.png){kind=icon}
.png){kind=icon}
返回
Multi-Source Data-Driven Switching Strategy Profiling for User-Side Energy Storage
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15163728.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着用户侧储能应用复杂性的日益增加，多源运行数据（包括有功功率轨迹、运行状态记录、有效运行日信息和使用电价时段窗口）中越来越多地包含待机时段和非典型工况，使得设备的真实切换策略难以识别。为此，本研究旨在从多源实际运行数据中提取稳定的典型运行模式，并构建适用于实际商业应用的分层切换策略概要。为达成此目标，本文提出了一种基于典型曲线和分层聚类的多源数据驱动切换策略概要方法，该方法利用实际运行数据，通过抗待机干扰的典型曲线提取算法，首先自适应筛选有效运行条件以重构各设备的核心输出模式。在此基础上，构建了分层形状-特征概要框架：采用OPTICS确定基准物理形状，并结合时间锚定及执行一致性特征进行精细化的K-Means细分。采用2023年1月至2025年12月期间151个用户侧储能设备的案例研究表明，所提方法识别出三种宏观运行形状和六种微观执行类型，揭示了持续时间、时间偏差和执行质量上的差异。研究结果为分布式用户侧储能的精细化运行、性能评估和资产管理提供了可解释的支持。
Keyword:
user-side energy storage
multi-source data
strategy profiling
hierarchical clustering
typical curve
switching strategy
期刊
IF:
2.6
论文数:
9.8K
被引数:
4.7W