本书系统介绍电力储能行业的发展现状与技术分类、深度学习技术基础与应用、储能电池测试和状态评估、深度学习在电网侧和用户侧的应用。旨在探讨深度学习技术在电力储能领域的应用，以及如何通过智能化手段提升储能系统的安全性和效率。
更多科学出版社服务，请扫码获取。
2005.09-2018.06，西南科技大学，控制科学与工程，本科、硕士、博士
2020.01-2021.01，Aalborg University，控制科学与工程，博士后
2012.07-至今，西南科技大学，信息工程学院，助教、讲师、副教授、教授
2018.06-至今，中国科学技术大学，信息科学技术学院，联合共建实验室负责人
2020.01-2021.01，Aalborg University，控制科学与工程，博士后、访问学者
2021.01-至今，四川省氢能源与多能互补微电网工程技术研究中心，常务副主任
2022.05-至今，四川大学，电气工程学院，联合共建新能源测控实验室常务副主任新能源与储能系统基于课题研究在《Applied Energy》(SCI-1区[IF: 9.746]; Top; ESI; EI)、《Journal of Power Sources》(SCI-1区[IF: 9.127]; Top; ESI; EI)等期刊上发表论文150余篇IET Fellow
国家电器安全质量检测中心学术带头人
俄罗斯自然科学院院士（No. SST-31）
四川省氢能源与多能互补微电网工程技术研究中心常务副主任
中国科技城学术和技术带头人
高校企业创新人才团队领衔专家
国家自然科学基金项目评审专家
教育部院校评估专家
四川省科技厅重点研发项目评审专家
四川省教育评估专家
目 录
第1章 电力储能行业发展现状 1
1.1 国内电力储能政策 1
1.1.1 国家政策 2
1.1.2 地方性政策 4
1.2 国际电力储能标准 5
1.2.1 IEC标准 5
1.2.2 UL标准 7
1.2.3 UN标准 8
1.2.4 EN标准 8
第2章 电力储能及电网调控技术 10
2.1 化学储能技术 10
2.1.1 锂离子电池 10
2.1.2 钠离子电池11
2.1.3 全钒液流电池 13
2.1.4 铅蓄电池 15
2.2 机械储能技术 17
2.2.1 抽水蓄能 17
2.2.2 压缩空气储能 17
2.2.3 飞轮储能 18
2.2.4 超级电容储能 19
2.3 热能储能技术 21
2.3.1 显热储能 21
2.3.2 潜热储能 22
2.3.3 热化学储能 22
2.4 储能技术的作用 23
2.4.1 电力系统中协同应用 24
2.4.2 灵活资源组合及作用机理 27
2.4.3 国内外储能应用案例 29
2.5 电网调峰与频率控制技术 35
2.5.1 电网调峰技术原理 35
2.5.2 频率控制技术 37
2.6 可再生能源技术 39
2.6.1 可再生能源的定义及分类 40
2.6.2 并网技术与标准 41
第3章 深度学习技术与应用 44
3.1 深度学习发展现状 44
3.1.1 早期探索 44
3.1.2 重要里程碑 48
3.2 深度学习框架与方法 51
3.2.1 深度学习框架 51
3.2.2 神经网络基础 53
3.2.3 前向传播与反向传播 59
3.2.4 损失函数与优化算法 63
3.2.5 卷积神经网络 67
3.2.6 循环神经网络 73
3.3 深度学习在电力系统中的应用 75
3.3.1 电力设备及系统故障诊断 76
3.3.2 电力负荷及新能源功率预测 77
3.3.3 电力系统频率分析与控制 78
第4章 发电侧储能电池测试、模型构建及状态评估 81
4.1 电力储能电池测试 81
4.1.1 测试平台 81
4.1.2 测试方法 82
4.1.3 工作特性分析 83
4.2 储能电池电、热、耦合及老化模型 85
4.2.1 电化学特性模型 85
4.2.2 热模型与热管理 91
4.2.3 电热耦合模型 97
4.2.4 老化模型 107
4.3 储能电池状态评估 115
4.3.1 荷电状态估计策略 115
4.3.2 健康状态预测算法 123
4.3.3 能量状态与峰值功率估算 141
4.3.4 全寿命周期RUL评估 147
第5章 深度学习与电网侧储能 151
5.1 电网侧储能的定义及作用 151
5.2 电网侧储能的应用场景 154
5.2.1 关键电网节点储能布局 154
5.2.2 新能源汇集区储能应用 157
5.2.3 偏远地区的电网供电保障 160
5.3 深度学习在电网侧储能中的应用 164
5.3.1 充放电时机预测 164
5.3.2 自适应电网需求 168
5.3.3 实时优化与控制 168
第6章 深度学习与用户侧储能 172
6.1 用户侧储能的定义及作用 172
6.2 用户侧储能应用场景 173
6.2.1 用户侧配置的储能布局 173
6.2.2 工商业储能 174
6.2.3 家庭储能 175
6.3 深度学习在用户侧储能中的应用 177
6.3.1 智能预测与优化 177
6.3.2 智能调度 178
6.3.3 成本效益分析 179
6.3.4 需求响应 179
6.3.5 峰谷电价套利 180
6.3.6 家庭能源管理系统 180
6.3.7 故障检测与维护 181
参考文献 182
新书资讯
