找到 2 条结果 · Applied Energy
一种新型多联产液化空气储能系统耦合空气分离装置：热力学与经济性分析
A novel multi-generation liquid air energy storage system coupled with air separation unit: Thermodynamic and economic analysis
Boxu Yu · Xianghe Wang · Zhongzheng Wang · Jiahua Zhu 等7人 · Applied Energy · 2025年8月 · Vol.391
摘要 将空气分离装置（ASU）与液化空气储能（LAES）系统相结合，可通过共享压缩和冷却设备，提升LAES的收益潜力并缩短投资回收期。然而，目前已提出的LAES-ASU系统要么无法满足ASU连续生产的要求，要么对LAES的储能量造成限制。因此，本研究提出一种新型多联产LAES-ASU系统，通过压缩级联系统中的物流分流、液化段的流程改进以及膨胀级联中的余热再利用，实现LAES与ASU之间的高效耦合。在建立分析模型后，对耦合系统进行了参数分析，以确定最优运行参数。此外，还开展了全面的能量、㶲及经济性...
解读: 该液态空气储能(LAES)与空气分离耦合系统对阳光电源ST系列储能变流器及PowerTitan系统具有重要参考价值。57.09%往返效率和3.9年回收期证明多能互补商业模式的可行性。系统中压缩机、热交换器的能量管理优化思路可应用于我司储能系统热管理设计;多级压缩分流技术可启发PCS拓扑优化;空分产品...
一种用于风力涡轮机应用中精确预测三维时空风场的新型频域物理信息神经网络
A novel frequency-domain physics-informed neural network for accurate prediction of 3D spatio-temporal wind fields in wind turbine applications
Shaopeng Li · Xin Li · Yan Jiang · Qingshan Yang 等7人 · Applied Energy · 2025年5月 · Vol.386
摘要 风能是全球关键的清洁能源之一。风力涡轮机的结构安全性和动力响应分析在很大程度上受到其所在位置风速数据可获得性与精度的影响。然而，气象观测站分布稀疏，通常难以获取高分辨率的空间风速数据，因此需要采用条件模拟方法来补充低分辨率的观测数据。本研究针对这一挑战，提出了一种频域物理信息神经网络（FD-PINN），该方法利用频域信息，旨在实现对风力涡轮机三维（3D）时空风场的精准预测。该方法构建了一个深度神经网络，并将其与关键物理模型相结合，包括风谱、风场相干函数以及风速廓线。通过融合这些物理先验知识...
解读: 该频域物理信息神经网络技术对阳光电源风电变流器及新能源场站具有重要价值。通过高精度3D时空风场预测,可优化SG系列风电变流器的功率预测算法和主动抗扰控制策略,提升MPPT效率。结合iSolarCloud平台,该深度学习方法可增强风光储混合电站的预测性维护能力,优化储能系统ST系列PCS的充放电策略。...