找到 2 条结果
基于忆阻器的人工神经元革新类脑计算
Revolutionizing neuromorphic computing with memristor-based artificial neurons
Yanning Chen1Guobin Zhang2Fang Liu1Bo Wu1Yongfeng Deng1Dawei Gao2Yishu Zhang2 · 半导体学报 · 2025年1月 · Vol.46
随着传统冯·诺依曼架构在应对大数据与复杂计算任务时面临瓶颈，受人脑神经网络启发的类脑计算成为有前景的替代方案。易失性忆阻器，特别是莫特忆阻器和扩散型忆阻器，因其可模拟神经元的脉冲发放等动态特性，受到广泛关注，有望构建可重构、自适应的计算系统。近期研究已实现漏电积分-放电、霍奇金-赫胥黎、光电及时间表面神经元模型，显著提升了类脑系统的能效与集成度。本文综述基于易失性忆阻器的人工神经元最新进展，探讨其与人工突触集成的潜力，并指出提升器件可靠性与探索新架构是未来发展的关键挑战。
解读: 忆阻器类脑计算技术对阳光电源智能控制系统具有前瞻性价值。其低功耗、高并行的神经形态计算特性可应用于：1）PowerTitan储能系统的实时功率预测与能量管理，通过硬件神经网络实现毫秒级响应的负荷预测和削峰填谷优化；2）SG系列逆变器的MPPT算法加速，利用忆阻器阵列实现复杂光照条件下的快速最优点追踪...
考虑尾流时空耦合的风电场功率预测
Wind Farm Power Prediction with Wake Spatiotemporal Coupling
Yueteng Xie · Fangming Deng · Wenxiang Luo · Bo Gao 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
在动态气象条件下，风电机组群的功率预测面临尾流效应时空耦合的挑战。本文提出一种考虑尾流效应时空动态耦合的风电场功率预测方法。通过融合风机空间分布与实时气象数据构建动态图网络，实现尾流传播路径的自适应表征。设计双驱协同框架，在时空维度嵌入物理规律约束，缓解数据驱动模型在极端工况下的物理失真问题。构建时空解耦特征增强架构，捕捉风机间空间关联及多时间尺度气象特征。实验结果表明，该方法显著提升预测精度。
解读: 该风电场功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。其时空耦合建模方法可优化ST系列储能变流器的调度策略，提升PowerTitan大型储能系统在风光储多能互补场景下的运行效率。尾流效应动态预测技术可集成到iSolarCloud平台，增强新能源电站群的功率预测精度，为储能调度和电网调峰...