期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于哈里斯鹰优化算法的光伏储能容量配置优化
被引量：
2
1
作者
丁伟
苏新凯
+2 位作者
廖圣瑄
唐起超
杨继盛
《电子设计工程》
2024年第1期96-101,共6页
在双碳目标下,高比例的光伏等新能源接入对电网造成了冲击。针对此问题,从电站侧出发,基于最低的光伏功率平均波动率和储能系统成本这两个优化目标,提出了一种基于哈里斯鹰优化算法的储能容量配置优化模型,通过聚类算法将天气类型分为...
在双碳目标下,高比例的光伏等新能源接入对电网造成了冲击。针对此问题,从电站侧出发,基于最低的光伏功率平均波动率和储能系统成本这两个优化目标,提出了一种基于哈里斯鹰优化算法的储能容量配置优化模型,通过聚类算法将天气类型分为四种并分别进行优化。结合算例分析,所提出的模型对储能配置问题在雨雪等较差的工况可将日均波动率从54.61%降低至13.60%,晴天等较好的工况日均波动率可下降约5%。通过双层优化,确定出最终储能配置方案为2.5 MW/4.59 MW·h,结合全年数据进行优化验证,此方案下全年平均波动率从19.41%下降至11.33%,全周期成本814.75万元。
展开更多
关键词
光储系统
容量配置
哈里斯鹰优化算法
优化
在线阅读
下载PDF
职称材料
基于BiLSTM-MhSa-ResNet的储能电站SOC预测
被引量：
2
2
作者
廖圣瑄
李林
+3 位作者
丁伟
唐起超
唐志军
杨继盛
《电子设计工程》
2023年第22期78-82,共5页
储能电站荷电状态(SOC)评估对储能电站安全稳定运行起到重要作用。针对当前传统神经网络预测精度不足的问题,提出一种双向长短期记忆多头残差网络(BiLSTM-MhSa-ResNet)进行SOC预测。该模型使用多头自注意力机制提高了特征值的获取能力,...
储能电站荷电状态(SOC)评估对储能电站安全稳定运行起到重要作用。针对当前传统神经网络预测精度不足的问题,提出一种双向长短期记忆多头残差网络(BiLSTM-MhSa-ResNet)进行SOC预测。该模型使用多头自注意力机制提高了特征值的获取能力,通过残差神经网络解决了梯度异常问题,应用双向长短期记忆网络捕获了长期依赖关系,从而提高了预测能力。实验结果表明,采用BiLSTM-MhSa-ResNet进行充电SOC预测时,平均绝对误差为1.02%,均方根误差为1.31%,决定系数为0.998,提高了SOC预测的准确性。进行放电SOC预测实验时,该模型也具有较好的训练效果。
展开更多
关键词
荷电状态
深度学习
锂电池
神经网络
储能电站
在线阅读
下载PDF
职称材料
题名
基于哈里斯鹰优化算法的光伏储能容量配置优化
被引量：
2
1
作者
丁伟
苏新凯
廖圣瑄
唐起超
杨继盛
机构
龙源
(北京)风电工程设计咨询
有限公司
国家
能源
集团
新
能源
技术研究院
有限公司
龙源
(
青海
)
新
能源开发
有限公司
出处
《电子设计工程》
2024年第1期96-101,共6页
基金
龙源电力集团股份有限公司科技创新项目(GJNY-20-15)
国家能源集团科技创新项目(2020E1ES00100)。
文摘
在双碳目标下,高比例的光伏等新能源接入对电网造成了冲击。针对此问题,从电站侧出发,基于最低的光伏功率平均波动率和储能系统成本这两个优化目标,提出了一种基于哈里斯鹰优化算法的储能容量配置优化模型,通过聚类算法将天气类型分为四种并分别进行优化。结合算例分析,所提出的模型对储能配置问题在雨雪等较差的工况可将日均波动率从54.61%降低至13.60%,晴天等较好的工况日均波动率可下降约5%。通过双层优化,确定出最终储能配置方案为2.5 MW/4.59 MW·h,结合全年数据进行优化验证,此方案下全年平均波动率从19.41%下降至11.33%,全周期成本814.75万元。
关键词
光储系统
容量配置
哈里斯鹰优化算法
优化
Keywords
photovoltaic and energy storage system
allocation of energy storage
Harris Hawk Optim⁃ization algorithm
optimization
分类号
TK51 [动力工程及工程热物理—热能工程]
在线阅读
下载PDF
职称材料
题名
基于BiLSTM-MhSa-ResNet的储能电站SOC预测
被引量：
2
2
作者
廖圣瑄
李林
丁伟
唐起超
唐志军
杨继盛
机构
龙源
(北京)风电工程设计咨询
有限公司
电子科技大学
龙源
(
青海
)
新
能源开发
有限公司
出处
《电子设计工程》
2023年第22期78-82,共5页
基金
龙源电力集团股份有限公司科技创新项目(GJNY-20-15)。
文摘
储能电站荷电状态(SOC)评估对储能电站安全稳定运行起到重要作用。针对当前传统神经网络预测精度不足的问题,提出一种双向长短期记忆多头残差网络(BiLSTM-MhSa-ResNet)进行SOC预测。该模型使用多头自注意力机制提高了特征值的获取能力,通过残差神经网络解决了梯度异常问题,应用双向长短期记忆网络捕获了长期依赖关系,从而提高了预测能力。实验结果表明,采用BiLSTM-MhSa-ResNet进行充电SOC预测时,平均绝对误差为1.02%,均方根误差为1.31%,决定系数为0.998,提高了SOC预测的准确性。进行放电SOC预测实验时,该模型也具有较好的训练效果。
关键词
荷电状态
深度学习
锂电池
神经网络
储能电站
Keywords
SOC
deep learning
lithium battery
neural network
energy storage power station
分类号
TM912 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于哈里斯鹰优化算法的光伏储能容量配置优化
丁伟
苏新凯
廖圣瑄
唐起超
杨继盛
《电子设计工程》
2024
2
在线阅读
下载PDF
职称材料
2
基于BiLSTM-MhSa-ResNet的储能电站SOC预测
廖圣瑄
李林
丁伟
唐起超
唐志军
杨继盛
《电子设计工程》
2023
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
