XiaoMi-AI文件搜索系统
World File Search System功率
PCB 嵌入式二极管功率循环期间的在线温度测量
功率循环测试是研究功率转换器可靠性性能和评估其相对于温度应力的寿命的主要方法之一。在传统的功率循环方法中，结温测量是使用热敏电参数 (TSEP) 进行的，例如低电流下的通态电压（对于双极元件：IGBT 和二极管……）[1] 或 MOSFET 的阈值电压 V 𝑡ℎ [2]。当在 PWM 类型的电气约束下进行功率循环时，这些方法的实现很复杂。测试前还需要对每个组件进行精确校准。本文提出了一种创新的测试台，用于在功率循环期间在线测量结温，以研究嵌入在 PCB 中的功率二极管的可靠性 [3]。所提出的方法基于使用导通期间正向电压 𝑉 𝐹 和正向电流 𝐼 𝐹 的变化来估算热电压 𝑈 𝑇 并从而实时估算结温。这有助于即使在高循环频率（> 1 kHz）的情况下也能获得良好的近似值。表 1 对经典方法和所提出的方法进行了简要比较。首先，给出了该方法的描述，然后介绍了功率循环电路的代表性设计。
基于改进有功功率环的自适应虚拟同步发电机在光伏储能系统中的应用
在接入分布式能源的过程中，光伏发电系统面临间歇性和波动性问题，对电网的稳定性带来巨大挑战。大量研究探索了各种控制策略来应对这些挑战，包括下垂控制、虚拟同步发电机 (VSG) 控制等。然而，现有方法往往难以为电力系统提供足够的惯性和阻尼支持，尤其是在动态条件下。本文旨在通过介绍一种基于改进的光储系统中有功功率环的自适应惯性控制方法来突破这些限制。该方法旨在优化分布式光伏接入过程中出现的冲击和不稳定现象，减少系统波动，降低振荡超调，提高系统的动态性能。首先，介绍了光伏电池和蓄电池的数学模型和控制方法。其次，解释了传统 VSG 的控制原理。然后，将自适应惯性算法纳入VSG控制的有功功率环中，提出了一种基于改进有功功率环的自适应惯性控制方法。最后，通过仿真验证了所提方法的有效性。
评估机器学习和深度学习模型，以根据环境因素预测风力涡轮机的功率输出
本研究对机器学习 (ML) 和深度学习 (DL) 模型进行了全面的比较分析，这些模型用于根据温度、湿度、风速和风向等环境变量预测风力涡轮机 (WT) 的功率输出。除了人工神经网络 (ANN)、长短期记忆 (LSTM)、循环神经网络 (RNN) 和卷积神经网络 (CNN) 外，还研究了以下 ML 模型：线性回归 (LR)、支持向量回归器 (SVR)、随机森林 (RF)、额外树 (ET)、自适应增强 (AdaBoost)、分类增强 (CatBoost)、极端梯度增强 (XGBoost) 和轻梯度增强机 (LightGBM)。使用 40,000 个观测值的数据集，根据 R 平方、平均绝对误差 (MAE) 和均方根误差 (RMSE) 对模型进行了评估。在 ML 模型中，ET 的性能最高，R 平方值为 0.7231，RMSE 为 0.1512。在 DL 模型中，ANN 的性能最佳，R 平方值为 0.7248，RMSE 为 0.1516。结果表明，DL 模型（尤其是 ANN）的表现略优于最佳 ML 模型。这意味着它们更擅长对多变量数据中的非线性依赖关系进行建模。预处理技术（包括特征缩放和参数调整）通过增强数据一致性和优化超参数来提高模型性能。与之前的基准相比，ANN 和 ET 的性能均表明 WT 功率输出预测的预测准确度有显著提高。这项研究的新颖之处在于直接比较了各种 ML 和 DL 算法，同时强调了先进计算方法在可再生能源优化方面的潜力。
所有ID的绿色功率。欧洲道路上的模型 全电动ID.7 Pro S1覆盖794公里，一次电池充电 媒体信息
“我们计划每年根据ID的销售发展来提高我们在可再生能源领域的承诺。CSO兼大众汽车品牌战略主管Andreas Walingen说。“通过欧洲风和太阳能农场的大规模开发，我们打算支持该地区的客户始终使用其ID。车辆以净碳中性方式。这表明我们对可持续性的承诺远远超出了车辆的电气化。” Vila Real附近葡萄牙北部的一个太阳能公园，每年超过60 GWH，瑞典Djupdal的一个风电场由大众汽车提供70％的份额，每年占有70％的份额，是由汽车制造商支持的较大的绿色电力项目之一。该公司正在推动整个欧洲可再生能源的发展。目前，大众汽车正在西班牙，瑞典，芬兰，葡萄牙，英国，德国，意大利，荷兰和波兰支持18种光伏植物和8个风电场。长期提供支持，通常为10年。通过这些项目获得了确认可再生能源来源的能源属性证书。
温度补偿功率检测器助力 5G 设备功耗优化
摘要 — 本文介绍了一种实时温度补偿功率检测器的设计和特性。该检测器的工作频带为 (40.5 – 42.5) GHz，专用于优化 5G 设备的功耗。本文提出了一种新颖而简单的技术来补偿电压灵敏度值 (γ) 随温度的变化。该技术基于添加一个无源电路，该电路充当具有正温度系数的电阻器，在较高温度下吸收较少的输入功率。结果，测量表明，灵敏度值随温度的下降被抑制了 55% 以上，因此，在频率 41 GHz 下，该值在温度范围 (20~100)°C 内变化很小 (γ = 1530 V/W±6%)。与最近发表的作品相比，所提出的检测器电路非常简单，并且没有功耗。此外，它以更高的频率运行，以适用于 5G 应用。
Iscience-毫米级的放射性发光功率...
