找到 3 条结果 · 储能系统技术
用于设计高储能性能聚合物纳米复合材料的相场模拟物理信息神经网络
Physics-informed neural networks for phase-field simulation in designing high energy storage performance polymer nanocomposites
Qiao Li · Tan Zeng · Hongxiao Yang · Jun Ma 等6人 · Applied Physics Letters · 2025年2月 · Vol.126
本文提出一种基于物理信息神经网络（PINNs）的相场模拟方法，用于高效设计高能量存储性能的聚合物纳米复合材料。该方法融合深度学习与相场模型，通过嵌入控制方程和物理约束，显著提升计算效率并准确预测纳米复合材料中电畴演化与界面效应。结合实验验证，所提模型可优化填料分布与微观结构，实现高储能密度与低损耗。研究为多功能介电材料的设计提供了新范式。
解读: 该物理信息神经网络相场模拟技术对阳光电源储能系统的介电材料设计具有重要应用价值。在ST系列储能变流器和PowerTitan大型储能系统中，高能量密度电容器是直流母线支撑和滤波的关键器件，该技术可优化聚合物薄膜电容的填料分布与微观结构，提升储能密度并降低介电损耗，直接改善功率密度和系统效率。结合SiC...
基于简易迁移学习的模型-数据混合驱动电池逆变器故障检测方法
Easy Transfer Learning-Based Model-Data-Hybrid-Driven Fault Detection for Battery Inverters
Yu Zeng · Ezequiel Rodriguez · Qingxiang Liu · Gaowen Liang 等6人 · IEEE Transactions on Industrial Electronics · 2024年10月
在这篇论文中，提出了一种基于简易知识迁移学习、结合数据与模型的混合故障检测方法。该方法应用于多个电池变流器，在离线阶段，利用现有系统获取的知识对并入微电网的新系统进行训练。新的目标分类器能够在数据集减少 60% 的情况下检测开路故障和电流传感器故障。该方法的有效性在一个包含两个三相两电平变流器（一个源变流器和一个目标变流器）的微电网中通过实验得到了验证。利用硬件在环测试了不同电压、容量和额定功率的电池。检测准确率达到了 99.1%。
解读: 从阳光电源储能系统业务视角来看，这项基于迁移学习的模型-数据混合驱动故障检测技术具有显著的工程应用价值。该技术针对电池变流器的开路故障和电流传感器故障检测，实现了99.1%的检测精度，同时将数据集需求降低60%，这对于我们大规模部署的储能电站运维具有重要意义。 该技术的核心优势在于知识迁移能力。在...
全电飞机机载直流微电网中并联储能单元的分布式预定时间无下垂统一控制方案
Distributed Predefined-Time Droop-Free Unified Control Scheme for Parallel Energy Storage Units in All-Electric Aircraft Onboard DC Microgrid
Heyang Yu · Ping Lin · Yuji Zeng · Qinjin Zhang 等5人 · IEEE Transactions on Power Electronics · 2025年10月
针对全电飞机（AEA）机载直流微电网中并联储能单元（ESUs）存在的荷电状态（SoC）不平衡、电流分配不均及直流母线电压不稳定问题，本文提出了一种基于预定时间（PdT）控制理论的分布式无下垂统一控制方案，有效提升了系统的安全性与性能。
解读: 该研究提出的分布式预定时间控制算法在多机并联运行场景下具有极高的应用价值。对于阳光电源的PowerTitan和PowerStack系列储能系统，在工商业及电网侧大规模储能电站中，该方案可有效解决多PCS并联时的环流抑制、SoC均衡及母线电压稳定问题，且无需依赖传统的下垂控制，能显著提升系统响应速度与...