找到 191 条结果 · 智能化与AI应用
基于集成学习和电压重构的锂离子电池健康状态估计
Ensemble Learning and Voltage Reconstruction Based State of Health Estimation for Lithium-Ion Batteries With Twenty Random Samplings
Xing Shu · Zheng Chen · Jiangwei Shen · Shiquan Shen 等7人 · IEEE Transactions on Power Electronics · 2023年4月
针对电动交通工具中锂离子电池随机充放电行为导致的健康状态（SOH）估计精度下降问题，本文提出了一种基于集成学习和电压重构的SOH估计框架。该方法通过处理随机采样数据，有效提升了在线SOH估计的准确性与鲁棒性。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及户用储能）具有极高价值。目前储能系统在实际运行中面临工况复杂、数据碎片化等挑战，该集成学习框架可深度集成至iSolarCloud智能运维平台及BMS算法中，通过电压重构技术提升电池全生命周期SOH监测精度。这不仅能优化电池资产的...
一种用于锂离子电池容量预测的多输出卷积高斯过程
A Multioutput Convolved Gaussian Process for Capacity Forecasting of Li-Ion Battery Cells
Abdallah A. Chehade · Ala A. Hussein · IEEE Transactions on Power Electronics · 2022年1月
本文提出了一种基于多输出卷积高斯过程（MCGP）的锂离子电池容量预测方法。该方法通过潜在函数分解技术，将多个电池单元的容量趋势分解为潜在函数，并结合优化核函数进行建模，实现了多任务学习与迁移学习，有效提升了电池容量衰退趋势预测的准确性。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack系列）具有极高的应用价值。通过MCGP模型，公司可提升iSolarCloud平台对大规模储能电站电池衰退的预测精度，实现更精准的SOH（健康状态）管理和寿命预警。这不仅能优化BMS的充放电策略，延长系统使用寿命，还能为电网侧储能的...
基于人工神经网络的粒子群优化微电网最优能量调度
Artificial Neural Network Based Particle Swarm Optimization for Microgrid Optimal Energy Scheduling
Maher Abdolrasol · Ramizi Mohamed · M Hannan · Ali Al-Shetwi 等6人 · IEEE Transactions on Power Electronics · 2021年11月
本文提出了一种结合人工神经网络（ANN）与粒子群优化（PSO）的增强算法，用于虚拟电厂（VPP）系统中可再生能源的管理。通过对比基于ANN的二进制粒子群优化（BPSO）算法与原始BPSO算法，验证了该方法在搜索微电网最优能量调度值方面的性能提升。
解读: 该研究提出的AI优化调度算法与阳光电源的iSolarCloud智能运维平台及PowerTitan/PowerStack储能系统高度契合。在虚拟电厂（VPP）场景下，通过ANN-PSO算法优化能量调度，可显著提升储能系统在调峰调频、削峰填谷中的经济效益。建议将该算法集成至阳光电源的EMS（能量管理系统...
基于学习率优化的深度全卷积网络锂离子电池SOC估计
SOC Estimation of Li-ion Batteries With Learning Rate-Optimized Deep Fully Convolutional Network
M. A. Hannan · D. N. T. How · M. S. Hossain Lipu · Pin Jern Ker 等7人 · IEEE Transactions on Power Electronics · 2021年7月
本文提出了一种深度全卷积网络（DFCN）模型，直接利用电压、电流和温度数据估计锂离子电池的荷电状态（SOC）。通过引入学习率优化策略，该模型在恒定及变温环境下均表现出优异的SOC估计精度，为电池管理系统提供了高效的算法支撑。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack及户用储能系统）具有极高价值。SOC估计的精度直接决定了储能系统的可用容量和安全性。通过引入深度全卷积网络（DFCN）及学习率优化策略，可显著提升BMS在复杂工况（如变温、动态充放电）下的SOC估算准确度，从而优化电池均衡策略，...
电力电子中人工智能应用综述
An Overview of Artificial Intelligence Applications for Power Electronics
Shuai Zhao · Frede Blaabjerg · Huai Wang · IEEE Transactions on Power Electronics · 2021年4月
本文概述了人工智能在电力电子系统中的应用，涵盖设计、控制和维护三个生命周期阶段。探讨了优化、分类、回归及数据结构探索等AI任务，并分析了四类AI技术在电力电子领域的应用潜力与挑战。
解读: AI技术是阳光电源实现产品智能化升级的核心驱动力。在设计阶段，AI可用于优化逆变器和PCS的拓扑参数，缩短研发周期；在控制层面，利用机器学习优化PWM策略或实现构网型控制，能显著提升系统在弱电网下的稳定性；在运维阶段，结合iSolarCloud平台，通过AI算法对组串式逆变器及PowerTitan储...
