摘要:壳管式潜热储能装置采用相变材料在几乎恒定的温度下储存和释放热量,具有高传热效率以及高充电/放电功率。尽管许多研究已经通过模拟和实验研究调查了材料配方、传热,但专门针对储能装置设计方法的研究却非常有限。本研究提出了一种综合方法,包括使用多属性决策和多目标决策工具进行材料评估、epsilon-NTU 方法以及使用遗传算法进行成本最小化。该方法通过一系列实验结果得到验证,并应用于太阳能吸收式制冷机应用的储能装置的优化。据报道,单位成本低至 8396 美元/单位,功率为 1.42 千瓦。该方法被证明是一种高效、可靠且系统的工具,可在进行计算流体动力学或详细实验研究之前完成壳管式 LHTES 的初步设计。
在本手册中,推荐的设计方法是允许应力设计 (ASD),因此在材料应力和连接处力的产生过程中,内置了安全系数 (FS)。本手册之所以选择这种设计方法,是因为 ASD 仍然是轻型框架、住宅、木结构的主要设计方法。大多数木结构硬件和连接器供应商都会为其产品提供负载限制,并在限制中内置安全系数。如果设计师更喜欢这种极限强度或极限状态设计方法,则可以为木材提供负载和抗力系数设计 (LRFD) 指导。
在本手册中,推荐的设计方法是允许应力设计 (ASD),因此在材料应力和连接处力的形成过程中会考虑安全系数 (FS)。本手册之所以选择这种设计方法,是因为 ASD 仍然是轻型框架、住宅、木结构的主要设计方法。大多数木结构硬件和连接器供应商都会为其产品提供负载限制,并在限制中考虑安全系数。如果设计师更喜欢这种极限强度或极限状态设计方法,则可以为木材提供负载和抗力系数设计 (LRFD) 指导。
在本手册中,推荐的设计方法是允许应力设计 (ASD),因此在材料应力和连接处力的形成过程中会考虑安全系数 (FS)。本手册之所以选择这种设计方法,是因为 ASD 仍然是轻型框架、住宅、木结构的主要设计方法。大多数木结构硬件和连接器供应商都会为其产品提供负载限制,并在限制中考虑安全系数。如果设计师更喜欢这种极限强度或极限状态设计方法,则可以为木材提供负载和抗力系数设计 (LRFD) 指导。
在本手册中,推荐的设计方法是允许应力设计 (ASD),因此在材料应力和连接处力的形成过程中会考虑安全系数 (FS)。本手册之所以选择这种设计方法,是因为 ASD 仍然是轻型框架、住宅、木结构的主要设计方法。大多数木结构硬件和连接器供应商都会为其产品提供负载限制,并在限制中考虑安全系数。如果设计师更喜欢这种极限强度或极限状态设计方法,则可以为木材提供负载和抗力系数设计 (LRFD) 指导。
在本手册中,推荐的设计方法是允许应力设计 (ASD),因此在材料应力和连接处力的形成过程中会考虑安全系数 (FS)。本手册之所以选择这种设计方法,是因为 ASD 仍然是轻型框架、住宅、木结构的主要设计方法。大多数木结构硬件和连接器供应商都会为其产品提供负载限制,并在限制中考虑安全系数。如果设计师更喜欢这种极限强度或极限状态设计方法,则可以为木材提供负载和抗力系数设计 (LRFD) 指导。
高质量的 AI 解决方案需要对 AI 算法(例如深度神经网络 (DNN))及其硬件加速器进行联合优化。为了提高整体解决方案质量并提高设计效率,高效的算法和加速器协同设计方法是必不可少的。在本文中,我们首先讨论了算法/加速器协同设计问题的动机和挑战,然后提供了几种有效的解决方案。特别是,我们重点介绍了三种有效的协同设计方法的主要工作:1)第一个同时进行的 DNN/FPGA 协同设计方法; 2)双向轻量级 DNN 和加速器协同设计方法; 3)可区分且高效的 DNN 和加速器协同搜索方法。我们通过在 FPGA 和 GPU 上进行大量实验来证明所提出的协同设计方法的有效性,并与现有工作进行了比较。本文强调了算法加速器协同设计的重要性和有效性,并呼吁在这个有趣且要求高的领域取得更多的研究突破。
