负责燃煤电厂及钢铁厂烟气碳捕集全流程工艺开发，聚焦低能耗吸收剂筛选、中试线优化及工业化放大，目标将单位捕集能耗降至2.5GJ/吨CO₂以下并推动技术落地。

• 主导设计基于自研低挥发性胺基吸收剂（含哌嗪-哌啶结构）的碳捕集工艺包，使用ASPEN HYSYS完成全流程模拟，优化贫富液换热器对数平均温差（从8℃提升至12℃）及再沸器蒸汽耗量，配合高温解吸塔板效率提升改造，将单位捕集能耗从3.0GJ/吨CO₂降至2.4GJ/吨，支撑500Nm³/h中试线连续运行300小时捕集率稳定在96%以上。
• 针对中试线吸收剂降解率高（月均损失15%）问题，搭建加速老化实验平台（80℃/120%相对湿度），结合GC-MS分析鉴定出哌啶开环降解产物，提出“分段控温（110℃→90℃梯度降温）+微量抗氧剂（0.1wt%受阻酚）”复合方案，使吸收剂半衰期延长至2000小时，年吸收剂补充成本降低35%。
• 牵头完成膜接触器与化学吸收耦合工艺开发，选用PVDF中空纤维膜组件（孔径0.1μm）替代传统填料塔，利用膜传质强化特性将气液比从1500:1降至800:1，配合Aspen Plus热力学耦合分析验证系统稳定性，相关成果形成发明专利《一种膜-胺耦合碳捕集装置及方法》（申请号：CN20231XXXXXXX）。
• 协同设备供应商完成中试线调试，制定“阶梯式提负荷”策略解决初期CO₂捕集率波动（首周仅82%）：前48小时维持液气比2.5:1低负荷运行，逐步提升至3.2:1并同步调节塔内件间距（从50mm增至70mm），最终实现连续72小时捕集率≥95%，为10万吨/年工业化装置设计提供关键验证数据。

专注生物质电厂及垃圾焚烧烟气碳捕集技术研究，重点突破高碱金属烟气下吸收剂稳定性及小试到中试的工艺适配性。

• 开发生物质烟气专用复合吸收剂（MEA+2wt%二乙烯三胺五乙酸），通过分子动力学模拟预测胺基与K⁺/Na⁺的络合常数（从0.3提升至0.8），解决传统MEA因碱金属催化降解导致的吸收效率下降问题，使捕集效率从82%提升至91%，再生热耗降低15%（3.6GJ/吨→3.1GJ/吨）。
• 搭建10Nm³/h生物质烟气模拟中试装置（入口CO₂浓度10-14%，含KCl粉尘500mg/Nm³），开展变负荷测试（流量±25%波动），建立基于响应面法的操作参数优化模型，确定最佳液气比2.6:1、吸收塔温度45℃，系统变工况适应时间从4小时缩短至1.5小时。
• 解决实验中吸收塔压降异常升高（峰值达1200Pa）问题：通过内窥镜检测发现填料层因KCl结垢堵塞，提出“前置陶瓷膜过滤器（孔径1μm）+每周蒸汽反吹”改造方案，压降稳定在400Pa以内，装置连续运行时间从600小时延长至2500小时。
• 参与编制《生物质烟气碳捕集工艺技术指南》，明确吸收剂碱金属耐受阈值（K⁺≤200ppm）、设备材质选型（316L不锈钢+氟塑料涂层）及安全操作规范，该指南被集团应用于江苏某50MW生物质电厂碳捕集改造项目预可研阶段。

协助完成碳捕集实验室基础研究，参与吸收剂筛选、小试数据采集及工艺可行性分析，支撑团队建立标准化实验流程。

• 构建碳捕集吸收剂多维度评价体系（含吸收容量、再生能耗、腐蚀速率等9项指标），完成23种胺类及氨基酸盐吸收剂（如MEA、AMP、GLY）的实验室测试，输出《低能耗吸收剂筛选报告》，其中2种候选剂（哌嗪基离子液体、氨基甲酸酯）进入中试备选清单。
• 负责5Nm³/h小型吸收塔的日常运行与数据采集，基于LabVIEW开发自动化监测程序（集成pH、温度、CO₂浓度传感器），累计采集有效数据1.1万组，建立吸收剂降解速率与运行时间的线性回归模型（R²=0.92），为吸收剂更换周期预测提供依据。
• 参与撰写《燃煤电厂碳捕集技术经济性分析报告》，通过蒙特卡洛模拟分析能耗（占比55%）、吸收剂成本（占比30%）对总成本的敏感性，提出“吸收剂再生余热回收+蒸汽分级利用”降本路径，相关结论被纳入公司2018-2020技术路线图。

