找到 3 条结果

排序:
电动汽车驱动 ★ 4.0

基于Ag/Bi2WO6的摩擦纳米发电机用于自供电乙醇传感器

Ag/Bi2WO6-based triboelectric nanogenerators for self-powered ethanol sensor

Xiaoran Gong · Haohao Zhang · Jiachen Ye · Journal of Materials Science: Materials in Electronics · 2025年1月 · Vol.36.0

摩擦纳米发电机(TENG)作为气体传感器是一种无需外部电源的检测策略。本研究制备了Ag/Bi2WO6复合材料,并将其用作TENG器件中的摩擦电层。引入Ag颗粒显著提升了器件的输出性能。此外,基于2% Ag/Bi2WO6的自供电气体传感器(SPGS)对100 ppm乙醇表现出27.6%的响应值,响应时间和恢复时间分别为72.7秒和81秒。该传感器还具有较低的检测限(LOD),可达2.7 ppm。其气体敏感性能的提升归因于Ag的催化作用,该作用促进了乙醇气体分子的吸附与脱附过程。本工作展示了多元金属...

解读: 该自供电气体传感技术对阳光电源充电桩和储能系统安全监测具有应用价值。Ag/Bi2WO6摩擦纳米发电机可集成于充电站环境监测,实现无源乙醇等可燃气体检测,响应时间72.7秒、检测下限2.7ppm满足安全预警需求。该技术可启发iSolarCloud平台开发基于能量采集的分布式传感网络,利用设备振动或温差...

功率器件技术 SiC器件 ★ 5.0

考虑交流潮流与气体动态的非凸集成电-气系统分布式调度

Distributed dispatch of non-convex integrated electricity and gas systems considering AC power flow and gas dynamics

Qingju Luo · Jizhong Zhu · Di Zhang · Haohao Zhu 等5人 · Applied Energy · 2025年1月 · Vol.392

摘要 集成电-气系统(IEGS)的协调运行可带来显著的经济与环境效益。本文采用非凸的交流(AC)电力潮流模型和动态气体模型,以精确刻画IEGS的物理特性,并提出一种改进的分解-协调内点法(IDIPM),用于高效求解非凸IEGS调度问题的分布式优化。不同于传统的分布式算法,分解-协调内点法(DIPM)在数学上等价于集中式内点法(CIPM),从而保证了非凸分布式优化问题的局部收敛性。本文通过修正牛顿矩阵,并引入舒尔补(Schur complement)与矩阵分解技术对DIPM进行改进,使所提IDIP...

解读: 该电-气综合能源系统分布式优化技术对阳光电源多能互补解决方案具有重要价值。其非凸AC潮流建模与改进内点法可应用于ST系列储能变流器与SG逆变器的协同调度,特别是在工业园区多能源场景中,通过分布式优化算法实现光伏-储能-燃气发电的经济调度。该方法较传统集中式算法效率提升4倍,可集成至iSolarClo...

光伏发电技术 储能系统 深度学习 ★ 5.0

基于混合深度学习的无分布假设光伏功率概率密度预测

Distribution-Free photovoltaic power probability density forecasting based on hybrid deep learning

Haohao Fenga · Yujing Shia · Mifeng Rena · Wenjie Zhang 等6人 · Solar Energy · 2025年1月 · Vol.300

摘要 光伏(PV)发电具有高度随机性,概率预测能够有效量化其不确定性。然而,现有的概率预测模型受限于先验分布假设和不完整的表示方式,削弱了其对真实数据生成过程的建模能力,导致预测效果不理想。为解决这一问题,本文提出一种基于B样条-iTransformer-多头交叉注意力(BS-iMCFormer)的无分布假设光伏功率概率密度预测模型。该模型的核心在于:利用B样条拟合通过核密度估计(KDE)获得的概率密度函数(PDF),提取表征PDF特征的控制点以构建系数向量,并将PDF预测转化为系数向量的预测;...

解读: 该无分布假设的光伏功率概率密度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。基于B样条-iTransformer的混合深度学习模型可集成至预测性维护系统,通过精准量化发电不确定性,优化ST系列储能PCS的充放电策略制定。其KL散度降低54.82%的性能提升,可...