通过滑块设置应用所需的能量和功率，在Ragone图上找到最合适的储能技术。实时比较锂离子电池、超级电容器、飞轮等6种技术，并提供成本估算。
横轴：比能量 [Wh/kg]，纵轴：比功率 [W/kg]（均为对数刻度）。
对角线 = 恒定放电时间 t = Ed/Pd。
黄色十字标记即为当前应用需求点。
Ragone图的核心是描述储能设备的两个关键性能指标：比能量和比功率。它们决定了设备在“能量-功率”空间中的位置。
$$比能量 \quad E_s = \frac{E}{m}\quad \text{[Wh/kg]}$$其中，$E$ 是储能系统储存的总能量（Wh），$m$ 是系统的总质量（kg）。这个值越大，意味着设备在相同重量下能提供更长的续航。
比功率则反映了设备释放能量的快慢能力，即功率密度。
$$比功率 \quad P_s = \frac{P}{m}\quad \text{[W/kg]}$$其中，$P$ 是储能系统能持续输出的功率（W）。这个值越大，设备“爆发力”越强，加速或响应越快。
图中的对角线对应恒定的放电时间，这是连接能量和功率的关键参数。
$$放电时间 \quad t_d = \frac{E}{P}= \frac{E_s}{P_s}\quad \text{[h]}$$这个公式表明，在Ragone图上，从原点出发的每条射线都代表一个特定的放电时间。例如，$t_d = 1\text{h}$ 的线，意味着设备在以额定功率放电时，可以持续工作1小时。
电动汽车与混合动力车：纯电动汽车（EV）需要高比能量的锂离子电池来保证长续航（如>400公里），其需求点落在Ragone图的高能量区域。而混合动力车（HEV）的电池更侧重于高比功率，用于快速回收制动能量并在加速时提供助力，其需求点更靠近超级电容器区域。
电网调频与储能电站：电网需要快速响应频率波动，这要求储能系统能在秒级甚至毫秒级内释放或吸收大量功率。飞轮储能和超级电容器因其极高的比功率，非常适合这类应用，它们在Ragone图上位于极高的纵坐标位置。
消费电子产品：智能手机和笔记本电脑追求轻薄长续航，这直接对应着对高比能量的需求。因此，锂离子电池几乎是唯一选择，其技术发展始终致力于向Ragone图的右上方（更高能量、适当功率）推进。
轨道交通能量回收：地铁或轻轨列车进站制动时，会在极短时间内产生巨大的再生功率。由于功率需求极高而总能量需求相对不大，超级电容器成为回收这部分能量的理想选择，其应用点位于Ragone图的高功率、短时间放电斜线附近。
首先，切勿认为“拉贡图上的位置就是一切”。虽然标记点落入技术区域确实能使其成为初步候选，但这仅仅是关于“能量密度”和“功率密度”这两个维度的讨论。在实际设计中，“第三维度”的因素往往更具决定性，例如循环寿命（可充放电次数）、工作温度范围、安全性、可维护性等。以锂离子电池为例，磷酸铁锂（LFP）的能量密度虽低于三元材料（NMC），但在寿命和安全性方面更胜一筹。此外，模拟器中的“成本”主要基于初始购置费用，若涉及十年运营期的总拥有成本（TCO），则需要另行计算。
其次，通过滑块设定的“所需能量”与“所需功率”并非相互独立。例如，电动汽车若要求“瞬时加速需100kW功率”，这不仅受限于电池本身，还受电机、逆变器的允许电流及电压降等因素制约。模拟器展示的是储能器件单独的理论值，因此系统层面的电力管理（如BMS、PCS）带来的损耗和限制需额外考量。实践中有一条铁则：即使计算表明仅需50kg，通常也需预留+20%的余量以涵盖冷却系统等附加重量。
最后，避免过度拘泥于“单一技术”。本工具为便于“比较”而将各项技术分开绘制，但实际上混合系统往往是最优解。前辈曾提及的客车再生制动系统（搭配超级电容）便是绝佳案例。若在模拟器中设定“能量5kWh、功率200kW”等严苛条件，可能没有任何单一技术领域能够满足。此时，不妨考虑“锂离子电池（负责能量）+超级电容（负责功率）”的组合方案。本工具的首要作用，正是可视化呈现“各项技术在不同特性上的优势”，为决策提供初步依据。
拉贡图背后的核心思想，本质上是工程学中的“特性图谱”与“适材适所”理念。首先最直接关联的当属“材料工程”。近二十年来，锂离子电池在图上“云团”显著向右上方扩展，主要归功于正极材料的演进（钴酸锂→三元材料→高镍体系）。反之，铅酸电池区域几乎停滞不前，则揭示了材料本身的根本局限。
其次，与“热流体工程”及“结构力学”也密切相关。持续高功率输出必然伴随发热问题。若散热设计不足，模拟器显示的性能将无法充分发挥。例如，风冷与液冷方案会显著改变系统体积和辅助设备质量，导致实际能量密度下降。此外，为抵御振动和冲击而增设的保护结构重量，尤其在汽车和航空航天应用中，是不可忽视的“隐藏参数”。
进一步而言，本工具也与“控制工程”和“系统优化”领域直接相连。设计混合系统（如电池+电容）时，如何确定两者的容量配比？这最终可归结为一个数学优化问题：基于负载曲线（不同时间尺度下的功率需求预测），以总成本或总重量最小化为目标进行求解。若已通过本工具理解“放电时间 $t = E/P$”的概念，下一步可进阶至更深入的思路，例如对负载时序数据进行傅里叶变换，从而将任务分配至不同时间常数的器件中。
首要任务是“动手实践以建立直观认知”。建议在本模拟器中输入具体产品规格书中的数值进行尝试。例如，搜索“家用储能电池 〇〇kWh、额定功率 △△kW”，用滑块重现这些值，观察其在图上的位置，并评估模拟的质量与成本估算是否贴合实际。只需分析五款产品，便能清晰把握市场技术趋势。
若希望深化数理背景，推荐以“无量纲数”与“权衡关系”为关键词展开学习。拉贡图采用能量密度和功率密度这两个无量纲性能指标对技术进行分类。多数工程系统中，多项优异特性往往无法同时最大化，其间存在权衡关系。在电池领域，这种关系可近似体现于“拉贡公式”的思路（严格而言并不相同）。例如，基于内阻 $R$ 与容量 $C$ 的关系，最大功率 $P_{max}$ 与能量 $E$ 满足 $P_{max} \propto 1/R$ 和 $E \propto C$，而材料与结构设计常使 $R$ 与 $C$ 处于此消彼长的权衡状态。
作为下一步，推荐转向“动态仿真”。本工具主要侧重于稳态性能比较。然而实际能源系统的状态时刻变化（如荷电状态（SOC）波动、温升、老化等）。要实现更贴近现实的设计，需借助Simulink或AMESim等工具，在给定负载模式下仿真电压、电流、温度随时间的变化过程。专业的工程设计流程通常是：先通过拉贡图筛选候选技术，再利用其参数开展动态仿真。