目 錄
第1章 電力儲能行業(yè)發(fā)展現(xiàn)狀 1
1.1 國內(nèi)電力儲能政策 1
1.1.1 國家政策 2
1.1.2 地方性政策 4
1.2 國際電力儲能標準 5
1.2.1 IEC標準 5
1.2.2 UL標準 7
1.2.3 UN標準 8
1.2.4 EN標準 8
第2章 電力儲能及電網(wǎng)調(diào)控技術 10
2.1 化學儲能技術 10
2.1.1 鋰離子電池 10
2.1.2 鈉離子電池11
2.1.3 全釩液流電池 13
2.1.4 鉛蓄電池 15
2.2 機械儲能技術 17
2.2.1 抽水蓄能 17
2.2.2 壓縮空氣儲能 17
2.2.3 飛輪儲能 18
2.2.4 超級電容儲能 19
2.3 熱能儲能技術 21
2.3.1 顯熱儲能 21
2.3.2 潛熱儲能 22
2.3.3 熱化學儲能 22
2.4 儲能技術的作用 23
2.4.1 電力系統(tǒng)中協(xié)同應用 24
2.4.2 靈活資源組合及作用機理 27
2.4.3 國內(nèi)外儲能應用案例 29
2.5 電網(wǎng)調(diào)峰與頻率控制技術 35
2.5.1 電網(wǎng)調(diào)峰技術原理 35
2.5.2 頻率控制技術 37
2.6 可再生能源技術 39
2.6.1 可再生能源的定義及分類 40
2.6.2 并網(wǎng)技術與標準 41
第3章 深度學習技術與應用 44
3.1 深度學習發(fā)展現(xiàn)狀 44
3.1.1 早期探索 44
3.1.2 重要里程碑 48
3.2 深度學習框架與方法 51
3.2.1 深度學習框架 51
3.2.2 神經(jīng)網(wǎng)絡基礎 53
3.2.3 前向傳播與反向傳播 59
3.2.4 損失函數(shù)與優(yōu)化算法 63
3.2.5 卷積神經(jīng)網(wǎng)絡 67
3.2.6 循環(huán)神經(jīng)網(wǎng)絡 73
3.3 深度學習在電力系統(tǒng)中的應用 75
3.3.1 電力設備及系統(tǒng)故障診斷 76
3.3.2 電力負荷及新能源功率預測 77
3.3.3 電力系統(tǒng)頻率分析與控制 78
第4章 發(fā)電側(cè)儲能電池測試、模型構建及狀態(tài)評估 81
4.1 電力儲能電池測試 81
4.1.1 測試平臺 81
4.1.2 測試方法 82
4.1.3 工作特性分析 83
4.2 儲能電池電、熱、耦合及老化模型 85
4.2.1 電化學特性模型 85
4.2.2 熱模型與熱管理 91
4.2.3 電熱耦合模型 97
4.2.4 老化模型 107
4.3 儲能電池狀態(tài)評估 115
4.3.1 荷電狀態(tài)估計策略 115
4.3.2 健康狀態(tài)預測算法 123
4.3.3 能量狀態(tài)與峰值功率估算 141
4.3.4 全壽命周期RUL評估 147
第5章 深度學習與電網(wǎng)側(cè)儲能 151
5.1 電網(wǎng)側(cè)儲能的定義及作用 151
5.2 電網(wǎng)側(cè)儲能的應用場景 154
5.2.1 關鍵電網(wǎng)節(jié)點儲能布局 154
5.2.2 新能源匯集區(qū)儲能應用 157
5.2.3 偏遠地區(qū)的電網(wǎng)供電保障 160
5.3 深度學習在電網(wǎng)側(cè)儲能中的應用 164
5.3.1 充放電時機預測 164
5.3.2 自適應電網(wǎng)需求 168
5.3.3 實時優(yōu)化與控制 168
第6章 深度學習與用戶側(cè)儲能 172
6.1 用戶側(cè)儲能的定義及作用 172
6.2 用戶側(cè)儲能應用場景 173
6.2.1 用戶側(cè)配置的儲能布局 173
6.2.2 工商業(yè)儲能 174
6.2.3 家庭儲能 175
6.3 深度學習在用戶側(cè)儲能中的應用 177
6.3.1 智能預測與優(yōu)化 177
6.3.2 智能調(diào)度 178
6.3.3 成本效益分析 179
6.3.4 需求響應 179
6.3.5 峰谷電價套利 180
6.3.6 家庭能源管理系統(tǒng) 180
6.3.7 故障檢測與維護 181
參考文獻 182