找到 3 条结果
呼吸型笼目晶格Nb3TeX7
X = I, Cl）单层中显著的体光伏效应
Zonglun Li · Spallation Neutron Source Science Center · Xudong Shen · Dexiang Gao · Applied Physics Letters · 2025年1月 · Vol.126
本文研究了具有呼吸型笼目晶格结构的Nb3TeX7（X = I, Cl）单层材料中的体光伏效应。基于第一性原理计算，发现该体系在可见光至近红外区域表现出显著的本征光电流响应，源于非中心对称结构诱导的动量空间贝里曲率偶极矩。其饱和光电流密度可达数百μA/cm，远高于传统二维铁电材料。此外，通过外加应变可进一步调控光电性能，展现出优异的可调性。研究表明，此类材料在无偏压、高效率光探测与能量转换器件中具有重要应用前景。
解读: 该呼吸型笼目晶格材料的体光伏效应研究为阳光电源光伏技术提供前沿材料方向。其无偏压光电流响应特性（数百μA/cm²）可启发SG系列逆变器的低光照启动技术优化，降低MPPT算法的最低工作电压阈值。可见光至近红外宽谱响应特性对提升光伏组件的光谱利用效率具有参考价值，特别是在弱光和散射光条件下的发电性能。应...
基于物理信息深度学习与稀疏数据的电力电子器件剩余寿命预测
Remaining Useful Life Prediction of Power Electronic Devices With Physics-Informed Deep Learning and Sparse Data
Le Gao · Chaoming Liu · Yiping Xiao · Chunhua Qi 等5人 · IEEE Transactions on Power Electronics · 2025年4月
准确预测碳化硅金属氧化物半导体场效应晶体管（MOSFET）的剩余使用寿命（RUL）对于确保电力电子系统的可靠性至关重要，特别是在辐射环境下。然而，大多数现有的深度学习方法依赖于密集采样的退化数据，使其不适用于退化观测数据有限的稀疏数据条件。为解决这一局限性，我们提出了一种用于稀疏RUL预测的物理信息深度学习（PIDL）方法。该方法通过定制的物理信息损失函数，将总电离剂量引起的退化机制（具体为界面和氧化物陷阱电荷积累）融入基于Transformer的神经网络架构中。这种损失函数明确惩罚与导通状态电...
解读: 从阳光电源的业务视角来看，这项针对碳化硅MOSFET剩余寿命预测的物理信息深度学习技术具有重要的战略价值。作为光伏逆变器和储能系统的核心功率器件，碳化硅MOSFET的可靠性直接关系到我们产品在全生命周期内的性能表现和运维成本。 该技术的核心优势在于解决了稀疏数据条件下的寿命预测难题。在实际应用场景...
基于加速应力测试预测实际运行中TOPCon光伏组件的潜在诱导衰减
Prediction of potential induced degradation for TOPCon PV modules working in field based on accelerated stress testing
Zhiwei Li · Kai Yu · Le Wang · Jian Huang 等10人 · Solar Energy · 2025年1月 · Vol.290
摘要 潜在诱导衰减（PID）是光伏（PV）组件在高系统电压、高湿度和高温环境下运行时面临的一个严重问题，可能导致显著的性能损失。本研究建立了一种基于双面玻璃结构的隧穿氧化层钝化接触（TOPCon）电池组件来预测实际应用中PID衰减行为的方法。采用阿伦尼乌斯方程（Arrhenius equations），结合光照强度为800 W/m²的稳态试验箱中获得的PID数据，对光伏组件功率衰减速率进行拟合。此外，评估了不同温度条件下的加速因子（AF），即加速测试中的功率衰减速率与实地衰减速率之比。该方法被应...
解读: 该TOPCon组件PID预测方法对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要价值。研究揭示不同气候区PID衰减规律(华南30年衰减1.57%,中东1.13%),可指导1500V高压系统设计优化。建议将Arrhenius加速因子模型集成至iSolarCloud预测性维护算法,针对高...