找到 3 条结果
风功率预测不确定性下多电解槽系统鲁棒调度用于可再生能源制氢
Robust dispatch of multi-electrolyzer systems for renewable energy hydrogen production under wind forecast uncertainty
Yichi Zhang · Xiongzheng Wang · Gongzhe Nie · Chengyao He 等7人 · Applied Energy · 2026年4月 · Vol.409
本文针对风电出力预测不确定性，提出多电解槽系统的鲁棒优化调度方法，提升绿氢生产经济性与可靠性，耦合风电、电解制氢与储能协同运行。
解读: 该研究与阳光电源ST系列PCS及PowerTitan储能系统在风光氢耦合场景深度契合：ST-PCS可作为电解槽前端AC/DC变换与功率调节核心，PowerTitan提供短时功率支撑与波动平抑；建议将MPC算法嵌入iSolarCloud平台，实现风电-电解槽-储能联合调度，并拓展至‘光伏+制氢’场景，...
Broadband Avalanche Photodetector With Low Breakdown Voltage Based on WSe2/Ge Heterojunction-Assisted
Jiting Hu · Jie You · Ningning Zhang · Yichi Zhang 等10人 · IEEE Transactions on Electron Devices · 2026年1月 · Vol.73
Avalanche photodetectors (APDs) leverage internal avalanche multiplication effects to significantly boost photoelectric conversion gain, making them ideal devices for high-sensitivity detection of weak optical signals. In this work, we demonstrate th...
基于卷积神经网络的功率器件结温监测
Junction Temperature Monitoring of Power Devices Using Convolutional Neural Networks
Zhiliang Xu · Huimin Wang · Xinglai Ge · Yichi Zhang 等6人 · IEEE Transactions on Industry Applications · 2025年3月
基于温度敏感电参数（TSEP）的方法能够实现功率器件结温的精确监测（JTM）。然而，大多数温度敏感电参数易受负载电流和器件老化的影响而产生误差，从而降低了结温监测的准确性。为解决这一问题，本文提出了一种基于卷积神经网络（CNN）模型的结温监测方法，以应对这两个因素带来的不利影响。在该方法中，选择开通集电极电流（$I_{C}$）作为温度敏感电参数，并通过数学模型深入分析了开通集电极电流的温度特性。此外，通过大量双脉冲测试全面研究了开通集电极电流的参数相关性。考虑到实际中负载电流影响显著且频繁变化的...
解读: 该CNN结温监测技术对阳光电源功率器件热管理具有重要应用价值。可直接应用于ST系列储能变流器和SG系列光伏逆变器的SiC/GaN功率模块，通过实时监测IGBT/MOSFET结温实现预测性维护。相比传统TSEP方法，CNN自动特征提取克服了非线性补偿难题，无需额外传感电路即可从开关波形获取温度信息，适...