-
公开(公告)号：CN114899815A
公开(公告)日：2022-08-12
申请号：CN202210503047.4
申请日：2022-05-10
申请人： 新源智储能源发展(北京)有限公司 , 北京联智汇能科技有限公司
摘要： 本发明涉及一种基于粗糙集的新能源与负荷出力场景归集方法。归集方法包括下述步骤：测量a天时长内，光伏/风电/负荷在每天b时间点的出力情况；数据离散化并简化决策表，对简化得到的决策表依次编号，按编号依次进行轮换；每次轮换，对数据进行分析，依次求出前n‑1列对第n列的核属性集；n次轮换后，转换为一个n×n矩阵，将矩阵的第k行与第k列对应数值相加得到一个1×n的矩阵，通过矩阵中不同元素对应数值判断是否与第k场景同类。本发明通过粗糙集可得到同类的光伏/风电/负荷出力场景，同类场景只取一个进行研究，从而实现精简数据、减少计算量，形成能够反映计算周期内历史数据变化特征的典型缩减场景集。
-
公开(公告)号：CN112305441B
公开(公告)日：2023-06-16
申请号：CN202011094246.1
申请日：2020-10-14
申请人： 北方工业大学 , 北京联智汇能科技有限公司 , 安徽绿沃循环能源科技有限公司 , 新源智储能源发展(北京)有限公司
IPC分类号： G01R31/392 , G01R31/367 , G06F18/23213
摘要： 本发明涉及一种集成式聚类下的动力电池健康状态评估方法。该方法的实现过程如下：获得不同动力电池健康值，提取充放电实验过程中电压、电流以及温度信号，形成特征样本集合；随机抽样特征样本集合，形成若干差异化子集，利用kmeans聚类方法形成多个由相近样本组成的族群；提取待评估动力电池特征，在各子集下判断其所属族群，并计算与所属族群中样本的距离，获得各样本计算权重，采用加权平均分计算各子集估计出的待检测动力电池健康值；统计各子集估计出的差异性估计值，以均值形成待检测动力电池的最终估计值，以标准差估计误差。通过本发明所提方法，可以降低先验信息假设、人为经验和奇异样本的影响。
-
公开(公告)号：CN112465271B
公开(公告)日：2023-05-23
申请号：CN202011490337.7
申请日：2020-12-16
申请人： 北方工业大学 , 北京联智汇能科技有限公司 , 新源智储能源发展(北京)有限公司
摘要： 本发明涉及一种面向储能平抑风电波动场景的储能电池选型方法；选型方法包括如下步骤：设定储能电池类型Si，i＝1，2，…，N，组成Si类型电池的电池特征的样本集Ki；使用SOM自组织映射算法，计算出第i类储能电池类型对应的各个储能电池特征的权重；使用层次分析法计算出在储能平抑风电波动场景下的储能电池四种特征的重要性权重，作为电池选型的依据；根据特征重要性权重，对储能平抑风电波动场景下所使用的储能电池类型进行筛选，以获得更高经济效益以及运行稳定性；本发明相对于现有技术的优点是：本发明利用层次分析法与自组织映射进行储能电池的选型，为电厂建设过程中的电池选型问题提供参考。
-
公开(公告)号：CN112287979B
公开(公告)日：2023-05-23
申请号：CN202011094205.2
申请日：2020-10-14
申请人： 北方工业大学 , 北京联智汇能科技有限公司 , 江苏海基新能源股份有限公司 , 新源智储能源发展(北京)有限公司
IPC分类号： G06F18/2415 , G06N20/00 , G06F18/2411
摘要： 本发明涉及一种基于互信息的储能电池状态判定方法，该方法统计历史S种类别的运行端电压数据并进行一阶差分处理，标注每个数据所代表的运行状态类别Ls,形成数据样本集合A；对数据样本集合A随机抽样，形成子集Br，且子集Br中样本互斥；计算待检测储能电池端电压一阶差分信号与各个子集Br中每个样本之间的互信息，并从大到小依次累加，直至累计结果与互信息值和的比值大于等于设定阈值；接着，计算子集Br的判定证据；最后，求各子集产生判定证据向量的平均值，形成最终判定证据向量，并判断待检测储能电池的运行状态类型。本发明可以简单、快速、及时地判断储能电池运行状态情况，实现储能电池运行状态的智能化、自动化评估与管理。
-
公开(公告)号：CN111487532B
公开(公告)日：2022-10-25
申请号：CN202010273168.5
申请日：2020-04-09
申请人： 北方工业大学 , 北京联智汇能科技有限公司 , 新源智储能源发展(北京)有限公司
IPC分类号： G01R31/367 , G01R31/3835 , G01R31/388 , G01R31/389 , G01R31/392 , B07C5/344
摘要： 本发明涉及一种基于层次分析法和熵值法的退役电池筛选方法及系统，方法包括：选取5个能够表现退役电池性能的电池参数作为评价指标；以层次分析法与专家打分法相结合的方式，偏主观地确定退役电池评价指标的定性权重；以熵值法客观地确定其指标的定量权重；将每个指标的定性权重与其定量权重的乘积作为该指标的综合权重；用简单加权法结合改进的理想解法的方式对退役电池进行综合评价打分。本发明设计合理，适用于大批量退役电池筛选场景，解决了退役电池筛选周期长、精度低的问题。
