CN113420428B - 固相蓄冷介质筛选方法及液态空气储能电站的设计方法 - Google Patents

固相蓄冷介质筛选方法及液态空气储能电站的设计方法 Download PDF

Info

Publication number
CN113420428B
CN113420428B CN202110641977.1A CN202110641977A CN113420428B CN 113420428 B CN113420428 B CN 113420428B CN 202110641977 A CN202110641977 A CN 202110641977A CN 113420428 B CN113420428 B CN 113420428B
Authority
CN
China
Prior art keywords
energy storage
packed bed
liquid air
power station
air energy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110641977.1A
Other languages
English (en)
Other versions
CN113420428A (zh
Inventor
季伟
郭璐娜
陈六彪
崔晨
郭嘉
王俊杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Technical Institute of Physics and Chemistry of CAS
Original Assignee
Technical Institute of Physics and Chemistry of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Technical Institute of Physics and Chemistry of CAS filed Critical Technical Institute of Physics and Chemistry of CAS
Priority to CN202110641977.1A priority Critical patent/CN113420428B/zh
Publication of CN113420428A publication Critical patent/CN113420428A/zh
Application granted granted Critical
Publication of CN113420428B publication Critical patent/CN113420428B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08Thermal analysis or thermal optimisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces

Abstract

本发明提供一种固相蓄冷介质筛选方法及液态空气储能电站的设计方法。该蓄冷介质筛选方法包括:获取液态空气储能电站的数学模型和基础数据;根据数学模型和基础数据确定填充床的尺寸和性能参数;以填充床的最小压降损失和填充床的斜温层最小厚度为目标筛选蓄冷介质。该设计方法包括:依据上述固相蓄冷介质筛选方法筛选蓄冷介质;依据筛选出的蓄冷介质设计蓄冷系统;依据设计出的蓄冷系统构建液态空气储能电站数学模型。本发明针对液态空气储能电站筛选出合适的固相蓄冷介质,实现蓄冷系统综合性能最优,提高了整个液态空气储能电站的性能和工作效率。

