找到 320 条结果 · 智能化与AI应用
基于优化的风电与光伏聚合容量估计及馈线功率预测方法
Optimization-Based Method for Aggregate Wind and Solar Capacity Estimation and Feeder Power Prediction
Amir Reza Nikzad · Bala Venkatesh · IEEE Transactions on Power Delivery · 2025年11月 · Vol.41
针对海量分布式能源（DER）接入下配电网运行难题，提出一种融合优化与深度神经网络（DNN）的聚合容量估计（EAC）与中压馈线功率预测（FPP）方法，实测精度达97.45%（EAC）和97.29%（FPP），显著优于直接预测法。
解读: 该研究高度契合阳光电源在‘风光储智’一体化战略下的iSolarCloud智能运维平台与PowerTitan/ST系列储能变流器（PCS）的协同优化需求。其EAC估算能力可增强组串式逆变器与PCS对分布式源-荷不确定性的感知精度；FPP模型可嵌入iSolarCloud实现毫秒级馈线级功率预测，支撑光储...
基于神经网络的电力电子资源主导型电力系统不确定性感知稳定性分析
Uncertainty-Aware Stability Analysis of IBR-Dominated Power System With Neural Networks
Galadrielle Humblot-Renaux · Yang Wu · Sergio Escalera · Thomas B. Moeslund 等6人 · IEEE Transactions on Power Electronics · 2025年11月
机器学习技术在加速电力电子资源（IBR）主导的电力系统稳定性筛选方面潜力巨大。然而，基于神经网络的方法在面对未见过的运行场景时，难以保证预测的准确性和可靠性，存在安全隐患。本文提出了一种不确定性感知方法，以提升神经网络在电力系统稳定性评估中的可靠性。
解读: 随着阳光电源组串式逆变器和PowerTitan等储能系统在全球电网中的渗透率提升，系统稳定性分析变得日益复杂。该研究提出的不确定性感知神经网络方法，能够有效解决传统AI模型在复杂电网环境下（如弱电网）泛化能力不足的问题。建议将此技术集成至iSolarCloud智能运维平台，用于实时监测电网稳定性风险...
一种基于联邦迁移学习的电力变换器监测自适应机器学习框架
An Adaptive ML Framework for Power Converter Monitoring via Federated Transfer Learning
Panagiotis Kakosimos · Alireza Nemat Saberi · Luca Peretti · IEEE Transactions on Power Electronics · 2025年11月
本文提出了一种结合迁移学习（TL）与联邦学习（FL）的自适应机器学习框架，旨在优化电力变换器的热模型。该方法有效解决了不同运行工况下的模型适配、数据隐私保护及数据共享受限等挑战，通过分段式学习策略提升了变换器状态监测的准确性与鲁棒性。
解读: 该研究对阳光电源的智能化运维至关重要。在组串式逆变器和PowerTitan/PowerStack储能系统中，设备分布广泛且工况复杂，利用联邦学习可在不上传原始数据的前提下，实现跨电站的模型协同训练，提升故障诊断精度。迁移学习则能解决新机型或极端工况下样本稀缺的问题。建议将此框架集成至iSolarCl...
基于安全增强型多智能体强化学习的网络化微电网协同与电池换电站调度
Networked Microgrid Coordination With Battery Swapping Station Scheduling via Security-Enhanced Multi-Agent Reinforcement Learning
Meng Liu · Xiao Liu · Cuo Zhang · Jianguo Zhu · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种安全增强型多智能体强化学习方法，协调含电池换电站（BSS）的网络化微电网（NMG），兼顾电压安全与经济性。在改进IEEE 33节点系统上验证表明，该方法可提升运行安全性并保留BSS集成的经济收益。
解读: 该研究高度契合阳光电源ST系列储能变流器（PCS）及PowerTitan液冷储能系统的智能协同控制需求。其多智能体强化学习框架可直接赋能iSolarCloud平台对光储充一体化微电网的动态优化调度，尤其适用于含EV换电负荷的工商业/园区级光储充项目。建议将该算法嵌入ST PCS的本地边缘控制器，并与...
