找到 2 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9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...
基于自适应蒸馏增量学习与注意力MobileNetV2网络的“一对所有”拒绝识别算法在电力终端多标签识别中的应用
Electricity terminal multi-label recognition with a “one-versus-all” rejection recognition algorithm based on adaptive distillation increment learning and attention MobileNetV2 network for non-invasive load monitoring
Linfei Yin · Nannan Wang · Jishen Li · Applied Energy · 2025年3月 · Vol.382
随着分布式可再生能源接入智能电网，分布式系统及新能源发电的不确定性严重影响了电网的稳定运行。需求侧管理是解决分布式用电问题的有效手段，因此监测接入系统负荷类型已成为当前研究热点。负荷监测包括侵入式负荷监测（ILM）和非侵入式负荷监测（NILM）。目前，NILM缺乏增量学习能力且识别准确率较低。为此，本文提出一种基于自适应蒸馏增量学习与注意力MobileNetV2网络的“一对所有”拒绝识别算法用于电力终端多标签识别（ET-MR “OVA” RR-ADIL-AMN）。该算法融合了多标签识别与“一对所...
解读: 该非侵入式负荷监测技术对阳光电源智慧能源管理系统具有重要价值。可集成至iSolarCloud平台实现用电侧精细化管理:在储能系统(ST系列PCS/PowerTitan)中应用该多标签识别算法,可精准识别并网负荷类型,优化充放电策略;结合分布式光伏(SG系列逆变器)场景,通过增量学习动态适应新接入设备...