分布式光伏电站智能故障诊断系统研发及产业化应用

• 项目背景：国内分布式光伏装机量年增速超40%，但传统人工巡检依赖经验，故障漏检率达25%、单站诊断耗时超4小时，严重影响电站发电效率与公司运维服务口碑。项目目标：研发一套覆盖“数据采集-故障识别-定位建议”的智能系统，将诊断准确率提升至90%以上、定位时间压缩至1小时内。我的职责：主导系统整体架构设计、核心技术攻关及从实验室到产业化的落地推进。
• 项目难点：一是多源数据异构——电站采集的逆变器运行数据、组件红外温度、环境辐照度等数据格式混乱，难以直接用于建模；二是小样本故障数据——真实故障场景数据占比不足5%，传统监督学习模型泛化能力极差。技术应对：采用边缘计算预处理（基于Node-RED搭建数据管道，统一Modbus/JSON协议），解决数据碎片化问题；引入迁移学习框架（PyTorch），从公司积累的10万+历史正常/故障数据中迁移特征，降低对小样本的依赖；结合图神经网络（GNN）构建故障知识图谱，关联“组件缺陷-环境触发-故障表现”的因果关系。
• 核心行动：牵头完成边缘节点的硬件选型（采用树莓派+工业级传感器）与软件部署，实现数据实时上传与清洗；针对故障分类任务，设计“预训练+微调”的迁移学习模型，将初始准确率从68%提升至89%；基于3年的故障案例库，手动标注2000+条故障关联规则，用GNN训练出可解释的故障溯源模型，比如能精准识别“组件隐裂→局部温度升高→逆变器输出波动”的链式故障路径。
• 项目成果：系统上线后，诊断准确率达92.3%，故障定位时间缩短至12分钟内；已覆盖全国1200+分布式光伏电站，为公司带来每年3200万+的运维服务收入增长（较之前提升45%）；主导申请2项发明专利（《一种分布式光伏组件故障的迁移学习诊断方法》《基于GNN的光伏电站故障知识图谱构建系统》），个人获公司“年度技术创新一等奖”，并成为集团分布式运维技术标准的主要制定者。

高能量密度磷酸铁锂电池热失控抑制技术研发

• 项目背景：随着储能市场对电池能量密度要求提升（从150Wh/kg向200Wh/kg突破），高能量密度磷酸铁锂电池的热失控概率从1‰升至3‰，传统液冷系统因重量大（占电池包总重12%）反而降低了能量密度，且极端工况下散热效率不足。项目目标：研发轻量化、高效的热管理系统，将电池包热失控温度阈值提升至180℃以上，同时能量密度提升10%以上。我的职责：负责热管理方案的架构设计、仿真验证及工程化落地。
• 项目难点：一是相变材料（PCM）性能不足——单一石蜡基PCM导热系数仅0.2W/m·K，无法快速吸收电池热量；二是微通道液冷的压降问题——传统直通道设计压降超10kPa，增加泵的功耗。技术应对：筛选硬脂酸-石蜡复合PCM（质量比3:7），通过添加膨胀石墨（5wt%）将导热系数提升至1.5W/m·K；采用仿生蛇形微通道设计（基于蜂巢结构启发），优化流道宽度（1.2mm）与间距（0.8mm），降低压降至4.5kPa；用ANSYS Fluent搭建热仿真模型，模拟10种极端工况（如针刺、过充、环境温度55℃）下的温度分布。
• 核心行动：主导完成12种PCM配方的热性能测试（DSC差示扫描量热法测潜热，激光闪射法测导热系数），确定最优复合比例；设计3版微通道液冷板，通过仿真对比筛选出散热效率最高的结构；制作10台样机，进行国标GB/T 36276的针刺实验，验证热失控抑制效果——样机在针刺后30分钟内未出现明火，温度峰值控制在178℃。
• 项目成果：优化后的电池包能量密度达207Wh/kg（较之前提升18%），热失控温度阈值从150℃提升至185℃；通过UL1973（北美储能标准）与GB/T 36276（国内储能标准）认证，应用于公司20尺集装箱式储能柜，助力拿下南方电网1.2亿+的储能订单；发表SCI论文1篇（《Enhanced Thermal Management of High-Energy-Density Lithium-Ion Batteries Using Composite Phase Change Materials and Bio-Inspired Microchannels》，发表于《Journal of Power Sources》）；申请3项实用新型专利（《一种复合相变材料电池热管理系统》《仿生蛇形微通道液冷板》等），个人晋升为储能热管理技术负责人，负责后续产品的迭代优化。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。