CN108664734B - 航天器电源系统多目标优化设计方法、系统和存储介质 - Google Patents
航天器电源系统多目标优化设计方法、系统和存储介质 Download PDFInfo
- Publication number
- CN108664734B CN108664734B CN201810449336.4A CN201810449336A CN108664734B CN 108664734 B CN108664734 B CN 108664734B CN 201810449336 A CN201810449336 A CN 201810449336A CN 108664734 B CN108664734 B CN 108664734B
- Authority
- CN
- China
- Prior art keywords
- power supply
- spacecraft
- supply system
- spacecraft power
- design
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种航天器电源系统多目标优化设计方法、系统及存储介质,该方法包括以下步骤:基于航天器电源系统预优化目标建立目标函数;确定所述目标函数的设计变量;确定所述目标函数的约束条件;根据目标函数建立航天器电源系统电源模型和外部环境模型;利用优化算法调用航天器电源系统电源模型和外部环境模型进行仿真,在设计变量和约束条件下,以目标函数为目标进行多目标优化设计,求得Pareto最优解;结合电源系统设计者的偏好信息,从多个Pareto最优解中,选择一个作为最终的航天器系统设计方案。本发明降低了航天器电源系统设计全面定量分析的难度,实现了航天器电源系统的多目标优化。
Description
技术领域
本发明涉及航天器电源系统技术领域,尤其涉及一种航天器电源系统多目标优化设计方法、系统和存储介质。
背景技术
航天器电源系统设计是航天器电源系统研制的重要组成部分,电源系统的设计品质对电源系统的性能起着关键性的作用。航天器电源系统的优化设计,对增加系统有效载荷、提高航天器性能和效益等都有着非常重要的意义。
太阳电池阵—蓄电池组电源系统是目前世界上应用最广泛的航天器电源系统。在全世界已发射的航天器中,90%以上均采用太阳电池阵—蓄电池组电源系统。航天器电源系统的设计取决于用电系统的工作寿命、负载特性和负载要求、太阳辐照情况、工作环境、质量、体积和结构等。
目前的航天器电源系统设计存在两个问题:一是面对众多的制约因素,对设计方案进行全面的定量分析有一定难度,尤其是对于设计方案中的某些制约因素多、计算难度大的参数,设计人员只能根据自己的经验估算,导致在最终设计时留有较大的功率裕度;二是大部分研究都是考虑了单目标的优化,如最小化系统的总成本,最小化系统的总质量等,然而从实际角度出发,航天器电源系统的设计是一个多目标优化问题,即多个目标如成本、质量、可靠性等需要同时优化,航天器电源系统的设计是一个多变量、非线性的复杂优化问题。
发明内容
本发明提供一种航天器电源系统多目标优化设计方法、系统和存储介质,旨在降低航天器电源系统设计全面定量分析的难度,实现航天器电源系统的多目标优化。
为实现上述目的,本发明提供一种航天器电源系统多目标优化设计方法,所述方法包括以下步骤:
基于航天器电源系统预优化目标建立目标函数;
根据所述航天器电源系统确定所述目标函数的设计变量;
根据所述航天器电源系统确定所述目标函数的约束条件;
根据所述目标函数建立航天器电源系统电源模型和外部环境模型;
利用优化算法调用所述航天器电源系统电源模型和外部环境模型进行仿真,在所述设计变量和约束条件下,以所述目标函数为目标进行多目标优化设计,求得Pareto最优解;
结合电源系统设计者的偏好信息,从多个Pareto最优解中,选择一个作为最终的航天器系统设计方案。
本发明的进一步的技术方案是,所述预优化目标为最小航天器电源系统总质量和成本。
本发明的进一步的技术方案是,所述设计变量包括太阳电池片类型、蓄电池类型、太阳电池阵并联数、太阳电池阵串联数、蓄电池组串联数、以及蓄电池组额定容量。
本发明的进一步的技术方案是,所述约束条件为蓄电池放电深度不超过允许最大放电深度和蓄电池组在一个轨道周期内可充满电。
本发明的进一步的技术方案是,所述航天器电源系统模型包括蓄电池组模型、太阳电池组模型、电源控制设备模型和负载模型;所述外部环境模型包括空间光照模型、太阳电池阵温度模型。
为实现上述目的,本发明还提出一种航天器电源系统多目标优化设计系统,包括存储器、处理器以及存储在所述存储器上的航天器电源系统多目标优化设计程序,所述航天器电源系统多目标优化设计程序被所述处理器运行时实现如上所述的方法的步骤。
