-
题名基于改进概率神经网络的储能电池荷电状态估计
- 1
-
-
作者
翟苏巍
李文云
周成
汪成
侯世玺
-
机构
中国南方电网云南电网有限责任公司电力科学研究院
中国南方电网云南电力调度控制中心
河海大学人工智能与自动化学院
-
出处
《智慧电力》
北大核心
2024年第2期94-100,共7页
-
基金
国家自然科学基金资助项目(62103132)
中国南方电网云南电网有限责任公司科技项目(YNKJXM20220048 )。
-
文摘
锂离子电池荷电状态(SOC)估计技术是储能电站电池管理系统重要组成部分。为了实现对SOC的准确估算,提出一种改进概率神经网络(MPNN)用于储能电池荷电状态估计。相较于传统神经网络,结合概率函数和补偿机制的MPNN,不仅可避免陷入局部最优,而且具有更优秀的拟合能力,可进一步提高SOC估计精度。仿真实验表明,所提MPNN方法的SOC估计值平均绝对误差和均方误差均低于1%,获得了满意的性能。
-
关键词
储能电站
锂离子电池
荷电状态
神经网络
数据驱动
-
Keywords
energy storage station
Li-ion batteries
state of charge
neural network
data-driven
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
-
题名基于深度强化学习的风储合作决策方法
- 2
-
-
作者
翟苏巍
李文云
邱振宇
张新怡
侯世玺
-
机构
中国南方电网云南电网有限责任公司电力科学研究院
中国南方电网云南电力调度控制中心
河海大学物联网工程学院
-
出处
《智慧电力》
北大核心
2023年第9期60-65,共6页
-
基金
国家自然科学基金资助项目(62103132)
中国南方电网云南电网有限责任公司科技项目(YNKJXM20220048)。
-
文摘
目前,风电场配置储能是提高风电经济性较为有效的手段。针对最大化风储合作收益问题,提出一种基于深度强化学习的风储合作决策方法。首先,综合考虑风电、储能系统、外部电网以及需求侧柔性负荷,构建一种新型风储合作系统;然后,针对传统深度强化学习方法易陷入过估计问题,提出改进双竞争深度Q网络(D3QN),并进一步设计基于D3QN的风储合作决策算法;最后,结合实际数据对算法进行仿真验证,结果表明相比传统深度强化学习策略,所提方法能更好协调风电和储能运行,提高风储合作系统的运行收益。
-
关键词
风电
储能系统
强化学习
深度神经网络
-
Keywords
wind energy
energy storage system
reinforcement learning
deep neural networks
-
分类号
TM732
[电气工程—电力系统及自动化]
-