找到 2 条结果 · Applied Energy
一种数据-物理混合驱动的大规模风电场布局优化框架
A data-physics hybrid-driven layout optimization framework for large-scale wind farms
Peiyi Li · Yanbo Ch · Anran Hu · Lei Wang 等6人 · Applied Energy · 2025年1月 · Vol.392
摘要 全球风能利用的发展趋势正朝着建设大规模、远距离风电场的方向推进，而战略性的布局优化对于提升风电场发电量至关重要。然而，大规模风电场布局优化（WFLO）面临诸多挑战，主要体现在涉及高维决策变量的复杂计算，以及在尾流模型精度与计算效率之间需要进行权衡。为解决上述问题，本文提出了一种新颖的数据-物理混合驱动的大规模风电场布局优化框架。该框架尝试将含可变参数的物理方程融入建模过程，以指导尾流效应的建模，并进一步促进布局优化的实现。具体而言，本文提出了物理信息引导的双神经网络（PIDNN）模型用于风...
解读: 该数据-物理混合驱动的大规模风电场布局优化框架对阳光电源风电变流器及储能系统具有重要借鉴价值。其物理信息双神经网络(PIDNN)模型通过融合Navier-Stokes方程与可变推力系数,实现尾流效应精准建模,可启发阳光电源在风储一体化项目中优化ST系列储能变流器的功率调度策略。基因定向差分进化算法(...
一种考虑单体电池运行状态的锂离子电池健康状态贝叶斯迁移学习评估框架
A Bayesian transfer learning framework for assessing health status of Lithium-ion batteries considering individual battery operating states
Jiarui Zhang · Lei Mao · Zhongyong Liu · Kun Yu 等5人 · Applied Energy · 2025年1月 · Vol.382
摘要 锂离子电池（LIBs）健康状态（SOH）的快速准确评估对于实现高效的电池监测与管理具有重要意义。LIBs的退化是一个复杂的过程，每一块电池的退化路径均具有独特性，受到内部和外部多种因素共同影响。然而，现有方法通常将每块电池视为独立个体处理，未能充分挖掘和利用各单体电池的独特特征。为克服这一局限性，本研究提出了一种贝叶斯迁移学习框架，用于建模锂离子电池特有的退化过程，从而完成对SOH的评估。具体而言，构建了一个混合效应模型（MEM）以描述电池健康状态的退化过程，该模型能够捕捉不同电池之间的异...
解读: 该贝叶斯迁移学习框架对阳光电源ST系列储能变流器及PowerTitan储能系统的电池管理具有重要价值。混合效应模型可捕捉单体电池差异性,实现精准SOH评估,优化BMS策略。三种参数更新策略适配不同应用场景,可提升iSolarCloud平台预测性维护能力。该方法兼容循环老化与日历老化,适用于大规模储能...