CN107274085B - 一种双电型船舶的储能设备的优化管理方法 - Google Patents
一种双电型船舶的储能设备的优化管理方法 Download PDFInfo
- Publication number
- CN107274085B CN107274085B CN201710428329.1A CN201710428329A CN107274085B CN 107274085 B CN107274085 B CN 107274085B CN 201710428329 A CN201710428329 A CN 201710428329A CN 107274085 B CN107274085 B CN 107274085B
- Authority
- CN
- China
- Prior art keywords
- ship
- energy
- energy storage
- model
- storage equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J15/00—Systems for storing electric energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/50—Energy storage in industry with an added climate change mitigation effect
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Power Engineering (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种双电型船舶的储能设备的优化管理方法,根据目标船舶的典型工作循环得到船舶的功率及能量需求;收集各厂商磷酸铁锂电池、超级电容器、推进电机的规格参数;以船舶能效指数与储能设备价格为目标,搭建目标船舶整船的电力推进***模型;采用遗传算法进行多目标优化计算,得到最佳的储能设备选型方案;对已经选型后的储能设备建立能量需求预测模型,建立在有限时段上的滚动优化策略;建立模糊控制器,建立船舶能量管理***粒子群模糊控制器的控制规则库,利用智能群体理论,即粒子群优化方法对模糊控制器进行优化。本发明通过合理的选择各储能设备的容量以及智能的控制能量的流向,提高船舶的经济性能并延长电池的使用寿命。
Description
技术领域
本发明涉及纯电动船舶储能装置领域,具体涉及一种双电型船舶的储能设备的优化管理方法。
背景技术
近年来,各类储能装置如超级电容、蓄电池发展迅猛,性能有了大幅提升。其应用船舶已有相关案例。各类储能装置因其结构与原理的区别使其储能特性不同,如超级电容放电快,但功率密度低;磷酸铁锂电池功率密度高,但承受放电电流能力有限,根据他们特性取长补短,构成复合能量存储装置,即双电型,使其能够更好的应对船舶的功率需求,也能延长储能装置的寿命。然而需要对二者进行较好的能量管理和优化,如何合理的使用储能装置,这对最大程度发挥储能装置特性以及延长其使用寿命、减少维护都有重要作用。
发明内容
本发明要解决的技术问题是:提供一种双电型船舶的储能设备的优化管理方法,能够合理的使用储能设备,延长储能设备使用寿命。
本发明为解决上述技术问题所采取的技术方案为:一种双电型船舶的储能设备的优化管理方法,其特征在于:它包括:
步骤一:储能设备选型:
数据采集:根据目标船舶的典型工作循环得到船舶的功率及能量需求;收集各厂商磷酸铁锂电池、超级电容器、推进电机的规格参数,制成牵引表,从所述牵引表中获得目标船舶的动力设备选型;
模型建立:以船舶能效指数与储能设备价格为目标,搭建目标船舶整船的电力推进***模型;所述整船电力推进模型包括换算油耗模型、电机模型和电池能量管理模型;
计算选型:将所述的功率及能量需求导入电力推进***模型中,采用遗传算法进行多目标优化计算,得到一组帕累托最优解,对应牵引表中的实际具体设备,得到最佳的储能设备选型方案;
步骤二、能量管理:
对已经选型后的储能设备,建立能量需求预测模型,根据船舶历史的航行数据及智能交通***提供的实时信息,预测船舶下一时段的功率需求;建立在有限时段上的滚动优化策略,到下一采样时刻,根据船舶的实际功率需求,对船舶的模型的预测进行修正,然后再进行新的优化预测;
建立模糊控制器,将储能设备的荷电状态、功率需求、预测功率需求进行模糊化处理,形成输入模糊变量,然后将各个输入模糊变量传送至模糊控制器;建立船舶能量管理***粒子群模糊控制器的控制规则库,利用智能群体理论,即粒子群优化方法对模糊控制器进行优化。
按上述方法,所述的功率及能量需求是根据目前与目标船舶同类型的工作船舶长时间工作统计得出的一组与时间相关的数据。
按上述方法,所述的磷酸铁锂电池、超级电容器的规格参数包括电池容量、电池单体重量、电池单体价格和充放电曲线;所述的推进电机的规格参数包括总安装重量、效率特性曲线。
按上述方法,所述的遗传算法的计算步骤包括:
1)定义两个变量X1、X2,对这两个变量进行实数编码;
