Sizing and control optimization of thermal energy storage in a solar district heating system
Notice bibliographique
Résumé
Solar district heating systems have shown significant promise to facilitate the large scale adoption of solar energy technologies and thus substantially reduce greenhouse gas emissions. Given the mismatch between solar energy and district heating demand, energy storage devices play a critical role given their capacity to stockpile solar energy in both the short-term (hours to days) and long-term (months). However, the integration, sizing and control of energy storage technologies is far from simple. This paper investigates sizing and controlling thermal energy storage from the perspective of its performance within a district heating system, highlighting the close link between design and control. A 52-house Canadian solar district heating system, the Drake Landing Solar Community (DLSC), was used as a case study. This system uses solar collectors as main energy supply, borehole thermal energy storage (BTES) for seasonal storage and two 120-m3 water tanks for short-term thermal storage (STTS). The effect of (a) storage sizing (STTS volume) and (b) storage control (rate at which energy is either injected or extracted from the BTES) was evaluated. A control-oriented model, calibrated and validated with operational data at 10-min intervals, was used along with an optimal rule-based control to gauge system primary energy use. Different scenarios were tested, with STTS volumes ranging from 120 m3 to 480 m3, and BTES loop nominal flow rates between 2.5 and 4.5 L/s. An optimization routine was developed to calculate the optimum parameters of the rule-based control strategy. Results show that, in comparison with the design and control in place, primary energy savings of 13%–30% (with BTES flow rates of 2.5–4.5 L/s) could have been obtained with the proposed rule-based control strategy. By decreasing the STTS volume to 120-m3, energy savings up to 6% could still be achieved; savings could reach 27%–36% by increasing the STTS size to 360-m3.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».