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...
基于增量容量曲线与S变换的电动汽车电池组健康状态估计
State-of-health estimation for EV battery packs via incremental capacity curves and S-transform
Siyi Tao · Jiangong Zhu · Yuan Lic · Siyang Chen 等10人 · Applied Energy · 2025年1月 · Vol.397
准确估计电动汽车（EV）中电池的健康状态（SOH）对于缓解用户的续航焦虑具有重要作用。然而，云端电池管理系统（BMS）数据质量欠佳，加之电池正极材料的多样性，为开发适用于实际EV应用的通用SOH估计方法带来了显著挑战。本研究提出了一种基于充电过程的可推广特征提取框架。该方法从增量容量（IC）曲线中提取时域特征，并利用S变换提取频域特征，同时引入了电池间不一致性指标。为评估所提取特征的鲁棒性，本文采用实验室数据进行了验证。此外，通过针对不同容量和正极材料电池的实验，分析了温度对电池容量及所提取特征...
解读: 该研究提出的电池SOH估计方法对阳光电源储能系统(PowerTitan/ST系列PCS)及充电桩产品具有重要价值。通过增量容量曲线和S变换的多域特征提取,结合GRU-LightGBM融合模型,可显著提升BMS电池健康状态评估精度(MAPE<1.99%)。该技术框架可集成至iSolarCloud平台,...
异构动态数据环境下分布式光伏在线增量概率功率预测
Online incremental probability power prediction for distributed PVs in heterogeneous and dynamic data environments
Le Zhang · Ziyu Chen · Jizhong Zhu · Kaixin Lin 等5人 · Applied Energy · 2025年1月 · Vol.394
摘要 数据共享是提升小样本条件下分布式光伏发电功率数据驱动模型预测精度的标准解决方案。然而在实际应用中，由于数据的去中心化所有权以及复杂多变的外部环境，该方案面临数据隐私、数据异构性以及动态数据学习等方面的挑战。为应对这些挑战，本文提出一种基于贝叶斯随机配置网络（BSCN）与个性化联邦学习（PFL）的增量式概率预测方法。具体而言，采用随机配置网络——一种新兴的单隐层无迭代神经网络——快速构建功率预测模型；为获得后验分布并确定概率输出，引入贝叶斯推断对SCN的输出参数进行评估。针对小样本和异构数据...
解读: 该分布式光伏概率预测技术对阳光电源iSolarCloud智慧运维平台及SG系列逆变器具有重要应用价值。其联邦学习框架可保护多业主数据隐私,增量学习策略适配动态环境,可显著提升小样本场景下的功率预测精度。技术可集成至iSolarCloud平台,优化分布式光伏集群的预测性维护与功率调度;结合SG逆变器M...
基于强化学习与多目标模型预测控制的热电联产机组灵活经济运行双层优化策略
A bi-level optimization strategy for flexible and economic operation of the CHP units based on reinforcement learning and multi-objective MPC
Keyan Zhu · Guangming Zhang · Chen Zhu · Yuguang Niu 等5人 · Applied Energy · 2025年1月 · Vol.391
摘要 提升热电联产（CHP）机组的综合性能对于消纳可再生能源和实现节能减排具有重要意义。为此，本文提出一种基于强化学习（RL）与多目标模型预测控制（MOMPC）的双层优化策略，以提升CHP机组的灵活性与经济运行性能。首先，构建了CHP机组模型，并将其各类参数纳入MOMPC的滚动优化过程中，作为下层跟随者以求解基础控制问题。其次，提出了一种融合双延迟深度确定性策略梯度（TD3）算法与MOMPC的双层优化策略（TD3-MOMPC），将TD3智能体设定为上层领导者；通过分解复杂的灵活性需求与CHP机组...
解读: 该双层优化策略对阳光电源储能系统(ST系列PCS/PowerTitan)具有重要应用价值。TD3强化学习与多目标MPC结合的架构可借鉴至储能参与调频调峰场景:上层TD3智能体动态调整MPC权重和预测时域,下层MPC执行功率控制,实现灵活性与经济性平衡。该方法可优化储能系统在新能源消纳中的充放电策略,...