XiaoMi-AI文件搜索系统
World File Search System退化模型
建筑和建筑材料
钢筋混凝土桥梁结构在使用过程中不仅要承受车辆过境引起的高频疲劳荷载，还要受到腐蚀环境的影响。长期的疲劳荷载除了对钢筋造成疲劳损伤外，还会引起混凝土开裂、孔结构恶化，从而加速外界腐蚀物质的侵入，降低混凝土的耐久性。长期处于腐蚀环境中也会降低混凝土的性能，引起钢筋材料的锈蚀，影响结构的疲劳性能。因此，疲劳荷载和腐蚀对混凝土存在着共同的影响。本文从材料的角度对混凝土在疲劳荷载和腐蚀的共同作用下，即碳化、氯离子侵蚀、冻融循环、硫酸盐侵蚀下的性能退化进行了综述。本文包括 (1) 疲劳荷载和腐蚀联合作用的试验方法描述，(2) 疲劳荷载和腐蚀联合作用下混凝土性能退化的总结，以及 (3) 考虑疲劳损伤的耐久性退化模型和可以考虑腐蚀的疲劳模型的介绍。最后，描述了疲劳荷载和腐蚀联合作用下混凝土未来的潜在研究。
锂离子电池储能系统的老化感知运行：综述
近年来，部署的电池储能系统 (BESS) 数量稳步增加。对于新投入使用的系统，锂离子电池因其成本降低、效率高和循环寿命长而成为最常用的技术。由于电池内部存在多种老化机制，锂离子电池容易退化。退化的影响，特别是容量降低、电阻增加和安全隐患，会对 BESS 的经济性产生重大影响。受充电状态、充放电率、循环次数和温度等老化应力因素的影响，退化的程度直接受操作条件的影响。可以找到大量侧重于 BESS 老化感知操作的文献。在这篇评论中，我们概述了相关的老化机制以及退化建模方法，并从这些主题的最新技术中推导出 BESS 操作的关键方面。随后，我们回顾并分类了旨在通过在操作策略中考虑电池退化效应来延长 BESS 寿命的方法。文献表明，使用经验或半经验退化模型以及混合整数线性规划的精确解法特别常见，定义目标函数的老化成本的方法也是如此。此外，通过模拟案例研究，我们确定了影响自耗增加、峰值削减和频率遏制储备等关键应用退化的最相关压力因素。
最佳尺寸.pdf - ARPI
用于执行负荷转移和需求侧管理的住宅电池存储对于提高承载能力、增加可再生能源渗透率和实现环境目标（尤其是在能源社区政策的推动下）至关重要。由于电化学电池的寿命取决于其调度和环境条件，因此运营策略的多年影响会影响投资的经济性。但是，很少对存储系统的运行进行完整的长期模拟以评估电池的盈利能力（包括老化的运行影响），并且有限的研究考虑了大量的消费者统计数据。在本研究中，我们提出了一种用于住宅应用的多年期规模确定方法，其中使用改进的非线性非凸退化模型以 15 分钟的时间分辨率模拟电池的完整寿命直至完全退化；还考虑了光伏电站的老化。提出了对最适合意大利 399 个实际负荷曲线的经济性和商业规模的广泛分析。结果表明，储能的盈亏平衡价格约为 400 欧元/千瓦时，低于平均商业价格，而且经审查，目前的市场组件可能不适合能源需求较低的消费者。净现值 (NPV) 和折现回收期 (DPBT) 可达 500-1500 欧元和 8-11 年。
考虑电池退化因素的可再生能源微电网电池储能系统建模综述
