找到 2 条结果
利用海鲜贝壳废弃物制取可再生氢气用于岛屿长期储能
Renewable hydrogen from seafood shell waste for long-term energy storage on islands
Vasudha Kaur · Misbaudeen Aderemi Adesany · Gurpreet Singh Selopal · Kuljeet Singh Grewal · Energy Conversion and Management · 2025年1月 · Vol.345
摘要 本研究探讨了利用可再生的海鲜贝壳废弃物进行可持续能源转化与长期储能的潜力，尤其针对孤立社区。尽管海鲜贝壳废弃物富含甲壳素和蛋白质，但其往往被忽视。研究评估并比较了三种先进的气化技术——生物质气化、等离子体气化和化学循环——以将海鲜贝壳废弃物转化为合成气和氢气（H₂）。研究采用经过验证的Aspen Plus模型，优化原料混合比例和运行参数。结果表明，以龙虾和虾壳为主的原料比以蛤蜊为主的混合物产生更高的氢气产量和更优质的合成气。例如，在1200°C条件下，生物质气化从纯龙虾或虾壳进料中可获得约...
一种面向模块化储热系统设计的高效机器学习方法
Computationally effective machine learning approach for modular thermal energy storage design
Davinder Singh · Tanguy Rugamb · Harsh Katar · Kuljeet Singh Grewal · Applied Energy · 2025年1月 · Vol.377
摘要 本研究提出了一种创新性方法，将计算流体动力学（CFD）与机器学习（ML）相结合，用于热能储存（TES）系统的设计与优化。基于使用CFD开展的放热过程参数化分析结果，训练了多种机器学习模型，包括线性回归、K近邻回归（KNN回归）、梯度提升回归（GBR）、XGBoost、LightGBM以及神经网络（NN）。结果表明，神经网络（NN）在预测混凝土和传热流体（HTF）温度随时间变化方面表现最优，是最适合的模型。训练后的机器学习模型为传统的CFD模拟提供了高效的替代方案，能够在不同入口条件、流速和...
解读: 该CFD与机器学习融合技术对阳光电源储能系统具有重要价值。可应用于PowerTitan液冷储能热管理优化,通过神经网络模型替代传统CFD仿真,计算效率提升99%以上。适用于ST系列PCS多模块级联散热设计,快速预测电池簇温度分布。该方法可集成至iSolarCloud平台,实现储能电站热失控预测性维护...