关注公众号（小红书同名），查看往期更多资讯
联系小编：Fightingforall23（注明来意）
详细内容，请点击本帖底部 阅读原文
往期群聊：【群聊邀请|一网打尽】电力方向新增4群+海量帮助+科研探讨+同行交流，最新的群聊邀请，等你来！广告勿入！
公众号从未参与任何广告中介、文章代写、付费代码、文章走后门代发等活动，一切打着公众号名义的金钱和利益交易均为诈骗，请谨慎！
【正文】
近日，休斯顿大学Xingpeng Li团队在国际顶级期刊IEEE Transactions on Power Systems (TPWRS)
研究背景
随着电池储能系统在微电网中的广泛应用，如何在调度中平衡能源利用效率和电池寿命成为一个重要问题。本研究创新性地提出了一种基于电池退化的微电网日前调度模型，为储能系统的高效利用提供了全新思路。
研究亮点
电池退化深度神经网络（NNBD）模型：
构建了一个基于深度神经网络的电池退化（NNBD）模型，用于预测给定电池运行调度下的退化情况。
此模型能够精确模拟电池老化规律，为优化调度提供科学依据。
电池退化驱动的微电网调度模型（BDMDS）：
将 NNBD 模型嵌入微电网日前调度（MDS）优化中，建立了一个综合考虑电池退化成本的调度模型（BDMDS）。
通过更精准的电池管理，显著延长电池寿命，优化能源成本。
全新循环使用处理方法（CBUP）：
提出了一种基于循环的电池使用处理方法（CBUP），能够精确计算等效电池退化成本。
CBUP 方法提升了退化成本评估的准确性，使得调度结果更加符合实际需求。
高效算法：
开发了一种神经网络与优化解耦的启发式算法（NNODH），有效解决了嵌入神经网络的复杂优化问题。
该算法兼顾计算效率和优化效果，为微电网大规模实际应用提供可能。
多策略对比验证：
本研究对比了四种不同的电池管理策略，结果表明，所提出的方法在性能上全面优于现有三种电池管理策略。
资源开放获取
📄 免费获取论文全文：
👉 点击阅读论文
https://ieeexplore.ieee.org/document/10024902
💻 代码与数据下载：
微电网电池退化优化调度 Python 代码：
https://rpglab.github.io/resources/MG-EMSwBDNN/
电池退化神经网络模型训练数据及代码：
https://rpglab.github.io/resources/BDNN-Training-Data/
电池老化测试数据集及 Matlab 模拟器：
https://rpglab.github.io/resources/BatryAgingSim-Data/
（所有资源均在 CC BY 4.0 开放许可下发布）
研究贡献者
特别鸣谢 Cunzhi Zhao 博士及团队的辛勤努力！👏
扫码关注！
一个电气领域前沿动态与科研资源平台
论文分享 | 期刊投稿
科研汇报 | 学术招聘
点亮在看，你最好看！
1.【MESPO|2024招生】MESPO团队2024年博士及RA招生现状（更多请关注公众号）
2.【SCI期刊|IF 9.4】12月15！JES 期刊"混合储能在多能源系统运行规划中的作用探究"征稿中(无版面费)+专刊群聊邀请
3.【SCI征稿|影响因子6.4】2025年7月31！MDPI 六大期刊“采用新能源及其他设备实现智能电网灵活高效运行”专题征稿！
4.【SCI征稿|Frontiers】11月23！专题“韧性电网：信息-物理系统安全、模拟和自适应防御策略” 征稿进行中！+专刊群聊
5.【团队介绍|芬兰MESPO】芬兰阿尔托大学李正茂教授“AI/优化+综合能源系统（冷热电氢水等）规划和运行”团队介绍+互助群聊邀请
