找到 2 条结果 · Applied Energy
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12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...
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...