-
公开(公告)号：CN117829881A
公开(公告)日：2024-04-05
申请号：CN202410094451.X
申请日：2024-01-23
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: G06Q30/0201 , G06Q50/06 , B60L53/80
Abstract: 本发明涉及换电站的充放电与换电优化方法及存储介质和终端设备，首先构建换电站净收益与各项参数的决策模型，并基于模型确定各参数的约数条件和目标函数，确定最优化问题，进而根据当前既定参数求解确定放电量、充电量和换电量等控制量的最优解。以确定当前时刻，换电站是否与电网充放电、具体充放电为多少；哪个换电站的哪个电池，是否与待换电设备换电，具体换电多少，为换电站的运营提供决策，使得换电站净收益最大，提高该换电站的能源利用率和整体收益；优选的考虑电池老化成本、引入区块链技术等，以进一步提高优化效果和效率。
-
公开(公告)号：CN118131045B
公开(公告)日：2024-11-12
申请号：CN202410089917.7
申请日：2024-01-22
Applicant: 北京大学
IPC: G01R31/367 , G01R31/392 , G06N3/0499 , G06N3/09 , G06N3/092
Abstract: 本发明涉及数据处理技术领域，公开了一种基于多孔电极老化模型的移动储能在线决策方法及装置，该方法包括：获取电池初始健康状态；基于电池初始健康状态和预先训练好的基于深度强化学习的移动储能在线决策模型确定第一时刻的初始状态参数；基于初始状态参数和上述决策模型确定在第一时刻的动作参数；若工作状态为充电状态，基于第一时刻对应的功率、初始状态参数以及预先训练好的多层感知机的移动储能老化评估模型，确定第二时刻时下一站点位置的移动储能的电池老化量，并基于上述决策模型更新初始状态参数，得到第一目标状态参数；若工作状态为放电状态或保持状态，利用上述决策模型更新初始状态参数，得到第二目标状态参数。
-
公开(公告)号：CN114725971A
公开(公告)日：2022-07-08
申请号：CN202210650713.7
申请日：2022-06-10
Applicant: 北京大学
Abstract: 本发明提供一种基于混合储能系统的运行决策方法及系统，该方法包括：首先建立以最大化运营收益的目标函数，以及多种储能方式约束的约束条件；再基于所述目标函数及所述约束条件构建混合储能系统的时空决策模型；最后利用所述时空决策模型对混合储能系统的运行进行决策。通过本发明提供的基于混合储能系统的运行决策方法及系统，能够增加混合储能系统在电池储能运行过程中的灵活性，提高了电池储能的效率，并提高了运营收益。
-
公开(公告)号：CN118131045A
公开(公告)日：2024-06-04
申请号：CN202410089917.7
申请日：2024-01-22
Applicant: 北京大学
IPC: G01R31/367 , G01R31/392 , G06N3/0499 , G06N3/09 , G06N3/092
Abstract: 本发明涉及数据处理技术领域，公开了一种基于多孔电极老化模型的移动储能在线决策方法及装置，该方法包括：获取电池初始健康状态；基于电池初始健康状态和预先训练好的基于深度强化学习的移动储能在线决策模型确定第一时刻的初始状态参数；基于初始状态参数和上述决策模型确定在第一时刻的动作参数；若工作状态为充电状态，基于第一时刻对应的功率、初始状态参数以及预先训练好的多层感知机的移动储能老化评估模型，确定第二时刻时下一站点位置的移动储能的电池老化量，并基于上述决策模型更新初始状态参数，得到第一目标状态参数；若工作状态为放电状态或保持状态，利用上述决策模型更新初始状态参数，得到第二目标状态参数。
-
公开(公告)号：CN117833284A
公开(公告)日：2024-04-05
申请号：CN202311550944.1
申请日：2023-11-20
Applicant: 北京大学
IPC: H02J3/28 , F01D15/10 , F04B37/12 , H02J15/00 , H02J3/38 , G06F30/18 , G06F30/28 , G06Q50/06 , G06F111/04 , G06F113/08 , G06F119/08 , G06F119/14 , G06F113/04
Abstract: 本发明提出一种计及碳储能并网控制的配电网韧性增强方法，包括，基于热力学分析构建碳储能模型；对碳储能模型进行线性拟合；以使碳储能的收益最大化为目标，对线性拟合后的碳储能模型设置输入参数和变量，描述优化目标和约束条件。本发明提出的方法，以碳储能电站运行收益最大化为目标，由峰谷电价引导，形成削峰填谷的机制。考虑碳储能电站运维成本与储备服务收益，根据模型优化求解结果，得到储能电站基于不同峰谷场景的最优运行策略。
