找到 2 条结果 · 光伏发电技术
一种具有光热、储热和电化学性能的新型集成碳化木电极用于太阳能驱动的热化学电池
A novel integrated carbon-wood electrode with photothermal, heat storage, and electrochemical properties for solar-driven thermochemical cells
Jun Zhang · Xiaotian Li · Jili Zheng · Yanan Zou 等8人 · Energy Conversion and Management · 2025年1月 · Vol.326
摘要 热化学电池为太阳能利用提供了一种可持续且环保的解决方案，但其性能常受到太阳辐射波动的限制。传统方法是将储热系统整合到热化学电池中，然而这些方法受限于较低的传热速率以及传统电极较小的电化学活性表面积。本研究创新性地提出一种碳化木电极设计，集成了增强的光热转换、储热和电化学性能，可实现太阳能驱动热化学电池中的连续发电。与传统的石墨电极相比，碳化木结构使光热转换效率提高了67%，电化学活性表面积增加了28%，单位体积（每立方厘米）的放热时间延长至16.67分钟。采用此类电极的热化学电池在太阳辐射...
解读: 该碳木一体化电极的光热-储热-电化学集成技术为阳光电源储能系统提供创新思路。其光热转换效率提升67%、电化学活性面积增加28%的设计理念,可应用于ST系列PCS的热管理优化和PowerTitan储能系统的温控策略改进。特别是其应对间歇性光照的稳定输出能力,与SG系列光伏逆变器的MPPT优化技术形成协...
通过神经网络方法加速钙钛矿太阳能电池的器件表征
Accelerating device characterization in perovskite solar cells via neural network approach
Xinhai Zhaoab1 · Chaopeng Huangae1 · Erik Birgersson · Nikita Suprun 等11人 · Applied Energy · 2025年1月 · Vol.392
摘要 钙钛矿太阳能电池是下一代高效光伏器件的有力候选者，尤其适合作为叠层结构中的顶部电池。基于物理机制的光电模型，我们采集了十万量级的大数据样本，用于训练神经网络模型，以高效预测器件性能和复合损耗。在数据准备、模型训练和神经网络优化过程中，分别采用了拉丁超立方采样、贝叶斯正则化和贝叶斯优化方法。最优的神经网络模型在预留的测试数据集上实现的均方误差低于4 × 10⁻⁴。神经网络的计算速度比传统光电模型快一千倍以上。因此，器件快速校准可在24秒内完成。显著降低的计算成本使得高效的器件表征、参数研究、...
解读: 该神经网络加速钙钛矿电池表征技术对阳光电源光伏逆变器产品线具有重要借鉴价值。研究采用的深度学习方法将器件仿真速度提升千倍以上,可应用于SG系列逆变器的MPPT算法优化和iSolarCloud平台的预测性维护功能。通过贝叶斯优化和敏感性分析快速标定器件参数的思路,可迁移至SiC/GaN功率器件的损耗分...