找到 2 条结果
更正：综合分析与优化集成太阳能热能及储热的冷热电联产系统
Comprehensive analysis and optimization of combined cooling heating and power system integrated with solar thermal energy and thermal energy storage）［Energy Conv. Manag. 275 (2022) 116464］
Lanhua Liu · Ruilin Wang · Yuhao Wang · Wenjia Li 等9人 · Energy Conversion and Management · 2025年1月 · Vol.325
作者对原文致谢部分出现的错误表示歉意。致谢部分中提到的第一个国家自然科学基金委员会（NSFC）资助项目的编号应为“52106014”，而非“5210060338”。作者对由此造成的任何不便深表歉意。
解读: 该CCHP系统与太阳能热能及储能集成研究虽为勘误说明,但原文涉及的冷热电联供与储能优化技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要参考价值。多能互补系统的能量管理策略可启发我们优化储能系统在工商业场景的冷热电协同控制算法,提升iSolarCloud平台对综合能源系统的智能调度能...
基于物理信息注意力残差网络的电池智能温度预警模型
Battery intelligent temperature warning model with physically-informed attention residual networks
Xue Ke · Lei Wang · Jun Wang · Anyang Wang 等12人 · Applied Energy · 2025年1月 · Vol.388
摘要 电动汽车的快速发展对锂离子电池的热安全管理提出了更高要求。传统的物理模型需要大量离线参数辨识，在计算效率与模型保真度之间难以平衡；而数据驱动方法虽然精度较高，但缺乏可解释性，且在不同工况下需要大量数据支持。为应对上述挑战，本文提出了一种物理信息引导的注意力残差网络（Physics-Informed Attention Residual Network, PIARN），该模型将改进的非线性双电容模型与热集总模型嵌入到物理引导的循环神经网络框架中，从而提升了模型的可解释性与泛化能力。所设计的残...
解读: 该物理信息引导的电池温度预警技术对阳光电源储能系统具有重要价值。PIARN模型结合物理模型与深度学习,可集成至ST系列PCS和PowerTitan储能系统的BMS热管理模块,实现0.1°C精度的在线温度预测和近100%准确率的热预警。其轻量化物理模型与残差网络架构适合边缘计算部署,可通过iSolar...