找到 16 条结果 · 储能系统技术
面向抵御FDIAs与通信中断的弹性广域阻尼控制的实时信息物理联合仿真
Real-Time Cyber-Physical Co-Simulation for Resilient Wide-Area Damping Control Against FDIAs and Communication Disruptions
Kundan Kumar · Priyesh Saini · Abhineet Prakash · Sanjoy K. Parida 等6人 · IEEE Transactions on Industry Applications · 2025年5月
将可再生能源（RESs）整合到现代电力系统中带来了诸多挑战，其中最紧迫的是需要一个能够精确复现这些复杂系统复杂动态的仿真平台。本文介绍了基于实时网络物理测试床硬件在环联合仿真（RTCPTC - HIL）方法的实施情况和结果，旨在评估所提出的含高压直流输电（HVDC）的广域阻尼控制器（WADC）在缓解大规模可再生能源接入电力系统区间振荡方面的有效性。该测试床集成了用于系统建模的OPAL - RT OP4510和用于控制器开发与测试的OP8665，并通过物理连接和TCP/IP实现实时通信。此外，广域...
解读: 从阳光电源的业务视角来看，这项研究对我们在新能源并网控制和系统稳定性领域具有重要参考价值。论文提出的实时信息物理联合仿真平台与广域阻尼控制器（WADC）技术，直接对应我们在大规模光伏电站并网、储能系统协调控制以及新能源电力系统解决方案中面临的核心挑战。 该技术的核心价值体现在三个层面：首先，针对可...
AM-MFF：一种基于注意力机制的多特征融合框架用于鲁棒且可解释的锂离子电池健康状态估计
AM-MFF: A multi-feature fusion framework based on attention mechanism for robust and interpretable lithium-ion battery state of health estimation
Si-Zhe Chen · Jing Liu · Haoliang Yuan · Yibin Tao 等6人 · Applied Energy · 2025年1月 · Vol.381
健康状态（SOH）是电池管理系统（BMS）中的一个关键参数。利用多种数据源可有效提升端到端SOH估计的性能。然而，现有的基于多维特征的方法未能充分挖掘不同数据源之间的内在关联。同时，大多数方法缺乏可解释性，并忽视了噪声带来的不利影响。本研究提出了一种基于注意力机制的多特征融合框架（AM-MFF），以实现鲁棒且可解释的SOH估计。AM-MFF结合了卷积神经网络（CNN）和注意力机制（AM）的优势，能够高效提取并融合健康特征，从而全面感知电池老化信息。该框架将两个运行阶段的数据作为输入，并通过两个独...
解读: 该AM-MFF锂电池SOH估算框架对阳光电源储能系统具有重要应用价值。其多特征融合与注意力机制可直接集成至ST系列PCS和PowerTitan储能系统的BMS中,提升电池健康状态预测精度和抗噪性能。多输入容错设计确保单传感器故障时系统仍可靠运行,符合大规模储能安全需求。注意力分数的可解释性有助于iS...
一种基于多时间分辨率注意力机制的交互网络用于多种电池状态联合估计
A multi-time-resolution attention-based interaction network for co-estimation of multiple battery states
Ruixue Liu · Benben Jiang · Applied Energy · 2025年1月 · Vol.381
摘要 高效且可靠的电池管理系统依赖于对多个电池状态的精确联合估计，包括荷电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL）。然而，由于这些状态在不同时间尺度上具有不同的时间分辨率以及复杂的相互作用，特别是在缺乏历史电池数据的情况下，该任务面临显著挑战。为应对这些挑战，本文提出了一种新颖的端到端多时间分辨率注意力机制交互网络（MuRAIN），用于多种电池状态的联合估计，该方法直接利用当前的充放电循环数据，无需历史数据。MuRAIN方法引入了一个多分辨率分块模块，能够从循环数据中智能提取具...
解读: 该多时间分辨率注意力交互网络技术对阳光电源ST系列储能变流器及PowerTitan储能系统的BMS优化具有重要价值。MuRAIN可实现SOC、SOH、RUL的高精度联合估计,无需历史数据即可基于当前循环数据运行,特别适合浅循环工况下的商业储能应用。该技术可集成至iSolarCloud平台,提升预测性...
