找到 195 条结果 · 智能化与AI应用
基于低保真物理引导的并行-in-时间神经网络仿真方法用于网络化微电网动态模拟
Parallel-in-Time Neural Simulation of Networked Microgrids With Low-Fidelity Physics Guidance
Yao Xiao · Yifan Zhou · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出LPHN-Sim方法，融合Mori-Zwanzig物理求解器与高保真神经网络，实现网络化微电网的并行-in-时间动态仿真；采用轻量物理信息损失函数训练，在保证精度的同时提升效率，可同时生成多时间点轨迹并准确刻画多时间尺度动态特性。
解读: 该研究高度契合阳光电源在构网型微电网、光储协同智能仿真与iSolarCloud平台升级中的技术需求。LPHN-Sim可嵌入PowerTitan/ST系列PCS的数字孪生模块，加速故障穿越、黑启动等暂态场景仿真验证；亦可赋能组串式逆变器群控算法开发，支撑弱电网下多时间尺度协同控制优化。建议在iSola...
基于鲁棒强化学习的网络化微电网韧性运行方法
Robust Reinforcement Learning-Based Resilient Operation of Networked Microgrids
Guokai Hao · Yuanzheng Li · Yang Li · Jiehui Zheng 等7人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对工业园区微电网（PIPMG）在主网故障下供电韧性不足问题，本文提出连接园区微电网与社区微电网的网络化微电网（NMG）架构，并设计鲁棒强化学习算法优化调度策略，确保仿真到实机迁移中性能下界可控，提升关键负荷支撑能力与跨微电网功率动态协同能力。
解读: 该研究高度契合阳光电源在构网型微电网与智能能量管理领域的战略布局。其鲁棒强化学习调度框架可直接赋能iSolarCloud平台的微电网群协同决策模块，并适配ST系列PCS及PowerTitan系统在多微电网互联场景下的动态功率分配与黑启动支援功能。建议将该算法集成至PowerStack集群控制器固件，...
基于多智能体伦理增强技术的多微电网电-碳联合点对点交易方法
Multi-Microgrids Peer to Peer Electricity-Carbon Joint Trading Method Based on Multi-Agent Ethical Enhancement Technology
Fashun Shi · Lin Cheng · Yuguang Song · Pengjie Zhao 等7人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种融合伦理原则的多智能体安全强化学习算法，用于多微电网电-碳联合能量管理。通过引入碳交易机制、上置信界-增广拉格朗日安全RL框架及几何变换隐私保护模块，在保障电力平衡与低碳经济运行的同时，实现‘不伤害’与隐私保护双重伦理目标。
解读: 该研究高度契合阳光电源在光储协同与智能微电网领域的战略布局。其电-碳联合P2P交易框架可直接赋能iSolarCloud平台升级为碳感知型智能运维系统；安全强化学习算法可用于优化ST系列PCS及PowerTitan在多微网场景下的动态功率分配与碳足迹追踪；隐私保护模块亦可集成至组串式逆变器边缘侧决策单...
面向时空可再生能源预测的图状态空间模型
Graph State-Space Models for Spatio-Temporal Renewable Energy Forecasting
Alessio Verdone · Simone Scardapane · Rodolfo Araneo · Massimo Panella · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出基于图结构的状态空间模型，用于提升风电与光伏电站功率的时空联合预测精度。针对计算开销问题，设计轻量级miniGConvLSTM/GRU模型，在精度与资源效率间取得平衡，支撑实际能源管理系统部署。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的短期功率预测需求。图神经网络融合状态空间建模可显著提升多站点光伏电站（如组串式逆变器集群）与风电场协同预测精度，优化ST PCS的充放电调度策略；建议将miniGConvGRU嵌入iSolarCloud...
主动配电网、互联微电网与电动汽车的协同运行：一种多智能体PPO优化方法
Coordinated Operation of Active Distribution Network, Networked Microgrids, and Electric Vehicles: A Multi-agent PPO Optimization Method
作者未知 · 中国电机工程学会热电联产 · 2025年9月 · Vol.2025
本文提出基于多智能体近端策略优化（MAPPO）的协同优化策略，融合可再生能源不确定性与电动汽车调度灵活性，在日前-日内两阶段实现互联微电网经济调度与主动配电网影响抑制；采用GAN生成光伏/负荷/EV场景，提升实时决策鲁棒性。
解读: 该研究高度契合阳光电源ST系列PCS、PowerTitan储能系统及iSolarCloud平台在多主体协同控制与AI驱动智能调度方向的战略布局。MAPPO算法可嵌入iSolarCloud实现微电网群+EV集群的分布式实时优化，提升PowerTitan在源网荷储协同场景下的响应精度与经济性；建议将MA...