2)设置种群规模,根据约束条件产生初始种群;
3)对当代种群进行快速非支配排序和虚拟拥挤度距离的计算;其中,快速非支配排序是根据每个选型的船舶能效设计指数和储能装置总价格这两个目标函数值进行的,而虚拟拥挤度距离则是根据个体向量在变量空间中的距离信息得出的;
4)确定船舶的能效设计指数EEDI、储能设备总价格Price为计算的优化目标,其数学表达如下:
Price=Mb*n1+Ms*n2
式中:S为二氧化碳的折算系数,P为电力***的功率,f为修正系数,fi为考虑船舶因技术或规定要求而对最大设计装载工况有所限制的无量纲修正系数,Capacity为船舶总吨数;Vref为在最大设计装载工况下,由所定义的轴功率推进的情况下,在无风无浪的平静海况下的船舶航速;fw为考虑波高、浪频和风速对船舶航速的影响的无量纲系数;Mb为电池单体的价格,Ms为电容单体的价格,n1为电池单体的个数,n2为电容单体的个数;
5)进行遗传操作,包括选择、交叉和变异;设置选择概率、重组率和变异率,得到子种群;
6)进行精英保留策略,即将父代种群与子种群进行合并,并进行基于快速非支配排序和虚拟拥挤度距离的选择,继而参数下一代父代种群;迭代次数加1,返回至3),直到迭代次数达到设置的最大值为止。
按上述方法,所述的电池能量管理模型中,划分工作模式如下:
(1)当功率需求大于上阀值,目标船舶工作处于起步、急加速或高负载时,超级电容器组和磷酸铁锂电池组共同工作为电机提供能量;
(2)当功率需求在上下阀值之间,目标船舶工作处于加速状态时,超级电容器组优先大电流快速放电为推进电机提供加速能量;
(3)当功率需求小于下阀值,目标船舶工作于稳定航行状态时,磷酸铁锂电池组优先工作为推进电机提供能量。
按上述方法,所述的电池能量管理模型根据目标船舶的功率需求结合电池的荷电状态控制储能装置的放电电流。
本发明的有益效果为:从储能设备的选型和能量管理两方面入手,在保证船舶的动力性能的前提下,通过合理的选择各储能设备的容量以及智能的控制能量的流向,提高船舶的经济性能并延长电池的使用寿命。
附图说明
图1为本发明一实施例的方法流程图。
具体实施方式
下面结合具体实例和附图对本发明做进一步说明。
本发明提供一种双电型船舶的储能设备的优化管理方法,如图1所示,它包括:
步骤一:储能设备选型:
数据采集:根据目标船舶的典型工作循环得到船舶的功率及能量需求;收集各厂商磷酸铁锂电池、超级电容器、推进电机的规格参数,制成牵引表,从所述牵引表中获得目标船舶的动力设备选型。所述的功率及能量需求是根据目前与目标船舶同类型的工作船舶长时间工作统计得出的一组与时间相关的数据。所述的磷酸铁锂电池、超级电容器的规格参数包括电池容量、电池单体重量、电池单体价格和充放电曲线;所述的推进电机的规格参数包括总安装重量、效率特性曲线。
模型建立:以船舶能效指数与储能设备价格为目标,搭建目标船舶整船的电力推进***模型;所述整船电力推进模型包括换算油耗模型、电机模型和电池能量管理模型。
电池能量管理模型根据目标船舶的功率需求结合电池的荷电状态控制储能装置的放电电流。所述的电池能量管理模型中,划分工作模式如下:
(1)当功率需求大于上阀值,目标船舶工作处于起步、急加速或高负载时,超级电容器组和磷酸铁锂电池组共同工作为电机提供能量;
(2)当功率需求在上下阀值之间,目标船舶工作处于加速状态时,超级电容器组优先大电流快速放电为推进电机提供加速能量;
(3)当功率需求小于下阀值,目标船舶工作于稳定航行状态时,磷酸铁锂电池组优先工作为推进电机提供能量。
计算选型:将所述的功率及能量需求导入电力推进***模型中,采用遗传算法进行多目标优化计算,得到一组帕累托最优解,对应牵引表中的实际具体设备,得到最佳的储能设备选型方案。
所述的遗传算法的计算步骤包括:
1)定义两个变量X1、X2,对这两个变量进行实数编码。
2)设置种群规模,根据约束条件产生初始种群。
3)对当代种群进行快速非支配排序和虚拟拥挤度距离的计算;其中,快速非支配排序是根据每个选型的船舶能效设计指数和储能装置总价格这两个目标函数值进行的,而虚拟拥挤度距离则是根据个体向量在变量空间中的距离信息得出的。
4)确定船舶的能效设计指数EEDI、储能设备总价格Price为计算的优化目标,其数学表达如下:
Price=Mb*n1+Ms*n2
式中:S为二氧化碳的折算系数,P为电力***的功率,f为修正系数,fi为考虑船舶因技术或规定要求而对最大设计装载工况有所限制的无量纲修正系数,Capacity为船舶总吨数;Vref为在最大设计装载工况下,由所定义的轴功率推进的情况下,在无风无浪的平静海况下的船舶航速;fw为考虑波高、浪频和风速对船舶航速的影响的无量纲系数;Mb为电池单体的价格,Ms为电容单体的价格,n1为电池单体的个数,n2为电容单体的个数。
5)进行遗传操作,包括选择、交叉和变异;设置选择概率、重组率和变异率,得到子种群;遗传操作是NSGA-II进行寻优迭代的核心环节,其中的选择操作以3)为基础。
6)进行精英保留策略,即将父代种群与子种群进行合并,并进行基于快速非支配排序和虚拟拥挤度距离的选择,继而参数下一代父代种群;迭代次数加1,返回至3),直到迭代次数达到设置的最大值为止。
