找到 4 条结果 · Applied Energy
基于多智能体强化学习的混合风电-氢能电站日前交易与功率控制
Day-ahead trading and power control for hybrid wind-hydrogen plants with multi-agent reinforcement learning
Stijn Allya · Timothy Verstraeten · Ann Nowéb · Jan Helsen · Applied Energy · 2025年12月 · Vol.401
摘要 海上风电场及混合风电-氢能电站在多个收益来源中获取收入，而每个来源均存在不确定性与权衡关系，因此最大化其整体盈利能力具有挑战性。由于电力通常在实际发电前进行交易，天气预报在电力交易策略中起着关键作用。此外，其他市场参与者交易与控制策略会影响公共电网的平衡，从而影响通过电网调频所能获得的收益。同时，电解槽的运行状态可能影响当前及近期的氢气生产潜力。为应对上述挑战，本文提出一种新颖的多智能体强化学习（MARL）方法，包含两个专门设计的强化学习（RL）智能体：一个负责日前电力市场交易，另一个负责...
解读: 该多智能体强化学习技术对阳光电源风储氢一体化系统具有重要应用价值。可应用于ST系列储能变流器与电解制氢设备的协同优化控制:日前交易智能体优化PowerTitan储能系统的电力市场竞价策略,实时控制智能体动态调节风电并网与电解槽功率分配。结合iSolarCloud平台的气象预测与市场数据,该MARL架...
通过神经网络方法加速钙钛矿太阳能电池的器件表征
Accelerating device characterization in perovskite solar cells via neural network approach
Xinhai Zhaoab1 · Chaopeng Huangae1 · Erik Birgersson · Nikita Suprun 等11人 · Applied Energy · 2025年8月 · Vol.392
摘要 钙钛矿太阳能电池是下一代高效光伏器件的有力候选者，尤其适合作为叠层结构中的顶部电池。基于物理机制的光电模型，我们采集了十万量级的大数据样本，用于训练神经网络模型，以高效预测器件性能和复合损耗。在数据准备、模型训练和神经网络优化过程中，分别采用了拉丁超立方采样、贝叶斯正则化和贝叶斯优化方法。最优的神经网络模型在预留的测试数据集上实现的均方误差低于4 × 10⁻⁴。神经网络的计算速度比传统光电模型快一千倍以上。因此，器件快速校准可在24秒内完成。显著降低的计算成本使得高效的器件表征、参数研究、...
解读: 该神经网络加速钙钛矿电池表征技术对阳光电源光伏逆变器产品线具有重要借鉴价值。研究采用的深度学习方法将器件仿真速度提升千倍以上,可应用于SG系列逆变器的MPPT算法优化和iSolarCloud平台的预测性维护功能。通过贝叶斯优化和敏感性分析快速标定器件参数的思路,可迁移至SiC/GaN功率器件的损耗分...
基于机器学习与计算流体动力学的核电厂热能储存集成动态评估与优化
Dynamic Assessment and Optimization of Thermal Energy Storage Integration with Nuclear Power Plants Using Machine Learning and Computational Fluid Dynamics
Muhammad Faizan · Imran Afgan · Applied Energy · 2025年8月 · Vol.391
摘要 本研究利用相变材料（PCM）将热能储存（TES）系统与核电厂（NPPs）进行集成，采用计算流体动力学（CFD）模拟与机器学习技术，以提升核电厂的整体效率与盈利能力。本研究的创新性不仅在于分析PCM热物理特性、设计参数及输入条件对系统性能的影响，更在于开发一种可有效集成于核电厂的TES系统，解决包括输入参数的动态评估以及响应实时需求波动时对可用过剩能量的利用等关键挑战。为开展分析，共执行了2500组CFD模拟，用于评估垂直环形通道内相变行为。系统地分析了诸如传热流体注入条件和多种PCM特性等...
解读: 该研究的CFD仿真与机器学习优化方法对阳光电源ST系列储能系统具有重要借鉴价值。核心启示包括:1)动态评估技术可应用于PowerTitan储能系统的实时需求响应优化,提升削峰填谷效率;2)多目标遗传算法(MOGA)可用于优化PCS充放电策略,平衡充电时长与能量密度;3)ANN预测模型可集成至iSol...
集成多物理场建模与机器学习以提升质子交换膜水电解系统的效率与热管理
Integrating multiphysics modeling and machine learning for enhanced efficiency and thermal management in PEM water electrolyzer systems
Zilong Yanga · Jin Yangb · Haoran Sunb · Weiqun Liua 等6人 · Applied Energy · 2025年12月 · Vol.401
摘要 质子交换膜（PEM）水电解槽是实现可持续氢气生产的一项有前景的技术，然而在不同工况下优化其性能仍是一个关键挑战。本研究构建了一个优化问题，旨在考察关键操作参数（如入口流量Q_in和入口温度T_in）如何影响一个5 cm × 5 cm的PEM水电解槽的性能。目标是最大化系统效率、确保热安全性，并最小化辅助系统（BOP）的能耗。首先，提出了一种集管式直通道PEM水电解槽模型，该模型考虑了多物理场耦合效应，用以揭示入口温度和流量对氢气生产效率及BOP能耗的影响规律。随后，建立了用于提升系统性能的...
解读: 该PEM电解槽多物理场建模与机器学习优化技术对阳光电源氢能业务具有重要借鉴价值。研究中的热管理策略、效率优化方法可直接应用于ST系列储能变流器的热设计优化,通过ANN-PSO算法降低计算成本的思路可迁移至iSolarCloud平台的预测性维护模块。多物理场耦合仿真经验可支撑SiC器件在大功率电解系统...