找到 58 条结果 · Applied Energy
基于隐私保护的物理信息深度算子代理模型的电–气耦合系统连锁故障实时主动控制
Real-time proactive control of cascading failures in integrated electricity–gas systems based on a privacy-preserving physics informed deep operator surrogate model
Jiachen Zhang · Qinglai Guo · Yanzhen Zhou · Hongbin Sun · Applied Energy · 2025年1月 · Vol.401
摘要 随着电力系统与天然气网络之间耦合程度的加深，两类系统间的故障传播风险也随之上升，威胁综合能源系统的安全运行。然而，采用传统数值方法进行动态能量流分析存在计算效率低下的问题，难以满足实时紧急控制的需求。此外，系统之间直接共享模型与数据在实际应用中仍不可行。为应对上述挑战，本文提出了一种面向电–气耦合系统（IEGS）连锁故障的快速主动控制方法，利用物理信息驱动的天然气网络代理模型显著加速安全分析过程。所提出的框架结合了物理信息驱动的深度算子神经网络（PI-DeepONet），以实现故障条件下快...
解读: 该电-气耦合系统级联故障预测技术对阳光电源储能系统具有重要价值。基于物理信息深度学习的实时故障预测方法可应用于PowerTitan储能系统与iSolarCloud平台,实现多能源系统协同控制。其隐私保护数据压缩技术可增强ST系列PCS在综合能源场景的安全性,支持虚拟电厂VPP应用中电储气多系统协调。...
利用物理信息神经网络构建代理模型辅助强化学习优化智能电网能源管理
Optimizing energy management of smart grid using reinforcement learning aided by surrogate models built using physics-informed neural networks
Julen Cestero · Carmine Delle Femine · Kenji S. Muroa · Marco Quartulli 等5人 · Applied Energy · 2025年1月 · Vol.401
摘要 在智能电网场景下优化能源管理面临重大挑战，主要源于现实世界系统的复杂性以及各组件之间错综复杂的相互作用。强化学习（Reinforcement Learning, RL）正逐渐成为解决智能电网中最优潮流（Optimal Power Flow, OPF）问题的一种有效方案。然而，RL需要在给定环境中进行强制性的反复迭代才能获得最优策略，这意味着必须从一个很可能代价高昂的模拟器中获取样本，从而导致样本效率低下问题。在本研究中，我们通过使用基于物理信息神经网络（Physics-Informed N...
解读: 该研究采用物理信息神经网络(PINN)构建代理模型加速强化学习训练,对阳光电源ST系列储能变流器和PowerTitan系统的能量管理优化具有重要价值。通过PINN代理模型可将训练速度提升50%,能显著加快储能系统最优潮流控制策略的开发周期。该方法可应用于iSolarCloud平台的智能调度算法优化,...
基于动态参数的物理信息神经网络用于短期光伏功率预测：融合物理信息与数据驱动
Dynamic-parameter physics-informed neural networks for short-term photovoltaic power prediction: Integrating physics-informed and data driven
Weiru Wanga · Hanyang Guoa · Shaofeng Liub · Yechun Xina 等6人 · Applied Energy · 2025年1月 · Vol.401
为了克服传统混合预测模型中物理约束刚性以及样本不平衡的局限性，本文提出了一种基于动态参数物理信息神经网络（DP-PINN）的新型短期光伏（PV）功率预测框架。基于牛顿-拉夫森优化的K-means++（NBRO-Kmeans++）算法将天气划分为四种类型，与标准K-means++相比，轮廓系数提升了6.6%至45.8%。采用合成少数类过采样技术（SMOTE）对少数类样本进行动态平衡，在该情况下使均方根误差（RMSE）降低了50.5%。物理方程根据天气类型进行动态调整，三重约束损失函数融合了数据拟合...
解读: 该DP-PINN动态物理信息神经网络技术对阳光电源iSolarCloud智慧运维平台及SG系列光伏逆变器具有重要应用价值。通过天气分类与SMOTE样本平衡,极端天气下RMSE降低50.8%,可显著提升光伏电站功率预测精度。其动态参数优化机制(光电转化效率η、温度系数α可学习)与阳光电源MPPT优化技...