Description

固相蓄冷介质筛选方法及液态空气储能电站的设计方法
技术领域
本发明涉及可再生能源和储能技术领域,尤其涉及一种固相蓄冷介质筛选方法及液态空气储能电站的设计方法。
背景技术
传统化石能源的加速消耗和日益严重的环境问题已经成为阻碍社会进步的主要难题,能源结构向绿色低碳转型势在必行。可再生能源随着时代的需要应运而生并迅速发展,但由于可再生能源固有的波动性和间歇性,将其纳入电网面临很大的挑战,因此储能技术的推进已经成为可再生能源发展的必然要求。液态空气储能作为一种大规模储能技术,得到了广泛的关注。而合理高效地利用液态空气储能系统在储能过程中产生的压缩热是提高系统整体效率的重要措施。蓄冷系统作为液态空气储能系统的核心部分,其效率直接决定了系统整体的性能。蓄冷系统的核心技术是蓄冷形式和蓄冷材料的确定,又因固相蓄冷作为目前最为安全、环保且有大规模应用潜力的方式之一,填充床固相介质蓄冷成为了液态空气储能中蓄冷系统的一种非常有前景的选择。而对于蓄冷材料的选择,目前尚无较为准确和系统的筛选方法。
填充床内蓄冷介质的几何特性和热物性直接影响蓄冷系统的蓄冷性能,在低温填充床式蓄冷器中,同一物性参数的改变会引起蓄冷器不同性能参数相悖的变化,不同物性参数的改变也会对蓄冷器同一性能参数产生交叉影响,进而影响蓄冷器蓄冷
Figure BDA0003108275090000011
效率和体积利用率。已有的研究工作多基于岩石类材料开展,由于物性参数变化范围有限,难以获得不同物性参数所产生功效之间的交叉干预机制,严重制约了蓄冷器的最优化设计。因此,蓄冷介质的筛选方法极为关键,但目前尚未有研究涉及。
发明内容
本发明提供一种固相蓄冷介质筛选方法及液态空气储能电站的设计方法,用以解决现有技术中并未针对蓄冷介质进行相应筛选,导致影响蓄冷性能的缺陷。
本发明提供一种固相蓄冷介质筛选方法,包括:
S1、获取液态空气储能电站的数学模型和基础数据;
S2、根据所述数学模型和所述基础数据确定填充床的尺寸和性能参数;
S3、以所述填充床的最小压降损失和所述填充床的斜温层最小厚度为目标筛选蓄冷介质。
根据本发明提供的固相蓄冷介质筛选方法,所述液态空气储能电站的数学模型和基础数据包括液态空气储能电站的发电功率,液态空气储能电站的储能时长、液态空气储能电站的释能时长以及液态空气储能电站工作流程各状态点参数。
根据本发明提供的固相蓄冷介质筛选方法,所述S2中填充床的尺寸包括填充床的长径比,填充床的性能参数包括理论蓄冷量。
根据本发明提供的固相蓄冷介质筛选方法,所述填充床的长径比根据编程计算和所述填充床实际占地成本进行优化。
根据本发明提供的固相蓄冷介质筛选方法,所述S3包括:以所述填充床的最小压降损失为目标确定蓄冷介质的几何性质,以所述填充床的斜温层最小厚度为目标确定蓄冷介质的热物性参数。
根据本发明提供的固相蓄冷介质筛选方法,所述S3中以所述填充床的最小压降损失为目标,利用理论模型确定蓄冷介质的颗粒形状和颗粒大小。
根据本发明提供的固相蓄冷介质筛选方法,所述S3中以所述填充床的斜温层最小厚度为目标,利用参照物性组合曲线或相对差值比的方式,对蓄冷介质的比热容和热导率的协同作用进行分析。
根据本发明提供的固相蓄冷介质筛选方法,当利用参照物性组合曲线进行分析时,包括:
S311、选定参照材料,利用传热模型,计算在设计工况下,以所述参照材料为蓄冷材料的填充床的温度场;
S312、通过多次迭代试算,得到若干个热物性组合,且使得各个热物性组合与所述参照材料能够产生相同的温度分布;
S313、以计算得到的热物性组合中比热容和热导率分别为横坐标和纵坐标,拟合获取分布函数,绘制参照物性组合曲线;
S314、依据实际待选材料热物性与所述参照物性组合曲线的相对位置和距离进行蓄冷材料的筛选。
根据本发明提供的固相蓄冷介质筛选方法,当利用相对差值比进行分析时,包括:
S321、选定参照材料,利用传热模型,计算在设计工况下,以所述参照材料为蓄冷材料的填充床的温度场;
