找到 7 条结果
通过具有BN插入层的范德华外延GaN实现高开/关电流比AlGaN/GaN HEMT
High-On/Off-Current-Ratio AlGaN/GaN HEMTs via Van Der Waals Epitaxy GaN With a BN Inset Layer
Haoran Zhang · Jing Ning · Shiyu Li · Xue Shen 等6人 · IEEE Electron Device Letters · 2025年8月
在氮化物异质外延中，晶格失配和热应力不可避免地会导致位错增殖和缺陷形成，从而严重降低器件的可靠性。在本文中，我们展示了通过范德瓦尔斯外延在二维高质量氮化硼（h - BN）材料上实现氮化物异质结结构的高质量外延生长。此外，利用氮化硼的超宽带隙特性，其在制备的金属 - 绝缘体 - 半导体高电子迁移率晶体管（MIS - HEMT）中还可作为栅极电介质。缓冲层辅助异质结构与超宽带隙氮化硼电介质的综合优势使栅极泄漏电流降低了<inline-formula xmlns:mml="http://www.w3....
解读: 从阳光电源功率器件应用角度来看，这项基于范德华外延和BN插入层的AlGaN/GaN HEMT技术展现出显著的战略价值。该技术通过二维六方氮化硼(h-BN)作为缓冲层和栅介质，有效解决了传统氮化物异质外延中晶格失配和热应力导致的位错增殖问题，这直接关系到我司光伏逆变器和储能变流器中功率器件的长期可靠性...
基于边缘计算的考虑开关操作序列的主动配电网分布式供电恢复方法
Edge computing-based distributed power restoration for active distribution networks considering switching sequence
Hao Yua · Zhicheng Zhang · Peng Lia · Haoran Jia 等8人 · Applied Energy · 2025年1月 · Vol.401
摘要 随着边缘计算技术在配电网中的融合应用，分布式供电恢复已成为提高应对停电故障响应效率的一种有前景的替代方案。然而，由于开关与分布式电源（DGs）之间存在复杂的顺序协调关系，分布式供电恢复的实际实施仍面临挑战。本文提出了一种考虑开关操作序列的分布式供电恢复方法。该方法通过将目标网络状态求解与从初始状态到目标状态的过渡策略分别求解，有效解决了顺序供电恢复问题，从而降低了整体计算复杂度。为此，设计了一种改进的交替方向乘子法（ADMM）算法以提升求解效率。所提出的方法可用于在线生成供电恢复策略，并可...
解读: 该边缘计算分布式恢复技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。论文提出的改进ADMM算法可集成至iSolarCloud平台,实现配电网故障快速响应。其开关序列协调机制可优化储能PCS与SG系列光伏逆变器的孤岛并网切换策略,缩短供电恢复时间。分布式架构与阳光GFM/G...
选择有效的NWP集成方法以实现基于深度学习的光伏功率预测
Selecting effective NWP integration approaches for PV power forecasting with deep learning
Dayin Chenab · Xiaodan Shie · Mingkun Jiang · Shibo Zhuab 等8人 · Solar Energy · 2025年1月 · Vol.301
准确预测光伏发电功率对于可靠的能源调度和系统运行至关重要。尽管深度学习模型在该领域已展现出强大的能力，但如何有效地将数值天气预报（NWP）数据融入此类模型仍然是一个具有挑战性的问题。在本研究中，我们提出并系统评估了五种不同的NWP集成策略——分别称为方法1至方法5——以提升光伏发电预测性能。这些方法在14种代表性模型和四个预测时间范围（4、24、72和144步）上进行了测试，涵盖了短期、中期和长期预测场景。实验结果表明，每种集成方法的有效性取决于模型结构和预测时间范围。特别是，在短期预测中，方法...
解读: 该研究系统评估了五种NWP数值天气预报与深度学习模型的集成策略,对阳光电源iSolarCloud智慧运维平台的光伏功率预测模块具有直接应用价值。研究发现Method 5适配LSTM短期预测、Method 4适配Transformer长期预测的结论,可优化SG系列逆变器的发电预测算法。精准的多时间尺度...
基于测量-策略映射矩阵的主动配电网逆变型分布式电源自适应电压控制
Adaptive Voltage Control of Inverter-Based DG in Active Distribution Networks With Measurement-Strategy Mapping Matrix
Ziqi Zhang · Peng Li · Haoran Ji · Hao Yu 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月
高渗透率分布式电源（DG）加剧了主动配电网（ADN）中的电压越限问题。灵敏度反映了节点功率注入与状态变化之间的关系，可用于制定DG控制策略。然而，由于系统非线性，灵敏度的精确描述与高效应用成为关键挑战。本文提出一种基于ADN灵敏度的DG自适应电压控制策略。首先，构建测量-策略映射矩阵，利用Koopman算子生成节点电压与无功功率灵敏度的离散矩阵元素，以刻画复杂的时变灵敏度特性；进而建立基于该矩阵的自适应电压控制模型，引入提升型线性决策规则（LLDR）将离散元素转化为连续约束，实现数据驱动下的高效...
