論文の概要: Physics-Informed Learning of Flow Distribution and Receiver Heat Losses in Parabolic Trough Solar Fields
- arxiv url: http://arxiv.org/abs/2512.10886v1
- Date: Thu, 11 Dec 2025 18:16:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-12 16:15:42.51131
- Title: Physics-Informed Learning of Flow Distribution and Receiver Heat Losses in Parabolic Trough Solar Fields
- Title（参考訳）: 放物型太陽熱場における流れ分布と受熱損失の物理インフォームド学習
- Authors: Stefan Matthes, Markus Schramm,
- Abstract要約: パラボリックトラフ 集光ソーラー発電所は、コレクターループの大規模な油圧ネットワークを運用している。
ループ温度は測定されているが、ループレベルの質量流と受信熱損失パラメータは観測されていない。
本稿では,ループレベルの質量流量比を推定する物理インフォームド学習フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 1.1458853556386799
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parabolic trough Concentrating Solar Power (CSP) plants operate large hydraulic networks of collector loops that must deliver a uniform outlet temperature despite spatially heterogeneous optical performance, heat losses, and pressure drops. While loop temperatures are measured, loop-level mass flows and receiver heat-loss parameters are unobserved, making it impossible to diagnose hydraulic imbalances or receiver degradation using standard monitoring tools. We present a physics-informed learning framework that infers (i) loop-level mass-flow ratios and (ii) time-varying receiver heat-transfer coefficients directly from routine operational data. The method exploits nocturnal homogenization periods -- when hot oil is circulated through a non-irradiated field -- to isolate hydraulic and thermal-loss effects. A differentiable conjugate heat-transfer model is discretized and embedded into an end-to-end learning pipeline optimized using historical plant data from the 50 MW Andasol 3 solar field. The model accurately reconstructs loop temperatures (RMSE $<2^\circ$C) and produces physically meaningful estimates of loop imbalances and receiver heat losses. Comparison against drone-based infrared thermography (QScan) shows strong correspondence, correctly identifying all areas with high-loss receivers. This demonstrates that noisy real-world CSP operational data contain enough information to recover latent physical parameters when combined with appropriate modeling and differentiable optimization.
- Abstract（参考訳）: パラボリックトラフ 集光ソーラーパワー(CSP)プラントは、空間的に不均一な光学性能、熱損失、圧力降下にもかかわらず、均一な出口温度を提供する必要があるコレクターループの大規模な油圧ネットワークを運用している。
ループ温度が測定されている間、ループレベルの質量流と受信熱損失パラメータは観測されず、標準的なモニタリングツールを使用して油圧不均衡や受信機の劣化を診断することは不可能である。
物理インフォームドラーニングフレームワークを提案する。
一 ループレベル質量流量比及び
二 定期運用データから直接、時変熱伝達係数。
この方法は、夜間の均質化期間(非照射フィールドで熱油が循環する時)を利用して、油圧効果と熱損失効果を分離する。
異種共役型熱伝達モデルを離散化し、50MWのアンダソル3太陽系の歴史的植物データを用いて最適化されたエンドツーエンドの学習パイプラインに埋め込む。
このモデルは、ループ温度(RMSE $<2^\circ$C)を正確に再構成し、ループ不均衡と受信熱損失を物理的に有意に推定する。
ドローンベースの赤外線サーモグラフィ(QScan)と比較すると、強い対応性を示し、高損失受信機ですべての領域を正しく識別する。