基于多层长短期记忆网络的光伏电站数据完整性攻击检测与诊断
Detection and Diagnosis of Data Integrity Attacks in Solar Farms Based on Multilayer Long Short-Term Memory Network
Fangyu Li · Qi Li · Jinan Zhang · Jiabao Kou 等7人 · IEEE Transactions on Power Electronics · 2021年3月
随着光伏系统数字化程度提高，网络安全威胁日益严峻。本文提出一种基于深度序列学习的诊断方案，利用多层长短期记忆网络（LSTM）检测并识别光伏电站中的数据完整性攻击，为电力电子变换器的网络物理安全提供有效防护。
解读: 随着阳光电源iSolarCloud平台接入规模的扩大，电站数据安全已成为运维核心。该研究提出的多层LSTM诊断模型可直接集成至iSolarCloud的智能运维算法库中，用于实时监测组串式逆变器及PowerTitan储能系统的遥测数据异常。通过识别数据完整性攻击，可有效防止恶意指令导致的逆变器误动作或...
基于短时特征的锂离子电池SOH估计数据驱动模型多目标优化
Multiobjective Optimization of Data-Driven Model for Lithium-Ion Battery SOH Estimation With Short-Term Feature
Lei Cai · Jinhao Meng · Daniel-Ioan Stroe · Jichang Peng 等6人 · IEEE Transactions on Power Electronics · 2020年11月
锂离子电池广泛应用于储能系统（BESS）和电动汽车。数据驱动方法通过测量特征估计电池健康状态（SOH），但过多特征会降低精度并增加人工成本。本文提出了一种多目标优化方法，旨在通过精简特征集提升SOH估计的准确性与效率。
解读: 该研究直接服务于阳光电源的储能业务（PowerTitan、PowerStack系列）。SOH的高精度估计是BMS核心算法的关键，直接影响储能系统的全生命周期管理与电芯衰减预测。通过引入多目标优化算法精简特征，可显著降低iSolarCloud平台在处理海量电芯数据时的计算负载，提升远程运维的实时性。建...
结合DWT多分辨率分析的两步法HNN模式识别用于可充电电池区分
Two-Step HNN-Based Pattern Recognition Combining DWT-Based Multi-Resolution Analysis for Rechargeable Cells Distinction
Seongjun Lee · Jonghoon Kim · IEEE Transactions on Power Electronics · 2020年11月
本文提出了一种结合离散小波变换（DWT）多分辨率分析与汉明神经网络（HNN）的两步法模式识别技术，用于可充电电池的区分。该方法通过分析充放电电流信号（DCCS），能够有效提取电池特征，相较于传统方法，在电池状态识别与区分方面表现出更高的创新性与准确性。
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。电池的一致性与健康状态（SOH/SOC）识别是储能系统安全运维的核心。通过引入DWT与HNN算法，可显著提升iSolarCloud平台对电池簇内单体电池异常的早期预警能力，优化BMS的均衡策略。建议...
基于GPR和GA统计特征估计的DC/DC变换器在线异常检测
Online Anomaly Detection in DC/DC Converters by Statistical Feature Estimation Using GPR and GA
Yueming Jiang · Yang Yu · Xiyuan Peng · IEEE Transactions on Power Electronics · 2020年10月
DC/DC变换器在电力系统中至关重要，其异常状态会严重影响后端组件及整个系统。针对电路结构未知的DC/DC变换器，本文提出了一种基于高斯过程回归（GPR）和遗传算法（GA）的统计特征估计方法，用于实现高效的在线异常检测。
解读: 该技术对阳光电源的核心业务具有极高价值。DC/DC变换器是光伏组串式逆变器（MPPT环节）及储能系统（ST系列PCS、PowerTitan等）中的关键功率变换单元。通过引入GPR和GA算法，可显著提升iSolarCloud智能运维平台对变换器早期故障的预判能力，实现从“被动维修”向“主动运维”的转型...
考虑积尘影响的混合人工蜂群算法与半监督极限学习机光伏故障诊断设计
Design of Hybrid Artificial Bee Colony Algorithm and Semi-Supervised Extreme Learning Machine for PV Fault Diagnoses by Considering Dust Impact
Jun-Ming Huang · Rong-Jong Wai · Geng-Jie Yang · IEEE Transactions on Power Electronics · 2020年7月
户外光伏系统易受积尘等环境因素影响，导致发电效率下降及潜在安全隐患。本文提出一种结合混合人工蜂群算法与半监督极限学习机的故障诊断方法，旨在精准识别光伏系统异常状态，为运维决策及清洗方案提供技术支持，有效降低运维成本并提升系统安全性。
解读: 该研究直接赋能阳光电源iSolarCloud智能运维平台。通过引入混合人工蜂群算法与半监督学习，可显著提升组串式及集中式逆变器在复杂环境下的故障识别精度，特别是针对积尘导致的非硬性故障进行精准预警。这不仅能减少人工巡检成本，还能通过智能清洗策略优化，提升地面及工商业光伏电站的发电收益。建议将该算法模...
分布式光伏系统故障诊断的数字孪生方法
A Digital Twin Approach for Fault Diagnosis in Distributed Photovoltaic Systems
Palak Jain · Jason Poon · Jai Prakash Singh · Costas Spanos 等6人 · IEEE Transactions on Power Electronics · 2020年1月
本文针对屋顶及建筑集成分布式光伏系统，提出了一种用于故障诊断的数字孪生设计方法。通过构建光伏能量转换系统的数字孪生模型，实现对系统可测量特征输出的实时估计，并结合数学分析、仿真研究与实验验证，有效提升了分布式光伏系统的故障检测与诊断能力。
解读: 该数字孪生技术与阳光电源iSolarCloud智能运维平台高度契合。通过在云端构建组串式逆变器及户用光伏系统的数字孪生模型，可实现从“被动报警”向“主动预测性维护”的跨越。建议将此技术集成至iSolarCloud，利用实时数据与孪生模型比对，精准定位组件级故障（如遮挡、热斑、组串失配），降低运维成本...
基于图半监督学习的光伏阵列故障检测与分类
Graph-Based Semi-supervised Learning for Fault Detection and Classification in Solar Photovoltaic Arrays
Ye Zhao · Roy Ball · Jerry Mosesian · Jean-Francois de Palma 等5人 · IEEE Transactions on Power Electronics · 2015年5月
光伏阵列故障检测对提升系统可靠性与安全性至关重要。由于光伏输出具有非线性特征，传统保护装置难以识别多种复杂故障，存在安全隐患。本文提出一种基于图半监督学习的机器学习方法，旨在填补现有光伏系统保护技术的空白，实现对光伏阵列故障的精准检测与分类。
解读: 该技术对阳光电源的iSolarCloud智能运维平台具有极高的应用价值。通过引入图半监督学习算法，可显著提升iSolarCloud在组串式及集中式逆变器层面的故障预警精度，尤其是在复杂环境下的隐蔽性故障识别。建议将此算法集成至逆变器边缘计算单元，实现从“被动保护”向“主动运维”的升级，降低运维成本，...
电力电子系统故障诊断中的数据挖掘应用：系统综述
Data Mining Applications to Fault Diagnosis in Power Electronic Systems: A Systematic Review
作者未知 · IEEE Transactions on Power Electronics · 日期未知
本文综述了电力电子系统（PES）故障诊断的研究进展，重点介绍了基于数据挖掘的技术，包括人工神经网络、机器学习和深度学习算法。文章探讨了这些先进算法在提升系统可靠性、实现早期故障检测方面的应用潜力与挑战。
解读: 该研究直接服务于阳光电源的核心可靠性战略。在光伏逆变器（如SG系列组串式逆变器）和储能系统（如PowerTitan系列）中，引入机器学习和深度学习进行故障预测与健康管理（PHM）是提升运维效率的关键。通过iSolarCloud平台集成此类算法，可实现从“被动维修”向“主动运维”的转型，有效降低电站停...
一种融合MIC-BOA-TiDE与核密度估计的锂离子电池剩余使用寿命点预测与概率预测新框架
A novel MIC-BOA-TiDE fusion framework with kernel density estimation for point and probabilistic remaining useful life prediction of lithium-ion batteries
Tian Peng · Zhongzheng Mo · Jie Chen · Chenghao Sun 等7人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出MIC-BOA-TiDE融合框架，结合互信息准则（MIC）、蝴蝶优化算法（BOA）与时间序列深度估计器（TiDE），并引入核密度估计实现锂离子电池剩余使用寿命（RUL）的高精度点预测与不确定性量化。
解读: 该研究聚焦锂电RUL智能预测，直接支撑阳光电源PowerTitan、PowerStack等储能系统中BMS的寿命预警与健康状态管理能力。其概率化RUL输出可增强ST系列PCS在梯次利用、运维调度和质保服务中的决策可靠性。建议将该框架嵌入iSolarCloud平台，与PCS实时数据流对接，构建云端-边...
可解释的奇异谱分析深度学习模型用于半小时级电价预测
Explainable Singular Spectrum Analysis deep learning model for half-hourly electricity price prediction
Sujan Ghimire · Ravinesh C. Deo · Hangyue Liu · Konstantin Hopf 等8人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出一种融合奇异谱分析（SSA）与深度学习的可解释电价预测模型，提升短期电力市场价格预测精度与透明度，适用于电力交易与储能调度决策。
解读: 该模型可增强阳光电源iSolarCloud智能运维平台的电价预测与储能充放电策略优化能力，尤其适用于PowerTitan和ST系列PCS在工商业及电网侧储能场景中的经济性调度。建议将SSA-DL模型集成至iSolarCloud的能源交易模块，结合实时电价与光伏出力预测，提升光储系统套利效率；同时为组...
地面太阳辐照度预报中天空图像增强技术的系统性综述
A systematic synthesis of sky image enhancement techniques for ground-based solar irradiance forecasting
Mateusz Piechocki · Marek Kraft · Applied Energy · 预计 2026年5月 · Vol.410
本文系统综述了用于提升地面太阳辐照度短期预报精度的天空图像增强方法，涵盖图像去雾、云检测、动态对比度调整及深度学习增强模型等技术路径。
解读: 该研究直接支撑阳光电源iSolarCloud智能运维平台的辐照预测模块升级，可提升组串式逆变器和PowerTitan储能系统的日前/超短期功率预测精度，优化MPPT响应与储能充放电调度。建议将先进图像增强算法嵌入iSolarCloud边缘侧摄像头节点，并与ST系列PCS的本地AI协处理器协同，实现云...
面向物联网电池管理系统的模式感知Transformer SOC估算方法：迈向节能且可解释的建模
Pattern-aware transformer for SOC estimation in IoT-based battery management systems: Toward energy-efficient and interpretable modeling
Yun-Jia Deng · Jiang Huang · Sheng-Hua Xiong · Zhen-Song Chen 等5人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出一种基于Transformer架构的模式感知SOC估算模型，融合时序电池运行模式特征与IoT传感数据，提升估算精度与可解释性，降低计算能耗，适用于边缘部署的智能BMS。
解读: 该研究直接支撑阳光电源PowerTitan和ST系列PCS内置的智能BMS功能升级。其模式感知Transformer可嵌入iSolarCloud平台实现云端-边缘协同SOC诊断，提升储能系统循环寿命预测精度；建议在PowerStack液冷储能系统中集成轻量化模型，优化充放电策略，增强光储一体化项目中...
面向实时电价预测的电网物理信息驱动与时间自适应堆叠学习：短中期协同方法
Grid physics-informed and time-adaptive stacked learning for real-time electricity price forecasting: a short-term to mid-term approach
Yawen Yi · Xinyu Chen · Zhiyong Tian · Yuxin Zhang · Applied Energy · 预计 2026年5月 · Vol.410
本文提出一种融合电网物理约束与时间动态特性的堆叠学习框架，用于提升短期至中期电力市场价格预测精度，支持源网荷储协同优化决策。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能PCS的能源调度策略具有直接价值。通过物理信息嵌入的时序预测模型，可增强光储系统在电力市场中的报价精度与调峰调频响应能力。建议将该算法集成至iSolarCloud的电价预测模块，并适配ST系列PCS的本地边缘推理单...
MP-Grid：基于拓扑机器学习的电网停电检测
MP-Grid: Detecting power grid outages with topological machine learning
Md Joshem Uddin · Damilola R. Olojede · Roshni Anna Jacob · Baris Coskunuzer 等5人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出MP-Grid方法，利用电力系统拓扑结构与机器学习结合，实现高精度、实时的电网停电事件检测与定位，提升配电网态势感知能力。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的故障预警与电网协同调度具有直接价值。MP-Grid可嵌入iSolarCloud的边缘侧分析模块，增强对并网点电压骤降、孤岛或线路中断等异常的拓扑级识别能力，提升组串式逆变器和PCS在弱电网下的主动支撑响应速度...
SolarFM：基于时间序列基础模型的时空太阳辐照度预测
SolarFM: Spatio-temporal solar irradiance forecasting based on time series foundation model
Shuo Shan · Weijing Dou · Victor Sreeram · Chenxi Li 等7人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出SolarFM，一种面向太阳能辐照度预测的时间序列基础模型，融合多源时空数据，提升短期至中期辐照度预测精度，支撑光伏功率预测与智能调度。
解读: 该技术可显著提升阳光电源iSolarCloud平台的功率预测精度，增强组串式逆变器和ST系列PCS在光储协同调度中的响应能力；建议将SolarFM嵌入iSolarCloud作为辐照-功率联合预测模块，并适配PowerTitan系统实现日前/日内动态充放电优化，提升光储一体化项目收益率。...
第 4 / 10 页