找到 2 条结果 · Applied Energy
通过将相变材料封装为红细胞形状提升储热罐性能的研究
Study on the performance improvement of thermal storage tank by encapsulating PCM in the shape of red blood cells
Wei Li · Zihan Gao · Shida Liu · Jing Wang 等6人 · Applied Energy · 2025年1月 · Vol.388
摘要 能源存储因其在平衡能源供需、减少可再生能源不稳定性以及提高能源效率方面的潜力而受到越来越多的关注。相变材料（PCM）被用于增强储热罐的热性能。然而，传统的PCM应用面临传热效率低的问题。红细胞（RBC）形状的封装PCM可能克服这一缺陷。本文采用实验与数值模拟相结合的方法，对RBC形状封装PCM储热罐和球形封装PCM储热罐在蓄热与放热时间、有效放热量、温度分层、理查德森数（Richardson number）以及能量效率等方面进行了研究。结果表明，RBC形状封装PCM储热罐的平均完全熔化时间...
解读: 该红血球型相变材料封装技术对阳光电源储能系统具有重要应用价值。研究显示RBC型PCM相比球形封装熔化时间缩短44.73%,热传递效率显著提升,可应用于PowerTitan液冷储能系统的热管理优化。通过改进相变材料封装形态,能提升ST系列PCS温控性能,增强温度分层效果,提高能量利用率7.5%。该技术...
AM-MFF：一种基于注意力机制的多特征融合框架用于鲁棒且可解释的锂离子电池健康状态估计
AM-MFF: A multi-feature fusion framework based on attention mechanism for robust and interpretable lithium-ion battery state of health estimation
Si-Zhe Chen · Jing Liu · Haoliang Yuan · Yibin Tao 等6人 · Applied Energy · 2025年1月 · Vol.381
健康状态（SOH）是电池管理系统（BMS）中的一个关键参数。利用多种数据源可有效提升端到端SOH估计的性能。然而，现有的基于多维特征的方法未能充分挖掘不同数据源之间的内在关联。同时，大多数方法缺乏可解释性，并忽视了噪声带来的不利影响。本研究提出了一种基于注意力机制的多特征融合框架（AM-MFF），以实现鲁棒且可解释的SOH估计。AM-MFF结合了卷积神经网络（CNN）和注意力机制（AM）的优势，能够高效提取并融合健康特征，从而全面感知电池老化信息。该框架将两个运行阶段的数据作为输入，并通过两个独...
解读: 该AM-MFF锂电池SOH估算框架对阳光电源储能系统具有重要应用价值。其多特征融合与注意力机制可直接集成至ST系列PCS和PowerTitan储能系统的BMS中,提升电池健康状态预测精度和抗噪性能。多输入容错设计确保单传感器故障时系统仍可靠运行,符合大规模储能安全需求。注意力分数的可解释性有助于iS...