为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有航天器电源系统多目标优化设计程序,所述航天器电源系统多目标优化设计程序被处理器运行时实现如上所述的方法的步骤。
本发明的有益效果是:本发明航天器电源系统多目标优化设计方法、系统及存储介质通过上述技术方案,基于航天器电源系统预优化目标建立目标函数;根据所述航天器电源系统确定所述目标函数的设计变量;根据所述航天器电源系统确定所述目标函数的约束条件;根据所述目标函数建立航天器电源系统电源模型和外部环境模型;利用优化算法调用所述航天器电源系统电源模型和外部环境模型进行仿真,在所述设计变量和约束条件下,以所述目标函数为目标进行多目标优化设计,求得Pareto最优解;结合电源系统设计者的偏好信息,从多个Pareto最优解中,选择一个作为最终的航天器系统设计方案,降低了航天器电源系统设计全面定量分析的难度,实现了航天器电源系统的多目标优化。
附图说明
图1是本发明航天器电源系统多目标优化设计方法较佳实施例的流程示意图;
图2是本发明航天器电源系统多目标优化设计方法的架构图;
图3是航天器电源系统组成图;
图4是基于仿真的多目标算法优化设计方法流程图;
图5是一个轨道周期内的负载功率图;
图6是Pareto最优设计结果示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明考虑到目前的航天器电源系统设计存在两个问题:一是面对众多的制约因素,对设计方案进行全面的定量分析有一定难度,尤其是对于设计方案中的某些制约因素多、计算难度大的参数,设计人员只能根据自己的经验估算,导致在最终设计时留有较大的功率裕度;二是大部分研究都是考虑了单目标的优化,如最小化系统的总成本,最小化系统的总质量等,然而从实际角度出发,航天器电源系统的设计是一个多目标优化问题,即多个目标如成本、质量、可靠性等需要同时优化,航天器电源系统的设计是一个多变量、非线性的复杂优化问题。
由此,本发明提出一种能同时优化航天器电源系统设计多目标,且可靠性高的解决方案。
具体的,请参照图1,图1是本发明航天器电源系统多目标优化设计方法较佳实施例的流程示意图。
如图1所示,本实施例提出的航天器电源系统多目标优化设计方法包括以下步骤:
步骤S100,基于航天器电源系统预优化目标建立目标函数。
可以理解的是,本实施例中,航天器电源系统设计是指:确定太阳电池阵和蓄电池组的配置,使得整个电源系统在满足负载需求的前提下,达到成本和质量最优,具体是指太阳电池片类型、蓄电池类型、太阳电池阵串联数、太阳电池阵并联数、蓄电池组串联数和蓄电池组容量等的配置。
本实施例中,所述预优化目标为最小航天器电源系统总质量和成本。
步骤S200,根据所述航天器电源系统确定所述目标函数的设计变量。
本实施例中,所述设计变量包括太阳电池片类型、蓄电池类型、太阳电池阵并联数、太阳电池阵串联数、蓄电池组串联数、以及蓄电池组额定容量。
步骤S300,根据所述航天器电源系统确定所述目标函数的约束条件。
本实施例中,所述约束条件为蓄电池放电深度不超过允许最大放电深度和蓄电池组在一个轨道周期内可充满电。
步骤S400,根据所述目标函数建立航天器电源系统电源模型和外部环境模型。
其中,所述航天器电源系统模型包括蓄电池组模型、太阳电池组模型、电源控制设备模型和负载模型;所述外部环境模型包括空间光照模型、太阳电池阵温度模型。
步骤S500,利用优化算法调用所述航天器电源系统电源模型和外部环境模型进行仿真,在所述设计变量和约束条件下,以所述目标函数为目标进行多目标优化设计,求得Pareto最优解。
可以理解的是,本实施例提出的航天器电源系统多目标优化设计方法包括优化算法层和仿真层两层。优化算法层把设计变量和参数传至仿真层,仿真层进行仿真后,优化算法层调用仿真层仿真结果,进行目标函数及约束条件计算,判断是否达到优化目标或满足一定的迭代次数,若不满足则继续进行迭代。在所述设计变量和约束条件下,以质量最小和费用最少为目标进行多目标优化设计,最终求得的Pareto最优解。
步骤S600,结合电源系统设计者的偏好信息,从多个Pareto最优解中,选择一个作为最终的航天器系统设计方案。
电源系统设计者可以在质量与费用等方面之间进行权衡考虑,可从多个Pareto最优解中选择一个解作为最终的航天器电源系统设计方案。
本实施例通过上述技术方案,建立了针对航天器电源系统的外部环境模型和电源系统内部模型,给出了基于仿真的多目标优化设计方法,为航天器电源系统提供了一种新的优化设计方法,本实施例求解问题时采用多目标优化算法,能够同时找到一组各有优点的Pareto最优解,供决策者根据不同的情况选择实施,此外,本实施例可直观修改仿真模型中的参数,优化设计结果可直接使用仿真模型进行仿真观察,可靠性高。
