一种基于神经网络电池退化模型求解安全约束机组组合问题的替代方法
系统与控制
2022-07-14 v2 系统与控制
摘要
电池储能系统（BESS）可有效平抑可变可再生能源发电的不确定性并提供灵活的辅助服务。然而，对于最广泛使用的锂离子电池等可充电电池，退化是关键问题。基于神经网络的电池退化（NNBD）模型可准确量化电池退化。将 NNBD 模型纳入安全约束机组组合（SCUC）时，可建立基于电池退化的 SCUC（BD-SCUC）模型，从而精确考虑等效电池退化成本。然而，由于 NNBD 模型的高非线性，BD-SCUC 可能无法直接求解。为解决该问题，通过将每个神经元处的非线性激活函数转化为线性约束，对 NNBD 模型进行线性化，使 BD-SCUC 成为线性化 BD-SCUC（L-BD-SCUC）模型。案例研究表明，所提 L-BD-SCUC 模型可高效求解含多个 BESS 母线的电力系统日前调度问题，且总成本为包含等效退化成本与正常运维成本的最低值。
引用
@article{arxiv.2207.00650,
title = {An Alternative Method for Solving Security-Constrained Unit Commitment with Neural Network Based Battery Degradation Model},
author = {Cunzhi Zhao and Xingpeng Li},
journal= {arXiv preprint arXiv:2207.00650},
year = {2022}
}
备注
6 pages