これは、ノイズの多い実世界のCSP運用データには、適切なモデリングと微分可能な最適化を組み合わせると、遅延物理パラメータを回復するのに十分な情報が含まれていることを示している。
関連論文リスト
- Physics-Informed Neural Networks for Thermophysical Property Retrieval [0.9668407688201359]
逆熱問題(英: inverse heat problem)とは、観測された熱拡散挙動や既知の熱拡散挙動によって与えられる物質的熱物性を推定することを指す。
本稿では,壁面の熱伝導率kを熱電図の集合から推定するためのPINNに基づく反復的枠組みを提案する。
論文 参考訳（メタデータ） (2025-11-28T18:41:08Z) - Forecasting Thermospheric Density with Transformers for Multi-Satellite Orbit Management [41.99844472131922]
この研究は、最大3日前に密度を予測するトランスフォーマーベースのモデルを提示します。
空間的縮小と複雑な入力パイプラインを回避し、コンパクトな入力セットで直接動作する。
実世界のデータに基づいて検証され、ミッションプランニングを支援する可能性を示す。
論文 参考訳（メタデータ） (2025-11-08T19:02:14Z) - Few-Shot Learning by Explicit Physics Integration: An Application to Groundwater Heat Transport [41.94295877935867]
ローカルGlobal Convolutional Neural Network (LGCNN) アプローチが導入された。
モデルはまずランダムな入力場に基づいて系統的に解析される。
そして、このモデルは、ドイツのミュンヘン地域の現実世界の古典地図から、いくつかのカットアウトで訓練される。
論文 参考訳（メタデータ） (2025-07-08T15:06:15Z) - Aggregation of Published Non-Uniform Axial Power Data for Phase II of the OECD/NEA AI/ML Critical Heat Flux Benchmark [0.0]
臨界熱流束(CHF)は軽水炉の沸騰危機の始まりを示す。
この研究は、一様および非一様軸加熱条件の両方をカバーする広いCHFデータセットをコンパイルし、デジタル化する。
論文 参考訳（メタデータ） (2025-06-18T16:01:44Z) - Data-Driven Optical To Thermal Inference in Pool Boiling Using Generative Adversarial Networks [1.0499611180329804]
本稿では,標準プール沸騰構成における幾何位相から温度場を推定するデータ駆動フレームワークを提案する。
本研究は,観測可能な多相現象と熱輸送のギャップを埋めるための深部生成モデルの可能性を明らかにするものである。
論文 参考訳（メタデータ） (2025-05-01T19:26:01Z) - Residual-based Attention Physics-informed Neural Networks for Spatio-Temporal Ageing Assessment of Transformers Operated in Renewable Power Plants [0.6223528900192875]
本稿では,変圧器の巻線温度と経年変化に関する時間モデルを紹介する。
物理ベースの偏微分方程式とデータ駆動ニューラルネットワークを用いる。
フローティング太陽光発電プラントで動作する配電変圧器を用いて, 実験結果を検証した。
論文 参考訳（メタデータ） (2024-05-10T12:48:57Z) - Calibrating Wireless Ray Tracing for Digital Twinning using Local Phase Error Estimates [40.04476706955071]
レイトレーシング(RT)は、次世代無線システムの無線アクセスネットワーク(RAN)セグメントのDTを可能にする技術として広く見なされている。
RTヒンジの有効性は、RTが想定する電磁特性の実際のチャネル条件への適応に影響を及ぼす。
本稿では,チャネル応答における位相誤差を推定・補償する新しいチャネル応答に基づく手法を提案する。
論文 参考訳（メタデータ） (2023-12-19T22:01:59Z) - Critical heat flux diagnosis using conditional generative adversarial
networks [0.0]
臨界熱流束 (CHF) は、高熱流束熱水和システムで用いられる沸騰熱伝達プロセスにおいて必須の安全境界である。
本研究では,CHFにおけるボイリングシステムの熱データ再構成のためのデータ駆動画像変換手法を提案する。
論文 参考訳（メタデータ） (2023-05-04T07:53:04Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Role of topology in determining the precision of a finite thermometer [58.720142291102135]
低接続性は、温度計を低温で動作させるためのリソースであることに気付きました。
位置測定により達成可能な精度を,エネルギー測定に対応する最適値と比較する。
論文 参考訳（メタデータ） (2021-04-21T17:19:42Z) - Adiabatic Sensing Technique for Optimal Temperature Estimation using
Trapped Ions [64.31011847952006]
捕捉イオンを用いた最適なフォノン温度推定のための断熱法を提案する。
フォノンの熱分布に関する関連する情報は、スピンの集合的な自由度に伝達することができる。
それぞれの熱状態確率は、各スピン励起構成に近似的にマッピングされることを示す。
論文 参考訳（メタデータ） (2020-12-16T12:58:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。