使用遗传算法确定最大化热光伏性能的热发射光谱
计算物理
2015-12-08 v1 材料科学
摘要
在考虑电池中的温度效应时，确定了最大化热光伏（TPV）转换效率和输出功率密度的最佳辐射器热发射光谱。为此，设计了一个框架，其中将考虑辐射、电气和热损耗的 TPV 模型与遗传算法相耦合。所研究的 TPV 器件包含一个温度为 2000 K 的光谱选择性辐射器、一个锑化镓电池，以及一个由流体温度和传热系数 293 K 和 600 Wm-2K-1 表征的电池热管理系统。结果表明，当发射光谱在 0.719 eV 和 0.763 eV 之间发射率为 1 且在其他位置为零时，可实现 38.8% 的最大转换效率。当考虑热损耗时，这一最佳光谱的宽度不到忽略热损耗时的一半。当考虑热损耗时，使用在 0.684 eV 和 1.082 eV 之间发射率为 1 且在其他位置为零的光谱，可实现 41708 Wm-2 的最大输出功率密度。结果表明，这些发射光谱的性能大大优于黑体和钨辐射器，并且可以使用诸如超材料或光子晶体等人造结构来获得。
引用
@article{arxiv.1509.01319,
title = {Determination of thermal emission spectra maximizing thermophotovoltaic performance using a genetic algorithm},
author = {John DeSutter and Michael P. Bernardi and Mathieu Francoeur},
journal= {arXiv preprint arXiv:1509.01319},
year = {2015}
}
备注
33 pages, 8 figures