基于混合博弈与电动汽车共享储能特性的园区综合能源系统协调优化运行
Coordinated Optimal Operation of Park-level Integrated Energy Systems Based on Hybrid Game and Shared Energy Storage Characteristics of Electric Vehicles
王义 · 靳梓康 · 王要强 · 吴坡 等6人 · 高电压技术 · 2025年1月 · Vol.51
针对园区综合能源系统中多利益主体间收益分配不均的问题，提出一种基于混合博弈的双层能量管理模型。构建微网运营商与用户聚合商的互动框架，通过主从博弈确定售能价格，并结合纳什-海萨尼理论实现用户侧利益分配。为降低储能投资成本，挖掘电动汽车集群的可调度潜力，采用CNN-BiLSTM方法处理其历史数据以抑制不确定性，提出利用电动汽车共享储能特性的运行策略。案例分析表明，该模型可有效降低碳排放，实现多方共赢。
解读: 该混合博弈能量管理模型对阳光电源PowerTitan储能系统和充电桩业务具有重要应用价值。研究提出的电动汽车共享储能策略可直接应用于阳光电源充电桩产品线，通过CNN-BiLSTM预测算法优化车网互动调度，降低独立储能配置成本。主从博弈定价机制可集成到iSolarCloud云平台，实现园区级微网运营商...
基于TCN-LSTM神经网络与迁移学习的数字孪生支持型电池状态估计
Digital Twin-supported Battery State Estimation Based on TCN-LSTM Neural Networks and Transfer Learning
Kai ZhaoYing LiuYue ZhouWenlong MingJianzhong Wu · 中国电机工程学会热电联产 · 2025年1月 · Vol.45
准确估计电池荷电状态（SOC）、健康状态（SOH）及剩余使用寿命（RUL）对储能技术发展至关重要。本文提出一种融合时间卷积网络（TCN）与长短期记忆网络（LSTM）的数字孪生（DT）支持型电池状态估计算法。构建四层层次化DT架构以克服传统电池管理系统在计算与存储上的局限，并引入基于迁移学习的在线TCN-LSTM模型，实现神经网络参数的动态更新与实时精度优化。实验结果表明，该方法在90个循环数据下SOC、SOH和RUL的平均均方根误差分别为1.1%、0.8%和0.9%，显著优于传统CNN等模型，展...
解读: 该数字孪生支持的电池状态估计技术对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。TCN-LSTM融合架构可直接集成至BMS系统，实现SOC/SOH/RUL的高精度实时估计（RMSE<1.1%），显著提升电池全生命周期管理能力。四层DT架构突破边缘侧计算瓶颈，可与iSol...
基于注意力增强InceptionNeXt的肺癌检测混合深度学习模型
Attention Enhanced InceptionNeXt-Based Hybrid Deep Learning Model for Lung Cancer Detection
Burhanettin Ozdemir · Emrah Aslan · Ishak Pacal · IEEE Access · 2025年1月
肺癌是全球癌症相关死亡的最常见原因。这种高度致命和流行疾病的早期诊断可显著提高生存率并防止其进展。计算机断层扫描CT是肺癌诊断的金标准成像方式，为肺结节评估提供关键见解。呈现集成卷积神经网络CNN和视觉Transformer ViT的混合深度学习模型。通过优化和集成网格和块注意力机制与InceptionNeXt块，所提模型有效捕获CT图像中的细粒度和大规模特征。这种综合方法使模型不仅能区分恶性和良性结节，还能识别腺癌、大细胞癌和鳞状细胞癌等特定癌症亚型。InceptionNeXt块的使用促进多尺...
解读: 该肺癌检测深度学习模型对阳光电源智能诊断技术有跨领域借鉴意义。虽然阳光主要聚焦能源设备，但CNN与ViT混合架构和注意力机制可应用于阳光设备缺陷检测和故障诊断。多尺度特征处理技术对阳光光伏组件热斑检测和储能设备异常识别有参考价值。轻量级高精度模型设计思路与阳光边缘智能设备需求一致。迁移学习方法可应用...
