基于贝叶斯方法的微电网系统状态估计与优化控制研究 |
论文目录 | | 摘要 | 第1-7页 | ABSTRACT | 第7-25页 | 第1章 绪论 | 第25-43页 | 1.1 背景与意义 | 第25-28页 | 1.1.1 研究背景 | 第25-28页 | 1.1.2 研究意义 | 第28页 | 1.2 微电网系统概述 | 第28-29页 | 1.3 国内外研究现状 | 第29-36页 | 1.3.1 微电网系统分层控制概述 | 第30页 | 1.3.2 微电网系统优化运行 | 第30-32页 | 1.3.3 储能系统参数估计 | 第32-36页 | 1.3.4 储能系统均衡控制 | 第36页 | 1.4 本论文的主要研究内容 | 第36-38页 | 1.5 主要工作与章节安排 | 第38-43页 | 1.5.1 主要工作 | 第38-40页 | 1.5.2 章节安排 | 第40-43页 | 第2章 数学工具和理论基础 | 第43-65页 | 2.1 小波神经网络简介 | 第43-48页 | 2.1.1 非线性系统建模问题描述 | 第43-44页 | 2.1.2 人工神经网络概述 | 第44-46页 | 2.1.3 小波分析理论 | 第46-48页 | 2.1.4 基于小波神经网络的非线性系统建模 | 第48页 | 2.2 布朗运动老化建模 | 第48-50页 | 2.2.1 布朗运动简介 | 第48-49页 | 2.2.2 带漂移和尺度参数的布朗运动 | 第49页 | 2.2.3 布朗运动在设备寿命预测中的应用 | 第49-50页 | 2.3 基于贝叶斯方法的参数估计 | 第50-57页 | 2.3.1 参数估计问题描述 | 第50-51页 | 2.3.2 贝叶斯估计方法 | 第51-56页 | 2.3.3 对偶贝叶斯估计器设计 | 第56-57页 | 2.4 贝叶斯优化算法 | 第57-59页 | 2.4.1 优化问题描述 | 第57-58页 | 2.4.2 贝叶斯优化理论 | 第58-59页 | 2.5 子空间参数辨识方法 | 第59-61页 | 2.6 不变嵌入方法 | 第61-63页 | 2.7 本章小结 | 第63-65页 | 第3章 储能系统建模与状态和参数估计 | 第65-139页 | 3.1 引言 | 第65-66页 | 3.2 储能电池的电化学机理分析 | 第66-67页 | 3.3 储能电池动态行为建模 | 第67-72页 | 3.3.1 等效电路模型 | 第67-68页 | 3.3.2 小波神经网络模型 | 第68-69页 | 3.3.3 开路电压磁滞特性建模 | 第69-70页 | 3.3.4 自回归生成模型 | 第70-72页 | 3.4 储能电池测试平台及性能测试方法 | 第72-74页 | 3.4.1 电池测试平台 | 第72-73页 | 3.4.2 性能测试方法 | 第73-74页 | 3.5 考虑非线性处理的状态估计 | 第74-97页 | 3.5.1 基于模型分段线性化和KF的SOC估计 | 第75-81页 | 3.5.2 基于小波神经网络和PF的SOE估计 | 第81-90页 | 3.5.3 基于不变嵌入法的磁滞建模与SOC估计 | 第90-97页 | 3.6 基于阶次自适应模型的状态估计 | 第97-108页 | 3.6.1 性能测试分析与温度补偿方法 | 第98-100页 | 3.6.2 电池自回归生成模型 | 第100-101页 | 3.6.3 基于N4SID与SMCF的参数SOC在线估计方法 | 第101-103页 | 3.6.4 实验验证与讨论 | 第103-108页 | 3.7 基于对偶贝叶斯方法的状态和参数估计 | 第108-132页 | 3.7.1 基于RLS+UKF对偶滤波的电池SOC估计 | 第108-118页 | 3.7.2 基于EKF+PF对偶估计器的电池SOE估计 | 第118-125页 | 3.7.3 考虑状态和参数约束的对偶状态估计方法 | 第125-132页 | 3.8 储能电池峰值功率预测与分析 | 第132-137页 | 3.8.1 储能电池峰值功率预测方法 | 第132-134页 | 3.8.2 实验验证与讨论 | 第134-137页 | 3.9 本章小结 | 第137-139页 | 第4章 储能系统老化建模和健康状态估计 | 第139-153页 | 4.1 引言 | 第139页 | 4.2 储能电池老化机理分析 | 第139-141页 | 4.3 老化测试方法和数据集 | 第141-142页 | 4.4 基于布朗运动的老化建模 | 第142-143页 | 4.5 基于极大似然估计的参数辨识 | 第143-144页 | 4.6 短期健康状态与长期剩余寿命预测 | 第144-146页 | 4.6.1 基于粒子滤波的漂移参数估计 | 第144-145页 | 4.6.2 短期健康状态预测 | 第145页 | 4.6.3 长期剩余寿命预测 | 第145-146页 | 4.7 实验结果分析 | 第146-152页 | 4.7.1 数据预处理 | 第146-147页 | 4.7.2 短期健康状态预测验证 | 第147-149页 | 4.7.3 长期剩余寿命预测验证 | 第149-152页 | 4.8 本章小结 | 第152-153页 | 第5章 储能电池组参数估计与均衡控制 | 第153-183页 | 5.1 引言 | 第153页 | 5.2 储能串联电池组荷电状态与功率状态估计 | 第153-167页 | 5.2.1 电池测试与数据分析 | 第154-158页 | 5.2.2 电池组建模 | 第158-159页 | 5.2.3 电池组荷电状态估计方法 | 第159页 | 5.2.4 电池组功率状态估计方法 | 第159-163页 | 5.2.5 实验验证与分析 | 第163-167页 | 5.3 电池组均衡控制概述 | 第167-169页 | 5.4 电池组均衡控制系统设计 | 第169-182页 | 5.4.1 两层并行均衡拓扑电路 | 第169-172页 | 5.4.2 电池组开路电压估计方法 | 第172-174页 | 5.4.3 基于开路电压估计的均衡控制算法 | 第174-178页 | 5.4.4 电池组均衡实验结果分析 | 第178-182页 | 5.5 本章小结 | 第182-183页 | 第6章 微电网系统能量优化策略 | 第183-195页 | 6.1 引言 | 第183-184页 | 6.2 系统模型 | 第184-187页 | 6.2.1 微电网系统整体构成 | 第184-185页 | 6.2.2 负载和分布式微源模型 | 第185页 | 6.2.3 储能系统模型 | 第185-187页 | 6.3 能量优化调度问题描述 | 第187-190页 | 6.3.1 理想离线优化问题描述 | 第187-188页 | 6.3.2 在线贪心优化问题描述 | 第188页 | 6.3.3 全局在线优化问题描述 | 第188-190页 | 6.4 基于贝叶斯优化算法的能量优化策略 | 第190页 | 6.5 仿真实验与结果分析 | 第190-194页 | 6.5.1 仿真实验设计 | 第190-192页 | 6.5.2 案例研究与分析 | 第192-194页 | 6.6 本章小结 | 第194-195页 | 第7章 总结与展望 | 第195-199页 | 7.1 研究总结 | 第195-196页 | 7.2 工作展望 | 第196-199页 | 参考文献 | 第199-211页 | 致谢 | 第211-213页 | 在读期间发表的学术论文与取得的研究成果 | 第213-216页 |
|
|
|
| |