基于协方差矩阵自适应进化策略并考虑氢气真实气体建模的孤立光伏-氢能微电网优化定容
Optimal sizing of isolated photovoltaic-hydrogen microgrids using covariance matrix adaptation evolution strategy considering real-gas modeling of hydrogen
Aubert Hervé · Mathieu Bressel · Applied Energy · 2025年1月 · Vol.401
摘要 本文研究了协方差矩阵自适应进化策略（Covariance Matrix Adaptation Evolution Strategy, CMA-ES）在孤立光伏-氢能微电网优化定容中的应用。系统组件（特别是光伏（PV）面板和氢能储能系统（HESS））的精确容量配置对于确保系统的成本效益、能源自主性和运行可靠性至关重要。本研究提出了一种基于氢气真实气体行为的先进HESS模型，相较于传统的理想气体近似方法，该模型在物理真实性方面具有显著提升。尽管诸如遗传算法（GA）和粒子群优化（PSO）等元启发...
解读: 该CMA-ES优化算法对阳光电源光储微网系统设计具有重要应用价值。研究中的光伏-氢储能微网优化sizing问题,可直接应用于ST系列储能变流器与SG系列光伏逆变器的容量配置优化。CMA-ES算法在高维非凸问题上表现优异,较传统GA算法适应度提升26%,可集成至iSolarCloud平台用于离网微电网...
高速公路边坡光伏开发的时空潜力与经济性评估：以中国江西为例
Spatiotemporal potential and economic assessment of highway slope-based photovoltaics: A case study in Jiangxi, China
Zhe Liu · Hao Yub · Xuanyu Liub · Chonghao Zhang 等7人 · Applied Energy · 2025年1月 · Vol.401
随着可用于可再生能源部署的土地资源日益稀缺，公路填方边坡为土地高效利用的可再生能源整合提供了创新解决方案。本研究提出一种基于高分辨率数字高程模型（DEM）的可扩展、高精度方法，用于识别适宜建设光伏系统的边坡，并从物理、地理和技术三个维度评估江西省内此类场地的太阳能潜力。研究构建了一个融合地理、技术与政策因素的经济分析框架，以投资回收期为核心指标，在不同资本成本和补贴情景下评估项目的可行性。研究结果表明，基于边坡的太阳能资源在空间和季节上均表现出显著异质性，高潜力区域主要集中于江西省南部。尽管出于...
解读: 该研究揭示江西高速公路边坡光伏潜力达12.3GW装机量,为阳光电源SG系列组串式逆变器提供重要应用场景。边坡地形复杂、遮挡多变的特点,恰需我司1500V系统的多路MPPT优化技术应对局部阴影。研究强调的空间异质性和季节波动,可通过配置ST系列储能PCS及PowerTitan系统实现削峰填谷。建议开发...
交互式多尺度建模以连接原子特性与锂-二氧化碳电池设计中的电化学性能
Interactive multiscale modeling to bridge atomic properties and electrochemical performance in Li-CO2 battery design
Mohammed Lemaalem · Selva Chandrasekaran Selvaraj · Ilias Papailias · Naveen K.Dandu 等8人 · Applied Energy · 2025年1月 · Vol.401
摘要 锂-二氧化碳（Li-CO2）电池因其高的理论能量密度和固定CO2的能力而成为有前景的储能系统，其依赖于放电/充电循环过程中可逆生成Li2CO3/C。本文提出了一种多尺度建模框架，整合了密度泛函理论（DFT）、从头算分子动力学（AIMD）、经典分子动力学（MD）以及有限元分析（FEA），用于研究原子尺度和电池层级的性质。所研究的Li-CO2电池由锂金属负极、离子液体电解质以及负载Sb0.67Bi1.33Te3催化剂的碳布正极组成。采用Kubo-Greenwood公式，通过DFT和AIMD计算...
解读: 该多尺度建模方法对阳光电源储能系统开发具有重要借鉴价值。研究揭示Li-CO2电池容量随放电倍率呈指数衰减(0.1mA/cm²时81570mAh/g降至1mA/cm²时6200mAh/g),核心瓶颈在于Li2CO3沉积堵塞孔隙限制CO2传输。该建模框架结合DFT、分子动力学与有限元分析,可应用于ST系...
