氢能源汽车燃料电池与储氢系统协同能量管理控制方法研究

燃料电池是氢能源汽车的核心动力装置,直接关系车辆动力性、经济性。储氢系统需要提供合适压力、流量的氢气给燃料电池系统,二者的匹配与协同管理关系氢能源汽车的整体效率和续航里程。该文概述氢能源汽车燃料电池和储氢系统的工作原理及相互关系,分析当前协同能量管理控制方法存在的问题,并针对这些问题提出优化策略,从而为氢能源汽车燃料电池与储氢系统的协同能量管理控制提供新思路和方法,提高氢能源汽车能量利用效率。

基于配置与能量管理协同的铁路光储系统经济性提升策略

光伏储能接入牵引供电系统(Traction Power Supply System,TPSS)为铁路节能减排、节支降耗提供了解决方案,但储能系统的成本及其运行经济性制约了其在铁路牵引供电领域的大规模应用。铁路光伏储能系统的容量配置方案决定其投资成本和经济效益,储能能量管理策略影响其最大需量削减效果和再生制动能量利用率,进而影响牵引变电所电费支出。因此,为实现铁路光伏储能系统的经济性提升,首先提出一种自适应多阈值能量管理策略:基于行车运行图将日牵引负荷分成高需量时段和其他时段,不同时段储能系统设定不同的充放电启动阈值优化储能出力,以兼顾牵引负荷最大需量削减和再生制动能量利用率,并采用模糊逻辑控制(Fuzzy Logic Control,FLC)自适应调整储能放电阈值,以延长储能使用寿命。然后,建立光伏储能接入铁路牵引供电系统配置与能量管理协同优化模型,以系统全寿命周期净收益和内部收益率为优化目标,对储能系统进行容量配置。最后,基于某牵引变电所的实测数据采用NSGA-Ⅱ算法进行求解,并与固定阈值能量管理策略进行运行效果对比。结果表明所提方法更能够适应牵引负荷大功率和高能量密度的特点,可以兼顾再生制动能量利用率和最大需量削减,最优配置下的净收益为1364.1万元,内部收益率达14.60%,投资回收期为6年。

基于参数共享机制多智能体深度强化学习的社区能量管理协同优化

智能电网背景下社区和端对端电能交易有助于挖掘利用产消者分布式能源的灵活性并最大化其价值。尽管多智能体深度强化学习提供了合适的无模型框架以实现多个产消者间能量管理策略的协同优化,该方法仍存在环境状态不稳定、产消者隐私保护和计算复杂度高等局限。该文提出一种将参数共享与优先深度确定性策略梯度法相结合的多智能体强化学习方法,通过智能体间的策略与经验共享以提升学习效率,并降低训练难度。接着构建端对端交易平台以协同社区市场内产消者的电能交易;执行奖励修正以避免产生新的负荷/发电高峰,从而保护本地配网的安全运行;作为可信任第三方向产消者提供有关社区市场的全局信息,在保护产消者隐私的同时减轻环境不稳定性,并提升算法的可扩展性。最后,通过算例验证所提方法能够有效降低社区总运行成本,保证产消者的利益,且较现有算法提高了训练速率与可扩展性。