解读: 该自适应电压控制技术对阳光电源ST系列储能变流器和SG系列光伏逆变器的协同控制具有重要应用价值。基于Koopman算子的测量-策略映射矩阵可精准刻画高渗透率场景下的时变灵敏度特性，直接应用于PowerTitan大型储能系统的无功电压控制策略优化。该数据驱动方法可集成到iSolarCloud平台，实现...
基于深度学习与遥感的城市土地分类对光伏潜力的分析
PV potential analysis through deep learning and remote sensing-based urban land classification
Hongjun Tan · Zhiling Guo · Yuntian Chen · Haoran Zhang 等7人 · Applied Energy · 2025年1月 · Vol.387
城市土地在商业、居住、草地及其他行政分区中的利用情况将影响可再生能源基础设施（如光伏板）的可用安装面积。将土地利用类型纳入光伏潜力评估对于优化空间配置、贴近能源需求中心以及提升系统效率至关重要。为解决以往研究忽视城市土地利用问题的局限性，本文提出一个融合遥感数据与深度学习方法的框架，实现八类细粒度和三类粗粒度的土地利用分类。该框架针对每种土地利用类型计算其可安装光伏系统的面积，并结合2023年年均太阳辐照量评估其发电潜力。案例研究表明，德国海尔布隆（Heilbronn）地区的土地适合地面光伏安装...
解读: 该研究基于深度学习和遥感数据的城市土地分类与光伏潜力评估框架,对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。通过精细化土地利用分类(商业、住宅、未利用地等),可优化地面光伏与屋顶光伏的配置策略。研究中不同地类的单位面积发电潜力差异,可指导阳光电源1500V系统和MPPT优化技...
基于MoO3/金属/MoO3多层透明电极的半透明钙钛矿太阳能电池优化
Optimization of translucent perovskite solar cells based on MoO3/metal/MoO3 multilayer transparent electrodes
Jun Wua · Yajun Xua · Jun Zhaoa · Haoran Maa 等6人 · Solar Energy · 2025年1月 · Vol.299
摘要 半透明钙钛矿太阳能电池（ST-PSCs）在建筑一体化光伏（BIPV）领域具有很高的吸引力。实现高性能的ST-PSCs关键在于开发出能够同时实现低方阻和高光学透过率的透明顶部电极。在各种结构中，氧化物/金属/氧化物（OMO）多层结构——例如MoO3/Ag/MoO3或MoO3/Au/MoO3——已展现出优异的光电性能指标。这些结构利用金属层的高导电性，同时借助氧化物层实现光学阻抗匹配和环境防护，并通过功函数对齐（ΔΦ < 0.3 eV）有效抑制界面复合损失。为了实现高透明度与优异导电性的透明电...
解读: 该半透明钙钛矿电池技术对阳光电源BIPV光伏系统具有重要应用价值。MoO3/金属/MoO3多层透明电极实现了低方阻与高透光率的平衡,PCE达15%以上且可见光透射率超20%,可应用于SG系列组串式逆变器的建筑一体化场景。其OMO结构的功函数匹配设计(ΔΦ<0.3eV)可为阳光电源光伏组件的界面优化提...
时空特征编码的深度学习方法用于屋顶光伏潜力评估
Spatiotemporal feature encoded deep learning method for rooftop PV potential assessment
Jian Xuab · Zhiling Guo · Qing Yuc · Kechuan Dongd 等7人 · Applied Energy · 2025年1月 · Vol.394
摘要 屋顶光伏（PV）系统是提升城市环境中可再生能源利用的一种有前景的解决方案。准确估算屋顶光伏系统的发电潜力受到复杂城市形态所引起的遮蔽效应的制约，这些效应显著降低了屋顶表面的太阳辐照度，从而导致预测误差。传统的遮蔽模拟方法计算成本高昂，凸显了在计算效率与评估精度之间实现精细平衡的必要性。本研究提出了一种创新的深度学习框架，能够有效编码多种时空数据源，以精确预测阴影投射并计算屋顶光伏潜力。具体而言，基于物理原理的真实数据，结合U-Net网络、三维（3D）建筑细节、太阳能资源数据以及气象参数，使...
解读: 该时空特征编码深度学习框架对阳光电源屋顶光伏系统规划具有重要价值。研究通过U-Net网络精准预测建筑阴影对发电量的影响(平均损失5.32%),可优化SG系列逆变器的MPPT算法在遮挡工况下的功率追踪策略。158倍的计算加速能力可集成至iSolarCloud平台,实现大规模城市屋顶光伏资源快速评估与选...