找到 4 条结果
基于里德堡原子干涉仪的直流与工频电场测量
DC and power-frequency electric field measurement with Rydberg-atom interferometry
Yingying Han · Changfa He · Zhenxiong Weng · Peng Xu 等5人 · Applied Physics Letters · 2025年1月 · Vol.127
本文提出并实现了一种基于里德堡原子干涉技术的直流与工频电场精密测量方法。利用里德堡态原子对电场的高度敏感性，通过电磁感应透明效应构建干涉机制，实现了宽频带电场的非侵入式检测。实验中成功测量了静态电场及50 Hz工频电场，灵敏度达到V/m量级，具备良好的线性响应与稳定性。该方法为电力系统监测、高精度电磁计量及基础物理研究提供了新的技术手段。
解读: 该里德堡原子干涉测量技术对阳光电源的电力电子产品有重要应用价值。其V/m级的高精度电场测量能力可应用于：1) ST系列储能变流器和SG系列光伏逆变器的EMC优化设计,提升电磁兼容性能; 2) PowerTitan大型储能系统的电场分布监测,保障设备安全运行; 3) 电动汽车充电桩的漏电检测与防护。这...
用于空间探索的替代能源：⁵⁵Fe X射线伏特电池
Alternative power sources for space exploration: 55Fe X-ray-voltaic batteries
Yingying Zhao · Haibin Li · Jiwei Ren · Yinke Liu 等7人 · Applied Energy · 2025年1月 · Vol.380
摘要 空间探索任务的持续时间和执行能力主要取决于电源的性能。近年来，X射线伏特电池因其超长寿命、极高的能量密度以及高理论效率，成为极端环境下最具前景的电源之一。因此，有必要对转换单元的结构设计和半导体材料的选择进行系统性研究，以充分揭示X射线伏特技术的潜力。本研究展示了基于⁵⁵Fe的X射线伏特电池在实现高能量转换效率及其作为空间探索替代清洁能源应用方面的可行性。通过全面研究转换单元结构参数及不同半导体本征特性对X射线伏特电池能量转换效率的影响，发现采用最优结构的GaAs基⁵⁵Fe X射线伏特电池...
解读: 该X-ray伏特电池技术展示了极端环境下的能量转换新思路,其14.14%转化效率和超长寿命特性对阳光电源储能系统具有启发意义。虽然空间探索应用场景与地面储能差异显著,但其半导体材料优化、能量转换单元结构设计方法可借鉴于ST系列PCS的功率器件研发。特别是GaAs等宽禁带半导体的应用经验,可为阳光电源...
基于重叠历史数值天气预报集成的日内风电功率预测
Intraday Wind Power Forecasting by Ensemble of Overlapping Historical Numerical Weather Predictions
Yongning Zhao · Shiji Pan · Yanxu Chen · Haohan Liao 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月
数值天气预报（NWP）对提升日内风电功率预测（WPF）精度至关重要。然而，传统方法仅依赖最新单次NWP，忽略了时序发布且时间重叠的多段历史NWP中的隐含信息。为此，本文提出一种融合重叠历史NWP的时空表征学习网络。通过掩码-重构预训练策略提取风电与NWP的隐含特征，并结合端到端微调及硬参数共享的多任务学习机制，提升多风电场预测均衡性。基于5个真实风电场的实验表明，该方法在各预测时域均优于基线模型。
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。首先，可将其集成至ST系列储能系统的EMS能量管理模块，提升风储联合运行的调度精度。其次，该技术可优化iSolarCloud平台的新能源发电预测功能，通过多时序NWP数据融合提升预测准确度，为用户提供更可靠的发电计划和运维决策支持。特...
通过特征空间匹配分析解释基于时空相关性的LASSO回归模型用于风电功率预测
Interpreting LASSO regression model by feature space matching analysis for spatio-temporal correlation based wind power forecasting
Yongning Zhao · Yuan Zhao · Haohan Liao · Shiji Pan 等5人 · Applied Energy · 2025年1月 · Vol.380
摘要 解释高性能的风电功率预测（WPF）模型对于推动更可信和更精确的预测方法至关重要。当前的研究主要集中在解释黑箱深度学习模型，而忽视了能够直接指示特征重要性的自解释模型，尽管这些模型无法阐明其背后的成因机制。基于最小绝对收缩与选择算子（LASSO）的自解释回归模型在WPF中表现出色。因此，探索其内在决策逻辑及其系数的实际意义，以提取有益的领域知识，具有重要意义。本文提出了一种解释框架，旨在阐明考虑时空相关性的LASSO回归模型在WPF中的决策逻辑。该框架包含四个主要组成部分：首先，建立一个时空...
解读: 该LASSO回归模型解释框架对阳光电源储能系统(ST系列PCS、PowerTitan)和iSolarCloud平台具有重要应用价值。通过时空相关性量化和特征匹配分析,可优化风储协同预测精度,提升储能系统功率调度策略。特征扰动分析方法可应用于多场站协同控制,识别关键影响因素如特征共线性、参考场站空间分...