找到 3 条结果
通过微相分离提升全聚合物介电复合材料的高温电容储能性能
Enhancement of high-temperature capacitive energy storage performance in all-polymer dielectric composites via microphase separation
Jinbao Chen · Ting Li · Ziyu Lv · Yongbiao Zhai 等5人 · Applied Physics Letters · 2025年1月 · Vol.127
本文报道了一种通过微相分离策略显著提升全聚合物介电复合材料高温电容储能性能的方法。利用不同聚合物组分间的热力学不相容性，构建具有纳米尺度分离结构的复合体系，有效抑制了高温下的漏电流并提高了击穿强度。结果表明，优化后的复合材料在高温环境下展现出优异的储能密度与效率，且循环稳定性良好。该研究为开发适用于极端条件的高性能电介质材料提供了新思路。
解读: 该全聚合物介电复合材料技术对阳光电源功率器件及储能系统具有重要应用价值。微相分离策略提升的高温电容储能性能，可直接应用于ST系列储能变流器和SG系列光伏逆变器的直流母线电容、滤波电容等关键无源器件，解决高温环境下漏电流大、击穿强度低的痛点。特别是在PowerTitan大型储能系统和1500V高压光伏...
异构动态数据环境下分布式光伏在线增量概率功率预测
Online incremental probability power prediction for distributed PVs in heterogeneous and dynamic data environments
Le Zhang · Ziyu Chen · Jizhong Zhu · Kaixin Lin 等5人 · Applied Energy · 2025年1月 · Vol.394
摘要 数据共享是提升小样本条件下分布式光伏发电功率数据驱动模型预测精度的标准解决方案。然而在实际应用中，由于数据的去中心化所有权以及复杂多变的外部环境，该方案面临数据隐私、数据异构性以及动态数据学习等方面的挑战。为应对这些挑战，本文提出一种基于贝叶斯随机配置网络（BSCN）与个性化联邦学习（PFL）的增量式概率预测方法。具体而言，采用随机配置网络——一种新兴的单隐层无迭代神经网络——快速构建功率预测模型；为获得后验分布并确定概率输出，引入贝叶斯推断对SCN的输出参数进行评估。针对小样本和异构数据...
解读: 该分布式光伏概率预测技术对阳光电源iSolarCloud智慧运维平台及SG系列逆变器具有重要应用价值。其联邦学习框架可保护多业主数据隐私,增量学习策略适配动态环境,可显著提升小样本场景下的功率预测精度。技术可集成至iSolarCloud平台,优化分布式光伏集群的预测性维护与功率调度;结合SG逆变器M...
基于SiC/派瑞林衬底的异质集成柔性GaN射频功率放大器
Heterogeneously Integrated Flexible GaN RF Power Amplifier on SiC/Parylene Substrate
Wenhao Zheng · Qingzhi Wu · Zhen Zhao · Ziyu Zhang 等6人 · IEEE Electron Device Letters · 2025年8月
柔性射频（RF）系统的发展增加了对高功率柔性氮化镓（GaN）放大器的需求。在本文中，提出了一种利用碳化硅（SiC）/聚对二甲苯异质集成衬底的异质集成工艺，用于制造柔性射频GaN功率放大器（PA）。在该制造工艺中，首先在厚度为<inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$100...
解读: 从阳光电源的业务视角来看，这项柔性GaN射频功率放大器技术虽然聚焦于通信领域，但其底层的异质集成工艺和材料创新对我司在功率电子领域的技术演进具有重要参考价值。 该技术采用SiC/Parylene异质集成基板方案，通过将SiC衬底减薄至5微米并与柔性Parylene层结合，在保持柔性的同时显著改善了...