韩巴特国立大学发明基于物理学原理的人工智能方法 可加速热能存储设计优化
+关注

盖世汽车 刘丽婷2026-08-20

盖世汽车讯 随着气候变化日益加剧,全球建筑行业的脱碳已成为当务之急。建筑物的能源需求很大一部分来自供暖和制冷。因此,开发高效的热能存储系统是这项工作的关键所在。

在众多方案中,采用相变材料的潜热储能(LHTES)系统具有独特的优势。这些优势包括高能量存储密度以及能够在近乎恒定的温度下释放大量热能,这对于稳定的热管理至关重要。事实上,一些研究表明,LHTES系统可以将供暖和制冷能耗降低高达45%。

仿真瓶颈阻碍设计

尽管具有这些优势,但对地下热能储存(LHTES)系统进行精确建模和优化仍然是一项重大挑战。其中涉及的耦合传热和流体流动过程难以精确模拟。虽然物理实验能够提供可靠的真实数据,但它们通常仅限于实验室规模的系统。

另一方面,计算流体动力学(CFD)仿真可以捕捉不同尺度下的这些复杂物理过程。然而,CFD仿真计算成本高昂且耗时,使得大规模设计优化难以实现。

让AI掌握系统物理规律

开通高级账号后继续阅读

您未开通,请开通后阅读
相关文章
MIT发明新型预训练方法GeoPT 使人工智能模型可以模拟更广泛的现实世界场景

刘丽婷

DGIST开发出低复杂度接收器技术 使车辆系统在高速行驶过程中探测物体并交换数据

刘丽婷

受蜜蜂启发 康斯坦茨大学发明新算法帮助机器人集群达成共识

刘丽婷

TUS新研究:钪如何提高钠离子电池电极的耐久性

刘丽婷

弗林德斯大学开发聚合物笼 可将锌碘电池的寿命延长至6万次循环以上

刘丽婷

评论
盖世汽车APP

全球视野,中国声音,快来体验吧