合理的储能系统设计对于太阳能共享建筑社区的性能提升至关重要。现有研究已经开发出各种用于确定分布式电池和共享电池容量的设计方法。对于分布式电池容量,大多数设计方法都是基于单栋建筑能量不匹配,但却忽略了能量共享在降低电池容量方面的潜力,从而容易导致电池容量过大的问题。对于共享电池容量,现有的设计方法是基于社区聚合能量不匹配的,虽然可以避免电池容量过大的问题,但却会导致另一个严重的问题,即长距离输电导致共享过程中的电力损失过多。因此,本研究提出了一种太阳能共享建筑社区分布式电池的分层设计方法,目的是降低电池容量并最大限度地减少共享过程中的能量损失。所开发的设计方法首先将所有分布式电池视为一个虚拟的“共享”电池,并使用遗传算法搜索其最优容量。以优化容量为约束,所开发的方法使用非线性规划优化分布式电池的容量,以最小化能量损失。建筑社区案例研究表明,与现有设计方法相比,所提出的设计可以显著降低共享过程中的电池容量和电力损失,即容量减少 36.6% 和电力损失减少 55%。本研究综合了总能源需求、本地光伏电力共享、高级社区控制和电池存储共享的考虑因素,有助于优化正能源区的三大功能(能源效率、能源生产和灵活性),实现能源盈余和气候中和。© 2021 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可协议开放获取的文章(http://creativecommons.org/licenses/by/4.0/)。
1 约克大学,英国约克大学2约克环境可持续性研究所,约克大学,约克大学,英国大学3勒沃尔姆人类人类生物多样性中心,约克约克,约克,英国大学4利兹卫生科学研究所,利兹大学,利兹大学,利兹大学,联合王国5.布拉德·金德福德,布拉德·金德福德,布拉德·金德福德,布拉德·金德福德。科学,赫尔约克医学院,约克,英国7人类发展与健康,南安普敦大学,南安普敦大学,英国南安普敦大学8国家健康研究所生物医学研究中心,南安普敦NHS基金会信托基金会,南安普敦,南安普敦,英国卫生经济学9中心。英国曼彻斯特曼彻斯特的心理健康NHS信托基金12心理学与心理健康部,曼彻斯特大学,曼彻斯特大学,英国曼彻斯特大学,英国13医学院,基尔大学,斯塔福德郡,英国斯塔福德郡,14英国心理学系,谢菲尔德大学,谢菲尔德,英国谢菲尔德大学,英国谢菲尔德,约克大学,英国约克大学2约克环境可持续性研究所,约克大学,约克大学,英国大学3勒沃尔姆人类人类生物多样性中心,约克约克,约克,英国大学4利兹卫生科学研究所,利兹大学,利兹大学,利兹大学,联合王国5.布拉德·金德福德,布拉德·金德福德,布拉德·金德福德,布拉德·金德福德。科学,赫尔约克医学院,约克,英国7人类发展与健康,南安普敦大学,南安普敦大学,英国南安普敦大学8国家健康研究所生物医学研究中心,南安普敦NHS基金会信托基金会,南安普敦,南安普敦,英国卫生经济学9中心。英国曼彻斯特曼彻斯特的心理健康NHS信托基金12心理学与心理健康部,曼彻斯特大学,曼彻斯特大学,英国曼彻斯特大学,英国13医学院,基尔大学,斯塔福德郡,英国斯塔福德郡,14英国心理学系,谢菲尔德大学,谢菲尔德,英国谢菲尔德大学,英国谢菲尔德,约克大学,英国约克大学2约克环境可持续性研究所,约克大学,约克大学,英国大学3勒沃尔姆人类人类生物多样性中心,约克约克,约克,英国大学4利兹卫生科学研究所,利兹大学,利兹大学,利兹大学,联合王国5.布拉德·金德福德,布拉德·金德福德,布拉德·金德福德,布拉德·金德福德。科学,赫尔约克医学院,约克,英国7人类发展与健康,南安普敦大学,南安普敦大学,英国南安普敦大学8国家健康研究所生物医学研究中心,南安普敦NHS基金会信托基金会,南安普敦,南安普敦,英国卫生经济学9中心。