平均N. Kandala，1,5， * Sinan Wang，2,4 Joseph E. Blecha，2 Yung-Hua Wang，2 Rahul K. Lall，1 Ali M. Niknejad，1 Youngho Seo，1 Youngho Seo，2 Michael J. Evans，Michael J. Evans，2 Robert R. Flavell，2 Henry F. Vanry F. Vanry F. Vanry F. Vanry F. vanrilic and Me Engineerring and Meniverering and * 1 Computity and * 1 Computity and * 1 computity a anwar anwar an。美国加利福尼亚大学科学科学，伯克利分校，伯克利，加利福尼亚州94720，美国2放射学和生物医学成像系，加利福尼亚大学，旧金山，旧金山，旧金山，旧金山，加利福尼亚州94107，美国3美国3美国，美国加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，旧金山，旧金山，CA 941158，Shangisco上海2011年，中国5铅联系 *通信：averal@berkeley.edu（A.N.K.），mekhail.anwar@ucsf.edu（M.A。）https://doi.org/10.1016/j.isci.2024.111686
beta功率的GABA能调节增强了额颞叶变性的运动适应
注意：对于临床，认知和行为测试，括号中显示了最佳分数。贝叶斯方差分析用于检查群体差异，其中有证据表明组之间有差异（> 3）事后结果显示BVFTD与PSP。贝叶斯因素的常规阈值代表了有利于假设的证据（> 3），强（> 10）和非常强的（> 30）。bf <1被认为是无效假设的证据。缩写：ACE-R，修订了Addenbrooke的认知检查； BVFTD，行为变化的额颞痴呆； CBI-R，修订后的剑桥行为清单； F，女；晶圆厂，额叶评估电池； M，男性； MMSE，小型国会考试； PSP，进行性核上麻痹； TGB，甲状腺素结合球蛋白； WM，工作记忆。
获得O2功率 - 4.7 GW可再生能源平台
O2 Power是一个可再生能源平台，容量为4,696兆瓦 - 到2025年6月，2,259兆瓦将在其中运营，目前正在建造1,463兆瓦，另外974兆瓦正在渠道，所有计划在2027年6月之前进行调试。该平台的平均费用为3.37/kWh，剩余寿命约为23年。这些能力分布在印度七个资源丰富的州。这次收购将从20,012兆瓦到24,708兆瓦时超越公司的锁定生成能力。JSW Energy联合董事总经理兼首席执行官Sharad Mahendra表示：“我们很高兴宣布对O2 Power的4.7 GW可再生能源平台的收购，这是JSW Energy自启动以来最大的收购。这一具有里程碑意义的收购可以增强我们作为印度能源部门领先参与者的地位。这些高质量的资产增强了我们在关键资源丰富国家的运营足迹。这让我很高兴欢迎经验丰富的管理团队和O2 Power的员工加入JSW Energy Family。通过结合我们的优势，我相信我们将为利益相关者带来非凡的价值。”
数据中心的关键功率优先级和解决方案。
注意：（1）短路值取决于UPS等级，请联系Vertiv技术支持，以获取更多信息（2）单位指定的值。单位并行，由于并行连接的贡献，可能具有不同的值。请联系Vertiv技术支持以获取更多信息（3）有关公差的信息，请参见IEC/EN 60146-1-1或DIN VDE 0558。数据是指标称电压的25°C环境温度（4），在25°C（6）中获得的标称频率（5）值在拆分配置的情况下获得，主要输入和旁路输入必须具有常见的中性参考（7）1500kW UL版本，将从2025年6月从2025年开始，从2025年开始，优化的宽度宽度4000 mmmmmmmmmmmmmmmmmmmmmmmm and 3950 kG。2000kW UL版本将从2025年2月开始，优化宽度为5000毫米，重量为4800 kg
可充电电池的混合脉冲功率表征测试的物理信息设计
可充电电池的行业标准诊断方法，例如混合动力汽车的混合脉冲功率表征（HPPC）测试，提供了一些健康状况（SOH）的迹象，但缺乏指导协议设计并确定降级机制的物理基础。我们为HPPC测试开发了基于物理学的理论框架，该框架能够准确确定多孔电极模拟中电池降解的特定机制。我们表明，电压脉冲通常比电流脉冲更可取，因为电压分辨线性化更快地量化了降低而无需牺牲精度或在测量过程中允许态度的显着变化。此外，从电极动力学尺度的差异中发现了电荷 /放电脉冲之间的不对称信息增益。我们演示了使用富含镍的阴极和石墨阳极的模拟锂离子电池上的物理信息的HPPC方法。通过物理知识的HPPC进行多变量优化，可以迅速确定与阳极处降解现象相关的动力学参数，例如固体电解质相间相（SEI）生长（SEI）生长和锂板，以及在阴极中，例如氧化诱导的阳离子疾病。如果通过实验验证了HPPC测试的标准电压协议，则可以通过为电池降解的可解释的机器学习提供新的电化学特征来加快电池SOH评估和加速材料设计的关键作用。©2024作者。由IOP Publishing Limited代表电化学学会出版。[doi：10.1149/1945-7111/ad4394]这是根据Creative Commons Attribution 4.0许可（CC by，http://creativecommons.org/licenses/ by/4.0/）分发的开放式访问文章，如果原始工作适当地引用了原始作品，则可以在任何媒介中不受限制地重复使用工作。