S322、通过多次迭代试算,得到若干个热物性组合,且使得各个热物性组合与所述参照材料能够产生相同的温度分布;
S323、引入相对差值比定义,计算得出以上若干个热物性组合基于参照物性组合及互为参照物性的相对差值比;
S324、获取不同参照物性组合与相对差值比的散点分布,进而得到相对差值表格,通过查表进行蓄冷材料的筛选。
本发明还提供一种液态空气储能电站的设计方法,包括:
依据本发明提供的固相蓄冷介质筛选方法筛选蓄冷介质;
依据筛选出的蓄冷介质设计蓄冷系统;
依据设计出的蓄冷系统构建液态空气储能电站数学模型。
本发明提供的固相蓄冷介质筛选方法,依据获取的液态空气储能电站的数学模型和基础数据确定填充床的尺寸和性能参数,以填充床的最小压降损失和填充床的斜温层最小厚度为目标筛选蓄冷介质,针对液态空气储能电站筛选出合适的固相蓄冷介质,实现蓄冷系统综合性能最优。
进一步地,本发明还提供一种液态空气储能电站的设计方法,依据上述固相蓄冷介质筛选方法筛选出合适的蓄冷介质,并依据该蓄冷介质设计相应的蓄冷系统,进而构建出液态空气储能电站的数学模型,提高了整个液态空气储能电站的性能和工作效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的固相蓄冷介质筛选方法及利用该筛选方法的液态空气储能电站的设计方法的流程示意图;
图2是本发明提供的利用参照物性组合曲线进行蓄冷介质筛选的流程示意图;
图3是本发明提供的利用相对差值比进行蓄冷介质筛选的流程示意图;
图4是本发明一种实施例的参照物性组合曲线;
图5是本发明一种实施例的相对差值比散点图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1至图3描述本发明的一种固相蓄冷介质筛选方法,包括:
S1、获取液态空气储能电站的数学模型和基础数据;
S2、根据数学模型和基础数据确定填充床的尺寸和性能参数;
S3、以填充床的最小压降损失和填充床的斜温层最小厚度为目标筛选蓄冷介质。
具体地,步骤S1中液态空气储能电站的数学模型和基础数据包括液态空气储能电站的发电功率,液态空气储能电站的储能时长、液态空气储能电站的释能时长以及液态空气储能电站工作流程各状态点参数等数据,提供数据和模型支持,主要为了根据以上获得的数据和参数确定填充床的尺寸和性能参数。具体为:依据实际工况中发电功率和储/释冷时长的需求,设计液态空气储能系统流程,确定包括压缩压力、膨胀压力、节流前温度等各状态点参数。
具体地,步骤S2中填充床的尺寸包括填充床的长径比,填充床的性能参数包括理论蓄冷量。其中,填充床的长径比的确定应根据编程计算和填充床实际占地成本等多目标进行优化。
具体地,步骤S3具体包括:以填充床的最小压降损失为目标确定蓄冷介质的几何性质,以填充床的斜温层最小厚度为目标确定蓄冷介质的热物性参数,以实现蓄冷系统综合性能最优。其中,填充床斜温层厚度指的是填充完整的温度梯度(设计低温至设计高温)所占据的轴向长度。
进一步地,蓄冷介质的筛选主要重点关注材料的几何性质和热物性参数。几何性质影响填充床内流场,进而影响沿程阻力和压降损失,几何性质主要涉及固相蓄冷介质的颗粒形状和颗粒大小等;热物性参数通过影响填充床在换热过程的换热速率及程度,进而决定了填充床的温度场,热物性参数主要涉及比热容和热导率。
在其中一个实施例中,关于蓄冷介质的几何性质确定:S3中以填充床的最小压降损失为目标,利用理论模型确定蓄冷介质的颗粒形状和颗粒大小。理论模型包括Ergun模型,KTA相关法等,公式如下:
Figure BDA0003108275090000061
Figure BDA0003108275090000062
Ergun模型:
Figure BDA0003108275090000063
KTA相关法:
Figure BDA0003108275090000064
式中:Δp-填充床压降,ψ-阻力系数,ρ-流体密度,V-表观流速,ε-孔隙率,L-填充床长度,dp-颗粒直径,μ-流体动力粘度,Rem-修正雷诺数。
