找到 5 条结果 · Applied Energy
基于模型-数据融合方法的锂离子电池储能系统惯性支撑持续功率边界在线估计
Online estimation of inertia-supporting sustaining power boundary of lithium-ion battery energy storage systems based on model-data fusion method
Shaoxin Shi · Qiao Peng · Tianqi Liu · Yunteng Dai 等5人 · Applied Energy · 2025年1月 · Vol.393
摘要 锂离子电池储能系统（BESS）在为电力系统提供惯性支撑方面展现出巨大潜力。然而，如何在实现高效惯性支撑的同时保障电池的安全运行仍面临挑战，这要求对电池的输出边界进行准确估计，尤其是在在线运行条件下。然而，现有的电池输出功率边界评估方法通常忽略了惯性支撑特有的输出特性以及在线应用的需求，从而限制了其准确性与效率。本文提出了一种基于模型-数据融合方法（MDFM）的BESS惯性支撑持续功率边界（SPB）在线估计新方法。首先，开展一系列实验以研究电池在惯性支撑工况下的阻抗特性，并据此构建一种基于负...
解读: 该储能惯量支撑功率边界在线估算技术对阳光电源ST系列PCS及PowerTitan储能系统具有重要应用价值。通过模型-数据融合方法实现锂电池输出边界的实时精准评估,可直接集成至VSG虚拟同步机控制策略中,优化惯量响应过程中的功率调度。负阻抗等效电路模型结合SVM机器学习算法,能有效提升iSolarCl...
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...
利用SHAP值理解传统与非传统建筑群中乡村形态与光伏发电潜力之间的关系
Understanding the relationship between rural morphology and photovoltaic (PV) potential in traditional and non-traditional building clusters using shapley additive exPlanations (SHAP) values
Jiang Liu · Changhai Peng · Junxue Zhang · Applied Energy · 2025年1月 · Vol.380
摘要 农村地区拥有大量适合安装光伏板的屋顶和立面。然而，乡村形态对光伏发电潜力的影响尚不明确，制约了其有效利用。为应对这一挑战，本研究选取南京市300个传统与非传统农村建筑群作为研究对象，识别出17项形态学指标，涵盖地块形状、建筑密度、建筑形式及地形变化等方面。通过模拟各集群的年光伏发电量和均化度电成本（LCOE），并采用可解释的机器学习框架（XGBoost算法结合SHAP值），探讨了乡村建筑形态与光伏发电潜力之间的关系。结果表明，平均建筑高度（BH）和容积率（FAR）是影响发电量的关键因素，而...
解读: 该研究揭示农村建筑形态对光伏潜力的影响机制,对阳光电源SG系列逆变器在农村分布式光伏市场具有重要指导价值。研究发现建筑高度和容积率是关键因素,可优化我司MPPT算法在复杂遮挡场景下的追踪策略。针对三类技术潜力分区(低高低FAR、高低FAR、高高FAR),可差异化配置1500V系统方案,结合iSola...
基于对抗性模仿强化学习的混合储能电动汽车能量管理
Imitation reinforcement learning energy management for electric vehicles with hybrid energy storage system
Weirong Liu · Pengfei Yao · Yue Wu · Lijun Duan 等6人 · Applied Energy · 2025年1月 · Vol.378
深度强化学习已成为电动汽车能量管理的一种有前景的方法。然而，深度强化学习依赖大量试错训练才能获得近似最优性能。为此，本文提出一种面向混合储能系统的电动汽车对抗性模仿强化学习能量管理策略，以最小化电池容量损耗成本。首先，利用动态规划在多种标准驾驶条件下生成专家知识，用于引导强化学习的探索过程，该专家知识表示为最优功率分配映射。其次，在早期模仿阶段，通过对抗网络使强化学习智能体的动作快速逼近最优功率分配映射。再次，根据对抗网络中判别器的输出设计动态模仿权重，促使智能体在在线驾驶条件下逐步过渡到自主探...
解读: 该对抗模仿强化学习策略对阳光电源混合储能系统具有重要应用价值。可应用于ST系列PCS的电池-超级电容混合储能优化,通过专家知识引导的强化学习加速训练42.6%,降低电池容量损耗成本5.1%-12.4%。技术可集成至iSolarCloud平台实现在线工况自适应功率分配,延长PowerTitan储能系统...
确定寒冷气候下电动汽车最佳电池预热截止温度的系统性方法
A systematic approach for determining the optimal battery preheating cut-off temperature for electric vehicles operating in cold climates
Zhenyi Tao · Cheng Lin · Yu Tian · Peng Xi 等6人 · Applied Energy · 2025年1月 · Vol.383
摘要 在寒冷气候下，由于电池在低温条件下性能下降而引发的续航焦虑，严重阻碍了电动汽车（EV）的广泛普及。电池预热被视为解决这一问题的有效手段。然而，由于需要在不同环境条件、电池状态和车辆功率需求之间权衡预热能耗与电池性能恢复效果，确定合理的预热截止温度仍具挑战性。本研究探讨了预热截止温度对电池可用能量的影响，并提出了一种用于确定最佳电池预热截止温度的系统性方法。同时，本文还设计了一种加热策略，旨在最大化电池可利用能量并满足电动汽车冷启动时的功率需求。结果表明，无论采用何种加热系统，所提出的策略均...
解读: 该研究对阳光电源储能系统及充电桩产品具有重要价值。电池预热优化策略可直接应用于ST系列PCS的热管理算法,通过精确控制预热截止温度,在PowerTitan等大型储能系统中平衡加热能耗与性能恢复,提升低温环境下的能量利用率。对充电站业务,可开发智能预热功能,结合iSolarCloud平台实现环境自适应...