找到 2 条结果 · Applied Energy
基于深度Q网络并考虑充放电次数的电池储能系统控制策略
Deep Q-network based battery energy storage system control strategy with charging/discharging times considered
Jun Cai · Maowen Fua · Ying Yana · Zhong Chenb 等5人 · Applied Energy · 2025年1月 · Vol.398
摘要 电池储能系统（BESS）在维持用户侧电力供需平衡中发挥着关键作用。本文提出了一种基于深度Q网络（DQN）算法的BESS能量管理系统（EMS），该系统充分考虑了电池的充放电次数限制。首先，建立了EMS的数学模型；随后，将EMS的最优决策过程建模为马尔可夫决策过程（MDP），并在此基础上设计了相应的MDP公式与DQN算法，以根据负荷情况制定合理的充放电调度计划。最后，基于中国贵州省遵义市某线路的实际负荷数据开展了实验研究。测试结果表明，本研究所提出的优化方法可将电网功率波动的最大方差降低至原始...
解读: 该DQN深度强化学习储能控制策略对阳光电源ST系列PCS及PowerTitan储能系统具有重要应用价值。通过MDP建模优化充放电决策,可将电网波动方差降至49%,充放电次数减少50-67%,显著延缓电池老化。该算法可集成至iSolarCloud平台,结合阳光电源三电平拓扑和GFM控制技术,提升用户侧...
基于深度时空相关性挖掘的风电场群短期功率预测方法
Short-term power prediction method of wind farm cluster based on deep spatiotemporal correlation mining
Da Wang · Mao Yang · Wei Zhang · Chenglian Ma 等5人 · Applied Energy · 2025年1月 · Vol.380
摘要 本文提出了一种基于时空相关性挖掘的风电场群短期功率预测方法。首先，建立了一种考虑风速和风向的空间相关性量化指标。基于该指标，构建了包含虚拟节点的图结构以表征风电场之间的空间关联关系，其中虚拟节点为输入数据增添了额外的有效信息。随后，采用图注意力网络提取风电场群的空间特征，并构建双向循环残差网络以提取时间特征，同时引入多任务学习算法优化网络输出。最后，提出了一种针对虚假预测分量的评价指标，用于评估由正负误差累积所导致的预测偏差，为发电计划的制定提供了参考依据。利用中国21个风电场群的实际数据...
解读: 该风电集群时空关联预测技术对阳光电源储能系统具有重要应用价值。通过图注意力网络挖掘风电场空间关联和双向循环网络提取时序特征,可显著提升ST系列PCS的功率预测精度至89.69%,优化PowerTitan储能系统的充放电策略。虚拟节点增强的图结构建模方法可集成至iSolarCloud平台,实现风储协同...