基于完备经验模态分解与能量熵的混合储能系统功率分配.docx

基于完备经验模态分解与能量熵的混合储能系统功率分配
基于完备经验模态分解与能量熵的混合储能系统功率分配
摘要：混合储能系统在能源领域起着越来越重要的作用。然而，如何合理地分配功率以提高系统效率一直是一个热点问题。本文提出了一种基于完备经验模态分解（CEEMD）和能量熵（EE）的方法，用于混合储能系统的功率分配。首先，利用CEEMD对混合储能系统的输入输出信号进行分解，得到一系列经验模态函数（EMD）。然后，使用EE计算每个EMD的能量熵，根据能量熵的大小对EMD进行排序。最后，根据排序结果分配功率给每个EMD，从而实现混合储能系统的功率分配。通过实验结果验证了本方法的有效性和优越性。
关键词：混合储能系统、功率分配、完备经验模态分解、能量熵
1.引言
混合储能系统是一种将多种能量存储器件结合在一起的能源系统，它可以充分利用各种能量存储器件的优势，提高能源利用效率。在混合储能系统中，合理地分配功率对于保证系统的稳定运行和提高系统效率非常重要。因此，如何优化功率分配问题成为了一个研究热点。
2.相关工作
过去的研究中，有很多方法用于混合储能系统的功率分配，如基于模糊控制、最优电流控制等。然而，这些方法往往需要大量的计算和参数调整，并且对系统参数变化敏感。
3.方法介绍
本文提出了一种新的方法，基于完备经验模态分解和能量熵，用于混合储能系统的功率分配。完备经验模态分解是一种信号分解方法，可以将信号分解为一系列经验模态函数。能量熵是一种衡量信号自身动态特性的指标，可以刻画信号的不确定性和不规则性。
首先，利用完备经验模态分解对混合储能系统的输入输出信号进行分解，得到一系列经验模态函数。完备经验模态分解是一种自适应的分解方法，可以适应不同信号的特性。
然后，使用能量熵计算每个经验模态函数的能量熵。能量熵是一种对信号动态特性的度量，可以衡量信号的不确定性和不规则性。能量熵越大，表示信号越不规则。
根据能量熵的大小对经验模态函数进行排序。排序后，将功率分配给能量熵较大的经验模态函数。能量熵较大的经验模态函数通常表示信号的主要能量部分，因此将功率分配给这些经验模态函数可以提高系统的功率利用率。
最后，将经验模态函数重组得到混合储能系统的输出信号。重组后的输出信号包含了分配好的功率，从而实现了混合储能系统的功率分配。
4.实验结果
通过在混合储能系统中的应用实验，验证了本方法的有效性和优越性。与传统方法相比，本方法能够更好地适应不同信号的特性，并且能够在不同的工况下实现优化的功率分配。
5.结论
本文提出了一种基于完备经验模态分解和能量熵的方法，用于混合储能系统的功率分配。实验结果表明，该方法能够提高混合储能系统的功率利用率，优化功率分配。未来的研究可以进一步扩展该方法的应用范围，并优化算法的计算效率。
参考文献：
[1]Zhang,H.,etal.(2018).Powerallocationinhybridenergystoragesystemswithmultiplepowersources.IEEETransactionsonIndustrialInformatics,14(5),1968-1977.
[2]Hao,Y.,etal.(2019).Powerallocationstrategyforhybridenergystoragesystemsbasedonfuzzylogiccontrol.EnergyConversionandManagement,182,100-113.
[3]Chen,X.,etal.(2020).Powerallocationstrategyforhybridenergystoragesystemsbasedonoptimalcurrentcontrol.AppliedEnergy,267,114879.