找到 2 条结果
具有厚AlN势垒的AlN/GaN基HEMT器件在低压射频前端应用中表现出优异的功率与噪声性能
Thick-AlN-barrier AlN/GaN-based HEMTs with superior power and noise performance for low-voltage RF front-end applications
Haochen Zhang · Mingshuo Zhang · Hu Wang · Xinchuan Zhang 等5人 · Applied Physics Letters · 2025年1月 · Vol.126
本文报道了一种基于厚AlN势垒的AlN/GaN高电子迁移率晶体管（HEMT），适用于低压射频前端电路。通过优化AlN势垒层厚度，显著提升了器件的二维电子气密度与输运特性，在低工作电压下实现了高饱和电流与优异的射频功率增益。同时，器件表现出极低的最小噪声系数，归因于增强的沟道电场均匀性与抑制的短沟道效应。该HEMT在3 V以下供电时仍保持高性能，适用于5G及物联网等低功耗无线通信系统。
解读: 该AlN/GaN HEMT技术对阳光电源的功率器件升级具有重要参考价值。厚AlN势垒结构在低压条件下实现的高功率密度和低噪声特性，可应用于新一代SG系列光伏逆变器和ST系列储能变流器的射频控制电路，提升系统EMI性能。特别是在3V以下的低压工作特性，适合优化车载OBC和充电桩等对功耗敏感的产品的通信...
基于解析神经网络高斯过程的机会约束电压调节方法用于含光伏、电池和电动汽车的主动配电网
Analytic Neural Network Gaussian Process Enabled Chance-Constrained Voltage Regulation for Active Distribution Systems With PVs, Batteries and EVs
Tong Su · Junbo Zhao · Yansong Pei · Yiyun Yao 等5人 · IEEE Transactions on Power Systems · 2024年11月
本文提出一种基于解析神经网络高斯过程（NNGP）的机会约束实时电压调节方法，适用于含光伏、储能和电动汽车的主动配电网。NNGP利用历史量测数据通过贝叶斯推断实现节点电压的实时概率估计，并被完全解析地嵌入最优潮流模型中，以适应多种拓扑变化。通过机会约束显式考虑电压估计的不确定性，显著提升了不同场景下电压调节的可靠性。在美国科罗拉多州西部实际759节点系统上的仿真结果表明，所提方法在多种拓扑下均能实现精确电压估计，并有效协调光伏、电池与电动汽车实现可靠电压调节。
解读: 该解析神经网络高斯过程电压调节技术对阳光电源多产品线协同控制具有重要价值。在ST储能系统方面，可将NNGP概率预测嵌入PowerTitan的能量管理系统，实现基于不确定性的机会约束优化调度，提升电压支撑可靠性。对于SG系列光伏逆变器，该方法可优化无功调节策略，在拓扑变化场景下保持电压稳定。在充电桩产...