找到 2 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1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...
基于物理信息注意力残差网络的电池智能温度预警模型
Battery intelligent temperature warning model with physically-informed attention residual networks
Xue Ke · Lei Wang · Jun Wang · Anyang Wang 等12人 · Applied Energy · 2025年1月 · Vol.388
摘要 电动汽车的快速发展对锂离子电池的热安全管理提出了更高要求。传统的物理模型需要大量离线参数辨识，在计算效率与模型保真度之间难以平衡；而数据驱动方法虽然精度较高，但缺乏可解释性，且在不同工况下需要大量数据支持。为应对上述挑战，本文提出了一种物理信息引导的注意力残差网络（Physics-Informed Attention Residual Network, PIARN），该模型将改进的非线性双电容模型与热集总模型嵌入到物理引导的循环神经网络框架中，从而提升了模型的可解释性与泛化能力。所设计的残...
解读: 该物理信息引导的电池温度预警技术对阳光电源储能系统具有重要价值。PIARN模型结合物理模型与深度学习,可集成至ST系列PCS和PowerTitan储能系统的BMS热管理模块,实现0.1°C精度的在线温度预测和近100%准确率的热预警。其轻量化物理模型与残差网络架构适合边缘计算部署,可通过iSolar...