找到 2 条结果
基于磁铁矿纳米颗粒的摩擦纳米发电机用于自供电应用
Magnetite nanoparticles-based triboelectric nanogenerators for self-powering applications
Anu Kulandaivel · Supraja Potu · Navaneeth Madathil · Mahesh Velpula 等6人 · Journal of Materials Science: Materials in Electronics · 2025年1月 · Vol.36.0
随着对低功耗电子设备可持续且高效电源的需求不断增长，摩擦纳米发电机（TENGs）受到了广泛关注。本研究致力于解决寻找合适材料以提高能量转换效率的同时保持低成本和简单合成工艺的挑战。我们报道了一种采用化学共沉淀法合成的纯磁铁矿（Fe3O4）纳米颗粒制备的TENG及其性能表现。对Fe3O4纳米颗粒的结构和形貌特征进行了全面分析。所构建的TENG器件（5 × 5 cm2）以Fe3O4纳米颗粒作为正摩擦电层，氟化乙烯丙烯（FEP）作为相对的摩擦层。该Fe3O4/FEP TENG实现了320 V的输出电压...
解读: 该磁性纳米颗粒摩擦纳米发电机技术为阳光电源储能系统提供了微能量采集方向的启发。其4.43 W/m²功率密度可应用于ST系列PCS和PowerTitan储能系统的辅助供电场景,如传感器节点、状态指示器等低功耗设备的自供电。Fe3O4纳米材料的摩擦电特性可集成到iSolarCloud智能运维平台的无线传...
可解释且高精度的基于三级树的集成混合模型用于预测光电化学电池中的光电流密度和电极电势：理论支持并由实验数据外部验证
Interpretable and highly accurate tertiary tree-based ensemble hybrid models for the prediction of photocurrent density and electrode potential in PEC cell: Theoretically supported and externally validated by experimental data
Nepal Sahua · Chandrashekhar Azadb · Uday Kumar · Applied Energy · 2025年1月 · Vol.401
摘要 光电流密度（J）以及相对于可逆氢电极的电势（V RHE）是评估用于绿色氢气生产的光电化学（PEC）系统性能的关键参数。本研究旨在构建一种高精度、可解释、稳健且通用的机器学习模型，用于预测J和V RHE，并通过理论支持与外部验证加以证实。在本研究中，首先利用贝叶斯优化（BO）方法将两个单模型（M1, M2）结合，基于包含2593条记录的数据集开发了两个二元混合模型（M3, M4），随后进一步构建了两个用于预测J和V RHE的三级混合模型（M5, M6）。采用五组独立的实验数据集和三个基于物理...
解读: 该光电化学制氢预测模型对阳光电源绿氢储能系统具有重要参考价值。研究中的机器学习混合模型(R²>0.999)可应用于ST系列储能变流器的氢储能场景优化,通过预测光电流密度和电极电位提升制氢效率。SHAP可解释性分析揭示的带隙、电极面积等关键参数,可指导iSolarCloud平台开发光伏制氢预测性维护算...