基于改进时间卷积网络与特征建模的超短期光伏发电功率预测
Ultra-short-term Photovoltaic Power Prediction Based on Improved Temporal Convolutional Network and Feature Modeling
作者未知 · 中国电机工程学会热电联产 · 2025年9月 · Vol.2025
本文提出一种融合Spearman气象特征筛选、天文特征建模与改进时间卷积网络（TCN）的超短期光伏功率预测方法。通过引入投影头层和滚动时序机制，显著提升多步预测精度，在无气象数据下4小时预测误差降低20.5%，加入短波辐射后进一步提升8.8%–11.1%。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及组串式逆变器的功率预测需求。其改进TCN模型可嵌入iSolarCloud边缘-云协同架构，提升ST系列PCS和PowerTitan储能系统在光储联合调度中的出力预判精度；建议将该算法集成至逆变器本地AI模块，支撑户用/工商业场景下分钟级功率自...
一种用于跨多种变换器类型的多任务故障诊断的由粗到精神经网络框架
A Coarse-to-Fine Neural Network Framework for Multitask Fault Diagnosis Across Diverse Converter Types
Fan Wu · Kai Chen · Hao Ying · Gen Qiu 等5人 · IEEE Transactions on Power Electronics · 2025年9月
本文提出了一种基于多任务神经网络的联合故障诊断模型，旨在解决多种变换器类型下的故障诊断问题。该方法通过由粗到精的策略，有效提取共享故障特征，提升了诊断性能并降低了开发成本，为开发便携式、通用化的智能诊断工具提供了新思路，克服了传统方法中负迁移带来的挑战。
解读: 该技术对于阳光电源的iSolarCloud智能运维平台具有极高的应用价值。阳光电源产品线涵盖光伏逆变器、储能PCS（如PowerTitan/PowerStack）及风电变流器等多种设备，该框架通过多任务学习实现跨设备类型的故障诊断，能显著降低针对不同产品线单独开发诊断算法的成本。建议将其集成至iSo...
电力电子数字孪生技术综述：现状与未来趋势
An Overview of Digital Twin Technology for Power Electronics: State-of-the-Art and Future Trends
Chenhao Wu · Zhexin Cui · Qian Xia · Jiguang Yue 等5人 · IEEE Transactions on Power Electronics · 2025年9月
本文综述了数字孪生（DT）技术在电力电子系统中的应用现状。随着数字化转型加速，DT技术成为提升系统信息化与智能化水平的关键，涵盖了从建模、实时监测到故障预测的多种前沿技术，为电力电子系统的全生命周期管理提供了新范式。
解读: 数字孪生技术是阳光电源实现产品全生命周期智能运维的核心。在iSolarCloud平台中，引入数字孪生可实现组串式逆变器和PowerTitan储能系统的实时状态镜像，通过多物理场耦合仿真，精准预测功率模块及电芯的健康状态（SOH）。建议在PowerStack储能系统及大型光伏电站中部署基于DT的故障诊...
LDNet-RUL：用于锂离子电池剩余寿命预测的轻量化可变形神经网络
LDNet-RUL: Lightweight Deformable Neural Network for Remaining Useful Life Prognostics of Lithium-Ion Batteries
Xiankui Wu · Penghua Li · Zhongwei Deng · Zhitao Liu 等7人 · IEEE Transactions on Power Electronics · 2025年9月
针对深度神经网络在电池剩余寿命（RUL）预测中计算成本高、推理时间长及易过拟合的问题，本文提出了轻量化高性能模型LDNet-RUL。该模型专为内存受限的边缘设备设计，有效提升了锂离子电池寿命预测的效率与准确性，解决了在嵌入式端侧部署的挑战。
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。目前储能系统依赖BMS进行状态监控，引入LDNet-RUL轻量化模型可直接部署于BMS边缘控制器或iSolarCloud平台，实现更精准的电池健康状态（SOH）评估与寿命预测。这不仅能优化电池集群的...
