找到 2 条结果
准原位再沉积实现NiFe基
氧）氢氧化物在高OER电流密度下的稳定化
Hui Wan · Jianhang Nie · Fernandez Rivas · Schulze Greiving 等6人 · Applied Physics Letters · 2025年1月 · Vol.126
本文报道了一种通过准原位再沉积策略稳定NiFe基（氧）氢氧化物电催化剂的方法，有效抑制其在高析氧反应（OER）电流密度下的溶解失活。实验结合电化学与材料表征手段，证实该方法可实现活性组分的动态修复与结构重构，显著提升催化剂的长期稳定性。该机制为设计高效、耐用的OER催化剂提供了新思路。
解读: 该NiFe基催化剂稳定化技术对阳光电源氢能业务具有重要参考价值。在电解水制氢系统中，析氧反应（OER）是核心环节，高电流密度下催化剂的稳定性直接影响电解槽寿命和制氢效率。准原位再沉积策略实现的动态修复机制，可启发阳光电源开发更耐用的电解槽电极材料，降低系统维护成本。该技术可应用于光伏制氢一体化方案，...
可解释的物理深度学习模型用于架空输电线路覆冰厚度预测
Explainable Physical Deep-Learning Model for Overhead Transmission Line Icing-Thickness Prediction
Hui Hou · Yi Wan · Zhenguo Wang · Shaohua Wang 等6人 · IEEE Transactions on Industry Applications · 2025年7月
全球变暖导致极端天气事件频发，其中频繁发生的冰灾对电力系统的稳定性构成了重大威胁。随着预测模型复杂度的增加，必须同时确保其准确性和可解释性。因此，我们提出了一种用于架空输电线路覆冰厚度预测的可解释物理深度学习模型。首先，通过白鲸优化（BWO）方法构建了一个优化模型，该模型可使预测误差最小化。其次，将深度学习预测模型与物理模型和长短期记忆网络（LSTM）模型相结合。物理模型考虑了诸如风偏角、风荷载和冰荷载等物理定律。此外，我们使用沙普利加性解释法来阐释输入特征对输出特征及模型预测结果的影响。最后，...
解读: 该覆冰预测技术对阳光电源户外电力设备具有重要防护价值。针对ST系列储能变流器和PowerTitan大型储能系统的户外部署场景，可通过集成气象传感器与物理深度学习模型，实现设备覆冰风险的提前预警，触发主动加热或功率调节策略。对于SG系列光伏逆变器，该可解释AI方法可借鉴至iSolarCloud智能运维...