探索机器学习和深度学习技术在神经疾病脑电信号分类中的有效性
Exploring the Effectiveness of Machine Learning and Deep Learning Techniques for EEG Signal Classification in Neurological Disorders
Souhaila Khalfallah · William Puech · Mehdi Tlija · Kais Bouallegue · IEEE Access · 2025年1月
神经疾病是全球身体和认知残疾的主要原因，影响约15%的全球人口。本研究探索机器学习ML和深度学习DL技术在处理脑电图EEG信号以检测癫痫、自闭症谱系障碍ASD和阿尔茨海默病等神经疾病中的应用。呈现详细工作流程，从使用头戴设备采集EEG数据开始，然后使用有限脉冲响应FIR滤波器和独立成分分析ICA进行数据预处理以消除噪声和伪影。数据分段后提取带功率和Shannon熵等关键特征以提高分类准确性。这些特征存储在离线数据库中便于分析期间访问，然后应用于ML和DL模型，系统测试性能并与先前研究比较结果。研...
解读: 该EEG信号分类技术对阳光电源智能诊断系统有跨领域借鉴意义。虽然阳光主要聚焦能源设备，但信号处理和特征提取方法可应用于阳光设备状态监测和故障诊断。FIR滤波和ICA噪声消除技术对阳光电力电子设备信号处理有参考价值。机器学习和深度学习模型对比分析思路可应用于阳光故障分类算法开发。该研究验证的高准确率，...
使用深度学习方法预测锂离子电池健康状态退化
Lithium-Ion Battery State of Health Degradation Prediction Using Deep Learning Approaches
Talal Alharbi · Muhammad Umair · Abdulelah Alharbi · IEEE Access · 2025年1月
及时预测锂离子电池健康状态对电池管理和寿命至关重要。传统集中式深度学习模型显示良好结果，但因需在单个节点收集和训练数据引发数据隐私担忧。本研究通过利用集中式即深度学习和分散式即联邦学习方法应对该挑战进行健康状态预测。使用包含充放电循环的NASA电池数据集进行模型训练和评估。集中式方法使用三种深度学习架构：1D卷积神经网络、CNN加长短期记忆网络和CNN加门控循环单元。1D CNN模型性能最佳展示强大预测能力，因此分散式学习即联邦学习中1D CNN模型与联邦平均技术在五个客户端使用，允许本地训练无...
解读: 该联邦学习电池诊断技术对阳光电源储能系统数据安全具有重要价值。阳光管理的大规模储能电站涉及海量电池数据，数据隐私和安全是核心关切。该联邦学习方法可在不上传原始数据的情况下实现全局模型优化，阳光可将该技术应用于BMS系统，实现跨电站的电池健康状态模型协同训练，提升诊断精度同时保护用户数据隐私，符合数据...
基于温度相关扩展卡尔曼滤波与深度学习的锂离子电池荷电状态与健康状态联合估计方法
A State-of-Charge and State-of-Health Joint Estimation Method of Lithium-Ion Battery Based on Temperature-Dependent Extended Kalman Filter and Deep Learning
Shiquan Wang · Kai Ou · Wei Zhang · Ya-Xiong Wang · IEEE Transactions on Industrial Electronics · 2024年7月
准确估算荷电状态（SOC）和健康状态（SOH）对于改进电池管理技术至关重要。然而，电池会受到温度和老化的影响，导致其呈现出更难以表征的非线性关系。本文提出了一种基于温度相关扩展卡尔曼滤波器（EKF）和深度学习的锂离子电池SOC - SOH联合估算方法。首先，创建包含温度和容量变量的电池模型状态矩阵、控制矩阵和观测矩阵，以便在本地端使用EKF进行实时SOC估算。其次，利用卷积神经网络（CNN）和注意力机制提取并加权电池老化特征，并结合门控单元解决长序列记忆问题，从而在远程计算平台上进行SOH估算。...
解读: 从阳光电源储能系统业务视角看，这项基于温度依赖扩展卡尔曼滤波与深度学习的SOC-SOH联合估算技术具有显著的工程应用价值。该技术直击储能系统电池管理的核心痛点——在复杂温度环境和电池老化条件下实现精准状态估计，这对我司大规模储能电站和户用储能产品的安全性、经济性至关重要。 技术架构上，论文提出的"...
