《Journal of Energy Storage》:Research on flexible directional optimization methods and differential response characteristics of EV clusters under multiple regulation objectives
编辑推荐:
相变材料热存储系统通过多模型ANFIS框架实现高效优化,利用有限实验数据构建高精度数字孪生模型,验证显示R2均值超0.92,为热系统分析提供新方法。
Taha Kubilay ?ener | Gül?ah ?akmak
菲拉特大学计算机工程系,土耳其埃拉泽格,23119
摘要
尽管对热能存储系统的实验分析能够提供关键数据,但这一过程通常受到大量时间投入和有限研究范围的制约。为了克服这些限制,本研究提出了一种专门的“分而治之”多模型框架,用于分析和优化与相变材料(PCM)集成的U型管换热器的性能。我们没有使用单一的复杂全局模型,而是为离散的实验条件开发了专门的自适应网络基础模糊推理系统(ANFIS)模型,这些模型利用了稀疏的历史数据。这种架构划分有效地将历史数据集转化为高保真的“数字孪生体”,能够捕捉到细微的、局部的热动态变化。严格的重复保留验证表明,这些模型的预测精度非常出色,平均R平方(R2)值始终超过0.92。经过验证的模型随后被用于优化分析,结果显示操作参数对充电时间有显著影响,从而实现了仅通过直接实验难以实现的性能提升。最终,本研究强调了专门的ANFIS模型为复杂热系统的全面分析和快速改进提供了一个强大而灵活的框架。
引言
为了可持续地满足全球日益增长的能源需求,高效的热能存储(TES)的部署变得不可或缺。TES技术的主要目的是协调能源生产与消耗之间的时间差异,这对于提高现代能源网格的可靠性至关重要,尤其是在整合太阳能等间歇性能源时[1]。利用相变材料(PCM)的潜热存储在各种TES方法中脱颖而出,因为它具有独特的优势。PCM通过在相变过程中以几乎恒定的温度吸收和释放大量热能,从而提供高能量存储密度[2,3]。这种稳定的热控制特性使其非常适合多种应用,包括建筑温度管理、工业废热回收和电子设备冷却。
尽管许多PCM(特别是有机石蜡和盐 hydrates)具有较高的存储容量,但其实际应用常常受到其固有低热导率的限制。这一限制阻碍了快速的充放电循环,成为性能关键应用中的瓶颈[4]。为了解决这一挑战,研究人员探索了各种增强技术。为了提高热传递效率,人们广泛研究了在存储单元内嵌入高导热性鳍片或金属泡沫等被动技术[5,6]。另一种显著的方法是在PCM中分散高导热性纳米颗粒(例如Al?O?、CuO),以创建纳米增强型PCM(NePCMs),从而提高复合材料的整体热导率[7,8]。虽然这些方法显示出潜力,但优化其设计和预测其性能通常依赖于大量的实验活动或计算成本高昂的数值模拟。
实验研究提供了宝贵的实际数据,但通常资源密集且仅限于一组离散的测试参数[9]。同样,高保真的数值方法(如有限元分析(FEA)可以提供详细的见解,但由于计算成本过高,大规模优化变得不切实际[10]。
为了填补这一空白,人工智能(AI)作为一种创建替代模型的强大工具应运而生。在这些方法中,ANFIS在模拟复杂工程系统方面尤其有效[11,12]。AI在热能存储(TES)中的应用取得了快速发展,从基础方法发展到高度专业化的应用,最近的综合性综述对此进行了强调[13]。
目前的最先进研究在TES设计的整个范围内应用了AI,从预测纳米增强型PCM的属性[14]和优化组件几何形状[15,16],到系统级能源管理[17]和高级配置选择[18]。然而,这些先进方法的共同点在于它们依赖于从计算成本高昂的模拟或大量实验活动中生成的大型数据集。
本研究解决了另一个同样重要的实际问题:如何从稀疏的历史实验数据中提取最大价值并创建高保真模型。为此,我们提出并实现了一个“分而治之”的多模型框架。我们的方法为之前表征的U型管潜热存储单元提供的每个离散实验条件开发了一个专门的高保真ANFIS模型[19]。这项工作的新颖之处在于这种数据高效的方法论框架,它证明了即使有限的历史数据集也可以转化为强大的“数字孪生体”。主要目标是展示这些模型可以实现稳健且高预测精度,通过重复验证,大多数场景的平均R平方值始终超过0.92。这些经过验证的模型随后可用于快速精确的系统优化,最终提供了一种无需进行新的昂贵实验即可分析和改进传统热系统的灵活途径。
部分摘录
实验基础和数据集来源
本研究基于?akmak(2013)[19]之前记录的一个经过充分表征的U型管壳管潜热存储单元的实验数据集。实验装置由一个圆柱形有机玻璃壳(直径150毫米,长度740毫米)组成,其中包含约20公斤的六水合氯化钙(CaCl?·6H?O)作为相变材料(PCM),其熔点为29.6°C。热量通过六个铜U型管传递
ANFIS替代模型的性能验证
使用第2.3节描述的重复保留验证方法对六个专门的ANFIS替代模型的性能进行了严格评估。关键性能指标总结在表2中。
如表2所示,六个模型中有五个展示了异常高且稳定的预测精度,平均R2值始终超过0.92。这些模型的低标准差值表明它们的性能稳健,不受
结论
本研究成功展示了仅利用稀疏的历史实验数据开发和应用了一种混合实验-智能框架,用于分析和优化潜热存储系统。主要发现及其更广泛的影响总结如下:
1.一种专门的多模型ANFIS策略被证明是一种高效且稳健的方法。严格的重复保留验证证实,为每个实验条件开发专用模型是有效的
CRediT作者贡献声明
Taha Kubilay ?ener:写作 – 审稿与编辑、软件开发、数据分析、形式化分析。Gül?ah ?akmak:写作 – 审稿与编辑、初稿撰写、可视化、验证、方法论构建、概念化。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
作者声明,本研究、分析或手稿准备没有收到任何外部资金支持。这项工作是在没有来自公共、商业或非营利组织的具体财务支持的情况下完成的。