找到 2 条结果 · Applied Energy
面向低温环境的双电池便携式储能系统实用建模与运行优化
Practical modeling and operation optimization of dual-battery portable energy storage systems for low temperatures
Haohui Ding · Xi Lu · Qinran Hu · Zaijun Wu 等5人 · Applied Energy · 2025年1月 · Vol.390
摘要 在寒冷地区，低温和强降雪常常导致停电。这些地区对便携式储能系统（PESS）有很高的需求，以缓解断电带来的不利影响。然而，电池在低温下的效率会下降，且其容量会显著衰减。现有的离网电池热管理方法通常基于单一类型电池的使用，在极低温度（–30 ∘C）下可能因电池本身的局限性而失效。因此，本研究设计了一种适用于低温环境的双电池PESS（PESSLT），并制造了原型样机。所提出的PESSLT结合了电池热管理方法与混合储能方法，以在极低温条件下实现高充放电效率和低容量衰减。为实现对PESSLT的精确能...
解读: 该双电池低温储能技术对阳光电源PowerTitan及ST系列储能系统在高寒地区应用具有重要参考价值。研究提出的温度-功率耦合电池模型可优化我司PCS的BMS协同控制策略,提升-30°C极端工况下充放电效率从39%至67%。双电池混合配置思路可应用于户外储能柜及移动储能产品,结合iSolarCloud...
基于改进长短期记忆网络与数据驱动预测控制的电动汽车能量管理
Energy management of electric vehicles based on improved long short term memory network and data-enabled predictive control
Bin Chen · Guo He · Lin Hu · Heng Li 等7人 · Applied Energy · 2025年1月 · Vol.384
摘要 作为混合储能系统（HESS）电动汽车中一种流行的能量管理策略（EMS），模型预测控制（MPC）易受现有参数建模方法在模型精度和参数敏感性方面的影响。本文提出了一种基于分层数据驱动预测控制的新型EMS。上层采用优化的长短期记忆（LSTM）网络进行轨迹预测，从而为下层获取具有成本效益的负载功率需求。在下层，针对HESS提出了一种数据驱动预测控制（DeePC）方法，以实现电池与超级电容器之间的最优功率分配，并最小化电池容量衰减。与传统的MPC不同，DeePC基于仅从HESS的输入-输出数据构建的...
解读: 该分层数据驱动预测控制技术对阳光电源储能系统具有重要应用价值。论文提出的DeePC方法无需精确参数建模,仅依赖输入输出数据即可实现电池-超级电容混合储能的最优功率分配,相比传统MPC降低运行成本22.68%。该技术可直接应用于ST系列PCS的能量管理策略优化,通过LSTM网络预测负荷需求,结合Dee...