找到 1 条结果 · Applied Energy

排序:
储能系统技术 储能系统 机器学习 ★ 5.0

机器学习预测三重管相变材料蓄热系统熔化响应时间的潜力

The potential of machine learning to predict melting response time of phase change materials in triplex-tube latent thermal energy storage systems

Peiliang Yan · Chuang Wen · Hongbing Ding · Xuehui Wang 等5人 · Applied Energy · 2025年1月 · Vol.390

准确预测熔化响应时间对于优化热能储存系统至关重要,这类系统在解决建筑环境中热能供需之间的时间不匹配问题中发挥着关键作用。本研究旨在定量预测一种新型三重管热能储存系统的熔化响应时间,该系统结合了相变材料和Y形翅片以增强传热性能。基于焓-孔隙度方法建立了数值模型来模拟熔化过程,在不同的设计和运行条件下共生成60个案例的数据集,其熔化响应时间范围为15至45分钟。研究的关键参数包括翅片角度(10°–30°)、翅片宽度(5–15 mm)以及传热流体温度(60 °C–80 °C)。在模型构建之前,验证了变...

解读: 该相变储能系统的机器学习优化技术对阳光电源ST系列储能变流器和PowerTitan液冷储能系统具有重要借鉴价值。研究中XGBoost算法对热响应时间的92%预测精度,可应用于我司液冷储能系统的热管理优化,特别是三电平拓扑功率器件的散热预测。传热流体温度和翅片宽度作为主导因素的发现,可指导PowerT...