一种储能电站站内电池单体寿命预测方法及系统

    公开(公告)号:CN111880099B

    公开(公告)日:2023-03-24

    申请号:CN202010621694.6

    申请日:2020-06-30

    摘要: 本发明公开了一种储能电站站内电池单体循环寿命预测方法及系统。本发明预测方法采用的技术方案为:采集多个电池容量循环退化的历史测试数据,提取反映电池退化信息的初步特征,通过弹性网络对初步特征进行筛选,提取对电池循环寿命预测结果影响的敏感程度高的二次特征作为最终训练特征,以防止训练的过拟合,接着利用筛选出的二次特征对神经网络模型进行训练,最终求出神经网络模型的最优权值矩阵,并利用训练完毕的神经网络模型对电池未来寿命进行预测。本发明可以无视电池的具体类型,直接利用其运行数据进行预测,而不用考虑电池内部的具体结构和构造,与电池模型预测方法相比,具有更好的普适性和简洁性。

    一种基于深度强化学习的配电网制氢系统容量配置方法

    公开(公告)号:CN117372104A

    公开(公告)日:2024-01-09

    申请号:CN202311065870.2

    申请日:2023-08-23

    摘要: 本发明提供了一种基于深度强化学习的配电网制氢系统容量配置方法。该方法先调研分析区域配电网建设地点附近的情况及安装要求等;再以制氢系统全生命周期综合成本最低为上层目标函数,以配电网制氢收益最佳及网损最低为下层运行目标函数,结合配电网、制氢系统的经济安全运行要求建立综合约束集合构成双层优化模型;应用强化学习理论将下层运行模型描述为马尔可夫博弈过程,结合粒子群搜索算法与多智能体柔性行动器‑评判器强化学习算法联合求解上下层配置‑运行模型;本发明的配置方法能够有效的缓解可再生能源带来的局部过电压问题,符合低碳环保的要求并有一定的经济可行性,同时相较于现有的容量配置方法,本发明具有更快的优化求解速度。

    一种储能电站站内电池单体寿命预测方法及系统

    公开(公告)号:CN111880099A

    公开(公告)日:2020-11-03

    申请号:CN202010621694.6

    申请日:2020-06-30

    摘要: 本发明公开了一种储能电站站内电池单体循环寿命预测方法及系统。本发明预测方法采用的技术方案为:采集多个电池容量循环退化的历史测试数据,提取反映电池退化信息的初步特征,通过弹性网络对初步特征进行筛选,提取对电池循环寿命预测结果影响的敏感程度高的二次特征作为最终训练特征,以防止训练的过拟合,接着利用筛选出的二次特征对神经网络模型进行训练,最终求出神经网络模型的最优权值矩阵,并利用训练完毕的神经网络模型对电池未来寿命进行预测。本发明可以无视电池的具体类型,直接利用其运行数据进行预测,而不用考虑电池内部的具体结构和构造,与电池模型预测方法相比,具有更好的普适性和简洁性。