找到 2 条结果 · Applied Energy
基于重力储能应对长期可再生能源不确定性下的离网式绿色氨系统灵活设计与运行
Flexible design and operation of off-grid green ammonia systems with gravity energy storage under long-term renewable power uncertainty
Jiahui Zhou · Bing Tong · Haiming Wang · Gang Xu 等6人 · Applied Energy · 2025年6月 · Vol.388
摘要 传统的氨生产过程严重依赖化石燃料，因此迫切需要重新设计合成工艺，以减少温室气体排放并应对资源枯竭的挑战。利用可再生能源驱动的离网式氨合成提供了一条可行的路径，可用于生产无碳氨。然而，离网式绿色氨工厂面临的一个重大挑战是在间歇性和不可预测的风能与光伏电力条件下，确保相对缺乏灵活性的氨合成单元的可靠运行。为应对这一挑战，本研究提出了一种新型的离网式绿色氨系统以及针对氨合成的离散多稳态灵活控制策略。首次将重力储能技术集成到大规模绿色氨项目中，以在有限的灵活运行能力下保障氨合成反应器的持续供电。所...
解读: 该离网绿氨系统研究对阳光电源储能业务具有重要战略价值。文中提出的重力储能与光伏风电协同方案,可与我司PowerTitan储能系统及ST系列PCS形成互补配置,解决氨合成装置在间歇性可再生能源下的连续供电难题。其多稳态柔性控制策略可借鉴至我司GFM/VSG控制技术,优化离网场景下的功率调度算法。基于C...
利用聚光太阳能热能储存优化固体氧化物电解池：一种混合深度学习方法
Optimization of solid oxide electrolysis cells using concentrated solar-thermal energy storage: A hybrid deep learning approach
Hongwei Liua1 · Wei Shuaia1 · Zhen Yao · Jin Xuan 等7人 · Applied Energy · 2025年1月 · Vol.377
摘要 固体氧化物电解池（SOEC）是一种将CO2和H2O转化为合成气的前沿技术，具有显著的经济与环境效益。然而，该过程需要大量的高温热量输入，传统上依赖电能供给。本研究提出一种创新方法，利用聚光太阳辐射作为SOEC的可再生热源，并通过集成热能储存（TES）系统来应对太阳辐射固有的波动性挑战。我们构建了一种混合模型，将多物理场仿真与深度学习算法相结合，能够在实时直法向辐照度条件下快速优化电解过程。研究结果表明，在系统架构中引入TES后，SOEC入口处的温度变化率显著降低了53%，从而确保了运行的稳...
解读: 该研究将光热储能与固体氧化物电解耦合的深度学习优化方法,对阳光电源ST系列储能变流器及PowerTitan系统具有重要借鉴价值。其热能存储系统可降低53%温度波动率的控制策略,可应用于我司储能系统的热管理优化;混合多物理场仿真与深度学习算法的实时优化框架,可增强iSolarCloud平台的预测性维护...