-
公开(公告)号：CN114884106A
公开(公告)日：2022-08-09
申请号：CN202210503107.2
申请日：2022-05-10
申请人： 新源智储能源发展(北京)有限公司 , 北京联智汇能科技有限公司
摘要： 本发明涉及一种兆瓦级储能电站功率分配与轮值控制方法。控制方法，包括如下步骤：将需要消纳的可再生能源功率Pgoal和对比功率500kW作差，得到的差值输入到分段模糊选择控制开关中；分段模糊选择控制开关根据差值的大小对数值结果进行分类；其中，小于等于‑500为ST、‑500～‑300为NB、‑300～‑100为NS、‑100～0为ML、0～100为MH、100～300为PS、300～500为PB、大于等于500为FP；根据情况的不同执行不同的功率分配与轮值控制策略；本方法防止部分储能单元出现过充、过放问题，并减小各个储能单元之间的状态差异，从而提升储能电站整体的运行效率和运行寿命。
-
公开(公告)号：CN111474490B
公开(公告)日：2022-06-24
申请号：CN202010274157.9
申请日：2020-04-09
申请人： 北方工业大学 , 北京联智汇能科技有限公司 , 新源智储能源发展(北京)有限公司
IPC分类号： G01R31/392 , G01R31/367 , G06K9/62 , G06N3/00 , G06N3/08
摘要： 本发明提供了一种梯次利用电池快速筛选方法，方法包括：基于BP神经网络构建电池健康状态预测模型；基于电池健康状态预测模型构建全局信息矩阵；将全局信息矩阵进行区域划分，获得多个子区和各子区对应的分区信息矩阵；采用粒子群优化算法进行寻优，确定各子区对应的最优位置；将各子区对应的最优位置作为各子区对应的初始聚类中心，采用K‑means聚类方法对全局信息矩阵进行聚类，获得各子单元对应的聚类中心；基于各子单元对应的聚类中心输出电池筛选结果。本发明通过构建电池健康状态预测模型，通过粒子群优化算法寻优，进而对K‑means聚类算法进行改进，既能够对退役动力电池梯次利用进行快速筛选，还避免陷入局部最优解的弊端，提高聚类算法的准确性。
-
公开(公告)号：CN112791997B
公开(公告)日：2022-11-18
申请号：CN202011490339.6
申请日：2020-12-16
申请人： 北方工业大学 , 北京联智汇能科技有限公司 , 新源智储能源发展(北京)有限公司
摘要： 本发明涉一种退役电池梯次利用筛选的方法；筛选的方法包含以下步骤：选取电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流这8个电池工作特征参量进行计算，计算出电池组数据的一些参数分别与退役动力电池的健康度之间的互信息值，选取互信息值最高的两个特征变量作为评判退役电池性能的指标，指标的具体数值作为待分组退役动力电池数据；在退役动力电池工作站系统中录入待分组电池的数据，通过现有聚类方法求出类别中心点并给电池分簇；通过熵值法求出每簇电池的类别中心点；验证；本发明技术方案提高了寻找聚类中心的准确度，同时也为后续筛选退役动力电池的结果提供了有利的保障。
-
公开(公告)号：CN111489085B
公开(公告)日：2023-04-25
申请号：CN202010284295.5
申请日：2020-04-13
申请人： 北方工业大学 , 新源智储能源发展(北京)有限公司 , 北京联智汇能科技有限公司 , 北京开源瑞储科技有限公司
IPC分类号： G06Q10/0635 , G06Q50/06 , G06N7/02
摘要： 本发明公开了一种基于模糊云理论的储能电站风险评估方法，涉及储能电站评估领域，包括：确定待评估储能电站的运行风险指标；利用云模型确定每个所述运行风险指标的隶属度；利用模糊层次分析算法确定每个所述运行风险指标的权重；根据每个所述运行风险指标的隶属度和权重，对所述储能电站进行风险评估。本发明利用模糊云理论将定性问题进行定量分析，能够有效评价储能电站风险等级，有利于储能电站安全运行。
-
公开(公告)号：CN112651431B
公开(公告)日：2023-07-07
申请号：CN202011479510.3
申请日：2020-12-16
申请人： 北方工业大学 , 北京联智汇能科技有限公司 , 安徽绿沃循环能源科技有限公司 , 新源智储能源发展(北京)有限公司
摘要： 本发明涉及一种退役动力电池的聚类分选方法。测量n个被拆解退役动力电池单体样本的电压数据，提取m个特征变量并标幺，计算各样本特性向量间距离d，形成相似度矩阵A；以样本数量n、聚类簇数量K定义用于分选的编码长度以及编码位取值，以聚类簇族能量选择优质分选编码，并利用交叉、变异、重插等遗传演化操作，形成对大量退役电池单体的K个聚类簇族；计算各聚类簇族中心及该簇族中样本的最大偏差，形成置信域；基于待检测退役动力电池单体特征向量与各聚类簇族中心距离及置信域关系，完成分选及分选可靠性判断。本发明将遗传的优化思想融入聚类过程中，保证了聚合过程的优化方向，提升了退役动力电池分选聚类过程的优化水平。
-
-
-
-
-
-
-
-
-
搜索结果
91 条记录 (耗时 0.079 秒)