太阳能富集型网络化微电网的网络韧性：端到端DER停运实时管理框架
Cyber Resilience in Solar-Rich Networked Microgrids: A Real Time End-to-End DER Outage Management Framework
Jannatul Adan · Md Fazley Rafy · Anurag K. Srivastava · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对光伏等分布式能源（DER）高渗透下网络化微电网面临的网络-物理耦合故障检测与恢复难题，本文提出一种面向太阳能富集场景的DER停运管理系统（DEROMS），集成数据完整性校验、多源根因分析与自适应恢复优化，并在RTDS平台验证其对物理故障与网络攻击的有效性。
解读: 该研究高度契合阳光电源在光储融合微电网领域的战略布局，尤其支撑PowerTitan、PowerStack及iSolarCloud平台的智能运维升级。TraceAlign-DPI/RCA模块可嵌入ST系列PCS和组串式逆变器的边缘侧固件，提升光伏电站级异常识别精度；场景化恢复优化算法可增强iSolar...
基于低保真物理引导的并行-in-时间神经网络仿真方法用于网络化微电网动态模拟
Parallel-in-Time Neural Simulation of Networked Microgrids With Low-Fidelity Physics Guidance
Yao Xiao · Yifan Zhou · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出LPHN-Sim方法，融合Mori-Zwanzig物理求解器与高保真神经网络，实现网络化微电网的并行-in-时间动态仿真；采用轻量物理信息损失函数训练，在保证精度的同时提升效率，可同时生成多时间点轨迹并准确刻画多时间尺度动态特性。
解读: 该研究高度契合阳光电源在构网型微电网、光储协同智能仿真与iSolarCloud平台升级中的技术需求。LPHN-Sim可嵌入PowerTitan/ST系列PCS的数字孪生模块，加速故障穿越、黑启动等暂态场景仿真验证；亦可赋能组串式逆变器群控算法开发，支撑弱电网下多时间尺度协同控制优化。建议在iSola...
基于扩散模型卫星图像预测的多模态集成光伏发电功率预测
Multimodal Ensemble Photovoltaic Power Forecasting Incorporating Diffusion-Based Satellite Image Prediction
Kai Wang · Tao Wang · Shuo Shan · Weijing Dou 等7人 · IEEE Transactions on Sustainable Energy · 2025年10月 · Vol.17
本文提出CloudDiff扩散模型生成高保真卫星云图集合预报，结合历史发电数据与数值天气预报，构建多模态光伏功率概率预测框架，在180分钟超短期预测中显著提升精度与鲁棒性。
解读: 该技术高度契合阳光电源iSolarCloud智能运维平台及组串式逆变器、ST系列PCS的功率预测与协同调度需求。CloudDiff增强的云图不确定性建模能力，可提升iSolarCloud在复杂云况下的超短期功率预测准确率，支撑PowerTitan储能系统实现更精准的光储联合充放电决策。建议将Clou...
基于鲁棒强化学习的网络化微电网韧性运行方法
Robust Reinforcement Learning-Based Resilient Operation of Networked Microgrids
Guokai Hao · Yuanzheng Li · Yang Li · Jiehui Zheng 等7人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对工业园区微电网（PIPMG）在主网故障下供电韧性不足问题，本文提出连接园区微电网与社区微电网的网络化微电网（NMG）架构，并设计鲁棒强化学习算法优化调度策略，确保仿真到实机迁移中性能下界可控，提升关键负荷支撑能力与跨微电网功率动态协同能力。
解读: 该研究高度契合阳光电源在构网型微电网与智能能量管理领域的战略布局。其鲁棒强化学习调度框架可直接赋能iSolarCloud平台的微电网群协同决策模块，并适配ST系列PCS及PowerTitan系统在多微电网互联场景下的动态功率分配与黑启动支援功能。建议将该算法集成至PowerStack集群控制器固件，...