步骤二、能量管理:
对已经选型后的储能设备,建立能量需求预测模型,根据船舶历史的航行数据及智能交通***提供的实时信息,预测船舶下一时段的功率需求;建立在有限时段上的滚动优化策略,避免因复杂工况时模型失配、时变、干扰而产起的不确定性,到下一采样时刻,根据船舶的实际功率需求,对船舶的模型的预测进行修正,然后再进行新的优化预测。
建立模糊控制器,将储能设备的荷电状态、功率需求、预测功率需求进行模糊化处理,形成输入模糊变量,然后将各个输入模糊变量传送至模糊控制器;建立船舶能量管理***粒子群模糊控制器的控制规则库,利用智能群体理论,即粒子群优化方法对模糊控制器进行优化。
本发明涉及一种“磷酸铁锂电池+超级电容”的“双电型”纯电动船舶的储能设备的优化管理方法,优化的目的在于以保证船舶的动力性能的前提下,通过合理的选择各储能装置的容量以及智能的控制能量的流向,提高船舶的经济性能并延长电池的使用寿命。
储能设备选型包括下列步骤:根据目标船舶典型的工作循环,得到船舶的功率及能量需求;搭建目标船舶的电力推进***模型;根据采集到的参考船舶的功率需求数据导入模型中,采用基于多目标遗传算法中的NSGA-Ⅱ算法控制策略,以船舶的EEDI(船舶能效设计指数)和价格为优化目标,进行遗传算法计算,得到一组帕累托最优解,对应实际具体设备,得到合适的选型方案。
采用基于模型预测的能量管理模糊控制策略,将复合电源划分3种工作模式,分别为:超级电容器组单独工作模式、超级电容器组和磷酸铁锂电池组共同工作模式、磷酸铁锂电池单独工作模式。根据不同工况下的功率需求、储能设备的荷电状态及实时的运行状况,根据历史航行数据、数学模型及智能交通***提供的实时信息,预测船舶下一时段的功率需求,在此基础上采用一种基于粒子群优化算法的模糊控制器,合理控制复合电源的工作模式,实现储能装置的能量分配及回收,使每个储能装置都能发挥其优点,提高船舶的经济性能,延长电池的使用寿命。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (1)
1.一种双电型船舶的储能设备的优化管理方法,其特征在于:它包括:
步骤一:储能设备选型:
数据采集:根据目标船舶的典型工作循环得到船舶的功率及能量需求;收集各厂商磷酸铁锂电池、超级电容器、推进电机的规格参数,制成牵引表,从所述牵引表中获得目标船舶的动力设备选型;
模型建立:以船舶能效指数与储能设备价格为目标,搭建目标船舶整船的电力推进***模型;所述整船电力推进模型包括换算油耗模型、电机模型和电池能量管理模型;
计算选型:将所述的功率及能量需求导入电力推进***模型中,采用遗传算法进行多目标优化计算,得到一组帕累托最优解,对应牵引表中的实际具体设备,得到最佳的储能设备选型方案;
步骤二、能量管理:
对已经选型后的储能设备,建立能量需求预测模型,根据船舶历史的航行数据及智能交通***提供的实时信息,预测船舶下一时段的功率需求;建立在有限时段上的滚动优化策略,到下一采样时刻,根据船舶的实际功率需求,对船舶的模型的预测进行修正,然后再进行新的优化预测;
建立模糊控制器,将储能设备的荷电状态、功率需求、预测功率需求进行模糊化处理,形成输入模糊变量,然后将各个输入模糊变量传送至模糊控制器;建立船舶能量管理***粒子群模糊控制器的控制规则库,利用智能群体理论,即粒子群优化方法对模糊控制器进行优化;
所述的功率及能量需求是根据目前与目标船舶同类型的工作船舶长时间工作统计得出的一组与时间相关的数据;
所述的磷酸铁锂电池、超级电容器的规格参数包括电池容量、电池单体重量、电池单体价格和充放电曲线;所述的推进电机的规格参数包括总安装重量、效率特性曲线;
所述的遗传算法的计算步骤包括:
1)定义两个变量X1、X2,对这两个变量进行实数编码;
2)设置种群规模,根据约束条件产生初始种群;
3)对当代种群进行快速非支配排序和虚拟拥挤度距离的计算;其中,快速非支配排序是根据每个选型的船舶能效设计指数和储能装置总价格这两个目标函数值进行的,而虚拟拥挤度距离则是根据个体向量在变量空间中的距离信息得出的;
4)确定船舶的能效设计指数EEDI、储能设备总价格Price为计算的优化目标,其数学表达如下:
Price=Mb*n1+Ms*n2
式中:S为二氧化碳的折算系数,P为电力***的功率,f为修正系数,fi为考虑船舶因技术或规定要求而对最大设计装载工况有所限制的无量纲修正系数,Capacity为船舶总吨数;Vref为在最大设计装载工况下,由所定义的轴功率推进的情况下,在无风无浪的平静海况下的船舶航速;fw为考虑波高、浪频和风速对船舶航速的影响的无量纲系数;Mb为电池单体的价格,Ms为电容单体的价格,n1为电池单体的个数,n2为电容单体的个数;
5)进行遗传操作,包括选择、交叉和变异;设置选择概率、重组率和变异率,得到子种群;
6)进行精英保留策略,即将父代种群与子种群进行合并,并进行基于快速非支配排序和虚拟拥挤度距离的选择,继而参数下一代父代种群;迭代次数加1,返回至3),直到迭代次数达到设置的最大值为止;
