非均匀温度分布下温差发电系统的多峰值寻优

在温度非均匀分布的场景下,集中式的半导体温差发电片(TEG)系统会出现多个最大功率点,如何从多个最大功率点中找到一个全局最大的最大功率点就变得尤为重要。提出了一种新型的交互式优化算法(GSA-ACS),用于实现热电片发电系统的最大功率追踪。该算法混合了自适应罗盘算法(ACS)和万有引力搜素算法(GSA),分别从恒定温度的场景、温度非均匀分布的场景、变化温度的场景,与扰动观察法(P&O)、均衡优化算法(EO)、ACS、GSA相比较,GSA-ACS能以更快的速度和更高的质量达到全局的最大功率点。

基于贪婪神经网络的集中式温差发电系统最大功率跟踪

该文提出一种基于贪婪搜索的神经网络(GSNN)算法,以实现非均匀温差分布下集中式温差发电系统的最大功率跟踪(MPPT)。首先,以DC-DC升压变换器占空比为输入,系统输出功率为输出,建立双层前馈神经网络模型。然后,采用Levenberg-Marquardt法训练神经网络,得到系统的输入-输出(I/O)拟合曲线,以准确区分局部最大功率点(LMPP)和全局最大功率点(GMPP)。同时,基于拟合的曲线,设计压缩范围的贪婪策略快速逼近GMPP。恒定温度、阶跃温度和灵敏度分析三种算例下的仿真结果表明,与扰动观测法、粒子群算法和灰狼算法相比,GSNN能在非均匀温差分布下快速、稳定地输出最大功率。最后,基于dSpace的硬件在环(HIL)实验验证了所提算法的硬件可行性。

基于自适应罗盘搜索的集中式温差发电系统MPPT设计

提出了一种新型自适应罗盘搜索(Adaptive Compass Search,ACS)算法,用于非均匀温差分布(Non-uniform Temperature Distribution,NTD)条件下的集中式温差发电(Thermoelectric Generation,TEG)系统最大功率点跟踪(Maximum Power Point Tracking,MPPT)。集中式TEG系统仅使用一个MPPT变换器,因此与组串式和模块式的TEG系统结构相比,其运行与维护成本较低。然而,在NTD条件下,集中式TEG系统通常会出现多个最大功率点(Maximum Power Point,MPP)。为有效寻找集中式TEG系统的全局MPP,采用了一种基于探索方向的自适应序列方式,通过利用过去的搜索结果来显著提高ACS的全局搜索能力。通过三个算例对ACS的MPPT性能进行了研究,即温度恒定、温度阶跃变化以及随机温度变化。仿真结果表明,与扰动观测(Perturb and Observe,P&O)算法、粒子群优化(Particle Swarm Optimization,PSO)算法和罗盘搜索(Compass Search,CS)算法相比,ACS能以更快的速度和更高的收敛稳定性获得高质量的全局MPP。

火积耗散理论在超临界二氧化碳传热优化中的应用

火积耗散原理为评价、优化换热器性能开辟了新的途径。为了使火积耗散均匀分布原则和温差均匀分布原则更好的应用于实际换热过程,采用编程迭代的方法,采用某两种优化原则进行改进,基于改进后的两种优化原则,分析比较了二氧化碳在不同进口压力时,两种原则优化的效果。结果表明,从有效度、火积耗散数等沿换热方向的大小变化,显示火积耗散均匀分布原则优化结果明显优于温差均匀分布原则,表明火积耗散均匀分布原则的传热效率高于温差均匀分布原则。

换热量和换热面积给定时的火积耗散最小原则

在换热量和换热面积给定的条件下,当换热系数不固定时,首先,对火积耗散均匀分布原则(EoED)、温差均匀分布原则(EoTD)和热流密度均匀分布原则(EoHF)的优化结果进行对比,结果表明,EoTD与EoED所得结果的误差很小,且远小于EoHF与EoED所得结果的误差.根据3种原则比较的结果,选择适当的优化原则,在给定热负荷和换热面积的两流体换热器中,分别对冷热流体侧的参数进行优化,结果表明,选择恰当流体侧的参数进行优化对于最小火积耗散优化原则的成功应用十分重要,在优化过程中应当选择以能提高总体换热系数的流体,或按照优化原则优化后能使温度分布平行并同时减小温差驱动力的流体为准则.

基于煅耗散最小的超临界二氧化碳传热优化研究

换热器性能的优化,不但能够强化传热减小阻力,而且能够节约能源和减少环境污染,这在能源日益短缺的今天具有重要的经济价值和社会效益。本文通过编程迭代的方法,对文献中的(火积)耗散均匀分布原则(EoED)和温差均匀分布原则(EoTD)略做改进,使改进后的两种优化原则更好地与实际应用相结合。基于改进后的两种优化原则,分析比较了二氧化碳在不同进口质量流量下,两种原则优化的效果.结果表明,从有效度、煅耗散数等沿管长Z方向的大小变化,显示(火积)耗散均匀分布原则优化结果明显优于温差均匀分布原则,表明煅耗散均匀分布原则的传热效率高于温差均匀分布原则.