找到 3 条结果
一种用于收集多种环境机械能的叶片状摩擦纳米发电机
A Leaf-Shaped Triboelectric Nanogenerator for Multiple Ambient Mechanical Energy Harvesting
Dongdong Jiang · Chi Zhang · Guoxu Liu · Wenjian Li 等10人 · IEEE Transactions on Power Electronics · 2020年1月
为满足分布式可持续电源需求，环境机械能发电备受关注。本文基于摩擦起电与静电感应耦合效应，研究了一种叶片状摩擦纳米发电机（TENG）。该技术在收集波动幅度大及低频机械能方面具有显著优势，为微型能源采集提供了创新解决方案。
解读: 该技术属于微能源采集领域，目前与阳光电源主营的光伏逆变器、储能系统及充电桩等大功率电力电子设备业务关联度较低。然而，TENG在低频振动能量收集方面的特性，未来可探索应用于iSolarCloud智能运维平台下的传感器自供电节点，或作为小型环境监测设备的辅助电源。建议研发团队关注其在低功耗物联网（IoT...
中央空调系统中变频电机的高效准确损耗模型
A Fast and Accurate Loss Model of Converter-Fed Induction Motor in Central Air-Conditioning System
Jiawei Yi · Chunjiao Li · Dongdong Zhang · Xiang Li 等8人 · IEEE Transactions on Power Electronics · 2023年3月
针对中央空调系统中变频电机损耗模型粗糙导致能源浪费的问题，本文提出了一种从电源到终端的系统级能量损耗模型。该模型充分考虑了泵类负载特性及变频调速特性，实现了对系统损耗的快速且精确计算，为优化控制策略提供了理论支撑。
解读: 该研究提出的高精度损耗建模方法对阳光电源的工商业储能（PowerStack）及大型地面储能（PowerTitan）系统中的辅助电源管理具有参考价值。在中央空调等工业配套场景中，储能系统常需与变频驱动设备协同工作，通过引入该损耗模型，可优化PCS（储能变流器）在变频负载下的控制算法，提升系统整体能效。...
基于元强化学习的自适应可解释储能控制应对动态场景
Meta Reinforcement Learning Based Adaptive and Interpretable Energy Storage Control Meets Dynamic Scenarios
Yibing Dang · Jiangjiao Xu · Fan Yang · Changjun Jiang 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
随着可再生能源的广泛应用，储能系统在能量调度与经济套利中发挥关键作用。传统强化学习方法因泛化能力有限，在高动态环境下易出现性能下降。本文提出一种基于元强化学习的储能控制框架，包含离线训练与在线适应阶段，通过双循环更新机制和多任务学习获得高泛化性的初始参数，并结合Shapley值方法增强决策可解释性。实验表明，该模型在多种动态微网场景下适应性强，性能较传统方法提升20%至50%，且调度决策特征贡献分析符合人类直觉。
解读: 该元强化学习储能控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。其自适应双循环更新机制可显著提升储能系统在光伏出力波动、负荷变化等动态场景下的调度性能，相比传统方法提升20%-50%的经济效益直接增强产品市场竞争力。Shapley值可解释性分析可集成至iSol...