找到 3 条结果
实时市场中便携式储能运行的预测-处方框架
A Predictive-Prescriptive Framework for Portable Energy Storage Operation in Real-Time Market
Xinjiang Chen · Xiupeng Chen · Feng Gao · IEEE Transactions on Industry Applications · 2024年5月
便携式储能系统（PESS）是一种具有灵活部署方案的、前景广阔的储能商业模式。它有潜力塑造一个低碳且可持续的能源与交通系统。然而，在能量套利应用中，已证明使用由已知日前市场价格确定的PESS方案参与实时市场会导致显著的收益偏差。为解决上述问题，我们开发了一个用于PESS在实时市场运行的预测 - 规定性框架，该框架结合了实时市场价格预测和PESS的库存路径规划。对于实时市场价格预测，我们提出了一种基于NuralProphet和极端梯度提升（XGBoost）的误差校正混合预测模型。关于PESS的库存路...
解读: 从阳光电源储能系统业务视角来看，该论文提出的便携式储能系统（PESS）预测-决策框架具有重要的战略参考价值。这一技术方案针对移动储能在实时电力市场中的套利优化问题，通过融合NeuralProphet和XGBoost的混合预测模型，将收益偏差降至4.4%，显著提升了储能资产的经济性评估精度。 对于阳...
集成多层感知器和支持向量回归增强锂离子电池健康状态估计
Integrating Multilayer Perceptron and Support Vector Regression for Enhanced State of Health Estimation in Lithium-Ion Batteries
Sadiqa Jafari · Jisoo Kim · Wonil Choi · Yung-Cheol Byun · IEEE Access · 2025年1月
准确评估电池健康状态SOH对保证电动汽车EV安全可靠运行至关重要。本文提出新策略解决传统SOH测量方法中复杂预处理和大量数据需求的困难。利用先进机器学习算法提出全面SOH预测方法。方法包括细致数据准备,分析电压、电流和温度等关键运行因素。利用超参数优化微调的支持向量回归SVR和多层感知器MLP模型。使用均方根误差RMSE、均方误差MSE和R平方评估模型。为提高预测准确性,使用随机森林RF元模型将这些模型组合成堆叠集成,R²达0.987,MAE为0.02559,MSE为0.0013,RMSE为0....
解读: 该SOH估计技术对阳光电源电池管理系统BMS产品线有重要应用价值。阳光车载OBC和储能BMS需要高精度SOH估计来优化电池使用和延长寿命。SVR和MLP集成模型可集成到阳光BMS算法中,提高SOH估计准确性。超参数优化方法对阳光机器学习算法开发有借鉴意义。该研究验证的高R²值和低误差率,证明集成学习...
基于开源低成本天空成像仪和混合深度学习技术的超短期太阳辐照度预测
Very short-term solar irradiance forecasting based on open-source low-cost sky imager and hybrid deep-learning techniques
Martin Ansong · Gan Huang · Thomas N.Nyang’on · Robinson J.Musembi 等5人 · Solar Energy · 2025年1月 · Vol.294
摘要 太阳辐照度（SI）预测对于光伏（PV）系统的可靠运行至关重要。这一点在非洲等地区尤为突出，因为这些地区的许多SI预测方法依赖于稀缺的历史数据，而电力网络本身存在的不稳定性又因SI的波动性而进一步加剧。准确的太阳能预测对于改善电网管理至关重要，可帮助运营商平衡供需关系并提升系统稳定性。基于地面的天空成像技术是一种有前景的SI预测方法，无需依赖大量历史数据。然而，商用天空成像仪价格昂贵且灵活性有限。本文介绍了卡尔斯鲁厄低本钱全天候成像仪（KALiSI），该设备由市售组件构成，能够拍摄高分辨率图...
解读: 该低成本天空成像超短期光伏预测技术对阳光电源SG系列逆变器和ST储能系统具有重要应用价值。15分钟前瞻预测可优化MPPT算法响应速度,提升逆变器在云层遮挡等突变工况下的功率跟踪精度。结合iSolarCloud平台,CNN-LSTM预测模型可为PowerTitan储能系统提供精准充放电调度依据,降低电...