「供销大集股票」AI技术能预测钒液流电池的性能和成本

admin

作者

使用机器学习技能对钒活动电池的本钱、功能猜测和优化。

钒活动电池(VFB)具有安全性高、循环寿命长、功率高级长处，有望用于固定的大规划储能。

VFB体系的本钱首要取决于VFB电池组、电解液和控制体系。从要害资料到电池结构，从试验室到工业规划的VFB仓库开发，因为杂乱的要素，或许需求多年的试验。

为了加快VFB的商业化，需求新的方法来精确地猜测VFB栈和其他体系的功能和本钱。

最近，由中国科学院大连化学物理研讨所李先峰教授领导的一个研讨小组提出了一种根据机器学习的战略，以猜测和优化VFB的功能和本钱。

李教授说："咱们使用人工智能技能来进步功率，缩短研讨时刻，为VFB的研讨和开发供给重要的辅导。这或许加快VFB的商业化。

这篇论文于9月22日宣布在"动力与环境科学"杂志上。

所提出的战略的特点是作业电流密度和堆叠资料和结构。

机器学习模型能够猜测VFB反应器的电压功率、能量功率和电解液使用率，以及高精度的VFB体系的功率和动力本钱。

此外，根据机器学习的模型系数，提出了VFB电池组的未来研讨和发展方向，即在较高的电压功率和较高的电解液使用率的条件下开发高功率密度的VFB电池组。

这项作业不仅对VFB仓库的研讨和开发具有重要意义，并且突出了机器学习与试验相结合的远景，以优化和猜测杂乱体系的动态行为。

发布于 2023-06-03 11:06:25

喜欢 0

海报