找到 2 条结果
面向暖通空调系统的轻量化自动化故障检测与诊断的对比自监督学习
Contrastive self-supervised learning for lightweight and automated fault detection and diagnosis in HVAC systems
Yuan Gao · Zehuan Hu · Junichiro Otomo · Yan Ke · Applied Energy · 2026年5月 · Vol.410
本文提出一种基于对比自监督学习的轻量化AI框架，无需大量标注数据即可实现HVAC系统故障检测与诊断，提升模型泛化性与部署效率。
解读: 该研究聚焦HVAC领域，与阳光电源核心业务无直接交集；但其对比自监督学习框架可迁移至光伏/储能系统智能运维场景，例如iSolarCloud平台中逆变器或ST系列PCS的早期故障识别。建议探索将该方法适配于组串式逆变器电流/温度时序数据，增强PowerTitan储能系统BMS的异常预警能力，降低现场运...
解锁建筑一体化光伏与电池
BIPVB）系统深度强化学习中的预测洞察力与可解释性
Yuan Gao · Zehuan Hu · Shun Yamat · Junichiro Otomo 等9人 · Applied Energy · 2025年4月 · Vol.384
摘要 可再生能源的部署以及智能能源管理策略的实施对于建筑能源系统（BES）的脱碳至关重要。尽管数据驱动的深度强化学习（DRL）在优化BES方面已取得近期进展，但仍存在显著挑战，例如缺乏针对时间序列数据观测空间的研究以及模型可解释性的不足。本文首次将未来预测信息引入DRL算法中，以构建时间序列数据的观测空间，并采用门控循环单元（GRU）和Transformer网络与DRL算法相结合，用于建筑一体化光伏与电池（BIPVB）系统的运行控制。此外，通过将前沿的Shapley加性解释（SHAP）技术与所开...
解读: 该深度强化学习优化技术对阳光电源光储一体化系统具有重要应用价值。研究中的GRU/Transformer时序预测与DRL决策框架可直接应用于ST系列储能变流器的智能调度策略,结合电价预测信息实现成本降低10%以上。SHAP可解释性分析方法可增强iSolarCloud平台的AI决策透明度,为PowerT...