找到 3 条结果 · Applied Energy
基于功率型与能量型储能的混合储能系统优化调度与性能评估
Optimized scheduling and performance evaluation of hybrid energy storage systems with power-based and energy-based storage
Jiacheng Guo · Jun Chen · Hao Wuab · Jimin Zengc 等5人 · Applied Energy · 2025年10月 · Vol.395
摘要 能源转型使得混合储能系统（HESS）在工业园区中日益重要。然而，目前仍缺乏系统性的研究来回答为何应在工业园区中实施混合储能系统这一问题。本研究开发了一种集成了超级电容器、锂离子电池、热储罐和冷冻水储冷装置的混合储能系统。提出了一种结合变分模态分解与混合整数线性规划的优化调度方法，该方法充分考虑了功率型储能与能量型储能方式之间的互补特性。从长期效益和不同场景下的短期调度两个角度，对混合储能系统的性能进行了系统性分析。结果表明，与仅采用锂离子电池储能的系统相比，该混合储能系统显著减少了碳排放（...
解读: 该混合储能优化调度技术对阳光电源ST系列PCS及PowerTitan储能系统具有重要应用价值。研究验证了超级电容与锂电池混合配置在工商业场景的经济性(降本5.5%)和减碳效果(减排15.5%),可指导我司PowerTitan方案中功率型与能量型储能的容量配比优化。其基于VMD分解的混合整数线性规划调...
基于贝叶斯优化算法与二次分解的误差校正深度Autoformer模型在光伏发电预测中的应用
An error-corrected deep Autoformer model via Bayesian optimization algorithm and secondary decomposition for photovoltaic power prediction
Jie Chen · Tian Peng · Shijie Qian · Yida Ge 等7人 · Applied Energy · 2025年1月 · Vol.377
准确的光伏发电功率预测对于电网的稳定运行和合理调度至关重要。然而，由于光伏发电具有不稳定性，其功率预测仍面临巨大挑战。为此，本文提出一种结合二次分解、贝叶斯优化与误差校正机制的Autoformer模型用于光伏发电功率预测。为降低数据复杂性并充分提取特征，采用了两种分解方法：首先利用经验模态分解（EMD）对光伏功率序列进行初级分解；然后引入样本熵（SE）衡量各分量的复杂度，并对复杂度最高的分量采用变分模态分解（VMD）进行二次分解。其次，构建基于贝叶斯优化算法优化的Autoformer模型，分别预...
解读: 该基于深度学习的光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过EMD-VMD二次分解和Autoformer模型可显著提升预测精度,可集成至SG系列逆变器的MPPT优化算法中,实现更精准的发电功率预测。结合ST系列储能PCS,该预测模型能优化储能系统充放电策略,提升...
一种融合MIC-BOA-TiDE与核密度估计的锂离子电池剩余使用寿命点预测与概率预测新框架
A novel MIC-BOA-TiDE fusion framework with kernel density estimation for point and probabilistic remaining useful life prediction of lithium-ion batteries
Tian Peng · Zhongzheng Mo · Jie Chen · Chenghao Sun 等7人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出MIC-BOA-TiDE融合框架，结合互信息准则（MIC）、蝴蝶优化算法（BOA）与时间序列深度估计器（TiDE），并引入核密度估计实现锂离子电池剩余使用寿命（RUL）的高精度点预测与不确定性量化。
解读: 该研究聚焦锂电RUL智能预测，直接支撑阳光电源PowerTitan、PowerStack等储能系统中BMS的寿命预警与健康状态管理能力。其概率化RUL输出可增强ST系列PCS在梯次利用、运维调度和质保服务中的决策可靠性。建议将该框架嵌入iSolarCloud平台，与PCS实时数据流对接，构建云端-边...