找到 4 条结果
考虑电动汽车聚合商与液流电池参与的时滞负荷频率控制扰动抑制能力评估
Disturbance Suppression Ability Evaluation for Delayed Load Frequency Control Participated With EV Aggregators and Redox Flow Batteries
Hong-Zhang Wang · Xing-Chen Shangguan · Chuan-Ke Zhang · Chen-Guang Wei 等6人 · IEEE Transactions on Industrial Informatics · 2025年7月
用于负荷频率控制（LFC）的辅助调频服务（AFRS）中的储能源响应时间快，能有效平滑风电输出。本文在考虑电动汽车（EV）聚合商和基于液流电池（RFB）的辅助调频服务参与的情况下，评估了具有时滞的负荷频率控制的扰动抑制能力。首先，构建了包含电动汽车聚合商和液流电池参与的含风电时滞负荷频率控制模型。提出了一种评估时滞负荷频率控制扰动抑制能力的准则，与现有方法相比，该准则纳入了更多系统信息，降低了保守性。最后，案例研究表明，引入液流电池提高了负荷频率控制的扰动抑制能力和时滞容忍能力。仿真和实验测试表明...
解读: 从阳光电源的业务视角来看，这项关于延迟负荷频率控制（LFC）中扰动抑制能力的研究具有重要的战略参考价值。论文聚焦于电动汽车聚合器和液流电池参与辅助调频服务，这与我司在储能系统和新能源解决方案领域的核心业务高度契合。 该研究的核心价值在于解决了风电等新能源接入电网时的频率稳定性问题。当前我司的光储一...
基于集总质量模型的柱状锂离子电池荷电状态与核心温度估计
Lumped-Mass Model-Based State of Charge and Core Temperature Estimation for Cylindrical Li-Ion Batteries Considering Reversible Entropy Heat
Jiale Xie · Xiaobing Chang · Guang Wang · Zhongbao Wei 等5人 · IEEE Transactions on Industrial Electronics · 2024年10月
准确估算电池的荷电状态（SoC）和核心温度（CoT）对于制定高效的能量管理和热管理策略至关重要。本文聚焦圆柱形锂离子电池，构建了一个等效电路模型和一个双状态热模型；然后利用包含温度、热量和荷电状态的桥梁变量，将这两个不同物理性质的集总参数模型进行闭环处理。值得注意的是，除了传统的欧姆效应不可逆生热之外，通常被忽略的可逆熵热也被建模并通过实验进行了校准。随后，采用变遗忘因子最小二乘法自适应地识别电模型和热模型的参数。最后，利用一种计算效率高且能处理非线性问题的算法，即基于奇异值分解的卡尔曼滤波器，...
解读: 从阳光电源储能系统业务视角来看，这项针对圆柱形锂离子电池的SoC和核心温度联合估计技术具有重要应用价值。该技术通过构建电-热耦合集总参数模型，特别是将通常被忽略的可逆熵热纳入建模范畴，显著提升了电池状态估计的精度，这对我们的储能系统安全性和能量管理效率至关重要。 该技术的核心优势在于其工程实用性。...
基于物理的锂离子电池电化学模型参数辨识及其双种群优化方法
Physics-based parameter identification of an electrochemical model for lithium-ion batteries with two-population optimization method
Aina Tian · Kailang Dong · Xiao-Guang Yang · Yuqin Wang 等7人 · Applied Energy · 2025年1月 · Vol.378
摘要 伪二维（P2D）模型因其基于物理原理的高精度，在电池管理系统中展现出日益广阔的应用前景。然而，由于难以准确辨识多个参数，且常出现求解不收敛的问题，限制了其实际应用效果。传统的数据驱动型P2D模型参数辨识方法虽然先进，但通常需要大量数据，且缺乏必要的物理机理洞察，容易导致过拟合。为应对上述挑战，本研究首先开展参数敏感性分析，以确定各类参数辨识的最佳条件；进而提出一种双种群多目标优化算法，高效地筛选出非劣解参数集。该算法的独特之处在于引入非收敛种群，以增强狼群种群的更新过程，从而提升参数辨识的...
解读: 该P2D模型参数辨识技术对阳光电源储能系统具有重要价值。通过双种群优化算法精确识别23个电池参数,可显著提升ST系列PCS和PowerTitan储能系统的BMS精度,动态工况下电压预测误差控制在9mV以内。该物理驱动方法可增强iSolarCloud平台的电池健康状态评估和预测性维护能力,避免纯数据驱...
MFFDM-WLS：一种基于多粒度特征的时序分层风速时间序列一致性预测方法
MFFDM-WLS: A multi-granularity feature-based coherent forecasting method for temporal hierarchical wind speed time series
Yun Wang · Xiaocong Duana · Fan Zhang · Guang Wua 等7人 · Applied Energy · 2025年1月 · Vol.400
摘要 风能因其清洁和可持续的特性，已成为全球能源系统的重要组成部分。然而，风速的间歇性和波动性给风电出力带来了显著的不确定性，对电网并网造成了挑战。此外，与单一粒度预测相比，多粒度风速预测能够提供更丰富的信息，更有利于风电场的运行与规划。因此，为进一步提高风速预测的准确性与可靠性，并获得满足分层一致性的多粒度预测结果，本文提出了一种针对时序分层风速时间序列的基于多粒度特征的一致性预测方法MFFDM-WLS。首先，提出一种基于多粒度特征融合的深度模型（MFFDM），用于生成基础预测值。MFFDM采...
解读: 该多粒度风速预测技术对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过时间层级一致性预测,可优化iSolarCloud平台的预测性维护算法,提升风储协同控制精度。多粒度特征融合方法可应用于GFM/GFL控制策略的自适应切换决策,增强电网友好型并网能力。概率预测结果可为E...