针对退役动力电池梯次用于电力系统等领域存在初始参数不一致、筛选重组复杂等问题,提出一种基于退役动力电池模组静动态特性的阶梯式筛选方法。首先,构建退役动力电池模组端电压、荷电状态(state of charge,SOC)、健康状态(state of he...针对退役动力电池梯次用于电力系统等领域存在初始参数不一致、筛选重组复杂等问题,提出一种基于退役动力电池模组静动态特性的阶梯式筛选方法。首先,构建退役动力电池模组端电压、荷电状态(state of charge,SOC)、健康状态(state of health,SOH)及循环次数等参数间的关联特性,以电池模组内阻、剩余容量作为表征参数,采用密度权重Canopy改进的K-medoids聚类方法对外部特性参数相近的电池模组进行初次筛选;其次,将电池模组SOH动态一致性特性曲线作为表征对象,对其进行再次筛选;最后,采用非参数Bootstrap概率方法解析阶梯式静动态筛选下退役动力SOH估计的置信区间,评估动力电池模组筛选精度。结果表明,该文所提方法可将电池模组的筛选精度至少提高6.2%,为退役动力电池大规模筛选及梯次利用奠定理论基础。展开更多
发电量的多期投标组合是一个动态的优化问题,决策过程中常常呈现多期风险,因而对风险的度量也应该是动态的。条件风险价值(conditional value at risk,CVaR)是一种静态一致性风险度量,不适用于对发电量的时间分解进行多期风险评估。该...发电量的多期投标组合是一个动态的优化问题,决策过程中常常呈现多期风险,因而对风险的度量也应该是动态的。条件风险价值(conditional value at risk,CVaR)是一种静态一致性风险度量,不适用于对发电量的时间分解进行多期风险评估。该文提出一种动态一致性风险度量,考虑风险对未来投资收益波动的长期影响,将分位数作用于静态一致性风险度量来表征多期风险的动态特征,并采用分位数回归的方法,以各期CVaR的绝对偏差加权和最小为目标函数建立数学模型,该模型可同时应用于计及风险的发电量时间分解和空间分配计算。以水电厂短期优化调度为例,说明该风险度量指标的可行性和实用性。展开更多
文摘针对退役动力电池梯次用于电力系统等领域存在初始参数不一致、筛选重组复杂等问题,提出一种基于退役动力电池模组静动态特性的阶梯式筛选方法。首先,构建退役动力电池模组端电压、荷电状态(state of charge,SOC)、健康状态(state of health,SOH)及循环次数等参数间的关联特性,以电池模组内阻、剩余容量作为表征参数,采用密度权重Canopy改进的K-medoids聚类方法对外部特性参数相近的电池模组进行初次筛选;其次,将电池模组SOH动态一致性特性曲线作为表征对象,对其进行再次筛选;最后,采用非参数Bootstrap概率方法解析阶梯式静动态筛选下退役动力SOH估计的置信区间,评估动力电池模组筛选精度。结果表明,该文所提方法可将电池模组的筛选精度至少提高6.2%,为退役动力电池大规模筛选及梯次利用奠定理论基础。
文摘发电量的多期投标组合是一个动态的优化问题,决策过程中常常呈现多期风险,因而对风险的度量也应该是动态的。条件风险价值(conditional value at risk,CVaR)是一种静态一致性风险度量,不适用于对发电量的时间分解进行多期风险评估。该文提出一种动态一致性风险度量,考虑风险对未来投资收益波动的长期影响,将分位数作用于静态一致性风险度量来表征多期风险的动态特征,并采用分位数回归的方法,以各期CVaR的绝对偏差加权和最小为目标函数建立数学模型,该模型可同时应用于计及风险的发电量时间分解和空间分配计算。以水电厂短期优化调度为例,说明该风险度量指标的可行性和实用性。