找到 2 条结果
具有AlN超晶格背势垒的SiC衬底双通道AlGaN/GaN肖特基势垒二极管
Double-channel AlGaN/GaN Schottky barrier diode with AlN super back barrier on SiC substrate
Tao Zhang · Junjie Yu · Heyuan Chen · Yachao Zhang 等5人 · Applied Physics Letters · 2025年1月 · Vol.126
本文报道了一种在SiC衬底上制备的具有AlN超晶格背势垒结构的双通道AlGaN/GaN肖特基势垒二极管。通过引入AlN超晶格作为背势垒，有效抑制了二维电子气向衬底方向的扩展，增强了载流子 confinement 效应，提升了器件的反向阻断能力与正向导通性能。该结构实现了高击穿电压与低泄漏电流的优异平衡。实验结果表明，器件具有较低的开启电压和高电流密度，同时反向击穿电压显著提高。该设计为高性能GaN基功率二极管的发展提供了可行方案。
解读: 该双通道AlGaN/GaN肖特基二极管技术对阳光电源的功率器件升级具有重要参考价值。AlN超晶格背势垒结构可显著提升GaN器件的击穿电压和导通特性,这对SG系列1500V光伏逆变器和ST系列储能变流器的高频化设计至关重要。特别是在三电平拓扑中,该技术可用于优化快恢复二极管的性能,有助于提升系统效率和...
用于锂离子电池故障诊断的零样本神经架构搜索微型实时紧凑型深度神经网络
Miniature Real-Time Compact Deep Neural Network With Zero-Shot Neural Architecture Search for Lithium-Ion Battery Fault Diagnosis
Zeyang Chen · Dezhi Xu · Chao Shen · Yujian Ye 等5人 · IEEE Transactions on Industrial Informatics · 2025年4月
电池储能系统（BESS）对于现代能源管理至关重要，有助于可再生能源整合和电网稳定。然而，BESS的故障诊断需要大量的手动网络调优。为克服这一问题，我们提出了一种用于BESS故障诊断的零样本神经架构搜索方法。首先，将神经网络分解为分段线性函数，并计算此类函数的拉德马赫复杂度。为防止批量归一化（BN）层反复缩放拉德马赫复杂度而使网络比较失效，利用BN层的方差来近似拉德马赫复杂度。最后，通过8位量化对选定的模型进行压缩，以便在移动设备上部署。该方法仅需0.51个GPU小时即可达到99.42%的准确率，...
解读: 从阳光电源储能系统业务视角来看，这项基于零样本神经架构搜索的锂电池故障诊断技术具有重要的工程应用价值。该技术通过Rademacher复杂度理论自动优化神经网络结构，在0.51 GPU小时内即可达到99.42%的诊断准确率，这为我们大规模储能电站的智能运维提供了高效解决方案。 该技术的核心优势在于三...