摘要：电池储能系统 (BESS) 的建模研究仍然很少，特别是在考虑电力系统运行过程中因可再生能源发电和电动汽车 (EV) 随机负载而发生的退化造成的功率损失的情况下。同时，由于不同的操作条件，电池寿命与制造商的声明相差很大，还取决于可再生能源 (RES) 的渗透水平、循环操作、温度、放电/充电率和放电深度。选择一种简单的退化模型方法可能会导致在选择最佳管理策略时得出不可靠的结论，并增加大量的投资和运营成本。大多数现有的固定应用中的 BESS 模型要么假设存储的退化成本为零，要么将电池寿命简化为放电深度 (DOD) 的线性函数，这可能导致在估算 BESS 退化成本时产生额外的误差。构建 BESS 寿命模型的复杂性在于，BESS 在寿命开始和结束时都存在非线性退化，而且大多数模型的构建都难以获得大量接近实际运行条件的实验数据。本文从主要应力因素对 BESS 退化程度的影响角度分析了 BESS 在微电网中运行的特定特征。本研究还对现有的电池退化评估模型进行了回顾。
储能杂志
本文研究了位于尼日利亚拉各斯市中心的五居室复式独立住宅（NZEB）的光伏-电池-氢混合可再生能源系统（HRES）的建模和多目标优化（使用非支配排序遗传算法（NSGA-II））。研究了三种电池技术的经济可行性：磷酸铁锂（LFP）电池、退役电动汽车电池（REVB）和Ortsfest - 固定式PanZerplatte - 管板Verschlossen - 封闭铅酸（OPzV）电池。使用内部简化退化模型来评估电池在循环和日历老化过程中的容量损失（因为如果不这样做，这可能会对成本计算产生重大影响）。这解决了许多作者在优化 HRES 时缺乏电池退化建模的问题，因为文献中的模型不适用于不同的电池化学成分。此外，本研究还从三个目标评估了电池-燃料电池混合配置：系统年化成本 (ACS)、电力供应损失概率 (LPSP) 和潜在能源浪费概率 (PEWP)，并将结果与仅电池配置进行对比，以确定混合储能系统可能更经济的场景。结果表明，LFP 和 REVB 是最佳电池选择。对于 LPSP 约束 > 1% 的情况，LFP 和 REVB 仅电池配置更好，而对于 1% 及以下的 LPSP，LFP-氢和 REVB-氢更经济。
电池尺寸为48 V插入式混合动力车，考虑日历和循环退化
插电式混合动力电动汽车（PHEV），其电池组适合驾驶用例，可以帮助减少运输部门的环境足迹。与常见的高压系统相比，基于低压水平的PHEVS显示出更高的燃料消耗，但作为回报，较低的零件成本受益，并允许使用较便宜的高能电池。在本文中，优化了48 V PHEV概念的电池大小，以最大程度地降低操作成本，同时考虑到电池降低，并确保终身强大的系统布局。为了研究高能电池的适用性，在日历和循环老化研究中对31个汽车级细胞进行了研究。结果表明，日历老化对整体容量损失的显着贡献为17.5％，应在电池设计过程中考虑。循环退化模型集成在具有各种实地驾驶速度和坡度轮廓的动态编程模拟环境中，这些速度和斜率轮廓是从测得的全年驾驶轮廓中提取的。模拟结果表明，考虑到能源管理策略中的退化会减少容量损失，但在整个车辆寿命中会导致更高的运营成本。将轻度混合动力汽车扩展到PHEV可以将运营成本降低18.5％。如果不收取车辆，则成本增加了6％，强调了对PHEV频繁充电的需求。
复杂工程产品动态数据驱动的数字孪生框架：以航空发动机健康管理为例
数字孪生是工业 4.0 时代智能制造的重要支持技术。数字孪生有效地复制了其物理资产，使系统能够轻松可视化、智能决策和认知能力。本文提出了一种针对复杂工程产品的动态数据驱动数字孪生框架。为了说明所提出的框架，研究了飞机发动机健康管理的一个例子。该框架通过从各种传感器和工业物联网 (IIoT) 中提取信息来建模数字孪生，在网络和物理领域监测发动机的剩余使用寿命 (RUL)。然后，利用从线性退化模型中选择的传感器测量值，提出了一个长短期记忆 (LSTM) 神经网络来动态更新数字孪生，这可以估计物理飞机发动机最新的 RUL。