可持续自感知铁路风之花密封混合纳米发电机

Sustainable self-sensing railway wind-blossom with sealed hybrid nanogenerator

Hao Wang · Tengfei Liu · Zutao Zhang · Dabing Luo 等8人 · Applied Energy · 2025年1月 · Vol.392

摘要 智能铁路的发展对先进的铁路物联网（IoRT）系统提出了迫切需求，其中主要挑战之一是为偏远的IoRT节点提供持续电力供应。一种可行方案是在强风区域将风能收集装置集成于风屏障中，从而同时实现防风与能量采集功能。本研究提出了一种名为“风之花”（Wind-Blossom, WB）的风能采集装置，将其应用于铁路屏障中，兼具防风、能量采集和风速自感知功能，旨在构建可长期运行的铁路状态监测IoRT系统。WB的设计采用阿基米德螺旋转子与风透镜结构，以实现高效的风能采集与风力削弱效果。该装置集成了电磁与摩擦...

解读: 该铁路风能采集与自感知技术对阳光电源新能源基础设施布局具有启发意义。其混合发电机制(电磁+摩擦纳米发电)可借鉴至光储充一体站的微能量采集系统,为偏远监测节点供电。风速自感知原理可应用于iSolarCloud平台的环境监测模块,提升风光互补电站的预测性维护能力。该多功能集成思路与阳光电源ST储能系统的...

基于先验知识的大规模超高清光伏板分割数据集增强框架

A large-scale ultra-high-resolution segmentation dataset augmentation framework for photovoltaic panels in photovoltaic power plants based on priori knowledge

Ruiqing Yang · Guojin He · Ranyu Yin · Guizhou Wang 等9人 · Applied Energy · 2025年1月 · Vol.390

摘要 当前大多数提升模型精度的研究主要集中在模型本身的优化上，往往忽视了数据集质量的关键作用，尤其是在遥感大数据背景下。许多关于光伏发电（PV）的大规模提取研究通常仅关注光伏电站边界的粗略勾画，这限制了更深入的下游分析潜力。本文提出了一种针对光伏电站内部光伏板进行细粒度提取的框架，而非仅仅捕捉电站的外部轮廓。通过聚焦于单个光伏板级别的分割，该方法为下游应用（如发电量估算和空间布局优化）提供了更为精确的评估基础。该框架融合了先验知识，以应对地表覆盖、成像条件以及背景干扰所带来的挑战。一种创新的标签...

解读: 该超高分辨率光伏板分割框架对阳光电源iSolarCloud智能运维平台具有重要应用价值。通过面板级精细识别,可显著提升SG系列逆拟器的MPPT优化策略精度,实现组串级故障诊断与发电量评估。数据集质量提升(78%→92%)为预测性维护算法提供可靠训练基础,结合先验知识的标注效率提升75%可加速电站数字...