← 返回
基于可解释不确定性量化机制的光伏阵列故障诊断及未知故障增量建模
An interpretable uncertainty quantification mechanism based photovoltaic array fault diagnosis and unknown fault incremental model
| 作者 | Peijie Lin · Zexing Ma · Jie Zhang · Yaohai Lin · Shuying Cheng · Yunfeng Lai · Xiaoyang Lu · Zhicong Chen · Lijun Wu |
| 期刊 | Solar Energy |
| 出版日期 | 预计 2026年6月 |
| 卷/期 | 第 311 卷 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 故障诊断 机器学习 光伏逆变器 深度学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 |
本文提出一种可解释的不确定性量化机制，用于提升光伏阵列故障诊断精度，并支持未知故障类型的增量学习建模，增强模型泛化能力与工业部署可信度。
S
SunView 深度解读
该研究直接支撑阳光电源组串式逆变器（如SG系列）和iSolarCloud智能运维平台的故障预诊与自进化能力。其可解释不确定性量化机制可嵌入逆变器边缘AI模块，提升ST系列PCS在复杂工况下的异常识别鲁棒性；增量模型适配PowerTitan等光储系统中多源故障演化场景，建议在下一代智能逆变器固件中集成该机制，并与iSolarCloud云端模型协同更新，强化户用及工商业光伏电站的主动运维能力。