所述的电池能量管理模型中,划分工作模式如下:
(1)当功率需求大于上阀值,目标船舶工作处于起步、急加速或高负载时,超级电容器组和磷酸铁锂电池组共同工作为电机提供能量;
(2)当功率需求在上下阀值之间,目标船舶工作处于加速状态时,超级电容器组优先大电流快速放电为推进电机提供加速能量;
(3)当功率需求小于下阀值,目标船舶工作于稳定航行状态时,磷酸铁锂电池组优先工作为推进电机提供能量;
所述的电池能量管理模型根据目标船舶的功率需求结合电池的荷电状态控制储能装置的放电电流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710428329.1A CN107274085B (zh) | 2017-06-08 | 2017-06-08 | 一种双电型船舶的储能设备的优化管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710428329.1A CN107274085B (zh) | 2017-06-08 | 2017-06-08 | 一种双电型船舶的储能设备的优化管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107274085A CN107274085A (zh) | 2017-10-20 |
CN107274085B true CN107274085B (zh) | 2020-11-06 |
Family
ID=60066964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710428329.1A Expired - Fee Related CN107274085B (zh) | 2017-06-08 | 2017-06-08 | 一种双电型船舶的储能设备的优化管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107274085B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108382556B (zh) * | 2018-02-23 | 2019-09-10 | 上海海事大学 | 一种基于模糊控制理论的混合动力船舶电池组均衡管理方法 |
US10654551B1 (en) * | 2019-02-13 | 2020-05-19 | GM Global Technology Operations LLC | Method of overshoot for faster planing of marine vessel |
CN110147583A (zh) * | 2019-04-23 | 2019-08-20 | 常伟 | 一种通过化学储能电池进行储能***集成的应用分析方法 |
CN112217190B (zh) * | 2019-07-10 | 2022-11-25 | 株洲中车时代电气股份有限公司 | 一种船用混合动力***及其控制方法 |
CN111859535B (zh) * | 2020-06-20 | 2024-04-30 | 武汉理工大学 | 基于ahp-熵权法的极地邮轮减摇鳍选型方法和装置 |
CN112909977B (zh) * | 2021-03-25 | 2022-05-31 | 湖北省电力勘测设计院有限公司 | 一种电动船舶参与的港口配电网实时经济调度方法 |
CN113255250B (zh) * | 2021-07-02 | 2021-09-17 | 湖北东湖实验室 | 电池动力船舶的电池容量精确设计方法 |
CN116362296B (zh) * | 2022-10-31 | 2024-03-01 | 无锡赛思亿电气科技有限公司 | 船舶能效信息汇集管理***及基于其的能耗状态分析方法 |
CN117879128B (zh) * | 2024-03-13 | 2024-05-10 | 西北工业大学宁波研究院 | 大型集装箱船复合能源***的能源管理***及管理策略 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630840A (zh) * | 2009-08-12 | 2010-01-20 | 电子科技大学 | 微电网能量智能控制*** |
CN104820746A (zh) * | 2015-05-06 | 2015-08-05 | 武汉理工大学 | 柴电混合动力船舶动力设备选型方法 |
CN105437992A (zh) * | 2014-08-19 | 2016-03-30 | 通用电气公司 | 带能量存储***的车辆推进***及控制其操作的优化方法 |
CN106030953A (zh) * | 2014-01-08 | 2016-10-12 | Abb研究有限公司 | 用于控制混合型能量存储***的方法和设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012125963A2 (en) * | 2011-03-16 | 2012-09-20 | Johnson Controls Technology Company | Energy source devices and systems having a battery and an ultracapacitor |
