找到 3 条结果

排序:
智能化与AI应用 强化学习 机器学习 深度学习 ★ 4.0

基于大语言模型的家庭能源管理:动态用户偏好识别与分层数据共享

Large language model-enhanced home energy management with dynamic user preference elicitation and hierarchical data-sharing

Xunning Zhang · Yuheng Cheng · Xuanang Gui · Huan Zhao 等6人 · Applied Energy · 预计 2026年5月 · Vol.410

本文提出一种融合大语言模型(LLM)的家庭能源管理系统,通过动态交互式偏好采集和隐私保护的分层数据共享机制,提升用户侧能源调度的个性化与协同优化能力。

解读: 该研究对阳光电源户用光伏+储能系统(如PowerStack户用版、ST5/10K系列PCS及iSolarCloud平台)具有直接应用价值。LLM可嵌入iSolarCloud智能运维平台,实现用户用电习惯自主学习与需求响应策略生成;动态偏好建模有助于优化ST系列PCS的充放电调度逻辑,提升PowerS...

智能化与AI应用 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于细粒度子域对齐和特征分组的锂离子电池跨域SOH估计:一种Patch时间序列CNN-Transformer网络

Fine-Grained Subdomain Alignment and Feature Grouping-Based Cross-Domain SOH Estimation for Lithium-Ion Batteries Using a Patch Time Series CNN-Transformer Network

Xuanang Gui · Shu Zhang · Yuheng Cheng · Qianlong Wang 等7人 · IEEE Transactions on Power Electronics · 预计 2026年5月

针对锂离子电池健康状态(SOH)估计在跨域场景下因数据分布差异和标签数据不足导致性能下降的问题,本文提出了一种基于模糊聚类子域自适应的Patch时间序列CNN-Transformer网络。该方法通过细粒度子域对齐和特征分组策略,有效提升了跨域场景下的SOH估计精度与鲁棒性。

解读: 该研究直接服务于阳光电源储能业务的核心痛点。在PowerTitan和PowerStack等大型储能系统中,电池全生命周期的SOH精准估计是保障系统安全与收益的关键。该算法通过Patch时间序列与Transformer架构,能更高效地处理BMS采集的复杂工况数据,解决不同批次电池或不同应用场景(如调峰...

电动汽车驱动 ★ 4.0

无需形成过程的Pt/NiFe2O4/SrRuO3器件阻变行为:氧空位工程的模拟与实验研究

Forming-Free Resistive Switching Behavior in Pt/NiFe2O4/SrRuO3 Devices: Simulation and Experimental Insights Into Oxygen Vacancy Engineering

Rui Su · Ying Yang · Yuheng Deng · Bangda Zhou 等6人 · IEEE Transactions on Electron Devices · 2025年2月

镍铁氧体(NiFe₂O₄,NFO)薄膜已被用于阻变应用研究,但较高的形成电压仍是一大挑战。本研究展示了具有无形成过程阻变行为的Pt/NFO/SrRuO₃器件,其通过工程化的氧空位预先形成导电细丝来实现这一特性。这些在650℃下制备的器件展现出高达160的开/关比和出色的稳定性。COMSOL模拟阐明了细丝动力学对阻变的影响,为导电细丝的断裂和形成过程提供了关键见解。本研究为无形成过程、低功耗的NFO忆阻器的制备提供了参考。

解读: 从阳光电源的业务视角来看,这项基于NiFe2O4忆阻器的无需成型电阻开关技术具有显著的战略价值。在储能系统和光伏逆变器的智能化升级进程中,高性能存储器件是实现边缘计算、状态监测和自适应控制的关键基础。 该技术的核心突破在于通过氧空位工程预先形成导电丝,消除了传统忆阻器需要高电压成型的缺陷。这种形成...