在其中一个实施例中,关于蓄冷介质的热物性参数主要针对蓄冷介质的比热容和热导率的协同作用进行分析,包括参照物性组合曲线和相对差值比两种方式,即以填充床的斜温层最小厚度为目标,利用参照物性组合曲线或相对差值比的方式,对蓄冷介质的比热容和热导率的协同作用进行分析。
具体地,当利用参照物性组合曲线进行分析时,包括:
S311、选定某种或多种参照材料,利用传热模型,计算在设计工况下,以参照材料为蓄冷材料的填充床的温度场;
S312、通过多次迭代试算,得到若干个热物性组合,且使得各个热物性组合与参照材料能够产生相同的温度分布;
S313、以计算得到的热物性组合中比热容和热导率分别为横坐标和纵坐标,拟合获取分布函数,绘制参照物性组合曲线;
S314、依据实际待选材料热物性与参照物性组合曲线的相对位置和距离进行蓄冷材料的筛选。
其中,传热模型可选择一维两相模型或单相模型等其他理论模型,一维两相模型的公式具体如下:
Figure BDA0003108275090000071
Figure BDA0003108275090000072
式中:T-温度,t-时间,ε-孔隙率,ρ-密度,Cp-质量比热容,k-热导率,uf-流体速度,hv-体积传热系数,Uw-填充床与环境间的总传热系数,D-填充床直径,下角标s、f、a-固体、流体和环境。
具体地,当利用相对差值比进行分析时,包括:
S321、选定某种或多种参照材料,利用传热模型,计算在设计工况下,以参照材料为蓄冷材料的填充床的温度场;
S322、通过多次迭代试算,得到若干个热物性组合,使得各个热物性组合与参照材料能够产生相同的温度分布;
S323、引入相对差值比定义,计算得出以上若干个热物性组合基于参照物性组合及互为参照物性的相对差值比;
S324、获取不同参照物性组合与相对差值比的散点分布,进而得到相对差值表格,通过查表进行一种或多种蓄冷材料的筛选。
其中,相对差值比是比热容的相对变化率与热导率的相对变化率的比值,具体表达式为:
Figure BDA0003108275090000073
cp0,k0-参照材料的比热容,热导率,Δcp-材料的比热容与参照材料比热容的差值,Δk-材料的热导率与参照材料热导率的差值。
本发明提供的固相蓄冷介质筛选方法,依据获取的液态空气储能电站的数学模型和基础数据确定填充床的尺寸和性能参数,以填充床的最小压降损失和填充床的斜温层最小厚度为目标筛选蓄冷介质,针对液态空气储能电站筛选出合适的固相蓄冷介质,实现蓄冷系统综合性能最优;
进一步地,该固相蓄冷介质筛选方法重点关注材料的几何性质和热物性参数,二者分别影响填充床内部流场和温度场,其中,几何性质包括填充颗粒形状、大小等,热物性参数包括比热容、热导率等;
进一步地,该固相蓄冷介质筛选方法重点针对材料的比热容和热导率协同作用进行分析,其通过参照物性组合曲线或相对差值比两种方式进行分析;
进一步地,参照物性组合曲线,是以一种或多种参照材料以及经迭代计算与参照材料能产生相同温度场的物性组合的比热容和热导率分别为横纵坐标,拟合获取分布函数,进而绘制获得参照物性组合曲线。依据参照物性组合曲线进行蓄冷介质筛选,即依据实际待选材料热物性与参照物性组合线的相对位置和距离,将待选材料与参照材料比较,进而实现蓄冷介质的筛选;
进一步地,相对差值比是比热容的相对变化率与热导率的相对变化率的比值。采用相对差值比进行填充床固相介质筛选的方法,是通过获取不同参照物性组合的相对差值比的散点分布,进而得到相对差值比表格,经查表实现一种或多种材料的筛选。
本发明提供一种采用参照物性组合曲线(如图2所示)和采用相对差值比(如图3所示)进行固相蓄冷介质的筛选方法。本发明提出的两种填充床固相蓄冷介质的筛选方法,均需先选择一种或多种参照材料,本实施例以花岗岩为例。
