找到 4 条结果 · Energy Conversion and Management
用于高效热化学储能与释能的多盐分层反应器性能分析
Performance analysis of a multi-salt tiered reactor for high-efficiency thermochemical energy storage and release
Hua Li · Yong Zhang · Yanping Yuan · Mingke Hu · Energy Conversion and Management · 2025年1月 · Vol.346
摘要 热化学储能可为太阳能热利用提供高密度的季节性储热，然而传统的单盐反应器存在充电效率低和放电持续时间短的问题。为克服这些局限性，本研究提出一种多盐分层反应器，其中三种水合盐——溴化锶、蛭石-氯化钙复合材料和碳酸钾——按照充电温度由高到低的顺序排列。该分层结构利用各盐种不同的热力学特性，实现分阶段能量储存和延长的热量释放过程。在COMSOL Multiphysics中建立了耦合传热与传质的模型，用于模拟在变化的太阳能驱动入口温度条件下反应器的运行性能。在此类工况下，反应器达到平均90%的盐转化...
解读: 该多盐分层热化学储能技术为阳光电源储能系统提供了长周期热能存储新思路。其85.30%充能效率和1400分钟放热时长,可与ST系列PCS结合,构建光热-电化学混合储能方案,解决季节性能量平衡难题。分层配置的温度梯度控制理念可借鉴至PowerTitan液冷系统优化,通过分区温控提升电池寿命。该技术特别适...
电磁感应加热陶瓷颗粒装置的实验研究
Experimental study of electromagnetic induction heating ceramic particles device (EIHCPD)
Tengyue Wang · Fengwu Bai · Pan Yao · Xin Yi Li 等7人 · Energy Conversion and Management · 2025年1月 · Vol.345
高效快速电热转换技术的发展是消纳光伏与风能等不稳定电源发电的重要途径。结合电磁感应加热原理与陶瓷颗粒耐高温的特性，提出一种高温电磁感应加热陶瓷颗粒装置（EIHCPD）。在石英管内部自由堆叠铁磁性小球，形成多孔通道结构，电磁感应加热线圈缠绕于石英管外壁。铁磁性小球在电磁感应作用下可实现快速升温，陶瓷颗粒流经多孔通道时与铁磁性小球进行热交换，从而实现高温加热。研究表明，相较于泡沫铁结构，堆叠式铁磁性颗粒的电磁感应加热具有更优的温度均匀性。在输入电功率为2049 W、陶瓷颗粒质量流量为5.0 g/s的...
解读: 该电磁感应加热陶瓷颗粒技术为阳光电源储能系统提供了新型热储能方案思路。其97.6%的高效电热转换效率和快速响应特性,可与ST系列PCS结合,将光伏/风电不稳定电力转化为高温热能存储。技术中的电磁感应加热原理与功率电子变换技术高度契合,可借鉴其多孔介质传热结构优化PowerTitan储能系统的热管理设...
一种具有光热、储热和电化学性能的新型集成碳化木电极用于太阳能驱动的热化学电池
A novel integrated carbon-wood electrode with photothermal, heat storage, and electrochemical properties for solar-driven thermochemical cells
Jun Zhang · Xiaotian Li · Jili Zheng · Yanan Zou 等8人 · Energy Conversion and Management · 2025年1月 · Vol.326
摘要 热化学电池为太阳能利用提供了一种可持续且环保的解决方案，但其性能常受到太阳辐射波动的限制。传统方法是将储热系统整合到热化学电池中，然而这些方法受限于较低的传热速率以及传统电极较小的电化学活性表面积。本研究创新性地提出一种碳化木电极设计，集成了增强的光热转换、储热和电化学性能，可实现太阳能驱动热化学电池中的连续发电。与传统的石墨电极相比，碳化木结构使光热转换效率提高了67%，电化学活性表面积增加了28%，单位体积（每立方厘米）的放热时间延长至16.67分钟。采用此类电极的热化学电池在太阳辐射...
解读: 该碳木一体化电极的光热-储热-电化学集成技术为阳光电源储能系统提供创新思路。其光热转换效率提升67%、电化学活性面积增加28%的设计理念,可应用于ST系列PCS的热管理优化和PowerTitan储能系统的温控策略改进。特别是其应对间歇性光照的稳定输出能力,与SG系列光伏逆变器的MPPT优化技术形成协...
基于多图神经网络辅助双域Transformer的风力发电时空预测
Spatiotemporal forecasting using multi-graph neural network assisted dual domain transformer for wind power
Guolian Hou · Qingwei Li · Congzhi Huang · Energy Conversion and Management · 2025年1月 · Vol.325
摘要 准确预测风力发电量对于风电场的运行与维护决策至关重要。随着风电机组规模和容量的不断增加，综合考虑时间与空间特征已成为提高预测精度的关键。本文提出一种新颖的多步风力发电时空预测方法，该方法采用多图神经网络辅助的双域Transformer模型。具体而言，为充分表征风电机组之间的异质依赖关系，通过注意力机制构建多种关系图并将其融合为统一图结构。随后，设计了时空融合模块（STFM），结合图卷积网络与一维卷积神经网络，以同时捕捉时间与空间特征。此外，提出了时频双域Transformer（DDform...
解读: 该时空多图神经网络风电预测技术对阳光电源储能系统具有重要应用价值。可集成至iSolarCloud平台,为风储耦合场景下的ST系列PCS提供精准功率预测支撑,优化储能充放电策略。多步预测能力(10分钟至6小时)与PowerTitan储能系统的能量管理周期高度契合,可提升风储协同调度精度。其时频双域Tr...