基于可迁移知识共享网络的锂离子电池SOH与RUL同步预测
Simultaneous Prediction of SOH and RUL for Lithium-Ion Batteries Using Transferable Knowledge Sharing Network
Kai Zhong · Zhihao Liu · Jiaqiang Tian · Chao Fan 等8人 · IEEE Transactions on Power Electronics · 2025年9月
锂离子电池的健康状态（SOH）和剩余使用寿命（RUL）预测对电力系统的安全运行至关重要。针对现有方法在泛化能力、预测精度及多任务协同方面的不足，本文提出了一种可迁移知识共享网络，实现了SOH与RUL的同步预测，有效提升了复杂工况下的预测性能。
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。通过引入可迁移知识共享网络，BMS系统能够更精准地评估电池衰减状态，提升电池全生命周期的安全性与运维效率。建议将该算法集成至iSolarCloud智能运维平台，通过大数据分析实现电池簇的精细化管理，...
ALD法制备的高-k ZrAlOx介质用于提升CNTs/ZTO CMOS反相器性能
ALD-derived high-k ZrAlOx dielectrics for boosted performance of CNTs/ZTO CMOS inverter
Jun Yang · Chuanxin Huang · Zhaorui Tong · Hongyu Fan 等6人 · Applied Physics Letters · 2025年8月 · Vol.127
本研究采用原子层沉积（ALD）技术制备了高介电常数（high-k）ZrAlOx介质，并应用于碳纳米管/氧化锌锡（CNTs/ZTO）互补金属氧化物半导体（CMOS）反相器中。通过优化ZrAlOx介电层的组分与工艺，有效提升了器件的栅控能力与界面特性，显著改善了CMOS反相器的电压增益、噪声容限及开关性能。实验结果表明，该高-k介质可有效抑制栅极泄漏电流并增强跨导，从而实现更优异的整体电学性能。此方法为高性能柔性及低温集成电子器件的发展提供了可行的技术路径。
解读: 该高-k介质CMOS技术对阳光电源功率电子控制系统具有重要参考价值。ALD制备的ZrAlOx介质展现的低泄漏、高跨导特性，可启发ST储能变流器和SG光伏逆变器中栅极驱动电路的优化设计，特别是SiC/GaN功率器件的栅极介质改进，有助于降低开关损耗、提升驱动响应速度。该技术的低温工艺特性适用于iSol...
基于微调策略的跨工况船用柴油机故障诊断通用迁移学习框架
A universal transfer learning framework for cross-working-condition marine diesel engine fault diagnosis based on fine-tuning strategy
Zeyu Shia · Zhongwei Wanga · Zhiguo Yuana · Muyu Wanga 等6人 · Applied Energy · 2025年8月 · Vol.392
摘要 船用柴油机（MDEs）及时且准确的故障诊断（FD）对于提升船舶动力系统的安全性和可靠性至关重要。MDEs在变工况下运行，导致其运行状态和故障数据存在显著差异。这种变异性降低了数据驱动FD模型的适应能力，而这些模型通常是基于单台发动机或特定工况下的数据构建的。为解决上述问题，本研究提出了一种基于深度迁移学习与微调策略的MDEs故障诊断框架。为了增强故障特征提取能力，引入了一种数据层级融合方法用于数据重构。此外，提出了一种新型混合预训练网络，结合CNN + GRU与KAN，以获取源域数据的全面...
解读: 该跨工况迁移学习故障诊断框架对阳光电源储能系统(ST系列PCS、PowerTitan)及光伏逆变器(SG系列)具有重要应用价值。文章提出的CNN+GRU+KAN混合网络和精细调优策略,可应用于不同环境工况下的功率器件(SiC/IGBT)健康监测与故障预测。该方法能有效解决iSolarCloud平台中...
基于稀疏模型集成学习策略的主动配电网端到端协同优化调度
End-to-End Collaborative Optimization for Active Distribution Network Power Dispatch Based on Sparse Model-Ensemble Learning Policy
Lilin Cheng · Kang Sun · Haixiang Zang · Guoqiang Sun 等5人 · IEEE Transactions on Sustainable Energy · 2025年8月 · Vol.17
针对分布式新能源高渗透下源荷双不确定性导致的传统‘预测-优化’调度性能偏差问题，本文提出端到端调度策略，跳过功率预测环节，直接融合数值天气预报等多源信息决策；采用稀疏模型集成学习与约束策略优化求解，在光伏无功调节与需求响应场景中显著提升实时调度性能。
解读: 该研究高度契合阳光电源在智能调度与光储协同控制领域的战略布局。其端到端AI调度框架可直接赋能iSolarCloud平台升级，提升对ST系列PCS、PowerTitan及组串式逆变器集群的实时协同调控能力；尤其适用于工商业光储一体化项目中的动态无功支撑与需求响应。建议将稀疏模型集成策略嵌入iSolar...