下面对本发明航天器电源系统多目标优化设计方法实施例方案做进一步详细阐述。
本发明实施例考虑到航天器电源系统的复杂性,传统的优化算法已经不能有效地解决问题,针对现有技术的缺陷,本发明的目的是提出一种基于仿真的航天器电源系统的多目标优化设计方法。在本发明中,航天器电源系统设计是指:确定太阳电池阵和蓄电池组的配置,使得整个电源系统在满足负载需求的前提下,达到成本和质量最优,具体是指太阳电池片类型、蓄电池类型、太阳电池阵串联数、太阳电池阵并联数、蓄电池串联数和蓄电池组容量等的配置。
请参照图2至图6,图2是本发明航天器电源系统多目标优化设计方法的架构图;图3是航天器电源系统组成图;图4是基于仿真的多目标算法优化设计方法流程图;图5是一个轨道周期内的负载功率图;图6是Pareto最优设计结果示意图。
如图3所示,图3为典型的太阳电池阵—蓄电池组航天器电源系统组成图,包括太阳电池阵、蓄电池组、电源控制设备和负载。在光照期间,太阳电池阵为负载供电,同时通过电源控制设备为蓄电池组充电,在负载峰值功率太阳电池阵供电不足时,太阳电池阵和蓄电池组进来联合供电;在地影期间,蓄电池组通过电源控制设备为负载供电。
以下对图3所示的太阳电池阵—蓄电池组电源系统的基于仿真的航天器电源系统设计方法作详细阐述,包括以下步骤:
(1)建立航天器电源系统基于质量和成本的目标函数:
J1=min(m)=min(mSA+mbat+mPCU)
式中J1表示第一个优化目标,即质量最小;m表示航天器电源系统总质量,mSA表示太阳电池阵质量,mbat表示蓄电池组质量,mPCU表示电源控制设备质量。
J2=min(c)=min(cSA+cbat+cPCU)
式中J2表示第二个优化目标,即费用最少;c表示航天器电源系统总成本,cSA表示太阳电池阵成本,cbat表示蓄电池组成本,cPCU表示电源控制设备成本。
(2)根据所述航天器电源系统确定所述目标函数的设计变量:
x=[TypeSA Typebat nSA_p nSA_s nbat_s Cbat]
式中x表示设计变量集合;TypeSA表示太阳电池片类型,可取整型数1、2、3,分别代表单晶硅、砷化镓、三结砷化镓类型的太阳电池片;Typebat表示蓄电池组类型,可取整型数2、3、4,分别代表锂离子、镍镉、镍氢类型的蓄电池组;nSA_p表示太阳电池阵并联数;nSA_s表示太阳电池阵串联数;nbat_s表示蓄电池组串联数;Cbat表示蓄电池组额定容量。
(3)根据所述航天器电源系统确定所述目标函数的约束条件:
蓄电池放电深度DOD小于最大允许放电深度0.2:
DOD≤0.2
蓄电池最终能充满电,要求在轨道周期结束时DOD等于0:
DOD(end)=0
(4)建立航天器电源系统电源模型和外部环境模型:
①蓄电池模型。
其中锂离子电池在放电和充电时可分别用如下的式子来表示:
其中,vbatt为电池电压,R为电池内阻,Q为电池最大容量,it为电池放电电量,与SOC相关,E0、K、A、B为4个待定系数,i为电池电流,i*为电池电流经一阶滤波后得到的电流,滤波器的时间常数τ为30s。
②太阳电池阵模型。
太阳电池片的U-I特性曲线受光照温度的影响。当温度一定时,可得到如下的方程:
式中I表示太阳电池片的输出电流;V表示太阳电池片输出电压;Isc表示太阳电池片的短路电流;
uoc表示太阳电池片的开路电压;αcs表示相对光照强度,其值在0到1之间;p表示常数,通常取为33。
太阳电池片经过串联并联后,可组成太阳电池阵,太阳电池阵的输出电流和输出电压满足:
式中Np表示太阳电池阵并联只数;Ns表示太阳电池阵串联只数。
考虑温度的影响,太阳电池阵的U-I特性为:
式中IscB表示标况下寿命初期短路电流;VocB表示标况下寿命初期开路电压;βi表示电流温度系数;βv表示电压温度系数;AC表示太阳电池片面积;T表示太阳电池阵温度。
③电源控制设备模型。
电源控制设备在航天器的各种工况如光照区、阴影区以及各种负载情况下,调节能量在太阳能电池阵、蓄电池组及负载之间进行适当分配。在考虑放电效率、充电效率、供电效率的基础上,首先判断太阳电池阵供电电流是否能够供应负载电流,若供电不足则蓄电池组放电,若供电充足则进一步判断蓄电池组状态,若蓄电池组未充满则开始充电,若蓄电池组充满电则停止充电,充电电流不超过设定的最大充电电流,整个仿真过程中若有多余的电流则进行分流。
④外部环境模型。
