《Next Energy》：Enhancing photovoltaic efficiency in electric bicycle charging systems: The role of nano-enhanced phase change materials and predictive neural network modeling
编辑推荐：
电动出行的快速扩展需要可靠的可再生能源来支持可持续充电应用。光伏（PV）系统与电动出行充电系统集成时，常因运行温度升高（尤其在热带气候下）导致效率下降。本研究探讨了纳米增强相变材料（NePCM）作为光伏模块（支持电动自行车充电应用）被动热管理解决方案的潜力。研
电动出行的快速扩展需要可靠的可再生能源来支持可持续充电应用。光伏（PV）系统与电动出行充电系统集成时，常因运行温度升高（尤其在热带气候下）导致效率下降。本研究探讨了纳米增强相变材料（NePCM）作为光伏模块（支持电动自行车充电应用）被动热管理解决方案的潜力。研究整合了系统化meta分析、实验评估和人工神经网络（ANN）预测——基于PRISMA的meta分析合成了30项研究的数据，以评估NePCM的热物理增强效果。实验采用大豆蜡增强5?wt%硅纳米颗粒的PV–NePCM系统，在热带环境条件下进行了测试。进一步利用运行数据训练ANN模型，以预测光伏发电量和用电量。Meta分析结果显示，平均热导率增强约26.94%，平均光伏温度降低-16.33?°C。实验测试表明，平均光伏温度降低6.8?°C，电输出稳定，平均发电功率为29.27?W。ANN预测模型在光伏发电预测中达到高精度，R2值为0.997。研究结果证实，NePCM显著改善了光伏系统的热调节能力，而ANN建模有效预测了光伏辅助电动自行车充电系统中的能源生产模式。尽管实验平台采用电动自行车负载在原型规模上开发，但所提出的热管理和预测框架为未来更大规模电动出行充电基础设施的发展提供了宝贵见解。NePCM冷却与智能预测的整合为提升太阳能电动自行车充电系统及其他小型电动出行应用的效率和运行稳定性提供了一个有前景的框架。
**论文解读文章**
**研究背景与问题**
全球电动出行（electric mobility）的快速发展要求可靠的可再生能源支持可持续充电应用。光伏（PV）系统与电动出行充电基础设施集成时，运行温度升高（尤其在热带气候下）会导致效率显著下降——晶体硅光伏模块每高于标准温度25?°C约1?°C，效率下降0.4–0.5%。在印度尼西亚等热带地区，环境温度常超过30?°C，太阳辐照度约4.76?kWh/m2/day，加剧了光伏模块的热积累。现有热管理方案中，相变材料（PCM）因其被动吸热特性而受关注，但有机PCM（如石蜡）热导率低（0.15–0.25?W/m·K），限制了热响应速度。纳米增强相变材料（NePCM）通过添加高导热纳米颗粒（如Al?O?、SiO?、ZnO等）可提升热导率，但已有研究多聚焦于单一材料表征或独立热性能评估，缺乏将NePCM热管理与智能预测模型（如人工神经网络ANN）整合用于电动出行充电系统的综合研究。此外，生物基PCM（如大豆蜡）作为石油基替代品具有环境可持续性，但其与NePCM结合的实际性能尚待系统验证。因此，本研究旨在通过meta分析、实验验证和ANN预测的整合框架，评估NePCM在光伏辅助电动自行车充电系统中的热管理效果及能源预测能力。
**研究开展与结论**
研究人员开展了以下工作：首先，基于PRISMA 2020框架对30项研究进行系统meta分析，量化NePCM的热物理增强效果及光伏温度降低幅度；其次，构建了基于大豆蜡–硅纳米颗粒（5?wt% Si）的PV–NePCM实验系统，在热带环境条件下（印度尼西亚，2026年1月）测试其热调节与电性能；最后，利用实验运行数据训练三层隐藏层（64/32/16神经元）的ANN模型，预测光伏发电量与用电量。结论显示：NePCM平均热导率增强约26.94%，平均光伏温度降低-16.33?°C（meta分析）；实验系统平均光伏温度降低6.8?°C，平均发电功率29.27?W；ANN生产预测模型R2值达0.997，均方根误差（RMSE）1.06?W。该研究证实NePCM显著改善光伏热调节，ANN可有效预测发电模式，为太阳能电动自行车充电系统提供了热管理与智能预测的整合框架。论文发表在《Next Energy》。
**主要技术方法**
本研究采用三项关键技术方法：（1）**PRISMA系统综述与meta分析**：从Scopus、Web of Science和Google Scholar检索2020–2025年间371篇初始记录，经筛选纳入30项研究，使用随机效应模型计算热导率增强与温度降低的合并效应量，通过Cochran’s Q与I2统计评估异质性。（2）**实验构建PV–NePCM系统**：选用大豆蜡（melting point ~43.9?°C, latent heat 117.6?J/g）添加5?wt%硅纳米颗粒制备NePCM，集成于50?Wp单晶硅光伏模块（0.65?m × 0.54?m）背面，在热带环境（峰值辐照度973.5?W/m2，最高环境温度37.2?°C）下进行单日测试，记录光伏表面温度、辐照度、环境温度及电输出。（3）**ANN预测模型**：使用720小时连续运行数据（80%训练，20%测试），输入变量包括电效率与太阳能容量，三层隐藏层（64/32/16神经元），Adam优化算法，ReLU激活函数，100次迭代，输出预测发电量与用电量。样本来源：实验数据采集自原型系统，meta分析文献来自已发表研究。
