基于多层感知器模型与多目标优化的穹顶式模块化相变储热系统热吸收性能预测及优化研究

针对传统单体型相变储热(LHS)系统可靠性差、热响应慢的问题，研究人员开发了集成穹顶构件的模块化多分区LHS系统(MMS-LHS)，采用多层感知器(MLP)模型预测3/5小时能量吸收，结合遗传算法(GA)和TOPSIS多准则分析，获得最优设计。Opt1方案5小时吸热达21,980 kJ(较基线提升222%)，MLP模型R2达0.99，为可再生能源存储提供创新解决方案。

　　

在全球能源转型背景下，太阳能等可再生能源的间歇性供给与持续用能需求之间的矛盾日益突出。相变储热(Latent Heat Storage, LHS)技术因其近乎等温的储放热特性和高能量密度备受关注，但传统单体型LHS系统存在两大痛点：一是刚性结构导致的可靠性问题——局部故障可能引发系统整体失效；二是相变材料(PCM)固有的低导热性(<0.5 W/m·K)制约热响应速度。尽管现有研究通过添加石墨烯、金属泡沫等导热填料或采用翅片结构可提升热导率，但这些方法或增加成本，或难以兼顾动态热交换需求。更关键的是，传统设计缺乏灵活扩展能力，难以适应多样化应用场景。

针对这些挑战，由King Khalid University等机构组成的研究团队在《Journal of Energy Storage》发表创新成果，提出模块化多分区LHS系统(MMS-LHS)。该系统突破性地采用穹顶构件替代传统翅片，将PCM封装空间划分为三个穹顶区及连续过渡区，每个穹顶壁面自成传热流体(HTF)通道。这种"去翅片化"设计通过几何优化直接增强对流换热，同时模块化架构支持26个单元并联扩展，单个单元容积可达0.034 m³。研究团队建立多层感知器(MLP)神经网络模型，以穹顶高度(H_M、H_S)和宽度(W)为输入参数，精准预测3小时和5小时能量吸收值，模型R²达0.99，均方根误差(RMSE)低于25 kJ。结合遗传算法(GA)的全局搜索能力，最终通过TOPSIS多准则决策和帕累托前沿分析锁定三种优化方案。

关键技术方法包括：(1)采用ANSYS FLUENT进行CFD模拟，结合焓-孔隙度法处理PCM相变；(2)基于全因子设计生成27种几何变体训练MLP模型；(3)GA优化时设置100代种群规模和0.8交叉概率；(4)TOPSIS分析引入熵权法确定权重。

主要研究结果

1. MLP模型验证：网络结构采用3-12-12-2架构，ReLU激活函数配合Adam优化器，预测5小时吸热量的平均绝对误差(MAE)仅19.8 kJ，较传统数值模拟效率提升300倍。

2. 性能对比：最优设计Opt1在170分钟内实现21,912 kJ(占总吸收量99.7%)的快速储热，5小时总吸热21,980 kJ，较基线提升222%；Opt2则以23,495 kJ创5小时储能纪录，较基线提升115%。TOPSIS优选方案平衡速度与容量，3/5小时性能分别提升207%和105%。

3. 几何效应：穹顶高度H_M增加10 cm可使3小时吸热提升18%，但过度增大导致HTF压降增大；最优宽度W为12 cm时形成最佳涡流强度。

讨论与展望
该研究通过"几何创新+AI驱动"双轮策略，突破传统LHS系统设计范式。穹顶构件产生的二次流显著强化对流换热，使系统无需依赖高成本纳米添加剂即实现等效热导率提升。MLP-GA联合框架为复杂热系统优化提供新范式，5分钟即可完成传统需数周的计算任务。值得关注的是，模块化设计支持多PCM集成，未来可通过分区填充不同熔点的PCM实现梯级储热。作者Wenliang Deng团队指出，下一步将研究穹顶曲率半径对熔融前沿演化的影响，并探索相变过程中浮力驱动流的主动控制策略。

这项研究为可再生能源大规模存储提供可扩展解决方案，其技术路线特别适合分布式能源场景。据测算，采用Opt2方案的20单元系统可满足50户家庭日均热水需求，投资回收期较传统设计缩短37%。该成果对实现"双碳"目标下的能源结构调整具有重要实践意义。