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SHAP与物理引导神经网络的卡诺电池主导因素识别与快速优化
Dominant factor identification and fast optimization of carnot battery by integrating SHAP and physics-guided neural network
Yunfei Zhang · Jian Lia · Mingzhe Yua · Xu Chena 等6人 · Applied Energy · 2025年1月 · Vol.401
摘要 卡诺电池是一种新兴的长时电能储存技术，有望大规模应用于促进波动性可再生能源的消纳。然而，卡诺电池由热泵、储热和热机单元组成，其内部存在复杂的能量流耦合关系。在不同工况下决定电-电（PTP）效率的主导因素及其耦合关系尚不明确，传统的优化方法也因耗时较长而制约了优化设计进程。本文构建了SHapley加性解释（SHAP）模型，用于识别卡诺电池的主导因素及其相互间的耦合关系。进一步提出一种融合SHAP与物理引导神经网络（PGNN）的新型优化方法——SPGO方法，能够快速实现最大PTP效率并给出相应...
解读: 该卡诺电池优化技术对阳光电源储能系统具有重要借鉴价值。论文提出的SHAP主导因素识别与物理引导神经网络(PGNN)优化方法,可应用于ST系列PCS及PowerTitan储能系统的效率优化。其多物理场耦合分析思路与SiC器件热管理优化高度契合,PGNN模型在插值/外推场景下误差降低15-30%的表现,...
基于神经网络前馈算法的SOEC系统热电双控策略
A thermo-electrical dual control strategy for SOEC system based on a neural network feedforward algorithm
Biaowu Lua · Shaozhuo Niub · Yuxuan Feic · Ang Lia 等8人 · Applied Energy · 2025年1月 · Vol.401
摘要 固体氧化物电解池（SOEC）通过共电解技术为将可再生能源转化为合成气提供了有前景的途径，实现了高效的能量存储。然而，可再生能源固有的波动性，以及SOEC系统内部多物理场和组件之间的复杂耦合作用，给实现快速动态调节带来了重大挑战。本文建立了包含蒸发器、电加热器、换热器和SOEC电堆在内的SOEC系统综合模型。通过详细的多时间尺度特性分析发现，燃料流量在控制电堆温度和电压方面具有优势。随后，对比了基本燃料流量控制（FFC）、空气流量控制（AFC）和恒定转化率控制（CCRC）对关键性能的影响。结...
解读: 该SOEC双控策略对阳光电源储能系统具有重要借鉴价值。论文提出的神经网络前馈控制算法可应用于ST系列PCS的多物理场协同控制,特别是在光伏波动场景下实现电压稳定与温度管理的双重优化。其多时间尺度特性分析方法可用于PowerTitan储能系统的动态响应优化,将电压波动降低75%的控制思路可迁移至SiC...
一种物理增强型动态耦合混合Kolmogorov–Arnold网络用于可解释的电池荷电状态估计
A physics-enhanced hybrid Kolmogorov–Arnold network with dynamic coupling for interpretable battery state-of-charge estimation
Yuqian Fan · Yi Lia · Chong Yana · Yaqi Liang 等12人 · Applied Energy · 2025年1月 · Vol.400
准确估计锂离子电池的荷电状态（SOC）是电池管理系统中的核心任务。然而，SOC估计在复杂工况下面临着精度不足、鲁棒性差以及可解释性弱等挑战。本文提出了一种物理增强型混合Kolmogorov–Arnold网络（PEHKAN）方法，这是首个将机械应力特性与电化学–热力学多物理场建模相结合的方法。构建了改进的Butler–Volmer方程电化学势能模块，以及具有协同控制的温度–压力耦合扩散动力学模块；这些模块显式地刻画了电化学、热力学与机械应力之间的协同作用。此外，设计了一种动态门控融合机制，以实现物...
解读: 该物理增强混合神经网络SOC估算技术对阳光电源ST系列储能变流器及PowerTitan系统的电池管理具有重要价值。其电化学-热力学-机械应力多物理场耦合建模可直接应用于BMS优化,在复杂工况下MAE低至0.00312,显著提升储能系统全生命周期安全性与经济性。动态门控融合机制可增强iSolarClo...
结合连续学习与多数字孪生机制的物理编码光伏功率预测方法
The physical-encoded Photovoltaic forecasting method combined with continuous learning and multi-digital twins mechanisms
Shuwei Liua · Jianyan Tian · Yuanyuan Daia · Zhengxiong Jia 等5人 · Applied Energy · 2025年1月 · Vol.399
摘要 端到端神经网络模型通常被视为黑箱模型，已被广泛应用于光伏（PV）功率预测中。然而，这类模型在模型适应性、可迁移性和可解释性方面仍面临挑战。为解决上述问题，本文提出了一种物理编码的光伏功率预测模型，该模型将端到端网络分解为数据驱动的外部参数预测模型和物理驱动的功率计算模型。其中，具有明确物理意义的功率计算模型增强了模型的可解释性。本文设计了一种连续学习机制，使模型能够快速适应环境变化，缓解模型漂移的影响，从而提升模型的适应性与可迁移性。同时，引入多数字孪生协同运行机制，融合其他模型的优势，进...