基于多智能体伦理增强技术的多微电网电-碳联合点对点交易方法
Multi-Microgrids Peer to Peer Electricity-Carbon Joint Trading Method Based on Multi-Agent Ethical Enhancement Technology
Fashun Shi · Lin Cheng · Yuguang Song · Pengjie Zhao 等7人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种融合伦理原则的多智能体安全强化学习算法，用于多微电网电-碳联合能量管理。通过引入碳交易机制、上置信界-增广拉格朗日安全RL框架及几何变换隐私保护模块，在保障电力平衡与低碳经济运行的同时，实现‘不伤害’与隐私保护双重伦理目标。
解读: 该研究高度契合阳光电源在光储协同与智能微电网领域的战略布局。其电-碳联合P2P交易框架可直接赋能iSolarCloud平台升级为碳感知型智能运维系统；安全强化学习算法可用于优化ST系列PCS及PowerTitan在多微网场景下的动态功率分配与碳足迹追踪；隐私保护模块亦可集成至组串式逆变器边缘侧决策单...
面向时空可再生能源预测的图状态空间模型
Graph State-Space Models for Spatio-Temporal Renewable Energy Forecasting
Alessio Verdone · Simone Scardapane · Rodolfo Araneo · Massimo Panella · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出基于图结构的状态空间模型，用于提升风电与光伏电站功率的时空联合预测精度。针对计算开销问题，设计轻量级miniGConvLSTM/GRU模型，在精度与资源效率间取得平衡，支撑实际能源管理系统部署。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的短期功率预测需求。图神经网络融合状态空间建模可显著提升多站点光伏电站（如组串式逆变器集群）与风电场协同预测精度，优化ST PCS的充放电调度策略；建议将miniGConvGRU嵌入iSolarCloud...
主动配电网、互联微电网与电动汽车的协同运行：一种多智能体PPO优化方法
Coordinated Operation of Active Distribution Network, Networked Microgrids, and Electric Vehicles: A Multi-agent PPO Optimization Method
作者未知 · 中国电机工程学会热电联产 · 2025年9月 · Vol.2025
本文提出基于多智能体近端策略优化（MAPPO）的协同优化策略，融合可再生能源不确定性与电动汽车调度灵活性，在日前-日内两阶段实现互联微电网经济调度与主动配电网影响抑制；采用GAN生成光伏/负荷/EV场景，提升实时决策鲁棒性。
解读: 该研究高度契合阳光电源ST系列PCS、PowerTitan储能系统及iSolarCloud平台在多主体协同控制与AI驱动智能调度方向的战略布局。MAPPO算法可嵌入iSolarCloud实现微电网群+EV集群的分布式实时优化，提升PowerTitan在源网荷储协同场景下的响应精度与经济性；建议将MA...
基于改进时间卷积网络与特征建模的超短期光伏发电功率预测
Ultra-short-term Photovoltaic Power Prediction Based on Improved Temporal Convolutional Network and Feature Modeling
作者未知 · 中国电机工程学会热电联产 · 2025年9月 · Vol.2025
本文提出一种融合Spearman气象特征筛选、天文特征建模与改进时间卷积网络（TCN）的超短期光伏功率预测方法。通过引入投影头层和滚动时序机制，显著提升多步预测精度，在无气象数据下4小时预测误差降低20.5%，加入短波辐射后进一步提升8.8%–11.1%。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及组串式逆变器的功率预测需求。其改进TCN模型可嵌入iSolarCloud边缘-云协同架构，提升ST系列PCS和PowerTitan储能系统在光储联合调度中的出力预判精度；建议将该算法集成至逆变器本地AI模块，支撑户用/工商业场景下分钟级功率自...
一种融合多源数值天气预报的两阶段集成学习框架用于短期非参数概率光伏功率预测
A Two-Stage Ensemble Learning Framework for Short-Term Nonparametric Probabilistic Photovoltaic Power Forecasting Integrating Multi-Source Numerical Weather Predictions
Hanting Zhao · Yao Zhang · Wei Huo · Fan Lin 等5人 · IEEE Transactions on Power Systems · 2025年9月 · Vol.41
本文提出ITS-ELFF两阶段集成学习框架，融合多源数值天气预报（NWP）提升短期概率光伏功率预测精度。通过特征注意力、多头时序注意力及非交叉分位数生成策略，增强鲁棒性与单调性，并采用两阶段训练抑制过拟合。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及组串式逆变器、PowerTitan储能系统的功率预测需求。ITS-ELFF可嵌入iSolarCloud实现高精度分位数级发电预测，支撑光储协同调度与AGC/AVC响应；建议在ST系列PCS和PowerStack系统中集成该算法模块，提升弱电网...