-
Patent Agency Ranking
公开(公告)号：CN115392143B
公开(公告)日：2023-03-24
申请号：CN202211343226.2
申请日：2022-10-31
Applicant: 北京大学
Abstract: 本发明公布了一种基于深度强化学习的移动储能充放电时空规划方法，对于移动储能系统，建立用于充放电选择、充放电地点确定、充放电功率决策的离散连续混合动作空间和移动储能系统状态空间；基于值网络和策略网络深度神经网络构建移动储能充放电时空规划网络模型；通过深度强化学习和受限马尔科夫过程的建模，训练包含四个神经网络的两级决策网络，对移动式储能系统的充放电决策、充放电功率、充放电地点路径进行学习，从而对移动储能系统优化配置进行在线决策，由此实现基于深度强化学习的移动储能充放电时空规划。本发明简化了移动储能系统充放电时空优化的建模步骤，加快移动储能配置优化决策速度，提高了经济收益。
-
公开(公告)号：CN115545588A
公开(公告)日：2022-12-30
申请号：CN202211553193.4
申请日：2022-12-06
Applicant: 北京大学
Abstract: 本申请提供了一种固定储能系统选址确定方法、装置、电子设备及存储介质，其中，该方法包括：获取混合储能系统的时空数据，其中，混合储能系统包含固定储能系统；通过预设算法和时空数据，得到混合储能系统在每个电池网络节点下对应的短期成本效益；根据短期成本效益，确定混合储能系统在每个电池网络节点下对应的全生命周期成本效益；确定全生命周期成本效益中数值最大的目标电池网络节点，并将目标电池网络节点对应的地址作为固定储能系统的目标选址。通过本申请，解决了相关技术中存在所需的时间开销过大，不适用全生命周期时间尺度下固定储能系统的选址规划和决策的问题。
-
公开(公告)号：CN115392143A
公开(公告)日：2022-11-25
申请号：CN202211343226.2
申请日：2022-10-31
Applicant: 北京大学
Abstract: 本发明公布了一种基于深度强化学习的移动储能充放电时空规划方法，对于移动储能系统，建立用于充放电选择、充放电地点确定、充放电功率决策的离散连续混合动作空间和移动储能系统状态空间；基于值网络和策略网络深度神经网络构建移动储能充放电时空规划网络模型；通过深度强化学习和受限马尔科夫过程的建模，训练包含四个神经网络的两级决策网络，对移动式储能系统的充放电决策、充放电功率、充放电地点路径进行学习，从而对移动储能系统优化配置进行在线决策，由此实现基于深度强化学习的移动储能充放电时空规划。本发明简化了移动储能系统充放电时空优化的建模步骤，加快移动储能配置优化决策速度，提高了经济收益。
-
公开(公告)号：CN114725971B
公开(公告)日：2022-09-06
申请号：CN202210650713.7
申请日：2022-06-10
Applicant: 北京大学
Abstract: 本发明提供一种基于混合储能系统的运行决策方法及系统，该方法包括：首先建立以最大化运营收益的目标函数，以及多种储能方式约束的约束条件；再基于所述目标函数及所述约束条件构建混合储能系统的时空决策模型；最后利用所述时空决策模型对混合储能系统的运行进行决策。通过本发明提供的基于混合储能系统的运行决策方法及系统，能够增加混合储能系统在电池储能运行过程中的灵活性，提高了电池储能的效率，并提高了运营收益。
-
公开(公告)号：CN115456489B
公开(公告)日：2023-02-14
申请号：CN202211409098.7
申请日：2022-11-11
Applicant: 北京大学
IPC: G06Q10/0631 , G06Q50/06
Abstract: 本申请提供了一种混合储能系统库存路径规划方法、装置及电子设备，其中，该方法包括：建立混合储能系统的时空网络图；破坏时空网络图，得到破坏后的时空路径集合和被删除的时空路径集合；修复被删除的时空路径集合，得到修复后的时空路径集合；合并破坏后的时空路径集合和修复后的时空路径集合，得到目标时空网络图；将目标时空网络图输入时空网络模型，得到混合储能系统的库存路径规划方案。通过本申请，解决了相关技术中存在求解难度大、时间开销大以及难以在大规模电池网络节点、多移动储能车辆、长时间尺度下对混合储能系统进行调度规划的问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.051 seconds)
