Rasoul Talebia · Ali Pouria · Pouya Zakerabbas · Sina Maghsoud 等5人 · Applied Energy · 2025年1月 · Vol.399

摘要 钒氧化还原液流电池（VRFB）为大规模储能应用提供了一种可持续且可靠的解决方案。本研究首次采用高斯过程回归（GPR）模型，对VRFB的能量效率进行参数间相关性的全面数据驱动分析及预测。共从文献中收集了420组VRFB数据集，并选取10个结构特征和2个操作特征作为输入参数。研究发现，在活性面积较大的VRFB电池中，即在中试至商业化规模的应用中，蛇形流场结构、较高的电解液浓度、较厚的电极以及更高的毡材压缩率更为普遍。结果表明，电流密度、膜类型和电极处理方式分别具有-0.4167、0.2862和...

解读: 该VRFB能效AI预测技术对阳光电源ST系列储能变流器及PowerTitan液流储能系统具有重要参考价值。研究揭示电流密度、隔膜类型等关键参数对能效影响规律,可指导我们优化PCS功率调度策略和电堆运行参数。GPR机器学习模型的高精度预测能力(R²>0.95)可集成至iSolarCloud平台,实现液...