解读: 该物理编码光伏预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。其物理驱动+数据驱动的混合架构可显著提升SG系列逆变器功率预测精度,概念漂移场景下nMAE提升30.5%,跨电站迁移时准确率提升45.8%。持续学习机制能有效应对环境变化导致的模型漂移,增强ST储能系统的充放电策略优...
结合电化学与数据稀疏高斯过程回归的锂离子电池混合建模
Combining electrochemistry and data-sparse Gaussian process regression for lithium-ion battery hybrid modeling
Jackson Fogelquis · Xinfan Lin · Applied Energy · 2025年1月 · Vol.399
摘要 锂离子电池的广泛应用推动了先进电池管理系统（BMS）的同步发展，这些系统旨在通过最先进的控制、诊断和预测技术来最大化安全性和性能。为了实现这些功能，电池模型必须能够准确预测输出电压和物理内部状态，但由于系统不确定性不可避免以及在线计算资源有限，这一目标具有挑战性。为此，本文提出了一种计算高效的混合建模框架，该框架将基于物理原理的电化学电池模型与高斯过程回归（GPR）机器学习模型相结合，以补偿由系统不确定性引起的输出预测误差。该框架的一个关键特征是提出了一种数据采样方法，该方法利用GPR在稀...
解读: 该混合建模技术对阳光电源ST系列储能变流器及PowerTitan系统的BMS优化具有重要价值。通过融合电化学模型与高斯过程回归,可将电压预测误差从119mV降至7.3mV,参数估计精度提升一个数量级,且计算时间比仅为0.003,满足在线应用需求。该方法可直接应用于阳光储能系统的SOC/SOH估算、故...
基于物理信息神经网络的锂离子电池健康状态、剩余使用寿命与短期退化路径联合估计
Physics-informed neural network for co-estimation of state of health, remaining useful life, and short-term degradation path in Lithium-ion batteries
Li Yanga · Mingjian Heab · Yatao Ren · Baohai Gao 等5人 · Applied Energy · 2025年1月 · Vol.398
摘要 锂离子电池由于各种内部和外部因素会随时间逐渐退化，这种退化带来了显著的安全性和可靠性风险，凸显了电池健康管理作为关键研究领域的重要性。然而，当前仍面临一个重大挑战，即开发一种通用的健康管理方法，以适应不同的电池材料、工作环境以及多样化的任务需求。为应对这一问题，本文提出了一种新颖的多任务健康管理方法，该方法将多任务处理框架与物理信息神经网络相结合。通过共享参数与任务特定参数的协同设计，并结合基于物理规律的特征提取机制，该方法高效地整合了健康状态估计、剩余使用寿命预测以及短期退化路径预测三项...
解读: 该物理信息神经网络多任务学习框架对阳光电源储能系统具有重要应用价值。可直接集成至ST系列PCS和PowerTitan储能系统的BMS中,实现SOH估算(误差0.75%)、RUL预测(误差104循环)和短期退化路径预测的协同管理。其基于恒压充电阶段电压电流数据的特征提取方法,与阳光电源iSolarCl...
一种用于电池组多物理场的高保真在线监测算法
A high-fidelity online monitoring algorithm for multiple physical fields in battery pack
Yi Xiea · Wensai Maa · Disheng Jiang · Wei Lib 等8人 · Applied Energy · 2025年1月 · Vol.398
准确估计电池的荷电状态（SOC）、温度分布状态（SOTD）和功率状态（SOP）对于保障现代储能系统（尤其是在电动汽车中）的安全性、效率和寿命至关重要。这些状态之间的交叉耦合动力学特性要求采用先进的建模与估计算法以提升系统性能与可靠性。在本研究中，选取电池组作为研究对象，构建了一种电-热耦合模型。其中，电气模型基于一阶等效电路模型，并扩展以考虑串并联结构关系，从而为热模型提供电气参数；热模型则建立了电池组内部产热与传热过程的详细框架，并将温度反馈至电气模型以校正其参数。随后，针对该模型设计了一种在...