太阳电池阵的输出在很大程度上受到太阳电池阵外部环境的影响,主要指光照和温度的影响。温度主要由轨道条件确定,当轨道参数确定后,便可结合太阳电池阵的热参数计算出轨道周期内太阳电池阵的温度变化规律。光照则不仅受轨道条件的影响,而且受航天器姿态和太阳电池阵转动的影响,当上述因素确定后,便可计算出轨道周期内的照射到太阳电池阵上的光照强度变化规律。
⑤负载模型。
负载工作情况如图4所示,地影时间35min,光照时间61min,地影期负载功率341.5w,光照期三个时间段的负载功率分别为341.5w,366.5w,790.5w。
(5)实现航天器电源系统仿真:
仿真时仿真周期为一个轨道周期96min,仿真时所用的其他参数可参见表1(仿真及优化算法所用参数)。优化算法运行时会多次调用模型进行仿真,因此仿真效率必须高。在建模时就应考虑仿真效率问题,包括:(1)仅使用单一仿真软件,不与其他软件联合仿真;(2)避免使用复杂模型;(3)尽量使用逻辑判断,而不使用开关器件。
表1
(6)利用优化算法调用模型进行仿真实现基于仿真的航天器电源系统优化设计。根据图1所示的优化设计架构,结合具体的遗传算法实现步骤,可实现基于仿真的遗传算法优化设计。整体流程图如图5所示,首先产生初始种群,GA优化算法层把设计变量和参数传至仿真层,仿真层进行仿真后,GA优化算法层调用仿真层仿真结果,进行目标函数及约束条件计算,判断是否达到优化目标或满足一定的迭代次数,若不满足则按照遗传算法进行选择、交叉和变异,生成下一代群体继续进行迭代。在所述设计变量和约束条件下,以质量最小和费用最少为目标进行多目标优化设计,最终求得的Pareto最优解如图6所示。
(7)电源系统设计者需要在质量和费用方面进行权衡考虑,可从多个Pareto最优解中,选择一个解作为最终的航天器电源设计方案。当设计中对成本比较重视时,则在满足质量限制的条件下,选择Pareto最优解中系统成本最小的方案;当设计者对质量比较重视时,则在满足成本的条件下,选择Pareto最优解中系统质量最小的方案。
综上所述,本发明航天器电源系统多目标优化设计方法通过上述技术方案,基于航天器电源系统预优化目标建立目标函数;根据所述航天器电源系统确定所述目标函数的设计变量;根据所述航天器电源系统确定所述目标函数的约束条件;根据所述目标函数建立航天器电源系统电源模型和外部环境模型;利用优化算法调用所述航天器电源系统电源模型和外部环境模型进行仿真,在所述设计变量和约束条件下,以所述目标函数为目标进行多目标优化设计,求得Pareto最优解;结合电源系统设计者的偏好信息,从多个Pareto最优解中,选择一个作为最终的航天器系统设计方案,降低了航天器电源系统设计全面定量分析的难度,实现了航天器电源系统的多目标优化。
此外,本发明还提出一种航天器电源系统多目标优化设计系统,该系统包括存储器、处理器以及存储在所述存储器上的航天器电源系统多目标优化设计程序,所述航天器电源系统多目标优化设计程序被所述处理器运行时实现如上实施例所述的方法的步骤,这里不再赘述。
此外,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有航天器电源系统多目标优化设计程序,所述航天器电源系统多目标优化设计程序被处理器运行时实现如上实施例所述的方法的步骤,这里不再赘述。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种航天器电源系统多目标优化设计方法,其特征在于,所述方法包括以下步骤:
基于航天器电源系统预优化目标建立目标函数;
根据所述航天器电源系统确定所述目标函数的设计变量;
根据所述航天器电源系统确定所述目标函数的约束条件;
根据所述目标函数建立航天器电源系统电源电路级仿真模型和外部环境模型;
优化方法包括优化算法层和仿真层两层,优化算法层把设计变量和参数传至仿真层,仿真层进行仿真后,优化算法层调用仿真层仿真结果,进行目标函数及约束条件计算;利用优化算法调用所述航天器电源系统电源电路级仿真模型和外部环境模型进行仿真,在所述设计变量和约束条件下,以所述目标函数为目标进行多目标优化设计,求得Pareto最优解;
结合电源系统设计者的偏好信息,从多个Pareto最优解中,选择一个作为最终的航天器系统设计方案;
其中,
所述预优化目标为最小航天器电源系统总质量和成本;
所述设计变量包括太阳电池片类型、蓄电池类型、太阳电池阵并联数、太阳电池阵串联数、蓄电池组串联数、以及蓄电池组额定容量;
所述约束条件为蓄电池放电深度不超过允许最大放电深度和蓄电池组在一个轨道周期内可充满电;
所述航天器电源系统模型包括蓄电池组模型、太阳电池组模型、电源控制设备模型和负载模型;所述外部环境模型包括空间光照模型、太阳电池阵温度模型。