以参照物性组合曲线的筛选方法为例:花岗岩的比热容和热导率分别为626J/kg·K-1,3.2W/m·K-1。在设计工况条件下,通过一维两相传热模型和k-ε湍流流动模型计算得到以花岗岩为蓄冷介质的填充床的温度场。为得到参照物性组合线,在经过多次迭代试算得到比热容和热导率协同变化时,获得能够与参照材料取得相同温度场的物性组合,实施例中分别计算得到比热容从425J/kg·K-1至825J/kg·K-1范围内的四种物性组合。联合参照材料,五点拟合绘制得到如图4所示一组参照物性组合线,即在参照物性组合线上的各物性组合的蓄冷性能相近。因经分析,总结得到应用于液态空气储能系统中材料的比热容越大、热导率越小则其产生的斜温层厚度越小,即在相同的填充床体积条件下,有效容量比更大。
因此,采用参照物性曲线进行材料选择时,若待选实际材料的物性组合落点分别在如图4中斜线两侧,则在下方的材料性能更优,即此时两种材料相比于参照物性组合线上的点,热导率更小的材料性能更优;若待选实际材料的物性组合落点在如图4中斜线下侧,则沿纵坐标方向与线条距离更大的物性组合性能更优,若落点均在斜线上方,则沿纵坐标方向与线条距离更小的材料的蓄冷性能更优。
以相对差值比的筛选方法为例:如图3所示,相对差值比θ表示的是比热容的相对变化率与热导率的相对变化率的比值。当待选材料的比热容和热导率均比参照材料的大时,θ值越大,说明Δcp越大或者Δk越小,即cp越大或k越小,材料应用于填充床中储能性能更好;而当待选材料的比热容和热导率均比参照材料的小时,θ值越小,说明|Δcp|越小或者|Δk|越大,即cp越大或k越小,材料性能更优。本实施例中同样以花岗岩为参照材料,多次迭代试算得到比热容从425J/kg·K-1至825J/kg·K-1范围内的四种物性组合。结合参照材料,共五组物性组合,五组物性组合互为基准条件,即以任意一种物性组合为基准,计算其余四组物性组合与其的相对差值比θ0,共可计算五组数据,每组相对差值比有四个值,进而得到如图5所示的相对差值比散点图,图中左下虚线框内是比热容与热导率,相比于参照组同时增大的组合,右上线框内两个参数同时减小。经分析得到在如图5中以任意一个参照物性组合为基准时,其他参数组合的θ0随着比热容的增加均呈现下降趋势。
依据以上思路,整合各节点的θ0,得到比热容在从425J/kg·K-1至825J/kg·K-1范围内的固体材料的选择标准,如表1和表2所示。以比热容在525J/kg·K-1至626J/kg·K-1之间的某待选材料为例,选择比热容为425J/kg·K-1和热导率为2W/m·K-1为参照物性可计算出θ值,而上述提到当比热容和热导率均增大时,θ值越大,材料性能越优,又依据θ0与比热容的单调关系,θ0均随比热容的增大而减小,525J/kg·K-1-2.6W/m·K-1组合和626J/kg·K-1-3.2W/m·K-1组合以425J/kg·K-1-2W/m·K-1为参照物性时计算得到的θ0值分别是0.82和0.77,因此,当待选材料与参照组合计算得到的θ值大于0.82时,则材料性能一定优于参照组合,小于0.77时劣于参照组合。因此,综上,根据待选材料比热容取值范围,选择任一参照组合,计算得到θ值,当满足表格1中不等式,则性能优于参照材料,若满足表格2中不等式,则性能劣于参照材料。
表1固体材料蓄冷性能优于参照物性组合的θ取值(比热容单位为J/kg·K-1,热导率单位为W/m·K-1)
Figure BDA0003108275090000101
表2固体材料蓄冷性能劣于参照物性组合的θ取值(比热容单位为J/kg·K-1,热导率单位为W/m·K-1)
Figure BDA0003108275090000102
Figure BDA0003108275090000111
如图1所示,本发明还提供一种液态空气储能电站的设计方法,包括:
依据如上述实施例的固相蓄冷介质筛选方法筛选蓄冷介质;
依据筛选出的蓄冷介质设计蓄冷系统;
依据设计出的蓄冷系统构建液态空气储能电站数学模型。
本发明提供的一种液态空气储能电站的设计方法,依据上述固相蓄冷介质筛选方法筛选出合适的蓄冷介质,并依据该蓄冷介质设计相应的蓄冷系统,进而构建出液态空气储能电站的数学模型,提高了整个液态空气储能电站的性能和工作效率。