**研究结果**
**3.1 Meta分析结果**
**3.1.1 纳入研究特征**：30项研究中，Al?O?纳米颗粒使用最频繁（36.7%），石蜡为最常用PCM基质（56.7%），纳米颗粒负载量在1–3?wt%和>5?wt%范围常见。形态学分析表明，SiO?分散稳定性优异，Al?O?在>5?wt%时易团聚。
**3.1.2 定量meta分析与偏倚风险评估**：通过随机效应模型，合并热导率增强约26.94%（均值27.73%，中位数27.50%），26项研究（86.7%）在95%漏斗置信区间内；平均光伏温度降低-16.33?°C（均值-16.80?°C），29项研究（96.7%）在置信区间内。偏倚风险评估显示30%低风险、60%有一定担忧、10%高风险，主要涉及可重复性与报告透明度。
**3.1.3 亚组分析与异质性评估**：CuO纳米颗粒增强效果最高（42.5%），其次Al?O?（37.2%）、ZnO（28.4%）、SiO?（12.1%）；石蜡基质增强最高（32.5%），生物基材料（大豆蜡、PEG）超25%；>5?wt%负载量增强达55.3%。Galbraith图显示60%研究在95%置信区间内，整体I2=94.3%，表明高异质性，SiO?和低负载量亚组异质性中等。
**3.2 实验性能评估**
**3.2.1 太阳辐照度、光伏温度调节与功率输出特性**：实验期间峰值辐照度973.5?W/m2（12:30），最高环境温度37.2?°C（11:30）。PV–NePCM系统最高温度降低14.7?°C（09:00），平均降低6.8?°C，下午出现负值（PCM放热）。最大电功率33.61?W（11:00），平均功率29.27?W。
**3.2.2 热效率与电效率分析**：NePCM系统在午后热效率改善显著（PCM延迟放热），电效率在正午高辐照时段略高，最大电效率提升约0.37%。漏斗图显示46.7%观测值在95%置信区间内，Cochran’s Q=225.00，I2=93.8%，表明高变异性。
**3.3 ANN预测与电网能量交互**
ANN生产预测模型：MAE=0.61?W，RMSE=1.06?W，R2=0.997，预测值与实测值高度吻合。用电预测模型：MAE=54.19?W，RMSE=71.94?W，R2=0.307，精度较低（受用户行为影响）。30天模拟显示：光伏总发电10,983?Wh，需求54,243?Wh，电网供给83.1%能量，光伏仅占16.9%，支持154辆电动自行车充电（日均5.1辆）。
**总结与讨论**
讨论部分指出：meta分析证据支持纳米颗粒- PCM组合提升热导率与热调节能力，CuO、Al?O?等高性能材料适合光伏冷却；实验验证了大豆蜡–Si NePCM的被动热缓冲效果，平均温度降低6.8?°C，与文献报道的5–20?°C范围一致；ANN模型在发电预测上表现优异（R2=0.997），但用电预测受随机行为影响（R2=0.307），建议添加用户活动等变量。方法论可靠性通过meta分析材料选择、实验一致性及ANN高预测精度得到验证。研究局限性包括：仅测试一种NePCM配方（大豆蜡–Si 5?wt%）、单日实验数据、一个月运行数据缺乏季节变化、原型规模未在真实充电基础设施中验证。未来应探索多种纳米颗粒与PCM配方、长期多季节监测、集成更先进机器学习方法。
**研究结论翻译**
本研究对PV–NePCM集成进行了全面调查，旨在改善光伏电动出行充电应用中的热调节与运行稳定性。研究结合meta分析、实验验证与ANN预测，评估NePCM作为被动冷却介质的有效性。Meta分析证据合成表明，将纳米颗粒掺入PCM基质可增强热导率与传热，从而强化光伏模块的热缓冲能力。实验观察进一步证实，NePCM集成可稳定光伏模块温度在波动的太阳辐照度条件下。实验系统中观察到的温度调节表明，NePCM的热缓冲可在峰值辐照期缓解过量热积累。因此，PV–NePCM配置展现出支持更稳定、热鲁棒性更强的光伏电动出行充电基础设施的潜力。此外，将实验观察与ANN预测整合，为实际充电环境中PV–NePCM系统的运行行为提供了额外见解。预测框架表明，光伏功率输出与热响应的短期变化可通过数据驱动建模有效捕捉。结果表明，NePCM的温度稳定效应减少了光伏功率波动，从而提高了电动出行充电能源可用性的可预测性。尽管本研究中观察到的数值改进仍属中等，但一致的热调节行为证实了实施NePCM被动冷却策略的实际可行性。这些发现表明，将热管理系统与智能预测模型整合可能成为自适应光伏能源系统发展的重要组成部分。未来研究应扩展NePCM复合材料的设计空间，探索不同纳米颗粒类型、浓度与PCM基质，以进一步增强热储存性能。还需长期运行监测以捕捉太阳辐照度与电动出行充电需求的季节变化，从而提高预测模型的鲁棒性。此外，应研究超越ANN的更先进机器学习方法，以提升预测精度与自适应能源管理能力。先进热材料、广泛实验数据集与智能预测框架的结合有望显著推动未来高效光伏电动出行充电基础设施的发展。