2.一种航天器电源系统多目标优化设计系统,其特征在于,包括存储器、处理器以及存储在所述存储器上的航天器电源系统多目标优化设计程序,所述航天器电源系统多目标优化设计程序被所述处理器运行时实现如权利要求1所述的方法的步骤。
3.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有航天器电源系统多目标优化设计程序,所述航天器电源系统多目标优化设计程序被处理器运行时实现如权利要求1所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810449336.4A CN108664734B (zh) | 2018-05-11 | 2018-05-11 | 航天器电源系统多目标优化设计方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810449336.4A CN108664734B (zh) | 2018-05-11 | 2018-05-11 | 航天器电源系统多目标优化设计方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108664734A CN108664734A (zh) | 2018-10-16 |
CN108664734B true CN108664734B (zh) | 2020-02-18 |
Family
ID=63779247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810449336.4A Active CN108664734B (zh) | 2018-05-11 | 2018-05-11 | 航天器电源系统多目标优化设计方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108664734B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178606B (zh) * | 2019-12-22 | 2022-09-06 | 南京理工大学 | 基于nsga-ii的自动化仓储货位分配优化方法 |
CN112578283B (zh) * | 2020-12-14 | 2022-03-11 | 北汽福田汽车股份有限公司 | 一种电池系统参数确定方法、装置及车辆 |
CN113591299B (zh) * | 2021-07-28 | 2024-03-26 | 清华大学 | 判定不同类型微通道散热器综合性能优劣的方法和系统 |
CN116306276A (zh) * | 2023-03-09 | 2023-06-23 | 北京理工大学 | 一种复杂系统架构创成式生成方法、系统及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105207573A (zh) * | 2015-09-04 | 2015-12-30 | 浙江大学 | 基于离散概率模型的风光互补供电系统定量优化配置方法 |
CN105843239A (zh) * | 2016-04-06 | 2016-08-10 | 北京理工大学 | 一种用于组合航天器姿态控制推力器布局优化方法 |
CN106202705A (zh) * | 2016-07-08 | 2016-12-07 | 上海电力学院 | 一种太阳能电池板阵列多目标优化设计方法 |
CN106684468A (zh) * | 2016-07-08 | 2017-05-17 | 上海电力学院 | 一种蓄电池阵列多目标优化设计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425726B (zh) * | 2008-11-18 | 2010-12-22 | 天津大学 | 基于模糊专家系统多目标粒子群的电机优化设计方法 |
CN102289535B (zh) * | 2011-06-07 | 2013-03-20 | 北京航空航天大学 | 一种卫星电源系统能量分析仿真平台 |
CN103353979B (zh) * | 2013-05-31 | 2016-12-28 | 国家电网公司 | 一种分布式电源的优化选址与定容方法 |
-
2018
- 2018-05-11 CN CN201810449336.4A patent/CN108664734B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105207573A (zh) * | 2015-09-04 | 2015-12-30 | 浙江大学 | 基于离散概率模型的风光互补供电系统定量优化配置方法 |