-
2017
- 2017-06-08 CN CN201710428329.1A patent/CN107274085B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630840A (zh) * | 2009-08-12 | 2010-01-20 | 电子科技大学 | 微电网能量智能控制*** |
CN106030953A (zh) * | 2014-01-08 | 2016-10-12 | Abb研究有限公司 | 用于控制混合型能量存储***的方法和设备 |
CN105437992A (zh) * | 2014-08-19 | 2016-03-30 | 通用电气公司 | 带能量存储***的车辆推进***及控制其操作的优化方法 |
CN104820746A (zh) * | 2015-05-06 | 2015-08-05 | 武汉理工大学 | 柴电混合动力船舶动力设备选型方法 |
Non-Patent Citations (2)
Title |
---|
"混合动力汽车复合电源能量管理***研究";王琪;《中国博士学位论文全文数据库 工程科技II辑》;20160115;第1.2.1节,第2.2.2节 * |
"混合动力电动汽车能量管理策略研究综述";赵春秀;《自动化学报》;20160331;第2.1.2节,2.2节,3.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN107274085A (zh) | 2017-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107274085B (zh) | 一种双电型船舶的储能设备的优化管理方法 | |
CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和*** | |
CN107994595B (zh) | 一种削峰填谷控制方法和***以及应用该控制方法的*** | |
CN108110795B (zh) | 风电场群外送输电容量及储能配置联合优化方法 | |
CN105680474B (zh) | 一种储能抑制光伏电站快速功率变化的控制方法 | |
CN111244988B (zh) | 考虑分布式电源的电动汽车和储能优化调度方法 | |
CN110783959B (zh) | 一种新能源发电***的稳定状态控制*** | |
CN112238781B (zh) | 一种基于分层架构的电动汽车有序充电控制方法 | |
CN102043905A (zh) | 基于自适应算法的小水电群智能优化错峰调度方法 | |
CN112531689B (zh) | 受端电力***的源网荷储协调控制能力评估方法和设备 | |
CN103485977A (zh) | 风力发电***实时功率预测的修正方法 | |
CN110086187A (zh) | 计及负荷特性的储能调峰日前优化调度方法 | |
CN112928767B (zh) | 一种分布式储能协同控制方法 | |
CN113794199B (zh) | 一种考虑电力市场波动的风电储能***最大收益优化方法 | |
CN105680478A (zh) | 基于超短期预测的储能***平滑新能源发电控制方法 | |
CN113162055B (zh) | 一种储能与新能源电站无功电压的协调控制方法及*** | |
CN111614110B (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
CN111654054A (zh) | 一种储能基于自适应神经网络(ann)平抑短期风电波动的控制方法 | |
CN113644674A (zh) | 基于量子粒子群的氢混合储能容量配置***、方法及应用 | |
CN103915851B (zh) | 一种递进步长和期望输出均可变的储能***优化控制方法 | |
CN114899856A (zh) | 一种电动汽车充电桩功率调节方法、***、设备及介质 | |
CN115114854A (zh) | 一种虚拟电厂分布式资源两级自组织优化聚合方法及*** | |
CN105574681A (zh) | 一种多时间尺度社区能源局域网能量调度方法 | |
CN113629775B (zh) | 一种基于模糊逻辑的氢储能***集群出力决策方法 | |
CN113972645A (zh) | 基于多智能体深度确定策略梯度算法的配电网优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201106 Termination date: 20210608 |