解读: 该电池包多物理场在线监测算法对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。电热耦合模型可集成至iSolarCloud平台,实现SOC、温度场和SOP的精准联合估算(SOC误差≤1.52%,温度误差<1.32°C),显著提升储能系统BMS管理精度。三维温度场重建技术可优化液冷...
抗攻击的电力信息物理系统状态估计：一种用于FDIA检测的动态时空冗余重构框架
Attack-resilient state estimation for cyber-physical power systems: A dynamic spatial-temporal redundancy reconfiguration framework for FDIA detection
Shutan Wua · Qi Wanga · Jianxiong Hub · Yujian Yea 等5人 · Applied Energy · 2025年1月 · Vol.397
摘要 现代电力系统作为信息物理系统，日益依赖混合测量数据以提高状态估计（SE）的准确性和分辨率。然而，SE功能的增强伴随着对测量设备和外部检测机制的依赖性增加，从而扩大了攻击面，使状态估计面临复杂的网络威胁。本文揭示了现有基于混合测量的SE框架中的安全漏洞，特别是在协调性虚假数据注入攻击（FDIAs）下，攻击者同时操纵基准测量和验证测量以逃避检测的问题。为应对这一挑战，本文提出了一种基于动态时空冗余重构的抗攻击SE方法。该方法通过主动在测量过程中引入测量不确定性，增强了对外部攻击的鲁棒性。本文引...
解读: 该网络攻击防御技术对阳光电源储能系统和智能运维平台具有重要价值。ST系列PCS和PowerTitan储能系统依赖混合测量数据进行状态估计,易受虚假数据注入攻击。论文提出的动态时空冗余重构方法可集成到iSolarCloud平台,通过主动注入测量不确定性和实时自适应检测阈值,增强储能电站抗攻击能力。该框...
海上风力涡轮机塔架设计与优化：综述及人工智能驱动的未来方向
Offshore wind turbine tower design and optimization: A review and AI-driven future directions
João Alves Ribeiro · Bruno Alves Ribeiroc · Francisco Pimenta · Sérgio M.O. Tavares 等6人 · Applied Energy · 2025年1月 · Vol.397
摘要 海上风能利用海洋风的高强度和稳定性，在向可再生能源转型过程中发挥着关键作用。随着能源需求的增长，需要更大规模的风力涡轮机以优化发电量并降低平准化度电成本（Levelized Cost of Energy, LCoE），即项目生命周期内电力的平均成本。然而，涡轮机的大型化带来了工程上的挑战，尤其是在支撑结构、特别是塔架的设计方面。塔架必须在保持结构完整性、成本效益和可运输性的同时承受增大的载荷，因此对海上风电项目的成功至关重要。本文全面综述了人工智（Artificial Intelligen...
解读: 海上风电塔架AI优化技术对阳光电源风电变流器及储能系统具有重要借鉴价值。文中提出的数字孪生技术、预测性维护和AI驱动优化方法,可直接应用于ST系列储能变流器的结构设计优化和iSolarCloud平台的智能运维升级。特别是在大型化趋势下,三电平拓扑与SiC器件的协同优化、GFM控制策略的自适应调节,以...
物理引导的机器学习利用稀疏、异构的公开数据预测全球太阳能电站性能
Physics-guided machine learning predicts the planet-scale performance of solar farms with sparse, heterogeneous, public data
Jabir Bin Jahangi · Muhammad Ashraful Alam · Applied Energy · 2025年1月 · Vol.396
摘要 光伏（PV）技术格局正在迅速演变。为了预测新兴光伏技术的潜力和可扩展性，必须对这些系统在全球范围内的性能有全面的理解。传统上，大型国家级研究机构的实验和计算研究主要关注特定区域气候条件下的光伏性能。然而，将这些区域性研究结果综合起来以理解其全球性能潜力已被证明十分困难。鉴于获取实验数据的成本高昂，在政治分裂的世界中协调各国国家实验室开展实验存在挑战，以及大型商业运营商的数据隐私顾虑，人们迫切需要一种根本不同且数据效率更高的方法。本文提出了一种面向光伏的物理引导机器学习（PGML）方法，证明...