英国曼彻斯特曼彻斯特的心理健康NHS信托基金12心理学与心理健康部,曼彻斯特大学,曼彻斯特大学,英国曼彻斯特大学,英国13医学院,基尔大学,斯塔福德郡,英国斯塔福德郡,14英国心理学系,谢菲尔德大学,谢菲尔德,英国谢菲尔德大学,英国谢菲尔德,约克大学,英国约克大学2约克环境可持续性研究所,约克大学,约克大学,英国大学3勒沃尔姆人类人类生物多样性中心,约克约克,约克,英国大学4利兹卫生科学研究所,利兹大学,利兹大学,利兹大学,联合王国5.布拉德·金德福德,布拉德·金德福德,布拉德·金德福德,布拉德·金德福德。科学,赫尔约克医学院,约克,英国7人类发展与健康,南安普敦大学,南安普敦大学,英国南安普敦大学8国家健康研究所生物医学研究中心,南安普敦NHS基金会信托基金会,南安普敦,南安普敦,英国卫生经济学9中心。英国曼彻斯特曼彻斯特的心理健康NHS信托基金12心理学与心理健康部,曼彻斯特大学,曼彻斯特大学,英国曼彻斯特大学,英国13医学院,基尔大学,斯塔福德郡,英国斯塔福德郡,14英国心理学系,谢菲尔德大学,谢菲尔德,英国谢菲尔德大学,英国谢菲尔德,约克大学,英国约克大学2约克环境可持续性研究所,约克大学,约克大学,英国大学3勒沃尔姆人类人类生物多样性中心,约克约克,约克,英国大学4利兹卫生科学研究所,利兹大学,利兹大学,利兹大学,联合王国5.布拉德·金德福德,布拉德·金德福德,布拉德·金德福德,布拉德·金德福德。科学,赫尔约克医学院,约克,英国7人类发展与健康,南安普敦大学,南安普敦大学,英国南安普敦大学8国家健康研究所生物医学研究中心,南安普敦NHS基金会信托基金会,南安普敦,南安普敦,英国卫生经济学9中心。英国曼彻斯特曼彻斯特的心理健康NHS信托基金12心理学与心理健康部,曼彻斯特大学,曼彻斯特大学,英国曼彻斯特大学,英国13医学院,基尔大学,斯塔福德郡,英国斯塔福德郡,14英国心理学系,谢菲尔德大学,谢菲尔德,英国谢菲尔德大学,英国谢菲尔德,
Blaise Ravelo 1,IEEE 会员,Mathieu Guerin 2,IEEE 会员,Jaroslav Frnda 3,4,IEEE 高级会员,Frank Elliot Sahoa 5,Glauco Fontgalland 6,IEEE 高级会员,Hugerles S. Silva 7,8,IEEE 会员,Samuel Ngoho 9,Fayrouz Haddad 2,IEEE 会员,以及 Wenceslas Rahajandraibe 2,IEEE 会员 1 南京信息工程大学(NUIST),电子信息工程学院,江苏南京 210044 2 艾克斯-马赛大学,CNRS,土伦大学,IM2NP UMR7334,13007 马赛,法国 3 日利纳大学交通运输与通信运营与经济学院定量方法与经济信息学系, 01026 Zilina, 斯洛伐克 4 电信系,电气工程和计算机科学学院,VSB 俄斯特拉发技术大学,70800 俄斯特拉发,捷克共和国 5 Laboratoire de Physique Nucléaire et Physique de l'Environnement (LPNPE), Université d'Antananarivo, Antananarivo 101, Madagascar 6 联邦大学Campina Grande,应用电磁和微波实验室,Campina Grande/PB,58429,巴西 7 Instituto de Telecomunicações and Departamento de Eletrónica,Telecomunicações e Informática,Universidade de Aveiro,Campus Universitário de Santiago,3810-193 Aveiro,葡萄牙 8 巴西利亚大学电气工程系(UnB),联邦区70910-900,巴西 9 法国系统科学协会 (AFSCET),巴黎 75013,法国