一种用于跨多种变换器类型的多任务故障诊断的由粗到精神经网络框架
A Coarse-to-Fine Neural Network Framework for Multitask Fault Diagnosis Across Diverse Converter Types
Fan Wu · Kai Chen · Hao Ying · Gen Qiu 等5人 · IEEE Transactions on Power Electronics · 2025年9月
本文提出了一种基于多任务神经网络的联合故障诊断模型，旨在解决多种变换器类型下的故障诊断问题。该方法通过由粗到精的策略，有效提取共享故障特征，提升了诊断性能并降低了开发成本，为开发便携式、通用化的智能诊断工具提供了新思路，克服了传统方法中负迁移带来的挑战。
解读: 该技术对于阳光电源的iSolarCloud智能运维平台具有极高的应用价值。阳光电源产品线涵盖光伏逆变器、储能PCS（如PowerTitan/PowerStack）及风电变流器等多种设备，该框架通过多任务学习实现跨设备类型的故障诊断，能显著降低针对不同产品线单独开发诊断算法的成本。建议将其集成至iSo...
电力电子数字孪生技术综述：现状与未来趋势
An Overview of Digital Twin Technology for Power Electronics: State-of-the-Art and Future Trends
Chenhao Wu · Zhexin Cui · Qian Xia · Jiguang Yue 等5人 · IEEE Transactions on Power Electronics · 2025年9月
本文综述了数字孪生（DT）技术在电力电子系统中的应用现状。随着数字化转型加速，DT技术成为提升系统信息化与智能化水平的关键，涵盖了从建模、实时监测到故障预测的多种前沿技术，为电力电子系统的全生命周期管理提供了新范式。
解读: 数字孪生技术是阳光电源实现产品全生命周期智能运维的核心。在iSolarCloud平台中，引入数字孪生可实现组串式逆变器和PowerTitan储能系统的实时状态镜像，通过多物理场耦合仿真，精准预测功率模块及电芯的健康状态（SOH）。建议在PowerStack储能系统及大型光伏电站中部署基于DT的故障诊...
LDNet-RUL：用于锂离子电池剩余寿命预测的轻量化可变形神经网络
LDNet-RUL: Lightweight Deformable Neural Network for Remaining Useful Life Prognostics of Lithium-Ion Batteries
Xiankui Wu · Penghua Li · Zhongwei Deng · Zhitao Liu 等7人 · IEEE Transactions on Power Electronics · 2025年9月
针对深度神经网络在电池剩余寿命（RUL）预测中计算成本高、推理时间长及易过拟合的问题，本文提出了轻量化高性能模型LDNet-RUL。该模型专为内存受限的边缘设备设计，有效提升了锂离子电池寿命预测的效率与准确性，解决了在嵌入式端侧部署的挑战。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。目前储能系统依赖BMS进行状态监控，引入LDNet-RUL轻量化模型可直接部署于BMS边缘控制器或iSolarCloud平台，实现更精准的电池健康状态（SOH）评估与寿命预测。这不仅能优化电池集群的...
基于可迁移知识共享网络的锂离子电池SOH与RUL同步预测
Simultaneous Prediction of SOH and RUL for Lithium-Ion Batteries Using Transferable Knowledge Sharing Network
Kai Zhong · Zhihao Liu · Jiaqiang Tian · Chao Fan 等8人 · IEEE Transactions on Power Electronics · 2025年9月
锂离子电池的健康状态（SOH）和剩余使用寿命（RUL）预测对电力系统的安全运行至关重要。针对现有方法在泛化能力、预测精度及多任务协同方面的不足，本文提出了一种可迁移知识共享网络，实现了SOH与RUL的同步预测，有效提升了复杂工况下的预测性能。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。通过引入可迁移知识共享网络，BMS系统能够更精准地评估电池衰减状态，提升电池全生命周期的安全性与运维效率。建议将该算法集成至iSolarCloud智能运维平台，通过大数据分析实现电池簇的精细化管理，...
