找到 4 条结果 · Applied Energy
基于TPMS结构的电子设备散热冷板数值与实验研究
Numerical and experimental investigation of TPMS-structured cold plates for electronic device cooling
Junyu Chen · Xianhao Liu · Yuting Li · Xiangyou Feng 等7人 · Applied Energy · 2025年1月 · Vol.401
摘要 随着电子芯片功率的不断提升，冷板已成为冷却高热负荷电子器件的一种有前景的解决方案。增材制造技术的发展促进了复杂结构的加工成型，为先进结构设计提供了更广阔的可能性。三重周期性极小曲面（Triply Periodic Minimal Surface, TPMS）结构具有优异的热物理性能，因而成为传热应用中的重要候选结构。本研究通过数值方法系统分析了蛇形流道以及三种TPMS结构（Diamond、Gyroid和I-WP）冷板的传热能力与流动特性。基于数值模拟结果，从流动模式及导热与对流耦合传热的角...
解读: 该TPMS结构冷板技术对阳光电源SiC功率器件散热具有重要应用价值。Diamond结构可应用于ST系列PCS和电动汽车驱动系统的高功率密度模块,其256.9 W/cm²散热能力可支撑SiC器件高频开关损耗。梯度单元尺寸设计可优化三电平拓扑中不均匀热分布,提升PowerTitan储能系统功率密度3-6...
基于跨域自适应生成对抗网络的多退化水平光伏阵列故障诊断
Fault diagnosis of photovoltaic arrays with different degradation levels based on cross-domain adaptive generative adversarial network
Peijie Lin · Feng Guo · Yaohai Lin · Shuying Cheng 等7人 · Applied Energy · 2025年1月 · Vol.386
摘要 近年来，由于光伏电站运行与维护的重要性，光伏（PV）阵列故障诊断（FD）取得了令人瞩目的进展。然而，由于运行工况复杂，光伏阵列不可避免地会发生渐进式退化，导致输出数据出现域偏移，这对故障诊断性能产生显著的负面影响。为解决上述问题，本研究提出了一种两阶段跨域自适应生成对抗网络深度学习方法，用于不同退化水平下的光伏阵列故障诊断。在第一阶段，利用源域（即无性能退化的光伏阵列）中的正常数据进行训练；随后，在对抗训练过程中将最大均值差异（MMD）损失引入故障生成器，以生成源域故障数据的高层特征表示。...
解读: 该跨域自适应GAN故障诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud智慧运维平台具有重要应用价值。针对光伏阵列性能衰减导致的数据域偏移问题,该方法通过MMD损失函数实现跨域特征对齐,仅需健康状态数据即可生成故障样本进行诊断,准确率达98.34%。可集成至iSolarCloud平台的预测...
结合内部电池物理特性的最优构网型储能系统管理
Optimal grid-forming BESS management incorporating internal battery physics
Yuanbo Chen · Kedi Zheng · Cheng Feng · Junling Huang 等6人 · Applied Energy · 2025年1月 · Vol.385
摘要 通过电池储能系统（BESS）提供构网服务（GFS）对于现代电网中日益增长的可再生能源并网至关重要。然而，GFS响应与电池物理特性之间的快速交互给构网型BESS运行管理带来了重大挑战。本文研究了考虑内部电池物理特性的构网型BESS管理方法。我们首先建立了一个基于物理机理的模型，以准确刻画BESS在提供GFS过程中的可用功率能力及老化动态特性。基于该物理模型，本文提出了一种两阶段随机优化问题，用于在日前阶段确定GFS控制系数并制定BESS功率调度计划，同时考虑电网频率的不确定性。进一步地，设计...
解读: 该研究对阳光电源ST系列储能变流器及PowerTitan系统的构网型控制策略具有重要参考价值。通过建立电池物理模型优化GFM服务系数,可提升我司储能系统在高比例新能源电网中的频率支撑能力和经济性。研究中的两阶段随机优化方法可集成至iSolarCloud平台,实现日前调度与实时功率调节的协同优化,同时...
点对点太阳能与储能交易：一种基于网络化多智能体强化学习的方法
Peer-to-peer energy trading of solar and energy storage: A networked multiagent reinforcement learning approach
Chen Feng · Andrew L.Liu · Applied Energy · 2025年1月 · Vol.383
摘要 利用分布式可再生能源，特别是太阳能和储能系统，通过点对点（P2P）能源交易在本地配电网中运行，长期以来被视为提升能源系统韧性与可持续性的一种解决方案。然而，消费者和产消者（即拥有光伏系统和/或储能设备的用户）缺乏参与重复性P2P交易所需的专业知识，而可再生能源边际成本为零的特点也给公平市场价格的确定带来了挑战。为解决这些问题，本文提出多智能体强化学习（MARL）框架，以帮助自动化消费者对其光伏系统和储能资源的投标与管理行为，该框架基于一种采用供需比（supply–demand ratio）...
解读: 该多智能体强化学习框架对阳光电源ST系列储能变流器和SG光伏逆变器的协同控制具有重要价值。可将MARL算法集成到iSolarCloud平台,实现分布式光储资产的自主竞价与能量管理优化。特别是供需比清算机制与物理网络约束的结合,为PowerTitan储能系统在虚拟电厂场景下的P2P交易提供可行路径,提...