找到 2 条结果
考虑风电消纳的城市铁路系统碳效率优化时刻表
Carbon-efficient timetable optimization for urban railway systems considering wind power consumption
Chaoxian Wu · Washington Ochieng · Kuang-Chang Pien · Wen-Long Shang · Applied Energy · 2025年1月 · Vol.388
摘要 随着城市铁路系统在全球范围内的广泛应用，过去几十年来其能源消耗持续显著增长，由于电力主要来自传统（化石燃料）发电厂，导致了大量间接碳排放。近年来，可再生能源发电（如风能和光伏发电）在电力系统中的渗透率逐步提高，然而受自然气象条件影响所带来的间歇性特征给其有效利用带来了困难。本文聚焦于与含风电发电的电力系统相耦合的城市铁路系统，提出一种优化模型以寻找能够最小化其运营过程中碳排放的最优运行时刻表。研究以兰州地铁1号线为案例进行分析，结果表明，所提出的方法能够确定最优时刻表，使每日碳排放量减少2...
解读: 该研究将风电消纳与城轨系统碳减排结合,对阳光电源储能及充电业务具有重要启示。ST系列储能变流器可作为风电-轨道交通耦合的关键枢纽,通过PowerTitan系统实现风电时移调度,配合iSolarCloud平台的预测性调度算法,优化列车时刻表与风电出力的匹配度。该思路可延伸至光储充一体化场站:利用GFM...
基于深度强化学习的氢燃料电池列车能量与热管理协同优化策略
Collaborative optimization strategy of hydrogen fuel cell train energy and thermal management system based on deep reinforcement learning
Kangrui Jiang · Zhongbei Tian · Tao Wen · Kejian Song 等6人 · Applied Energy · 2025年1月 · Vol.393
摘要 轨道交通脱碳已成为轨道交通行业未来发展的主要方向。氢燃料电池（HFC）列车因其零碳排放和较低的改造成本，成为具有竞争力的潜在解决方案。然而，由于氢气在储存、运输和利用方面面临的挑战，其成本较高，仍是制约HFC列车商业化的主要因素。温度对HFC的能量转换效率和寿命具有显著影响，其热管理要求比内燃机更为严格。现有的HFC列车能量管理系统（EMS）通常忽略了HFC温度变化对能量转换效率的影响，难以根据环境动态条件实现能量与热管理的实时平衡控制。为解决这一问题，本文提出一种基于深度强化学习（DRL...
解读: 该深度强化学习能量-热管理协同优化技术对阳光电源氢能及储能系统具有重要借鉴价值。其MDP建模与双深度Q学习算法可应用于ST系列PCS的多能源协调控制,实现电池SOC动态平衡与温控优化。该方法在充电站EV Solutions中可优化充电功率分配,降低设备热应力;在PowerTitan储能系统中可提升变...