基于贝叶斯优化的选择性热光伏辐射器设计

作     者：张文斌 王博翔 赵长颖 ZHANG Wen-Bin;WANG Bo-Xiang;ZHAO Chang-Ying

作者机构：上海交通大学工程热物理研究所上海200240 

基　　金：国家自然科学基金(No.51636004,No.51906144) 上海市重点基础研究项目(No.20JC1414800) 

出 版 物：《工程热物理学报》 (Journal of Engineering Thermophysics)

年 卷 期：2021年第42卷第11期

页      码：2965-2971页

摘      要：通过控制热光伏系统辐射器的发射光谱,可以有效降低光伏接收器的热损失能量。本文证明了在机器学习的指导下可以实现高效的非周期性选择性热光伏辐射器的设计。对于锑化镓光伏电池,在超过5.23×10^(9)个每层包含不同材料和不同层厚的多层膜候选结构中,仅计算了不超过0.67%的候选结构就可以得到最大特征因子为82.16%对应的结构参数。测量利用优化的结构参数加工的样品发射光谱得到的特征因子为81.35%,并对优化的选择性辐射器进行了系统理论效率分析和热稳定性测试。结果表明采用贝叶斯优化算法可以高效设计选择性热光伏辐射器,进一步促进了基于机器学习的超材料设计方法在其他领域的应用。

主 题 词：机器学习 选择性热光伏辐射器 贝叶斯优化算法 非周期性多层膜 

学科分类：080703[080703] 08[工学] 0807[工学-电子信息类] 

核心收录：

馆 藏 号：203106459...