MSICPO-VMD驱动的风氢混合储能系统两阶段能量管理策略

张雷，刘冠宇，翟耘佩，冯志远，刘航，陈功

（河南科技大学 信息工程学院，河南洛阳471000） 

摘要：针对混合储能系统功率分配中，变分模态分解（VMD）因参数选择适应性不足而限制调度精度的问题，本文提出一种多策略改进冠豪猪优化器（MSICPO）来自适应优化VMD参数。该优化器融合了Kent混沌映射、纵横交叉算法、柯西变异及自适应种群规模策略，以提升全局搜索性能与收敛可靠性。同时，构建了结合包络熵与皮尔逊相关系数的复合适应度函数，用以指导优化过程；确保模态分离的清晰度与信号重构的高保真度。此外，为细化功率调度粒度，建立了一种基于MSICPO-VMD双重分解的两阶段智能分配框架。该框架首先通过MSICPO-VMD与模态能量分析，将混合储能功率划分为主能量层与高频波动层；随后，对主能量层进行二次分解，并依据样本熵量化的分量复杂度，将其自适应地分配至氢储能或电池储能单元。仿真结果表明：与原始CPO及多种常用群体智能算法相比，MSICPO在收敛速度和优化精度上均有显著提升。所提策略有效缓解了常规分解方法的模态混叠问题，同时充分利用了各储能单元的互补特性。

关键词：变分模态分解，冠豪猪优化算法，两阶段智能分配，模态能量分析，样本熵

扫二维码浏览全文

Cite this article

Zhang, L., Liu, G., Zhai, Y. et al. MSICPO-VMD Driven Two-Stage Energy Management for Wind-Hydrogen Hybrid Systems. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2895-z