输入长度对短期多步电力负荷预测准确性的影响：CNN-LSTM方法
The Effect of Input Length on Prediction Accuracy in Short-Term Multi-Step Electricity Load Forecasting: A CNN-LSTM Approach
Şeyda Özdemır · Yakup Demır · Özal Yildirim · IEEE Access · 2025年1月
准确的负荷预测对电力系统管理和规划至关重要。由于电能难以储存，短期电力负荷预测对系统运营商意义重大。本文提出创新混合深度学习模型，结合卷积神经网络CNN和长短期记忆LSTM网络，使用住宅用户实时小时数据进行短期多步负荷预测。模型在12种对称递增输入长度配置下测试，包含天气数据。结果表明增加输入长度可提升所有条件下的学习性能，输入长度大于输出长度可提高预测准确性，MAPE改善67%，RMSE改善70%。增加输入长度的多步预测性能优于单步预测。
解读: 该负荷预测技术对阳光电源户用光伏和储能系统的智能能量管理有重要应用价值。阳光户用光储系统需要准确的负荷预测来优化储能充放电策略和光伏自发自用率。CNN-LSTM混合模型可集成到阳光户用逆变器和储能系统控制算法中，结合天气数据和历史负荷实现精准多步预测。该技术可提升阳光户用系统经济性，降低用户电费，提...
模糊驱动医疗设备的电能质量评估与优化
Power Quality Assessment and Optimization in FUZZY-Driven Healthcare Devices
Dinesh Kumar Nishad · Saifullah Khalid · Rashmi Singh · IEEE Access · 2025年1月
模糊技术出现彻底改变医疗保健，赋能更智能医疗设备和设备。然而，这些模糊驱动系统的成功运行取决于高电能质量。本文引入创新模糊驱动能源管理系统，结合卷积神经网络CNN用于实时电能质量事件检测、长短期记忆LSTM网络用于预测分析以及强化学习用于优化控制。通过IEEE 13总线测试馈线广泛仿真，证明系统在检测和缓解电能质量扰动方面的卓越性能。基于CNN的检测在事件分类中达到97%准确率，而LSTM实现95%准确预测新兴问题。强化学习控制器相比传统方法，实现电压凹陷恢复快50%、谐波降低提升20%、停电期...
解读: 该电能质量管理技术对阳光电源储能系统在医疗等关键负荷场景具有重要参考。阳光PowerTitan工商业储能系统服务医院、数据中心等对电能质量要求极高的场所。该研究的CNN-LSTM-强化学习混合框架可集成到阳光储能变流器的智能控制系统，实现电能质量事件实时检测和快速响应。在医疗场景下，电压凹陷和谐波可...
MicroCrystalNet：基于扫描电镜岩相的高效可解释卷积神经网络微晶分类
MicroCrystalNet: An Efficient and Explainable CNN for Microcrystal Classification Using SEM Petrography
Mohammed Yaqoob · Mohammed Yusuf Ansari · Mohammed Ishaq · Issac Sujay Anand John Jayachandran 等6人 · IEEE Access · 2025年1月
微晶岩石纹理形态表征通常依赖扫描电镜SEM图像的视觉解释和人工测量，存在主观性、低效率、采样偏差和数据丢失问题。本文引入基于深度学习架构的最先进计算机视觉流程，用于从SEM图像分割和分类单个微晶。初步应用于低镁方解石碳酸盐岩，实例分割使用Meta的Segment Anything Model（SAM）定制调优版本。训练和测试分类器使用全球研究的48张不同碳酸盐微纹理SEM图像，共1852个微晶根据双重分类方案标记，包括晶体形状（菱形、多面体、无定形、球形）和晶面清晰度（自形至半自形、他形），共四...
解读: 该微晶图像分类技术可应用于阳光电源功率器件和材料分析。阳光SiC和GaN器件封装需要微观结构检测和质量控制。该MicroCrystalNet的高精度分割和分类能力可用于阳光功率模块的SEM质量检验，自动识别焊接缺陷、晶界异常和材料瑕疵。在储能电池材料研究中，该深度学习方法可加速电极材料和隔膜的微观表...
边缘计算环境中基于分布式深度强化学习的多域物联网网络任务卸载优化
Optimized Task Offloading in Multi-Domain IoT Networks Using Distributed Deep Reinforcement Learning
Ojonukpe Sylvester Egwuche · Japie Greeff · Absalom El-Shamir Ezugwu · IEEE Access · 2025年1月
物联网网络中，传感器、网关和服务在不同层级互操作为终端用户提供服务。IoT设备数量增加且计算能力有限，需要资源高效的网络中间层任务处理。本研究利用深度强化学习智能建模卸载策略为马尔可夫决策过程，将IoT设备视为分布式决策代理，考虑环境动态进行卸载决策。为应对高维度问题实现最优策略，采用深度Q网络建模代理在动态环境中的交互。架构允许IoT边缘节点基于连接、资源可用性和邻近性向边缘服务器卸载任务进行本地决策。不同学习率、批次大小和内存大小的大量仿真显示，所提方案采用CNN近似器生成最优策略，相比传统...
