找到 4 条结果

排序:
储能系统技术 ★ 4.0

自组装柔性Ti3C2Tx MXene基热充电超级电容器

Self-assembled flexible Ti3C2Tx MXene-based thermally chargeable supercapacitor

Lifeng WuLa LiGuozhen Shen · 半导体学报 · 2025年9月 · Vol.46

热充电超级电容器(TCSCs)在热能的收集、转换与存储方面具有独特优势,为热能利用新策略的发展提供了可能。二维MXene材料被认为是一类极具前景的新型热电材料。本文报道了一种基于自组装柔性Ti3C2Tx MXene的TCSC器件,采用制备的Ti3C2Tx MXene作为电极,NaClO4/PEO凝胶作为电解质,并探讨了其工作机理。所制备的器件平均塞贝克系数达11.8 mV∙K⁻¹,在不同温差下均表现出良好的循环稳定性。多种实际应用演示表明,该器件是自供能集成电子设备的理想候选之一。

解读: 该MXene基热充电超级电容器技术对阳光电源储能系统和光伏产品具有重要应用价值。其11.8 mV·K⁻¹的塞贝克系数和柔性自组装特性,可应用于ST系列储能变流器和PowerTitan系统的热管理优化:利用功率器件(SiC/IGBT模块)运行时产生的废热进行温差发电,实现热能回收与辅助供电。该技术可集...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

面向锂离子电池跨工况容量估计的多源加权域自适应方法

Multisource Weighted Domain Adaptation for Cross-Conditions Capacity Estimation of Lithium-Ion Batteries

Hui Hua · Lifeng Wu · IEEE Transactions on Power Electronics · 2024年8月

准确的在线电池容量估计对BMS安全至关重要。由于锂离子电池在不同运行环境和负载条件下表现出差异化的退化过程,本文提出一种多源加权域自适应方法,旨在解决多工况下的无监督电池容量估计难题,提升复杂场景下的状态监测精度。

解读: 该技术对阳光电源的PowerTitan和PowerStack储能系统具有极高的应用价值。目前储能系统在不同电网环境(如调峰、调频)及温度工况下,电池衰减特性差异巨大,传统的BMS算法往往难以兼顾泛化性。通过引入域自适应(Domain Adaptation)算法,可显著提升iSolarCloud智能运...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

一种基于模态分解机制的数据驱动锂离子电池剩余寿命预测方法

A Data-Driven Method With Mode Decomposition Mechanism for Remaining Useful Life Prediction of Lithium-Ion Batteries

Jianguo Wang · Shude Zhang · Chenyu Li · Lifeng Wu 等5人 · IEEE Transactions on Power Electronics · 2022年11月

锂离子电池具有高效、轻便等优势,但其不稳定性及失效风险仍是行业挑战。本文提出了一种基于模态分解的数据驱动方法,用于预测锂离子电池的剩余使用寿命(RUL),旨在通过精准的寿命评估有效预防电池突发故障,保障系统运行安全。

解读: 该研究直接服务于阳光电源PowerTitan、PowerStack等储能系统业务。通过引入模态分解与数据驱动算法,可显著提升iSolarCloud平台对电芯健康状态(SOH)的监测精度,并优化BMS的寿命预测模型。这不仅能降低储能电站的运维成本,还能通过提前预警潜在失效风险,提升系统安全性,对阳光电...

智能化与AI应用 深度学习 故障诊断 机器学习 ★ 4.0

MSMFormer:一种基于多变量信号映射器的可变重构Transformer用于设备剩余使用寿命预测

MSMFormer: A Variable Reconstruction Transformer Based on Multivariable Signal Mappers for Equipment RUL Prediction

Yao Wang · Xinyu Dong · Lifeng Wu · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22

本文提出MSMFormer模型,融合多域递归分解、自适应多变量特征加权与Kolmogorov–Arnold网络(KAN)动态激活机制,显著提升设备RUL预测精度,在多个公开数据集上平均误差降低达35.7%。

解读: 该研究对阳光电源智能运维与预测性维护能力具有重要价值。MSMFormer可迁移应用于iSolarCloud平台,增强组串式逆变器、ST系列PCS及PowerTitan储能系统的早期故障识别与寿命预测能力;尤其适用于风-光-储多源设备在复杂工况下的退化建模。建议在下一代iSolarCloud 3.0中...