找到 2 条结果 · Applied Energy
基于日前负荷预测的太阳能多储能多联供系统主动储能运行策略与优化
Proactive energy storage operation strategy and optimization of a solar polystorage and polygeneration system based on day-ahead load forecasting
Nan Zheng · Qiushi Wang · Xingqi Ding · Xiaomeng Wang 等7人 · Applied Energy · 2025年1月 · Vol.381
摘要 为提高冬季电池利用率并提升系统的经济技术性能，本文提出了一种基于日前负荷预测的新型主动储能运行策略，应用于耦合了蓄热装置和全钒液流电池的太阳能多储能多联供系统。本文对比研究了该多联供系统在主动储能策略与传统策略下的运行过程差异及其技术经济性能。此外，还分析了两种策略下系统在制冷与供热模式中主要设备的能量输出及运行状态。最后，基于主动储能策略对该多联供系统进行了多目标优化，以权衡㶲效率与单位能源成本之间的关系。结果表明：采用主动储能策略时，电池利用率最高可比传统策略提高14.65个百分点，年...
解读: 该主动式储能运行策略对阳光电源ST系列PCS及PowerTitan储能系统具有重要应用价值。研究提出的基于日前负荷预测的主动调度策略,可使电池利用率提升14.65%,系统火用效率达30.41%,与阳光电源iSolarCloud平台的预测性维护功能高度契合。建议将该策略集成到储能系统EMS中,结合光储...
基于回声状态网络的实时误差补偿迁移学习以增强风力发电预测
Real-time Error Compensation Transfer Learning with Echo State Networks for Enhanced Wind Power Prediction
Yingqin Zhua · Yue Liub · Nan Wangc · Zhao Zhao Zhang 等5人 · Applied Energy · 2025年1月 · Vol.379
准确的风力发电预测对于高效的能源管理和电网稳定至关重要，能够帮助能源供应商平衡供需、优化可再生能源的集成、降低运行成本并提高电力系统的可靠性。回声状态网络（Echo State Network, ESN）由于其结构简单且训练速度快，被广泛应用于非线性动态系统的建模。然而，在处理高阶非线性复杂性时，ESN容易产生系统误差，导致模型精度下降。为克服这一问题，本文提出了误差补偿迁移学习回声状态网络（Error Compensation Transfer Learning Echo State Netw...
解读: 该ETL-ESN风电预测技术对阳光电源储能系统具有重要应用价值。其2秒快速训练和95%以上精度提升可显著优化ST系列PCS的能量管理策略和PowerTitan储能系统的充放电调度。实时误差补偿机制可增强iSolarCloud平台的预测性维护能力,提升新能源并网稳定性。迁移学习方法为不同机型的GFM/...