Credit:pix abay/CC0 Public Domain食物-水-能源的关系表明这三种必需品之间存在直接联系，强调其中一种会直接影响另外两种的供应。随着人口的增长，人类对能源和食物的需求导致淡水储备慢慢枯竭。发电厂是造成这一问题的主要原因之一，因为它们每年使用数万亿加仑的淡水来防止过热。德克萨斯A&M大学j .麦克·沃克66机械工程系的教授Debjyoti Banerjee领导的一个研究小组已经表明，特定的相变材料(PCMs)可以冷却发电厂中使用的汽轮机，避免淡水的使用。与此同时，该集团使用机器学习技术来提高各种基于相变材料的冷却平台的可靠性和能量存储能力，以开发按需调度的强大“冷电池”。
研究人员的出版物《利用机器学习(人工神经网络)提高利用相变材料的热能储存平台的性能和可靠性》发表在美国机械工程师学会能源技术杂志上。
发电厂和加工工业在冷却塔中使用淡水来降低成本和提高可靠性。水流经冷却塔，吸收热量并转化为蒸汽，然后用于冷凝涡轮机废气中的蒸汽。
随着对淡水的高需求，替代方法，如使用可通过吸收热能从固态转变为液态的相变材料，越来越受到冷却发电厂和加工行业的关注。
该团队研究的第一种材料是生物降解的蜡状材料(类似于猪油) :低碳足迹的天然产品，相对便宜。尽管有效，研究人员表明蜡(石蜡)不能储存同样多的能量，也不能提供他们最初假设的冷却能力，因此，不能为极端气候提供足够的冷却或在极端天气事件中提供安全。
这导致了对另一种称为盐水合物的相变材料的测试，这种材料对环境来说既便宜又安全。盐水合物比蜡和糖更有冲击力，大约储存了两到三倍的能量，同时以更快的速度融化。然而，这些材料有一个已知的缺陷——它们需要太长时间才能固化(因为它们需要“过冷”)。如果没有可靠的融化和冷冻方法，盐水合物是无效的。
班纳吉说:“把这个过程想象成一个电动汽车电池——你希望它充电的时间很短，但它需要长时间运行。“同样的概念可以应用于相变材料。我们需要一个相变材料来快速充电(冻结)，但需要长时间融化。”
为了提高这些相变材料的可靠性并加速冻结，研究人员转向了机器学习。利用三个类似温度计的微型温度传感器的读数，他们记录了融化的历史。然后，他们实施了机器学习，以预测相变材料何时融化、融化多少以及何时开始冻结，从而最大限度地提高冷却能力和容量。
班纳吉说:“使用这种方法，我们发现，如果你只融化了90%的盐水合物，剩下10%凝固，那么当你开始冷却循环的那一刻，它就会立即开始冻结。“这种方法的美妙之处在于，通过一个由三个传感器和一个简单的计算机程序组成的简单设备，我们创建了一个经济高效、可靠且可持续的系统。”
目前，其他机器学习算法需要多年的数据才能达到电厂的这种精度，而班纳吉的新方法只需要几天。该算法可以在系统达到熔化峰值百分比之前的一个小时内(最多三个小时)以五到十分钟的预测精度告诉操作员。该技术可以在任何过程工业或发电厂的任何现有冷却装置上进行改造。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