ALD法制备的高-k ZrAlOx介质用于提升CNTs/ZTO CMOS反相器性能
ALD-derived high-k ZrAlOx dielectrics for boosted performance of CNTs/ZTO CMOS inverter
Jun Yang · Chuanxin Huang · Zhaorui Tong · Hongyu Fan 等6人 · Applied Physics Letters · 2025年8月 · Vol.127
本研究采用原子层沉积（ALD）技术制备了高介电常数（high-k）ZrAlOx介质，并应用于碳纳米管/氧化锌锡（CNTs/ZTO）互补金属氧化物半导体（CMOS）反相器中。通过优化ZrAlOx介电层的组分与工艺，有效提升了器件的栅控能力与界面特性，显著改善了CMOS反相器的电压增益、噪声容限及开关性能。实验结果表明，该高-k介质可有效抑制栅极泄漏电流并增强跨导，从而实现更优异的整体电学性能。此方法为高性能柔性及低温集成电子器件的发展提供了可行的技术路径。
解读: 该高-k介质CMOS技术对阳光电源功率电子控制系统具有重要参考价值。ALD制备的ZrAlOx介质展现的低泄漏、高跨导特性，可启发ST储能变流器和SG光伏逆变器中栅极驱动电路的优化设计，特别是SiC/GaN功率器件的栅极介质改进，有助于降低开关损耗、提升驱动响应速度。该技术的低温工艺特性适用于iSol...
基于微调策略的跨工况船用柴油机故障诊断通用迁移学习框架
A universal transfer learning framework for cross-working-condition marine diesel engine fault diagnosis based on fine-tuning strategy
Zeyu Shia · Zhongwei Wanga · Zhiguo Yuana · Muyu Wanga 等6人 · Applied Energy · 2025年8月 · Vol.392
摘要 船用柴油机（MDEs）及时且准确的故障诊断（FD）对于提升船舶动力系统的安全性和可靠性至关重要。MDEs在变工况下运行，导致其运行状态和故障数据存在显著差异。这种变异性降低了数据驱动FD模型的适应能力，而这些模型通常是基于单台发动机或特定工况下的数据构建的。为解决上述问题，本研究提出了一种基于深度迁移学习与微调策略的MDEs故障诊断框架。为了增强故障特征提取能力，引入了一种数据层级融合方法用于数据重构。此外，提出了一种新型混合预训练网络，结合CNN + GRU与KAN，以获取源域数据的全面...
解读: 该跨工况迁移学习故障诊断框架对阳光电源储能系统(ST系列PCS、PowerTitan)及光伏逆变器(SG系列)具有重要应用价值。文章提出的CNN+GRU+KAN混合网络和精细调优策略,可应用于不同环境工况下的功率器件(SiC/IGBT)健康监测与故障预测。该方法能有效解决iSolarCloud平台中...
基于稀疏模型集成学习策略的主动配电网端到端协同优化调度
End-to-End Collaborative Optimization for Active Distribution Network Power Dispatch Based on Sparse Model-Ensemble Learning Policy
Lilin Cheng · Kang Sun · Haixiang Zang · Guoqiang Sun 等5人 · IEEE Transactions on Sustainable Energy · 2025年8月 · Vol.17
针对分布式新能源高渗透下源荷双不确定性导致的传统‘预测-优化’调度性能偏差问题，本文提出端到端调度策略，跳过功率预测环节，直接融合数值天气预报等多源信息决策；采用稀疏模型集成学习与约束策略优化求解，在光伏无功调节与需求响应场景中显著提升实时调度性能。
解读: 该研究高度契合阳光电源在智能调度与光储协同控制领域的战略布局。其端到端AI调度框架可直接赋能iSolarCloud平台升级，提升对ST系列PCS、PowerTitan及组串式逆变器集群的实时协同调控能力；尤其适用于工商业光储一体化项目中的动态无功支撑与需求响应。建议将稀疏模型集成策略嵌入iSolar...
第 3 / 16 页