基于代理标签引导的锂离子电池鲁棒健康监测：一种深度多任务学习方法
Robust Health Monitoring for Lithium-Ion Batteries Under Guidance of Proxy Labels: A Deep Multitask Learning Approach
Ruohan Guo · Kui Zhang · Shangyang He · Shengyu Tao 等10人 · IEEE Transactions on Power Electronics · 2025年8月
针对锂离子电池健康状态（SOH）估计中标签数据匮乏导致的泛化能力不足问题，本文提出了一种深度多任务学习方法。通过利用常规运行数据中的老化信息作为代理标签，有效提升了电池健康监测的鲁棒性，为电池全生命周期管理提供了新的数据驱动解决方案。
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。目前储能系统在电网侧和工商业侧应用中，电池SOH的精准评估是保障系统安全与延长寿命的核心。该深度学习方法能有效解决实际运行中标签数据缺失的痛点，提升BMS的健康管理精度。建议将其集成至iSolarC...
一种基于时频马尔可夫排列转移场的光伏系统串联电弧故障检测方法
A Series Arc Fault Detection Method Based on Time-Frequency Markov Permutation Transition Field for Photovoltaic Systems With Power Electronic Devices
Zhendong Yin · Shuang Peng · Chunyu Xiao · Li Wang 等5人 · IEEE Transactions on Power Electronics · 2025年8月
串联电弧故障（SAF）是光伏系统火灾的主要诱因。在电力电子设备干扰下，准确快速地检测SAF仍面临巨大挑战。本文提出了一种基于时频马尔可夫排列转移场（TFMPTF）的SAF检测方法。首先，利用变分模态分解对电流信号进行分解，通过特征提取与分类算法实现对电弧故障的精准识别。
解读: 该研究直接针对光伏系统安全核心痛点，对阳光电源的组串式逆变器及户用逆变器产品线具有极高应用价值。目前阳光电源逆变器已具备AFCI（电弧故障断路器）功能，该方法通过引入时频马尔可夫排列转移场，能有效提升在复杂电力电子干扰环境下的故障识别精度，降低误报率。建议研发团队将该算法集成至iSolarCloud...
基于氟等离子体处理双极型SnO薄膜晶体管的高增益CMOS样反相器
High-Gain CMOS-Like Inverters Based on F-Plasma-Treated Ambipolar SnO Thin-Film Transistors
Zening Gao · Peng Dai · Ning Wang · Yiwen Yao 等6人 · IEEE Transactions on Electron Devices · 2025年7月
尽管基于双极型薄膜晶体管（TFT）的类互补金属氧化物半导体（CMOS）反相器因其简化的制造工艺和高集成密度而备受关注，但实现高性能双极型TFT仍具有挑战性。在这项工作中，我们系统地研究了不同退火和钝化方案（包括无钝化退火（AWP）、钝化前退火（ABP）和钝化后退火（AAP）），以及使用二氧化硅（SiO₂）、氧化铝（Al₂O₃）和氧化铪（HfO₂）钝化层（PVL）对氧化锡（SnO）TFT性能的影响。其中，采用AAP - Al₂O₃工艺的器件表现出最平衡的p型和n型导电性能以及优异的负偏压应力（NB...
解读: 从阳光电源的业务视角来看，这项基于氟等离子体处理的双极性SnO薄膜晶体管（TFT）技术呈现出显著的应用潜力，特别是在光伏逆变器和储能系统的控制电路优化方面。 该技术的核心价值在于通过简化的CMOS类逆变器架构实现了289倍的高电压增益，这对我们的产品线具有重要意义。在光伏逆变器的栅极驱动电路和信号...
基于(Sr,Ca)ZrO3-Sr0.75Bi0.167TiO3陶瓷的U2J介质材料的制备与介电性能
Fabrication and dielectric properties of U2J dielectrics based on (Sr,Ca)ZrO3-Sr0.75Bi0.167TiO3 ceramics
Paraelectric U2J dielectrics have great potential for use in power electronics. In this work · Journal of Materials Science: Materials in Electronics · 2025年7月 · Vol.36.0
顺电型U2J介质材料在电力电子领域具有广阔的应用前景。本研究系统地探讨了(1-x)Sr0.75Bi0.167TiO3-x(SryCa1-y)ZrO3陶瓷体系U2J介质材料的制备工艺及其介电性能。当x = 0.2–0.5时，(1-x)Sr0.75Bi0.167TiO3-xCaZrO3陶瓷中存在杂相；在0.5Sr0.75Bi0.167TiO3-0.5(SryCa1-y)ZrO3体系中，随着Sr含量的增加，杂相含量逐渐降低。当x = 0.5且y = 0.2时，材料表现出最优的介电性能，满足U2J介质的...
解读: 该U2J介电陶瓷技术对阳光电源功率电子产品具有重要应用价值。其高介电常数(124.5)、低损耗(<0.001)和优异温度稳定性(-683ppm/°C)特性,可显著提升ST系列PCS和SG逆变器中直流母线电容、滤波电容的性能密度。1240°C低温烧结工艺支持铜电极应用,有助于降低成本。该材料的温度补偿...
基于灰色关联分析与Transformer-GCAN模型的县域分布式光伏日前功率预测
County-Level Distributed PV Day-Ahead Power Prediction Based on Grey Correlation Analysis and Transformer-GCAN Model
Pei Zhang · Bin Zhang · Jinliang Yin · Jie Shi · IEEE Transactions on Sustainable Energy · 2025年7月 · Vol.17
针对县域内分布式光伏电站存在的时空相关性，本文提出融合灰色关联分析与Transformer-GCAN模型的日前功率预测方法：利用灰色关联度构建光伏站图结构，结合Transformer提取时序特征、GAT增强空间注意力建模，最终实现高精度县域级预测。实测显示RMSE在晴/阴/雨天分别降低11.90%/15.72%/19.61%。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及组串式逆变器集群的日前调度需求。其Transformer-GCAN模型可嵌入iSolarCloud的功率预测引擎，提升县域级分布式光伏出力预测精度，支撑ST系列PCS和PowerTitan储能系统的协同充放电决策。建议将灰色关联图构建模块集成...
面向多目标工况的电池健康状态估计的多源域元学习网络
Multisource Domain Metalearning Network for Battery State-of-Health Estimation Under Multitarget Working Conditions
Mengqi Miao · Chaoang Xiao · Jianbo Yu · IEEE Transactions on Power Electronics · 2025年7月
电池健康状态（SOH）估计对电池寿命预测至关重要。工况差异导致的域偏移现象是准确估计SOH的主要障碍。本文提出一种多源域元学习网络，通过最小化不同工况下的分布差异，解决电池SOH估计中的域偏移问题，提升在多目标工况下的预测精度。
解读: 该研究直接服务于阳光电源的储能业务核心需求。在PowerTitan和PowerStack等大型储能系统中，电池全生命周期的SOH精准评估是保障系统安全与收益的关键。该元学习算法能有效解决不同温度、充放电倍率等复杂工况下的数据分布偏移问题，显著提升BMS的预测精度。建议将此算法集成至iSolarClo...
电力电子中的数字孪生：增强虚拟热感知的综合方法
Digital Twins in Power Electronics: A Comprehensive Approach to Enhance Virtual Thermal Sensing
R. Torchio · F. Conte · M. Scarpa · M. Filippini 等11人 · IEEE Transactions on Power Electronics · 2025年5月
传统材料研究与硬件设计已难以满足现代电力电子运维需求。过度设计与冗余数据采集导致成本高昂。本文提出数字孪生（DT）技术，通过物理系统的实时仿真模型，为电力电子设备提供虚拟热感知能力，旨在优化运维效率并降低成本。
解读: 该技术对阳光电源的iSolarCloud智能运维平台及全系列产品（如PowerTitan储能系统、组串式逆变器）具有重大价值。通过引入数字孪生与虚拟热感知，可实现对功率模块内部温度的实时精准监测，替代昂贵的物理传感器，从而降低硬件成本并提升系统可靠性。建议在PowerTitan等核心储能产品中集成此...
第 2 / 10 页