找到 2 条结果 · Applied Energy
基于物理信息注意力残差网络的电池智能温度预警模型
Battery intelligent temperature warning model with physically-informed attention residual networks
Xue Ke · Lei Wang · Jun Wang · Anyang Wang 等12人 · Applied Energy · 2025年6月 · Vol.388
摘要 电动汽车的快速发展对锂离子电池的热安全管理提出了更高要求。传统的物理模型需要大量离线参数辨识，在计算效率与模型保真度之间难以平衡；而数据驱动方法虽然精度较高，但缺乏可解释性，且在不同工况下需要大量数据支持。为应对上述挑战，本文提出了一种物理信息引导的注意力残差网络（Physics-Informed Attention Residual Network, PIARN），该模型将改进的非线性双电容模型与热集总模型嵌入到物理引导的循环神经网络框架中，从而提升了模型的可解释性与泛化能力。所设计的残...
解读: 该物理信息引导的电池温度预警技术对阳光电源储能系统具有重要价值。PIARN模型结合物理模型与深度学习,可集成至ST系列PCS和PowerTitan储能系统的BMS热管理模块,实现0.1°C精度的在线温度预测和近100%准确率的热预警。其轻量化物理模型与残差网络架构适合边缘计算部署,可通过iSolar...
集成Ca(OH)₂/CaO热化学储能与超临界CO₂循环的卡诺电池系统用于长期储能及住宅供热
A Carnot battery system integrating ca(OH)2/CaO thermochemical energy storage and supercritical CO2 cycles for long-term energy storage and residential heat supply
Huawei Liu · Yongqing Zhang · Qianghui Xu · Wei Han 等5人 · Applied Energy · 2025年1月 · Vol.377
摘要 长期储能与高效率的卡诺电池系统对未来碳中和能源体系的发展至关重要。本文提出一种集成CaO/Ca(OH)₂热化学储能、超临界CO₂布雷顿发电与热泵循环以及部分工业余热的卡诺电池系统。该系统通过有效转换热能、化学能与电能，不仅能够利用过剩电力，还可提供住宅供暖，并实现按需向电网再生电力。基于差分进化算法与HEATSEP框架，构建了多层次优化工作流程，以优化传热过程与运行条件，从而获得能量方面最优的系统构型。优化后的系统表现出优异的性能指标，能量效率达到49.19%，㶲效率为40.48%，往返效...
解读: 该卡诺电池系统结合热化学储能与超临界CO2循环,对阳光电源长时储能技术具有重要启示。其71.52%往返效率和热电联供模式可应用于ST系列储能系统优化,特别是工业园区场景。超临界CO2循环的高效能量转换理念可借鉴至PowerTitan液冷系统热管理设计。多级优化算法框架对iSolarCloud平台的储...