聚类与ANN模型可集成至iSolarCloud平台,提升微电网实时调度能力。OOBO算法30-4...