当今,三相中大功率UPS电源广泛应用于各大行业,尤其是数据中心与关键电源这两种场景。作为全球能效管理和自动化领域数字化转型的领导者,施耐德电气在长期的研究和市场推广中,早已洞察客户的需求,致力于不断提高三相中大功率UPS电源的可用性,引领了多种新的理念与创新,其中五大技术革新更是对行业发展至关重要。
首先是电气变换技术的运行模式革新。早期的三相UPS系统中往往使用逆变器优先运行模式(双变换)和后来的旁路优先运行模式(ECO模式)可用性都较低,所以,为了达到高可用性、高运行效率并满足负载要求,施耐德电气在2012年研发出了一种全新的模式并获得专利——超级旁路优先运行模式(E变换模式)。这种模式最大的优势是整流器和逆变器的功率器件流过的电流较小,元器件疲劳老化轻微,寿命延长。且逆变器一直在并联运行,系统可以0ms切换模式,整机效率也高达98.8%,可用性得到了大幅度提升。
实际上,大多数行业用户还是习惯于传统的逆变器优先运行模式,所以必须通过改进逆变器来提高可用性。通过研究场效应管和IGBT等功率器件的失效率曲线,研究人员意识到可以通过降低功率器件的承压并选择低耐压值的功率器件来改进逆变器。施耐德电气在2010年获得了四电平逆变器技术的专利,在功率器件的耐压值和电平数之间找到了合理的平衡,其承压为266V,远低于工频机的432V,不但提高了逆变器的可用性,还将UPS效率提高至96.5%。
除此之外,随着大型及超大型数据中心及半导体行业发展,新型物理架构的大功率并机系统应运而生。新型物理架构不同于普通的多台UPS直接并机的电气架构,它不仅简化了UPS系统,减少了外部配套的配电柜、开关和电缆,还拥有公用的1500KW静态旁路,有利于提高UPS系统可用性。此外,新型物理架构的并机系统采用模块化的设计,可根据用户需求增减功率柜,灵活性和适应性都得以提升。施耐德电气最早于2003年使用了该并机物理架构,并于2016年改良后将其运用到了单系统最大可达1500KW N+1的VX系列UPS产品上。
接下来便是对电池系统的改进。传统的普通铅酸蓄电池大约每3-4年更换一次,在三相大功率UPS系统10-12年的周期中,用户花在电池系统上的钱甚至超过UPS主机。而在电动汽车和储能行业的驱动下,2018年锂电池的成本已经降低到1.2-1.4元/wh,与普通铅酸蓄电池价格相差无几,因此锂电池在数据中心的应用成为重要的趋势。施耐德电气的UPS产品真正做到了兼容锂电池,相比于普通铅酸蓄电池,锂电池拥有快放、快充和循环寿命6000-10000次的特点。这样的特点特别适合大功率UPS系统短延时放电的场景,还可以每天进行多次充放电循环以配合峰谷计价,降低整个系统的运行成本。
最后值得一提的是云服务。由于行业用户对大功率UPS系统的快速恢复能力十分看重,施耐德电气推出了新型云服务。UPS系统可以直接连接到施耐德电气的云监控平台,熟悉产品的资深工程师24小时值班监控,可以提前处理潜在的故障风险,且能第一时间发现故障,并快速准确判断出故障所在,立即内部调动备件与工程师,让维修恢复过程缩短到4-24小时。新型云服务彻底改变了售后维修模式,提高了系统可用性和可维护性。
无论是电气变换技术、逆变器、并机系统的改进,还是电池系统和云服务的革新,都标志着三相中大功率UPS领域近十年来的飞速发展。作为行业领导者,施耐德电气将继续潜心研究,进一步深入理解客户需求,在实践中不断提高三相中大功率UPS系统的可用性、灵活性、适应性和可维护性, 创造更多不同的可能。
好文章,需要你的鼓励
谷歌在AI购物战中加码,宣布将Gemini打造成购物平台,并与Shopify、沃尔玛、塔吉特等主要零售商合作推出开源标准。公司发布了通用商务协议(UCP),旨在简化AI代理与零售商系统间的通信。新标准将为搜索和Gemini提供结账功能,用户可直接通过AI工具购买商品。已获得Visa、万事达、PayPal等20多家公司支持。此举使谷歌与微软Copilot和OpenAI的ChatGPT竞争。
德国弗劳恩霍夫研究院提出ViTNT-FIQA人脸质量评估新方法,无需训练即可评估图像质量。该方法基于Vision Transformer层间特征稳定性原理,通过测量图像块在相邻层级间的变化幅度判断质量。在八个国际数据集上的实验显示其性能可媲美现有最先进方法,且计算效率更高,为人脸识别系统提供了即插即用的质量控制解决方案,有望广泛应用于安防监控和身份认证等领域。
Helios Towers供应链总监Dawn McCarroll在采访中分享了公司的数字化转型经验。作为一家在非洲和中东地区运营近15000个移动通信塔站的公司,Helios正通过SAP S/4Hana系统升级、AI技术应用和精益六西格玛方法论来优化供应链管理。McCarroll特别强调了公司Impact 2030战略中的数字包容性目标,计划在未来五年内培训60%的合作伙伴员工掌握精益六西格玛原则,并利用大数据和AI技术实现端到端的供应链集成。
布朗大学联合图宾根大学的研究团队通过系统实验发现,AI医疗助手的角色设定会产生显著的情境依赖效应:医疗专业角色在急诊场景下表现卓越,准确率提升20%,但在普通医疗咨询中反而表现更差。研究揭示了AI角色扮演的"双刃剑"特性,强调需要根据具体应用场景精心设计AI身份,而非简单假设"更专业等于更安全",为AI医疗系统的安全部署提供了重要指导。