摘要
本发明公开了一种储能控制方法及储能系统,属于储能控制领域,包括以下步骤:S1、构建多物理场耦合模型;S2、以储能系统全生命周期综合效益最大化为目标,构建多目标函数,并生成帕累托前沿解;S3、融合多物理场耦合模型的物理约束与深度学习,构建多保真度物理信息神经网络模型,得到储能系统状态的实时估计值和短期预测结果,并基于实时估计值和短期预测结果优化多目标函数的参数;S4、将经过参数优化后生成的多个非支配解分别代入多物理场耦合模型中,验证储能组件的运行状态。采用上述一种储能控制方法及储能系统,可有效平衡储能系统的运行成本、能量损耗、组件寿命及环境影响,提升多目标优化效率与复杂工况适应性。
技术关键词
储能控制方法
储能组件
超级电容端电压
储能系统
综合效益最大化
粒子群混合算法
物理
锂电池荷电状态
神经网络模型
燃料电池输出功率
锂电池初始荷电状态
老化模型
多尺度特征提取
锂电池老化
等效串联电阻
日历老化
电解器