找到 2 条结果 · Applied Energy
结合PNN分类与ELM-Bootstrap的日前负电价预测增强方法
Integrating PNN classification and ELM-Bootstrap for enhanced Day-Ahead negative price forecasting
Stylianos Loizidis · Venizelos Venizelou · Andreas Kyprianou · G. E. Georghiou · Applied Energy · 2025年8月 · Vol.392
摘要 负电价通常在电力供应过剩时发生，常由高比例可再生能源发电以及传统发电机组灵活性不足所驱动。在缺乏充足储能能力的情况下，电网必须吸收多余的电量，从而导致价格跌破零。准确预测此类事件至关重要，但现有文献中专门针对负电价预测的有效解决方案仍较为有限。本文提出一种新颖的两阶段混合方法，用于预测日前电力市场中的负电价。第一阶段采用极限学习机（Extreme Learning Machine, ELM）结合Bootstrap方法生成预测区间；第二阶段利用概率神经网络（Probabilistic Neu...
解读: 该负电价预测技术对阳光电源储能系统具有重要应用价值。通过ELM-Bootstrap区间预测与PNN分类的两阶段方法,可精准识别负电价时段,为ST系列PCS和PowerTitan储能系统提供智能充放电决策依据。结合iSolarCloud平台集成该预测算法,可在高比例新能源场景下优化储能调度策略:负电价...
一种联合估计锂离子电池SOC与SOH的框架：消除对初始状态的依赖
A framework for joint SOC and SOH estimation of lithium-ion battery: Eliminating the dependency on initial states
Xiaoyong Zeng · Yaoke Sun · Xiangyang Xia · Laien Chen · Applied Energy · 2025年1月 · Vol.377
基于模型的方法被广泛用于电池状态估计，构成了电池管理系统的基础。然而，这些方法的有效性依赖于准确的初始状态设定，初始状态不准确可能导致严重的不稳定甚至发散，从而对电池安全构成重大威胁。由于状态荷电（SOC）与健康状态（SOH）之间存在相互依赖关系，这一问题在SOC与SOH的联合估计中尤为突出。本研究致力于消除对初始状态的依赖。首先，构建了两个具有外部输入的径向基函数自回归模型（RBF-ARXM），以捕捉电池的非线性动态特性，并建立SOC、SOH与观测值之间的关联关系。基于这些模型，推导出有效的目...
解读: 该SOC/SOH联合估算框架对阳光电源ST系列储能变流器及PowerTitan系统的BMS优化具有重要价值。通过消除初始状态依赖性,可显著提升储能系统全生命周期的状态估计精度和安全性。基于RBF-ARXM的非线性建模方法可集成至iSolarCloud平台,实现预测性维护和电池健康管理。该技术同样适用...