风光储发电单元蓄电池储能发电的优化研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·国内外风光储联合发电系统的研究与发展现状 | 第12-13页 |
| ·国内外蓄电池储能的研究现状 | 第13-15页 |
| ·论文的主要研究内容 | 第15-16页 |
| 第2章 储能蓄电池的特性及SOC研究 | 第16-26页 |
| ·引言 | 第16页 |
| ·磷酸铁锂电池 | 第16-18页 |
| ·磷酸铁锂电池的结构 | 第16-17页 |
| ·磷酸铁锂电池的工作原理 | 第17页 |
| ·磷酸铁锂电池的特点 | 第17-18页 |
| ·全钒液流电池 | 第18-19页 |
| ·全钒液流电池的结构 | 第18-19页 |
| ·全钒液流电池的工作原理 | 第19页 |
| ·全钒液流电池的特点 | 第19页 |
| ·钠硫电池 | 第19-21页 |
| ·钠硫电池的结构 | 第19-20页 |
| ·钠硫电池的工作原理 | 第20页 |
| ·钠硫电池的特点 | 第20-21页 |
| ·三种类型储能蓄电池比较 | 第21-22页 |
| ·蓄电池SOC | 第22-25页 |
| ·蓄电池SOC | 第22页 |
| ·蓄电池SOC影响因素 | 第22-23页 |
| ·蓄电池SOC常见估算方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于人工神经网络的蓄电池荷电状态预测 | 第26-38页 |
| ·引言 | 第26页 |
| ·人工神经网络理论 | 第26-34页 |
| ·人工神经网络简介 | 第26页 |
| ·人工神经网络的基本原理 | 第26-30页 |
| ·BP人工神经网络简介 | 第30页 |
| ·BP网络学习算法 | 第30-34页 |
| ·基于BP神经网络的蓄电池荷电状态预测研究 | 第34-37页 |
| ·蓄电池SOC预测神经网络模型建立 | 第34-35页 |
| ·SOC预测网络训练与测试 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 风光储发电单元蓄电池储能发电的优化研究 | 第38-48页 |
| ·引言 | 第38页 |
| ·蓄电池储能系统 | 第38-39页 |
| ·蓄电池储能系统的控制目标 | 第39-40页 |
| ·储能系统控制模式研究 | 第40-45页 |
| ·平抑功率波动控制模式 | 第40-43页 |
| ·跟踪计划出力控制模式 | 第43-44页 |
| ·削峰填谷控制模式 | 第44-45页 |
| ·蓄电池组能量管理策略研究 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 储能发电优化控制系统的设计与实现 | 第48-57页 |
| ·引言 | 第48页 |
| ·系统设计 | 第48-51页 |
| ·系统功能设计 | 第48页 |
| ·系统架构设计 | 第48-49页 |
| ·系统模块设计 | 第49页 |
| ·系统数据库设计 | 第49-51页 |
| ·系统主要功能实现 | 第51-54页 |
| ·系统曲线展示功能实现 | 第51-52页 |
| ·平抑功率波动控制功能实现 | 第52页 |
| ·跟踪计划出力控制功能实现 | 第52-53页 |
| ·削峰填谷控制功能实现 | 第53页 |
| ·蓄电池组能量管理功能实现 | 第53-54页 |
| ·系统功能模块 | 第54-56页 |
| ·储能监测模块 | 第54页 |
| ·运行分析模块 | 第54-55页 |
| ·优化发电控制模块 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-58页 |
| ·研究成果总结 | 第57页 |
| ·未来工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |
