找到 2 条结果 · 功率器件技术
基于物理信息神经网络的鲁棒电力系统状态估计
Robust Power System State Estimation Using Physics-Informed Neural Networks
Solon Falas · Markos Asprou · Charalambos Konstantinou · Maria K. Michael · IEEE Transactions on Industrial Informatics · 2025年7月
现代电力系统在状态估计和实时监测方面面临重大挑战，特别是在故障条件或网络攻击下的响应速度和准确性方面。本文提出一种结合物理信息神经网络（PINNs）的混合方法，以提高电力系统状态估计的准确性和鲁棒性。通过将物理定律嵌入神经网络架构，PINNs 提高了输电网络在正常和故障条件下应用的估计准确性，同时在应对诸如数据操纵攻击等安全问题方面也显示出潜力。实验结果表明，所提出的方法优于传统机器学习模型，在训练数据集的未见子集上的准确性提高了近 83%，在全新的、不相关的数据集上的性能提升了近 65%。实验...
解读: 从阳光电源的业务视角来看，这项基于物理信息神经网络（PINNs）的电力系统状态估计技术具有重要的战略价值。作为全球领先的新能源设备供应商和系统集成商，阳光电源在光伏逆变器、储能系统及智慧能源管理平台方面的核心竞争力，正日益依赖于对电网实时状态的精准感知与快速响应能力。 该技术的核心优势在于将物理定...
用于拓扑持续时间不确定的开关模式电源转换器参数辨识的扩展物理信息神经网络
Extended Physics-Informed Neural Networks for Parameter Identification of Switched Mode Power Converters With Undetermined Topological Durations
Yangxiao Xiang · Hongjian Lin · Henry Shu-Hung Chung · IEEE Transactions on Power Electronics · 2024年10月
对于拓扑持续时间不确定的开关模式功率转换器而言，进行高精度参数识别颇具挑战，因为诸如开关时刻和拓扑转换时的电路状态变量等物理信息，对于实现这一目标至关重要。在传统的基于物理模型的解决方案中，需要额外的测量电路来弥补拓扑转换时未知物理信息的缺失，否则就必须牺牲精度。为避免使用不必要的额外硬件，本文提出了一种扩展物理信息神经网络（e - PINN），它将伪标签生成网络集成到分段物理信息神经网络中。该网络能够精确识别关键系统参数，以及每个拓扑的持续时间和拓扑转换时的系统状态。在工作于不连续导电模式（D...
解读: 从阳光电源的业务视角来看，这项基于扩展物理信息神经网络（e-PINN）的参数识别技术具有显著的应用价值。该技术针对开关电源变换器在拓扑持续时间不确定情况下的参数识别难题，提出了无需额外硬件即可实现高精度识别的解决方案，这与我司在光伏逆变器和储能变流器领域的核心需求高度契合。 在实际应用层面，该技术...