找到 2 条结果
利用聚光太阳能热能储存优化固体氧化物电解池：一种混合深度学习方法
Optimization of solid oxide electrolysis cells using concentrated solar-thermal energy storage: A hybrid deep learning approach
Hongwei Liua1 · Wei Shuaia1 · Zhen Yao · Jin Xuan 等7人 · Applied Energy · 2025年1月 · Vol.377
摘要 固体氧化物电解池（SOEC）是一种将CO2和H2O转化为合成气的前沿技术，具有显著的经济与环境效益。然而，该过程需要大量的高温热量输入，传统上依赖电能供给。本研究提出一种创新方法，利用聚光太阳辐射作为SOEC的可再生热源，并通过集成热能储存（TES）系统来应对太阳辐射固有的波动性挑战。我们构建了一种混合模型，将多物理场仿真与深度学习算法相结合，能够在实时直法向辐照度条件下快速优化电解过程。研究结果表明，在系统架构中引入TES后，SOEC入口处的温度变化率显著降低了53%，从而确保了运行的稳...
解读: 该研究将光热储能与固体氧化物电解耦合的深度学习优化方法,对阳光电源ST系列储能变流器及PowerTitan系统具有重要借鉴价值。其热能存储系统可降低53%温度波动率的控制策略,可应用于我司储能系统的热管理优化;混合多物理场仿真与深度学习算法的实时优化框架,可增强iSolarCloud平台的预测性维护...
固体氧化物电解池动态运行下热中性目标的多目标优化：一种混合建模方法
Multi-objective optimization of SOEC performance in dynamic operation: a hybrid modelling approach towards thermal neutrality
Haitao Zhu · Jing Zhu · Peiwang Zhu · Jin Xuan 等6人 · Energy Conversion and Management · 2025年1月 · Vol.337
摘要 间歇性可再生能源可能导致固体氧化物电解池（SOECs）内部产生热振荡，从而影响其结构完整性和运行安全。本文构建了一个管状SOEC的数值模型。在准阶跃电压响应条件下，观察到单电池模型可在0.5秒内快速从一个稳态过渡至另一个准稳态，同时保持产热稳定，表明稳态数据可用于预测动态状态下的性能表现。本文提出一种融合了经实验数据验证的多物理场仿真模型、深度神经网络与遗传算法的混合建模方法，用于评估SOEC在稳定热工况下的性能表现，尤其适用于接入波动性可再生能源输入的情形。在维持热中性的前提下，比较了四...
解读: 该SOEC动态运行多目标优化技术对阳光电源储能系统具有重要借鉴价值。文中针对间歇性可再生能源引起的热振荡问题,提出的混合建模方法(多物理场仿真+深度神经网络+遗传算法)可应用于ST系列PCS和PowerTitan储能系统的热管理优化。特别是其四种控制策略对比和准稳态快速响应(0.5s)的研究思路,可...