找到 2 条结果
物理引导的机器学习利用稀疏、异构的公开数据预测全球太阳能电站性能
Physics-guided machine learning predicts the planet-scale performance of solar farms with sparse, heterogeneous, public data
Jabir Bin Jahangi · Muhammad Ashraful Alam · Applied Energy · 2025年1月 · Vol.396
摘要 光伏（PV）技术格局正在迅速演变。为了预测新兴光伏技术的潜力和可扩展性，必须对这些系统在全球范围内的性能有全面的理解。传统上，大型国家级研究机构的实验和计算研究主要关注特定区域气候条件下的光伏性能。然而，将这些区域性研究结果综合起来以理解其全球性能潜力已被证明十分困难。鉴于获取实验数据的成本高昂，在政治分裂的世界中协调各国国家实验室开展实验存在挑战，以及大型商业运营商的数据隐私顾虑，人们迫切需要一种根本不同且数据效率更高的方法。本文提出了一种面向光伏的物理引导机器学习（PGML）方法，证明...
解读: 该物理引导机器学习方法对阳光电源全球化布局具有重要价值。通过PVZones气候分区和稀疏数据预测全球光伏性能,可优化SG系列逆变器的区域适配策略和MPPT算法参数。结合iSolarCloud平台,该技术能以少量站点数据预测不同气候区的发电潜力,指导ST储能系统容量配置,降低新市场前期勘测成本。数据高...
总电离剂量对LDMOS晶体管性能及热载流子退化的影响
Total Ionizing Dose Effects on the Performance and Hot Carrier Degradation of LDMOS Transistors
Bikram Kishore Mahajan · Yen-Pu Chen · M. Asaduz Zaman Mamun · Muhammad Ashraful Alam · IEEE Transactions on Electron Devices · 2024年12月
横向双扩散金属氧化物半导体（LDMOS）晶体管作为射频和功率放大器，在包括卫星通信和高能物理实验等多种系统中有着广泛的应用。虽然这些系统中使用的LDMOS晶体管存在诸如热载流子退化（HCD）等固有的可靠性问题，但它们同时还会受到高辐射影响。因此，有必要了解辐射过程中产生的界面陷阱与这些晶体管在HCD应力下产生的界面陷阱之间的相互作用。在本文中，我们：1）让LDMOS晶体管承受不同总电离剂量（TID）的伽马辐射和HCD应力；2）使用超级单脉冲电荷泵（CP）技术来量化界面陷阱（<inline-for...
解读: 从阳光电源的业务视角来看，本论文关于LDMOS晶体管在辐射环境下的可靠性研究具有重要的参考价值。LDMOS器件作为功率半导体的关键组成部分，广泛应用于我司光伏逆变器、储能变流器等核心产品的功率转换电路中，其可靠性直接影响系统的长期稳定运行。 论文揭示的总电离剂量效应（TID）与热载流子退化（HCD...