综上,本发明提供的一种固相蓄冷介质筛选方法及液态空气储能电站的设计方法,如图1所示。依据实际工况中发电功率和储/释冷时长的需求,设计液态空气储能系统流程,确定包括压缩压力、膨胀压力、节流前温度等各状态点参数。根据所确定的流程参数,确定蓄冷系统(即填充床)的理论蓄冷量,并对其长径比进行优化计算。本申请提供了填充床固相介质筛选的两种方案(即参照物性组合曲线方法和相对差值比方法),先后确定蓄冷介质的几何参数和种类。最后,基于已选择的蓄冷介质完成蓄冷系统的设计,进而实现完整液态空气储能系统的理论建模。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种固相蓄冷介质筛选方法,其特征在于,包括:
S1、获取液态空气储能电站的数学模型和基础数据;
S2、根据所述数学模型和所述基础数据确定填充床的尺寸和性能参数;
S3、以所述填充床的最小压降损失为目标确定蓄冷介质的几何性质,以所述填充床的斜温层最小厚度为目标,利用参照物性组合曲线或相对差值比的方式,对蓄冷介质的比热容和热导率的协同作用进行分析;
其中,当利用参照物性组合曲线进行分析时,包括:
S311、选定参照材料,利用传热模型,计算在设计工况下,以所述参照材料为蓄冷材料的填充床的温度场;
S312、通过多次迭代试算,得到若干个热物性组合,且使得各个热物性组合与所述参照材料能够产生相同的温度分布;
S313、以计算得到的热物性组合中比热容和热导率分别为横坐标和纵坐标,拟合获取分布函数,绘制参照物性组合曲线;
S314、依据实际待选材料热物性与所述参照物性组合曲线的相对位置和距离进行蓄冷材料的筛选;
当利用相对差值比进行分析时,包括:
S321、选定参照材料,利用传热模型,计算在设计工况下,以所述参照材料为蓄冷材料的填充床的温度场;
S322、通过多次迭代试算,得到若干个热物性组合,且使得各个热物性组合与所述参照材料能够产生相同的温度分布;
S323、引入相对差值比定义,计算得出以上若干个热物性组合基于参照物性组合及互为参照物性的相对差值比;
S324、获取不同参照物性组合与相对差值比的散点分布,进而得到相对差值表格,通过查表进行蓄冷材料的筛选。
2.根据权利要求1所述的固相蓄冷介质筛选方法,其特征在于,所述液态空气储能电站的数学模型和基础数据包括液态空气储能电站的发电功率,液态空气储能电站的储能时长、液态空气储能电站的释能时长以及液态空气储能电站工作流程各状态点参数。
3.根据权利要求1所述的固相蓄冷介质筛选方法,其特征在于,所述S2中填充床的尺寸包括填充床的长径比,填充床的性能参数包括理论蓄冷量。
4.根据权利要求3所述的固相蓄冷介质筛选方法,其特征在于,所述填充床的长径比根据编程计算和所述填充床实际占地成本进行优化。
5.根据权利要求1所述的固相蓄冷介质筛选方法,其特征在于,所述S3中以所述填充床的最小压降损失为目标,利用理论模型确定蓄冷介质的颗粒形状和颗粒大小。
6.一种液态空气储能电站的设计方法,其特征在于,包括:
依据权利要求1-5中任意一项所述的固相蓄冷介质筛选方法筛选蓄冷介质;
依据筛选出的蓄冷介质设计蓄冷系统;
依据设计出的蓄冷系统构建液态空气储能电站数学模型。
CN202110641977.1A 2021-06-09 2021-06-09 固相蓄冷介质筛选方法及液态空气储能电站的设计方法 Active CN113420428B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110641977.1A CN113420428B (zh) 2021-06-09 2021-06-09 固相蓄冷介质筛选方法及液态空气储能电站的设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110641977.1A CN113420428B (zh) 2021-06-09 2021-06-09 固相蓄冷介质筛选方法及液态空气储能电站的设计方法

