ABB E-mobility推出了一款专为高强度电动汽车充电场景打造的全新充电系统,目标用户涵盖公交车站、物流枢纽以及高流量交通走廊等应用场景。
OM X系列简介
这款名为OM X系列的产品是一套分布式充电系统,旨在以单一、协调的站点架构取代传统的多台独立充电桩组合模式。该系统可从800千瓦扩展至10兆瓦乃至更高功率,单套系统最多可支持100个以上的充电接口。
ABB表示,此次推出新产品是为了解决大型充电站日益突出的问题。随着充电需求持续攀升,单纯叠加独立充电桩不仅无法有效解决问题,反而会带来效率低下和运营管理上的困难。
产品系列演进
X系列是ABB E-mobility此前产品平台的延伸。2024年推出的A系列专注于高功率充电的可靠性;2026年4月发布的OM M系列则将这一理念扩展至站点级系统,致力于提升充电经济性。X系列在此基础上进一步延伸,面向兆瓦级应用场景,支持持续、长时间的高强度运行。
热管理与能效表现
在如此高功率水平下,热管理至关重要。X系列采用贯穿整个系统的全液冷功率通路,覆盖机柜、功率模块及充电线缆。ABB表示,系统在持续运行期间(而非仅在峰值状态下)可维持超过98%的转换效率,并且在长期高负荷运行条件下性能优于风冷系统。
该平台还内置冗余设计,可在计划内或计划外中断期间保持站点持续运行,无需停机维护即可将停机时间降至最低。
核心架构组成
该系统由三大核心组件构成:站点级直流母线作为整体骨干,实现系统内各节点的实时功率分配;液冷碳化硅模块负责功率转换;电池储能系统可直接接入直流母线。ABB表示,相较于交流耦合系统,这一设计可将往返效率提升逾5个百分点,同时支持削峰填谷和需求侧管理。此外,该系统还预留了车辆到电网(V2G)功能接口,以适应未来法规的演变。
可扩展性与部署灵活性
由于X系列将不同阶段的功率转换进行了解耦,ABB表示站点可随时间推移逐步扩容,无需大规模土建施工。以X1600配置起步的站点,可在沿用同一底层基础设施的前提下,逐步扩展至多兆瓦级容量。
初始配置包含两个800千瓦机柜,通过直流母线互联,支持多达24路充电输出,并可直接集成电池储能。ABB计划在同一架构基础上,进一步向更大规模的多兆瓦部署方向扩展。
X系列还与OM M系列共享充电终端,运营商可先部署其中一套系统,随着需求增长再行升级。
ABB E-mobility首席执行官Michael Halbherr表示:"充电正在向任务导向型模式转变——系统必须在持续高负荷下稳定运行数年,而非仅应对峰值时刻。在这种利用率水平下,热稳定性和能源效率不只是技术指标,它们直接决定经济性。X系列从架构层面就是为这一标准而生的。"
行业视角
ABB此举实际上道出了行业内心照不宣的一个事实:在现有站点上不断叠加充电桩,并不是一种真正的解决方案。
当充电需求规模较小时,这种做法尚可应付。但一旦需要全天候保障公交、配送车队或高速走廊的持续运营,这种模式便会迅速失效。
因此,思维方式需要从"充电桩"转向"电力系统":统一共享的功率骨干网络,按需动态分配电能,储能直接融入同一架构。这种理念更接近电力公司的运营逻辑,而非传统充电网络的建设方式。
关键问题在于运营商能否真正采纳这一模式——因为只有将站点作为基础设施来规划,而非东拼西凑地逐步扩建,整套方案才能发挥应有的价值。
若运营商能以基础设施的视角规划站点,兆瓦级充电将不再是一场持续的协调博弈,而是可以日复一日稳定运行、意外更少、成本更易掌控的可靠系统。
Q&A
Q1:ABB OM X系列充电系统的最大充电功率是多少?
A:ABB OM X系列充电系统支持从800千瓦扩展至10兆瓦乃至更高的功率级别,单套系统最多可支持100个以上的充电接口,适用于公交车站、物流枢纽等大规模高强度充电场景。
Q2:OM X系列如何保证在高负荷下的运行效率?
A:X系列采用贯穿整个系统的全液冷功率通路,覆盖机柜、功率模块及充电线缆,在持续运行期间可维持超过98%的转换效率。同时内置冗余设计,支持计划内外中断时的不间断运行,无需停机维护。
Q3:OM X系列是否支持未来扩容?
A:支持。由于X系列将不同阶段的功率转换进行了解耦,站点可在不进行大规模土建施工的前提下逐步扩容。以X1600配置起步的站点,可沿用同一底层基础设施逐步扩展至多兆瓦级容量,且与OM M系列共享充电终端,便于灵活升级。
好文章,需要你的鼓励
本田汽车因电动车战略失败,创下上市以来最大亏损,电动车相关损失高达1.45万亿日元(约92亿美元)。本田CEO宣布全面调整战略:放弃2040年淘汰燃油车计划,转而推进混动路线,计划到2028年推出两款新混动车型原型,并在本十年末全球发布15款新混动车型。与此同时,本田将暂停150亿美元的加拿大电动车工厂建设,并将俄亥俄州电动车产线改为混动和燃油车生产。
中山大学等机构发现,多模态AI在同一道物理题因表达形式改变时推理能力明显下滑,视觉数值与物理实体的绑定是最核心瓶颈,且遮黑训练图片同样能提升测试成绩。
IEEE信号处理学会与《IEEE信号处理精选主题期刊》联合发布专题征稿,聚焦"网络化AI"领域。该研究方向旨在让机器人和AI系统摆脱孤立运行模式,通过互联网络实现集体学习、实时协同优化。研究涵盖多智能体机器人、分布式AI、边缘智能、自动驾驶等方向,探索系统在无需人工干预的条件下自主进化的可能性。论文征集截止日期为2026年6月15日,成果将于2027年1月发布。
这项由纽约大学与弗拉托恩研究所开展的研究证明,允许可学习嵌入时,Transformer只需对数维度就能存储大量事实,MLP充当通用关系选择器而非知识查找表,思维链可绕开多跳推理的容量瓶颈。