解读: 该边缘计算卸载技术对阳光电源分布式能源物联网具有应用价值。阳光iSolarCloud平台管理大量光伏逆变器和储能设备，边缘侧需要智能决策任务分配。该研究的深度强化学习策略可应用于阳光SG逆变器的边缘AI单元，优化数据处理和上传策略。在大型光伏电站中，该技术可实现组串逆变器与汇流箱、边缘控制器的协同计...
基于DETR的视障人士辅助技术目标检测增强方法
Enhancing Object Detection in Assistive Technology for the Visually Impaired: A DETR-Based Approach
Sunnia Ikram · Imran Sarwar Bajwa · Sujan Gyawali · Amna Ikram 等5人 · IEEE Access · 2025年1月
本文提出实时障碍物检测识别系统，通过辅助技术增强视障人士导航。系统集成配备微型相机的移动应用实现实时图像采集，采用深度学习技术进行目标检测分类。对YOLOv8、Faster R-CNN和DETR进行比较评估。DETR表现最优，达到99%置信度、98%精度和40毫秒/帧处理速度。系统遵循结构化工作流程，包括实时采集、预处理、创新数据增强和TensorFlow Lite边缘设备优化。可分类80种障碍物类型如行人、车辆和交通信号，提供即时音频反馈确保安全导航。模型训练20轮达到98%准确率。该研究引入...
解读: 该目标检测技术可应用于阳光电源智能光伏电站巡检系统。阳光大型地面电站采用无人机和机器人巡检，需要高精度实时目标检测能力。该DETR方法的99%置信度和40毫秒处理速度可集成到阳光巡检设备，实现组件缺陷、热斑、遮挡物的自动识别。结合阳光SG逆变器的AI边缘计算能力和iSolarCloud云平台，该技术...
量子密钥分发在智能电网网络安全系统中的适用性研究
Quantum Key Distribution Applicability to Smart Grid Cybersecurity Systems
Farid · Proshanta Kumer Das · Monirul Islam · Ebna Sina · IEEE Access · 2025年1月
为应对电力需求增长和提升电网韧性，电网现代化需部署先进通信设备。智能电网效率和可靠性与设备间信息交换密切相关，但信息流增加会扩大攻击面并引入新漏洞。目前智能电网主要通过密码学保护信息，但随着算力提升和复杂攻击增加，传统密码算法安全性受威胁。量子密钥分发提供对称密钥安全分发方案，安全性源于量子物理本质。本文研究QKD在智能电网各领域的适用性，识别18个用例和7个评估因子，分析各用例的保密性、完整性和可用性影响及QKD适用性。
解读: 该量子加密技术对阳光电源智慧能源平台的数据安全至关重要。阳光iSolarCloud云平台管理海量光伏储能设备，数据安全是核心关切。该研究为阳光未来布局量子加密通信提供理论基础。在电网侧储能和虚拟电厂场景下，QKD可保护调度指令和交易数据安全，防止恶意攻击和数据篡改，提升系统安全等级至金融级标准。...
融合迁移学习和集成方法的光伏系统短期功率预测
A Spatiotemporal Feature Extraction Technique Using Superlet-CNN Fusion for Improved Motor Imagery Classification
Neha Sharma · Manoj Sharma · Amit Singhal · Nuzhat Fatema 等6人 · IEEE Access · 2025年1月
光伏功率预测对电网稳定运行和能源管理至关重要,但气象条件波动导致预测精度挑战。本文提出融合迁移学习和集成方法的短期功率预测框架,通过多源气象数据和历史发电数据的协同学习,实现高精度的15分钟至4小时功率预测。
解读: 该短期功率预测技术可集成到阳光电源iSolarCloud智慧光伏云平台。通过精准的功率预测优化SG系列光伏逆变器的能量管理策略,提升分布式光伏系统的电网友好性,为电力调度提供可靠的功率预测数据,支持高比例新能源接入。...