找到 2 条结果 · Energy Conversion and Management
基于多策略α进化优化的质子交换膜燃料电池约束参数估计
Multi-strategy alpha evolution optimization for constrained parameter estimation in Proton Exchange Membrane Fuel Cells
Salih Berkan Aydemir · Funda Kutlu Onaya · KorhanÖkten · Energy Conversion and Management · 2025年1月 · Vol.339
质子交换膜燃料电池（PEMFCs）是当前广泛应用于氢能源发电和储能系统中的装置。PEMFC参数估计对于优化燃料电池性能、降低成本以及确保系统可靠性至关重要。精确的参数估计有助于提升建模与仿真的准确性，并减少对昂贵且耗时实验的依赖。本研究聚焦于一种多策略α进化算法（MSAE），旨在提高PEMFC中参数估计的精度。MSAE在传统α进化算法的基础上进行了多项改进，例如采用Halton序列生成初始种群，并引入适应度-距离平衡技术以选择更优的候选解。为评估MSAE的一致性与可靠性，本文在三种不同情形下将其...
解读: 该PEMFC参数估计优化技术对阳光电源氢储能系统具有重要应用价值。MSAE算法的高精度参数辨识能力可应用于ST系列储能变流器与燃料电池的协同控制,通过精准建模减少实验成本,提升系统可靠性。其适应性约束优化方法可借鉴用于PowerTitan储能系统的多参数协同优化,结合iSolarCloud平台实现燃...
应对可再生能源电力系统中的鸭子曲线：一种基于iTransformer的多任务学习净负荷预测模型
Tackling the duck curve in renewable power system: A multi-task learning model with iTransformer for net-load forecasting
Jixue Pei · Nian Liu · Jiaqi Shi · Yi Ding · Energy Conversion and Management · 2025年1月 · Vol.326
摘要 可再生能源的高比例渗透导致区域负荷模式发生显著变化，形成对电力系统运行方式产生深远影响的鸭子曲线现象。为实现对鸭子曲线场景的准确预测，本文提出一种结合iTransformer与多任务学习的日前净负荷预测方法，该方法综合考虑了光伏发电、风力发电和有功负荷等多种独立资源分量。首先，通过组合特征选择方法识别各单项预测任务的主导特征；随后，采用iTransformer作为主干网络构建具有强大学习时间依赖能力的预测模型；此外，将iTransformer与多任务学习相结合，以提取外部因素、各单项功率与...
解读: 该鸭子曲线净负荷预测技术对阳光电源储能系统具有重要应用价值。通过iTransformer多任务学习模型精准预测光伏、风电及负荷波动,可优化ST系列PCS的充放电策略,提升PowerTitan储能系统在高比例新能源场景下的调度效率。该方法识别的周期性和波动性特征可集成至iSolarCloud平台,实现...