CN105843239A (zh) * | 2016-04-06 | 2016-08-10 | 北京理工大学 | 一种用于组合航天器姿态控制推力器布局优化方法 |
CN106202705A (zh) * | 2016-07-08 | 2016-12-07 | 上海电力学院 | 一种太阳能电池板阵列多目标优化设计方法 |
CN106684468A (zh) * | 2016-07-08 | 2017-05-17 | 上海电力学院 | 一种蓄电池阵列多目标优化设计方法 |
Non-Patent Citations (2)
Title |
---|
太阳能供电系统的多目标优化设计方法研究;樊汝森等;《电源技术研究与设计》;20170630;第41卷(第6期);第874-877页 * |
开关变换器的稳定性定义及分析方法;李安寿等;《电力电子技术》;20131231;第47卷(第11期);第27-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108664734A (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664734B (zh) | 航天器电源系统多目标优化设计方法、系统和存储介质 | |
CN106953339B (zh) | 一种铅炭电池实时平抑光伏电站功率波动的方法 | |
Faisal et al. | Backtracking search algorithm based fuzzy charging-discharging controller for battery storage system in microgrid applications | |
CN109149555B (zh) | 考虑供电模式的配电网广义电源变电可信容量评价方法 | |
CN103956758A (zh) | 一种风储系统中储能soc优化控制方法 | |
CN106779374A (zh) | 光伏发电传输最大功率储能优化建模方法 | |
CN113572221A (zh) | 一种梯次利用电池组的多目标自适应均衡控制方法 | |
CN110783987B (zh) | 一种针对电池组电池均衡的分层最优控制方法 | |
CN111476423A (zh) | 一种能源互联配电网故障恢复方法 | |
CN114243791A (zh) | 风光氢蓄系统的多目标优化配置方法、系统及存储介质 | |
WO2021143053A1 (zh) | 一种锂电池组多目标同时充电方法 | |
Vašak et al. | A battery management system for efficient adherence to energy exchange commands under longevity constraints | |
CN113131502B (zh) | 一种集中式储能电站的双层功率协调分配方法及装置 | |
CN111180814A (zh) | 基于多模块充电器的串联锂离子电池组充电控制方法 | |
CN115392059B (zh) | 电池多尺度建模方法、装置及电子设备 | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN108695926B (zh) | 一种高轨卫星锂离子蓄电池组控制方法 | |
CN107104429B (zh) | 一种计及分布式储能系统的电力系统负荷调度方法 | |
CN113300388B (zh) | 一种基于改进旋转门算法的风电功率波动平抑方法 | |
CN114447963A (zh) | 储能电池功率控制方法及系统 | |
CN114117930A (zh) | 基于ε约束法的并网双储能系统容量优化配置方法 | |
CN109638947B (zh) | 一种光伏电力转换到电池的方法及系统 | |
Li et al. | Development of control strategy to increase the lifetime of grid-connected Li-ion battery | |
Karimi et al. | ANN modeling of water consumption in the lead-acid batteries | |
CN110556868A (zh) | 一种考虑电压稳定性的风电接入系统储能充放电控制方法 |
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 |