通过与其他机器学习算法（包括基于相似性的线性回归和前馈神经网络）在 RUL 建模上的比较，这种基于 LSTM 的动态数据驱动数字孪生提供了一种有前途的工具来准确复制飞机发动机的健康状况。这种基于数字孪生的 RUL 技术还可以扩展到制造系统的健康管理和远程操作。© 2021 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可证开放获取的文章 https://creativecommons.org/licenses/by-nc-nd/4.0/) 由 FAIM 2021 科学委员会负责同行评审。
应用能量
当地能源社区正在形成，作为生产者和消费者投资分布式可再生能源，社区存储和分享电力的一种方式。同时，几个分配网格在一年中的某些小时内存在电压问题。由发电和存储单元组成的当地能源社区可能是分销系统运营商（DSO）可以使用的有价值的灵活资产。本文旨在通过创建一个线性优化模型来研究能源社区中的电池如何为分销网格提供服务，该模型包括功率流约束和电池降解模型。首先，我们研究了能源社区的电池运行如何影响附近公交车的电压。我们发现，包括降解模型时，违反电压极限要比不包括退化模型时要小得多。接下来，我们调查电池运行如何与活跃的DSO合作以共享电池的使用情况，并量化DSO应为能源社区偿还多少电池。我们发现，与社区未提供服务相比，由于电力和退化成本的增加，能源界应每年获得15 E E 15 E。最后，进行灵敏度分析以确定哪些参数更重要。我们发现，网格中的违反电压对电池更换成本，电动汽车充电高峰和平均现货价格敏感，而DSO的薪酬对电池更换成本敏感。对于小电池尺寸和低功率能量比，社区无法在一年中的所有时间内提高电压。
HyDesign：用于优化风能、太阳能光伏和锂离子电池等电网混合发电厂规模的工具
摘要。与仅采用风能或光伏技术的电厂相比，由并置风能、太阳能光伏 (PV) 和锂离子电池存储组成的混合可再生能源电厂通过单一电网连接，可以为业主和社会提供额外的价值。本文考虑的混合电厂连接到电网，并在不同的发电和存储技术之间分担电力基础设施成本。在本文中，我们提出了一种将混合电厂规模确定为嵌套优化问题的方法：具有外部规模优化和内部运行优化。外部规模优化最大化资本支出的净现值，并将其与最小化平准化能源成本的标准设计进行比较。规模问题公式包括涡轮机选择（就额定功率、比功率和轮毂高度而言）、风力发电厂尾流损耗替代、简化的风能和光伏退化模型、电池退化以及内部能源管理系统的运行优化。使用新的并行“高效全局优化”算法解决了外部规模优化问题。这种新算法是一种基于代理的优化方法，可确保最少的模型评估次数，但可确保优化具有全局范围。本文介绍的方法可在名为 HyDesign 的开源工具中找到。混合定型算法适用于印度不同地点的峰值发电厂用例，在这些地点，可再生能源拍卖会在高峰时段不供应能源时施加罚款。我们比较了使用两个不同目标函数时的混合发电厂定型结果：平准化能源成本 (LCoE) 或相对于总资本支出成本 (NPV / CH) 的相对净现值。电池存储仅安装在基于 NPV / CH 的设计上，而混合设计（包括风能、太阳能和电池）仅发生在风能资源良好的场地。该场地的风力涡轮机选择优先考虑轮毂高度较低、额定功率较低的廉价涡轮机。更换的电池数量因场地而异，在整个使用寿命期间介于两个或三个单元之间。与电网连接相比，所有基于 NPV / CH 的设计都存在明显的发电量过大。正如预期的那样，基于 LCoE 的设计是一种无需电池的单一技术。