gogogo高清在线观看视频中文,狠狠色狠狠色综合,任你躁在线精品免费

近年來，太陽能技術的發展導致了由光伏電池（PVC）和熱電發電機（TEG）組成的混合能量設備（HEG）的出現。盡管 HED 已被廣泛研究以提高其性能，但尚未分析影響其性能的參數，因為參數與性能之間的潛在關系難以闡明。

在此，韓國高麗大學Sangsig Kim, Kyoungah Cho等人使用機器學習（ML）分析參數并預測HED 輸出功率。其中，界面材料的熱導率、吸收率、光熱轉換系數及實驗環境的周圍溫度（T_Surr）和輻照度作為ML的五個輸入變量。此外，PVC 的上（T1）和下（T2）側的溫度和由TEG產生的溫差電壓（V_S）被定義為ML的三個輸出變量。

為了分析HED的參數與性能之間的潛在關系，選擇輸出變量作為PVC（T1, T2）和TEG（V_S）性能的參數。輸出變量的后續過程提供了HED 的輸出功率：PVC的輸出功率可以從其作為溫度函數的數據中獲得，TEG 的輸出功率可以使用V_S及其內阻計算，HED的輸出功率是PVC和TEG輸出功率之和。

圖1. 實驗裝置及機器學習的數據采集

作者基于PVC和TEG之間存在不同界面材料的5種 HED（由PVC和TEG 組成）的110個實驗數據評估了8種不同的ML模型，包括線性回歸（LR）、k最近鄰（KNN）、隨機森林（RF）、三鏈式回歸模型（LR、KNN和RF）、支持向量回歸（SVR）和人工神經網絡（ANN）。

結果顯示，ANN模型是最合適的模型，它展示了P_{Max_HED}（P_{Max_TEG}+P_{Max_PVC}）與界面材料特性的相關性。較高的歸一化吸收率和光熱轉換系數導致P_{Max_TEG}增加，而較高的熱導率不僅導致P_{Max_TEG}增加，還導致P_{Max_PVC}減少。在界面材料特性中，歸一化吸收率和光熱轉換系數比導熱系數對提高HED的功率更重要。這項研究提供了一種有用的方法，即通過預測HED的功率和界面材料性能之間的相關性來提高輸出功率。

圖2. 真實結果和預測結果之間的線性相關性

Performance Prediction of Hybrid Energy Harvesting Devices Using Machine Learning, ACS Applied Materials & Interfaces 2022. DOI: 10.1021/acsami.1c21856

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/11/62685b44ca/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

高麗大學ACS AMI: 基于機器學習預測混合能量收集設備的性能

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

高麗大學ACS AMI: 基于機器學習預測混合能量收集設備的性能

相關推薦