解读: 该物理引导机器学习方法对阳光电源全球化布局具有重要价值。通过PVZones气候分区和稀疏数据预测全球光伏性能,可优化SG系列逆变器的区域适配策略和MPPT算法参数。结合iSolarCloud平台,该技术能以少量站点数据预测不同气候区的发电潜力,指导ST储能系统容量配置,降低新市场前期勘测成本。数据高...
从水合物成核与生长角度综述基于水合物的氢气储存的分子动力学模拟
Molecular dynamics simulation on hydrate-based hydrogen storage: A review from the perspective of hydrate nucleation and growth
Xiaoyang Liua · Zheyuan Liua · Na Weia · Ke Han Lib 等7人 · Applied Energy · 2025年1月 · Vol.396
氢气因其高能量密度、环境友好性以及广泛的制取途径，在未来能源结构中占据重要地位。然而，目前尚未找到最优的氢气储存与运输方法。基于水合物的氢气储存技术由于具有安全、无污染和易于释放等优点，已受到广泛关注。分子动力学（MD）模拟是探究其内在机理的重要手段。基于MD模拟技术，我们能够在分子水平上监测水合物成核与生长的过程。本文从微观角度系统综述了现有关于氢气水合物形成的各项研究。首先探讨了氢气水合物的微观结构、基本性质及相平衡特性；随后，总结了纯氢体系及氢气-添加剂二元体系中的研究进展。此外，阐述了影...
解读: 该氢水合物储能技术研究为阳光电源储能系统提供了前瞻性技术储备参考。氢储能作为长时储能方案,可与公司PowerTitan储能系统形成互补:电化学储能解决短周期调峰,氢储能应对季节性能量转移。分子动力学模拟揭示的成核生长机制、储氢密度优化等微观机理,可启发公司在储能系统热管理、相变材料应用及多能耦合控制...
重力储能：介质分类、效率影响因素、比较与选型
Gravitational energy storage: Media taxonomy, efficiency factors, comparison and selection
Xixi Wang · Haitao Yang · Xingbin Lia · Zhigan Denga 等7人 · Applied Energy · 2025年1月 · Vol.395
摘要 能源储存技术（EST）作为提供平稳连续电力的关键手段，随着可再生能源的快速发展而受到广泛关注。重力储能（GES）因其原理简单、成本低、容量大、效率高且安全性好，已成为一种新兴的机械式能源储存技术。本文根据不同的储能介质及其计算原理，将重力储能分为流体重力储能、固体重力储能和颗粒重力储能三类，首次定义了颗粒重力储能，并对其相关技术进行了深入分析与讨论。通过对比不同类型重力储能技术的特点、发展现状、优缺点，归纳总结了影响其效率的关键因素以及比较与选型方法。研究表明，重力储能可与其他储能技术形成...
解读: 重力储能作为新兴机械储能技术,其大容量、高效率特性可与阳光电源ST系列PCS及PowerTitan储能系统形成互补方案。文中提出的效率影响因素分析对优化我司储能变流器的能量管理策略具有参考价值,特别是在长时储能场景下,可结合GFM控制技术提升系统稳定性。重力储能的LCOS评估方法论可应用于iSola...
超级电容器研究中的能量存储：从分子模拟到机器学习的跨学科应用
Energy storage in supercapacitor researches: Interdisciplinary applications from molecular simulations to machine learning
Yawen Dong1 · Yutong Liu1 · Feifei Mao · Hua Wu · Applied Energy · 2025年1月 · Vol.393
摘要 科学界持续关注超级电容器（SCs），因其在环境保护和能量存储方面具有重要意义。超级电容器的性能取决于比容量、循环稳定性、功率密度和能量密度等关键特性，其中电极材料的性能、电极与电解质之间的相互作用以及电极表面或层间的电荷转移过程，对超级电容器整体性能具有显著影响。在超级电容器的研究领域中，计算模拟的应用至关重要，因其具备强大的模拟计算与预测能力。本文综述了近年来利用密度泛函理论（DFT）和机器学习（ML）技术设计与优化超级电容器的最新进展。我们总结了DFT在理解电极材料的电子结构、电荷存储...
解读: 该超级电容器研究整合DFT、分子动力学与机器学习的方法论,对阳光电源储能系统具有重要价值。在ST系列PCS和PowerTitan产品中,可借鉴ML技术优化电极材料设计,提升功率密度和循环寿命;将SOH预测算法应用于iSolarCloud平台,实现储能设备健康状态智能监测;结合SiC器件特性,通过计算...
第 1 / 3 页