データ駆動型位相変化熱貯蔵結合システムの制御と最適化
Data-driven control and optimization of a phase change thermal storage coupling system
位相変化材料(PCM)熱エネルギー貯蔵(TES)結合システムの最適スケジューリングにおける、負荷予測精度の不足と多目的最適化が局所最適解に陥りやすいという課題に対処するため、深層学習とインテリジェント最適化アルゴリズムを統合した革新的なフレームワークが提案された。負荷予測では、テンポラル畳み込みネットワーク(TCN)と双方向長短期記憶(BiLSTM)モデルに混合注意メカニズムを組み合わせたモデルが構築され、決定係数(R^2)は0.992、二乗平均平方根誤差(RMSE)は233W、平均絶対誤差(MAE)は183Wを達成し、比較モデルに対し大幅な改善が見られた。最適スケジューリングでは、多戦略改良型粒子群最適化(PSO)と差分進化(DE)のハイブリッドアルゴリズムが提案された。このアルゴリズムは、非線形適応パラメータ調整、ハイブリッド突然変異戦略、外部アーカイブ維持メカニズムにより、多目的最適化問題を効果的に解決する。最適化結果は、提案アルゴリズムによって得られたパレートフロントが、収束性と分布の両方において従来のアルゴリズムよりも優れていることを示している。従来の戦略と比較して、このアルゴリズムに基づく最適スケジューリングスキームは、システムの運用エネルギー消費量とコストをそれぞれ最大27.6%、28.4%削減できる。本研究結果は、PCM-TESシステムの協調最適化と工学応用に対する理論的支援と技術的アプローチを提供する。
本論文は蓄熱システムの制御最適化というニッチな領域の研究であり、直ちに投資判断に結びつく具体的な企業活動や市場事象を含まない。学術的な技術提案に留まっており、商業化段階や特定企業の業績に影響を与える状況ではないため、投資家視点での価値は低い。