Publications (2)

Publication Number Publication Date
CN113420428A CN113420428A (zh) 2021-09-21
CN113420428B true CN113420428B (zh) 2022-04-22

Family

ID=77788136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110641977.1A Active CN113420428B (zh) 2021-06-09 2021-06-09 固相蓄冷介质筛选方法及液态空气储能电站的设计方法

Country Status (1)

Country Link
CN (1) CN113420428B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102252545A (zh) * 2011-05-23 2011-11-23 武汉理工大学 一种应用于太阳能空调的熔融盐相变蓄热装置
CN102701704A (zh) * 2012-05-31 2012-10-03 武汉理工大学 一种用于太阳能热电站的新型储热混凝土及其制备方法
CN104408534A (zh) * 2014-12-05 2015-03-11 浙江大学 基于联立方程模型的塔式太阳能热电系统运行优化方法
CN104850723A (zh) * 2015-06-08 2015-08-19 河南泛锐复合材料研究院有限公司 用于相变蓄热装置二维传热模型的优化设计方法
CN106415181A (zh) * 2014-05-16 2017-02-15 斯泰伦博斯大学 热能储存设备
CN106767076A (zh) * 2016-12-28 2017-05-31 西安交通大学 一种单罐多层填充床蓄热器设计方法
CN109033740A (zh) * 2018-09-06 2018-12-18 华南理工大学 一种低温相变蓄冷材料热物理性能的预测方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101270920A (zh) * 2007-07-16 2008-09-24 刘子章 利用太阳能之蓄热装置
CN109141087A (zh) * 2017-06-28 2019-01-04 汪洋 一种基于蓄热模块的热物流系统
CN108491579A (zh) * 2018-02-23 2018-09-04 天津大学 一种多目标循环性能优化筛选混合工质的方法
CN109063367A (zh) * 2018-08-22 2018-12-21 深圳市瑞思物流有限公司 一种基于cfd的蓄冷空间优化方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102252545A (zh) * 2011-05-23 2011-11-23 武汉理工大学 一种应用于太阳能空调的熔融盐相变蓄热装置
CN102701704A (zh) * 2012-05-31 2012-10-03 武汉理工大学 一种用于太阳能热电站的新型储热混凝土及其制备方法
CN106415181A (zh) * 2014-05-16 2017-02-15 斯泰伦博斯大学 热能储存设备
CN104408534A (zh) * 2014-12-05 2015-03-11 浙江大学 基于联立方程模型的塔式太阳能热电系统运行优化方法
CN104850723A (zh) * 2015-06-08 2015-08-19 河南泛锐复合材料研究院有限公司 用于相变蓄热装置二维传热模型的优化设计方法
CN106767076A (zh) * 2016-12-28 2017-05-31 西安交通大学 一种单罐多层填充床蓄热器设计方法
CN109033740A (zh) * 2018-09-06 2018-12-18 华南理工大学 一种低温相变蓄冷材料热物理性能的预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
新型热泵储电技术仿真研究;张琼;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》;20180115;第C039-8页 *

Also Published As

Publication number Publication date
CN113420428A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
Mao Recent developments in geometrical configurations of thermal energy storage for concentrating solar power plant
Fan et al. A multi-objective design optimisation strategy for hybrid photovoltaic thermal collector (PVT)-solar air heater (SAH) systems with fins
Khatibi et al. Optimization and performance investigation of the solidification behavior of nano-enhanced phase change materials in triplex-tube and shell-and-tube energy storage units
Li et al. Similarity and generalized analysis of efficiencies of thermal energy storage systems
Ahmadi et al. Cost and entropy generation minimization of a cross-flow plate fin heat exchanger using multi-objective genetic algorithm
Sciacovelli et al. Maximization of performance of a PCM latent heat storage system with innovative fins
Hu et al. Numerical simulation on the forced convection heat transfer of porous medium for turbine engine heat exchanger applications
Pu et al. Optimization on the performance of ground heat exchangers for GSHP using Kriging model based on MOGA
Sangi et al. Dynamic modelling and simulation of a slinky-coil horizontal ground heat exchanger using Modelica
Chen et al. Heat transfer analysis of a vertical ground heat exchanger using numerical simulation and multiple regression model
Bouhal et al. Towards an energy efficiency optimization of solar horizontal storage tanks and circulation pipes integrating evacuated tube collectors through CFD parametric studies
Modi et al. Melting characteristics of a longitudinally finned-tube horizontal latent heat thermal energy storage system
Augspurger et al. Optimizing fin design for a PCM-based thermal storage device using dynamic Kriging
Varol Natural convection for hot materials confined within two entrapped porous trapezoidal cavities
Liu et al. Multi-objective optimization of a concrete thermal energy storage system based on response surface methodology
Zhu et al. Heat transfer enhancement technology for fins in phase change energy storage
Chen et al. A solid–liquid model based on lattice Boltzmann method for phase change material melting with porous media in cylindrical heat exchangers
El Mghari et al. Cascaded latent heat thermal energy storage device with longitudinal fins: Numerical investigation of melting process and thermal performance analysis
Caliskan et al. Exergy analysis and sustainability assessment of a solar-ground based heat pump with thermal energy storage
Jiang et al. Multi-objective optimization of the refrigerant-direct convective-radiant cooling system considering the thermal and economic performances
CN113420428B (zh) 固相蓄冷介质筛选方法及液态空气储能电站的设计方法
CN103017167B (zh) 多孔介质燃烧器的制造方法
Najafi Amel et al. Study the heat recovery performance of micro and nano metfoam regenerators in alpha type stirling engine conditions
Liu et al. A simplified method to simulate tube-in-tank latent thermal energy storage with fin-enhanced phase change material in data center
Ladeinde et al. Optimization and Database Management in Smart Modeling of Aviation Heat Exchangers

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant