找到 2 条结果 · 智能化与AI应用
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 · 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...
受脑启发的深度强化学习在复合干扰下电力系统负荷频率控制中的应用
Brain-Inspired Deep Reinforcement Learning for Load Frequency Control of Power Systems With Composite Interference
Xiaoming Sun · Chen Peng · Xinchun Jia · Yajian Zhang · IEEE Transactions on Industrial Informatics · 2025年4月
本文针对存在内部噪声和外部负荷波动复合干扰的电力系统，提出了一种受大脑启发的基于深度强化学习（DRL）的负荷频率控制框架。具体而言，受人类大脑决策过程的启发，系统状态的一些历史、当前和未来特征被充分提取到经验池中，以便深度强化学习智能体进行高效训练。同时，设计了一种渐进式训练机制，通过逐步增加训练目标将训练过程划分为多个阶段，以减少训练过程中的盲目性。此外，针对复合干扰，预先学习一些模拟干扰，以提高深度强化学习智能体的适应性。在单发电机组电力系统上的实验结果表明，所提出的方法能够在复合干扰下有效...
解读: 从阳光电源的业务视角来看，这项基于脑启发式深度强化学习的负荷频率控制技术具有重要的战略价值。随着公司光伏逆变器和储能系统在全球电网中的装机规模持续扩大，如何应对新能源接入带来的频率波动问题已成为核心技术挑战。 该技术的创新点与阳光电源的实际需求高度契合。首先，其针对"内部噪声与外部负荷波动复合干扰...