找到 2 条结果 · Solar Energy
基于放电动力学评估氧化铝纳米颗粒辅助的NaNO3储能潜力
Assessment of the energy storage potential of NaNO3 aided by alumina nanoparticles using discharge kinetics
Hari Suthan V. · Vikraman H. · Suganthi K.S. · Rajan K.S. · Solar Energy · 2025年1月 · Vol.302
摘要 硝酸钠（NaNO3）是一种具有高熔点和高潜热的相变材料（PCM），但其导热系数相对较低。通过球磨法将氧化铝（Al2O3）纳米颗粒添加到NaNO3中，制备了Al2O3-NaNO3纳米复合材料。研究了氧化铝纳米颗粒浓度（最高达2 wt%）对相变特性及导热性能的影响。针对纯NaNO3和Al2O3-NaNO3纳米复合材料，在强制对流条件下分别采用充分搅拌的Therminol-55和空气作为传热流体，开展了储存潜热释放过程的实验研究。结果表明，加入Al2O3纳米颗粒后，材料的导热系数和比热容均有所提...
解读: 该Al₂O₃-NaNO₃纳米复合相变材料研究对阳光电源PowerTitan储能系统具有重要参考价值。1wt%氧化铝添加可使凝固时间缩短15%、传热系数提升25-198%,这为ST系列PCS的热管理优化提供新思路。高温相变材料(熔点307°C)的500次循环稳定性,可应用于大型储能电站的被动散热设计,...
一种基于人工智能预测温室环境中光伏-热系统的能量参数的方法
An artificial intelligence approach to predict energy parameters in a photovoltaic-thermal system within a greenhouse
Shojapour Pour · Ali Motevali · Seyed Hashem Samadi · Ranjbar-Nedamani Nedamani 等6人 · Solar Energy · 2025年1月 · Vol.295
摘要 农业各个领域日益增长的能源需求，尤其是在温室设施中，迫切需要探索可行的解决方案。利用可再生能源，并结合人工智能（AI）技术对能耗数据进行预测与分析，为应对这一挑战提供了有前景的途径。本研究采用多种机器学习模型，针对基于纳米流体（Al2O3、SiO2、Al2O3-SiO2）的光伏-热系统，在温室内外环境下对其能量参数（如输出功率、电效率、热效率和总效率）进行预测。建模过程采用了时延神经网络（TDNN）、多层感知机（MLP）以及非线性自回归（NARX）方法，并引入了对数激活函数。不同能量参数的...
解读: 该研究对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要价值。NARX神经网络预测光伏系统能效参数(R²=0.9979)的方法,可集成至我司智能运维平台,实现MPPT算法优化和发电效率预测性维护。纳米流体光热系统的AI建模思路,可应用于户用光伏热电联供场景,提升SG系列逆变器在农业光伏...