考虑基于神经网络的电池退化的微电网最优能量调度

电池储能系统（BESS）可有效缓解可变可再生能源发电的不确定性。对于如最普遍的锂离子电池（LiB）等电池，退化不可避免且难以建模与预测。本文提出一种数据驱动方法，以预测给定调度电池运行剖面下的电池退化。特别地，提出一种基于神经网络的电池退化（NNBD）模型，以主要电池退化因素为输入来量化电池退化。当将所提 NNBD 模型纳入微电网日前调度（MDS）时，我们可建立基于电池退化的 MDS（BDMDS）模型，借助所提基于循环的电池使用处理（CBUP）方法为 NNBD 模型精确考虑等效电池退化成本。由于所提 NNBD 模型高度非线性且非凸，BDMDS 将极难求解。为解决此问题，本文提出神经网络与优化解耦启发式（NNODH）算法，以有效求解该神经网络嵌入的优化问题。仿真结果表明，所提 NNODH 算法能够获得含正常运行成本与电池退化成本的最低总成本最优解。