基于人工智能的动态即插即用电池储能系统控制：车辆到电网的未来之路
为了追求可持续和高效的能源解决方案，蒂斯赛德大学的 Mudhafar Al-Saadi 和 Michael Short 教授组成的研究小组提出了一种创新的基于多智能体的人工智能控制系统，用于直流微电网中的即插即用电池。发表在《电池》杂志和多篇 IEEE 论文和文章上的方法和实验研究概述了一种有前途的方法来增强 […]
来源:科学特色系列为了寻求可持续和高效的能源解决方案，蒂斯赛德大学的 Mudhafar Al-Saadi 和 Michael Short 教授组成的研究团队提出了一种创新的多智能体 AI 控制系统，用于直流微电网中的即插即用电池。发表在《电池》杂志和多篇 IEEE 论文和文章上的方法和实验研究概述了一种有前途的方法，可以增强微电网中电力存储流的管理，特别是解决动态车辆到电网 (V2G) 充电应用带来的挑战。
能源是生命创造和维持的基础。这项研究的主要动机是迫切需要可持续的低排放能源系统，以应用于工业、社会和交通运输。这些系统旨在通过电力系统的脱碳、数字化和分散化来应对气候变化和化石燃料短缺。传统的电力流管理技术往往无法处理现代配电网络的动态和分散性。 Al-Saadi 和 Short 教授提出的创新方法提供了一种解决方案，即利用多智能体强化学习 (MARL)，这是一种新兴的基于人工智能的技术，通过学习复杂的输入输出关系来改进自动决策，以提高直流微电网中电力存储的效率和可靠性。
Mudhafar Al-Saadi 解释说：“直流基础设施对微电网中电力存储流控制的影响引起了广泛关注。我们的研究旨在解决充放电同步的潜在损失以及随后对控制稳定性的影响。”
期刊参考
Al-Saadi, M., & Short, M. (2023). 具有基础设施补偿的直流微电网中即插即用电池的多智能体控制。电池，9(12)，597。https://doi.org/10.3390/batteries9120597
https://doi.org/10.3390/batteries9120597 th rd