找到 2 条结果
基于数据驱动与机理模型的锂离子电池健康状态估计与拐点识别
State-of-health estimation and knee point identification of lithium-ion battery based on data-driven and mechanism model
Yulong Ni · Kai Song · Lei Pei · Xiaoyu Li 等8人 · Applied Energy · 2025年1月 · Vol.385
准确的健康状态（SOH）估计与拐点识别对于优化电池性能及生命周期管理至关重要。本文提出了一种结合改进的基于牛顿-拉夫逊优化算法优化支持向量回归与自适应提升算法（INRBO-SVR-AdaBoost）的SOH估计方法，以及一种基于最大垂直距离法并考虑失效阈值的拐点识别方法。首先，引入三项改进以增强标准NRBO算法的全局搜索能力与收敛速度，从而使SVR方法能够获得最优参数；随后，采用AdaBoost算法对INRBO-SVR方法进行集成，进一步提高SOH估计精度。实验结果表明，INRBO-SVR-Ad...
解读: 该锂电池SOH估计与拐点识别技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要价值。INRBO-SVR-AdaBoost算法可集成至iSolarCloud平台,实现储能系统电池健康状态精准预测(误差<0.89%),优化BMS管理策略。拐点识别方法可指导ESS全生命周期管理,精确判定电...
通过液态空气储能实现英国2050年净零碳能源系统
Achieving a net-zero-carbon energy system in the UK by 2050 with liquid air energy storage
Ting Liang · Yongliang Li · Binjian Ni · Abdalqader Ahm 等5人 · Energy Conversion and Management · 2025年1月 · Vol.327
摘要 不同的储能技术可为大规模整合间歇性和波动性可再生能源提供有前景的解决方案，其中液态空气储能（LAES）具有多项关键优势，包括高可扩展性、无地理限制以及提供多能矢量服务的能力。本研究旨在评估英国到2050年实现成本有效的净零碳能源转型路径。为此，开发了一种基于多区域混合整数线性规划的新型能源扩展框架，以突出LAES及其他储能技术在能源系统中的关键作用，并用于能源系统的最优设计与运行。通过情景分析和敏感性分析，揭示了不同路径的技术经济性能及四个关键结果。首先，研究表明，到2050年在英国实现净...
解读: 该研究验证了长时储能在高比例可再生能源系统中的关键作用,对阳光电源PowerTitan等大型储能系统具有重要参考价值。研究表明最优储能配置比例为可再生能源容量的16-25%,充电8-10小时、放电12-15小时的长时储能更适配风电主导场景,这为ST系列PCS的功率时长配置提供了量化依据。10-12%...