找到 10 条结果 · 智能化与AI应用
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...
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 · 预计 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...
面向标签噪声鲁棒的时序分类方法：基于自监督标签校正
Label-Noise-Resistant Time-Series Classification With Self-Supervised Label Correction
Yimeng He · Zidong Wang · Weibo Liu · Jingzhong Fang 等6人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
工业系统可靠运行依赖精准的故障分类，但历史数据常含标签噪声，导致模型性能下降。本文提出LNRTSC方法，结合注意力机制编码器、局部一致性驱动的标签置信度评估及两阶段自监督增强（重建损失+改进对比损失），在TEP和SEU-gearbox数据集上显著提升噪声标签下的分类精度。
解读: 该方法可直接赋能阳光电源iSolarCloud智能运维平台及ST系列PCS、PowerTitan储能系统的故障早期识别与分类能力，尤其适用于光伏电站逆变器异常（如MPPT失效、IGBT过热）、储能BMS误报等标签不一致场景。建议将LNRTSC嵌入边缘侧轻量化模型，部署于组串式逆变器本地AI模块或Po...
基于移动边缘计算的网络物理能源系统中电动汽车智能充电策略
Mobile Edge Computing Based Intelligent Charging Strategy for Electric Vehicles in Cyber Physical Energy System
Gang Pan · Xin Guan · Ning Wang · Yongnan Liu 等8人 · IEEE Transactions on Vehicular Technology · 2025年9月 · Vol.75
本文提出融合移动边缘计算与深度强化学习的电动汽车智能充电策略，利用边缘侧Informer模型预测充电负荷，并通过实时交通与用户数据优化调度，缓解拥堵、降低碳排放，提升经济调度精度与用户满意度。
解读: 该研究与阳光电源充电桩及光储充一体化解决方案高度协同。其边缘智能调度框架可集成至iSolarCloud平台，赋能ST系列PCS和PowerStack在光储充场景中实现动态负荷预测与协同充放电决策；强化学习算法可嵌入户用/工商业充电桩控制器，提升绿电就地消纳率。建议将Informer+DRL模型轻量化...
基于改进物理信息神经网络的微电网分布式能源资源自适应参数估计
Adaptable Parameters Estimation for Microgrid Distributed Energy Resources Using Modified Physics-Informed Neural Network
Likun Chen · Yifan Wang · Wei Sun · Xuzhu Dong 等5人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
针对微电网中分布式能源动态模糊、数据稀缺导致的参数估计难题，本文提出一种改进物理信息神经网络（PINN）方法，融合小信号分析与ODE建模，支持多类DER自适应参数辨识；引入新型数据变换，训练速度提升达82.87%；实测验证误差<5%，具备强鲁棒性与泛化能力。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能变流器的模型自校准与数字孪生功能具直接支撑价值：可提升微网级光储协同控制中PCS、逆变器等设备的实时参数在线辨识精度，增强构网型（GFM）模式下的暂态响应可靠性。建议在iSolarCloud 3.0中集成轻量化PI...
MagNet-AI：作为磁性元件建模与材料推荐数据表的神经网络
MagNet-AI: Neural Network as Datasheet for Magnetics Modeling and Material Recommendation
Haoran Li · Diego Serrano · Shukai Wang · Minjie Chen · IEEE Transactions on Power Electronics · 2023年12月
本文介绍了MagNet-AI平台，该平台展示了“神经网络作为数据表”的概念，用于实现宽运行范围内功率磁性元件的B-H环路建模与材料推荐。研究摒弃了直接展示磁芯材料测量特性的传统方式，转而利用神经网络捕捉B-H环路映射关系，为磁性元件设计提供了高效的数字化解决方案。
解读: 磁性元件（电感、变压器）是阳光电源组串式/集中式光伏逆变器及PowerTitan/PowerStack储能变流器（PCS）的核心损耗部件。MagNet-AI提出的‘神经网络作为数据表’概念，可显著提升研发阶段磁性元件的设计精度与选型效率，优化高频化趋势下的磁芯损耗评估。建议研发团队引入该AI建模方法...
MagNet：用于建模功率磁性材料特性的机器学习框架
How MagNet: Machine Learning Framework for Modeling Power Magnetic Material Characteristics
Haoran Li · Diego Serrano · Thomas Guillod · Shukai Wang 等12人 · IEEE Transactions on Power Electronics · 2023年12月
本文提出了一种名为MagNet的开源机器学习框架，用于功率磁性材料建模。该框架整合了超过50万个实验测量的激励数据点，涵盖多种材料及运行工况。文章详细阐述了数据采集与质量控制流程，并展示了机器学习在提升磁性元件建模精度与效率方面的应用潜力。
解读: 磁性元件（电感、变压器）是阳光电源光伏逆变器和储能PCS的核心损耗源。MagNet框架提供的机器学习建模方法，可显著提升磁性元件在高频、复杂工况下的损耗预测精度，有助于优化PowerTitan等储能系统及组串式逆变器的磁性设计，实现更优的功率密度和效率。建议研发团队引入该数据库进行磁性材料特性拟合，...
基于注意力机制的永磁同步电机转子温度估计深度学习方法
Attention-Based Deep Learning Method for Rotor Temperature Estimation in Permanent Magnet Synchronous Motors
Hao Jing · Zifeng Chen · Lefei Ge · Xueqing Wang 等5人 · IEEE Transactions on Power Electronics · 2026年3月
永磁同步电机转子温度的实时精准估计对系统安全高效运行至关重要。本文提出了一种基于注意力机制的深度学习框架，旨在解决实际部署中面临的模型效率、稳定性及实现难度等挑战。通过轻量级编码器-GRU架构，该方法在性能评估中表现优异。
解读: 该技术主要应用于电机驱动控制领域，与阳光电源的风电变流器及电动汽车充电桩业务具有较强的技术协同性。在风电变流器中，电机转子温度的精准监测可提升变流器的热管理水平，预防过热故障，从而提高系统可靠性。在电动汽车充电桩业务中，该算法可用于优化充电模块内部风机或功率器件的温控策略。建议研发团队关注该轻量化深...
基于深度神经网络的激光无线能量传输光伏阵列动态重构
Dynamic Reconfiguration of Photovoltaic Arrays for Laser Wireless Power Transmission via Deep Neural Networks
Yanfengxu Sun · Guoliang Deng · Huomu Yang · Yuchao Chen 等6人 · IEEE Transactions on Power Electronics · 2024年6月
在激光无线能量传输（LWPT）中，云层和大气湍流会导致光伏阵列辐照不均匀，引发功率失配。本文提出利用深度神经网络进行光伏阵列动态重构，以有效提升系统功率输出，解决传统重构技术在复杂环境下的执行效率问题。
解读: 该技术通过深度学习优化光伏阵列的动态重构，旨在解决局部遮挡或非均匀辐照下的功率失配问题。对于阳光电源而言，该算法可集成至iSolarCloud智能运维平台或组串式逆变器的MPPT控制策略中，以提升复杂工况下的发电效率。虽然激光无线传输目前处于前沿探索阶段，但其核心的“阵列重构+AI优化”思路，可直接...
基于宽学习的高速列车牵引系统故障诊断增强研究
Enhanced Fault Diagnosis Using Broad Learning for Traction Systems in High-Speed Trains
Chao Cheng · Weijun Wang · Hongtian Chen · Bangcheng Zhang 等6人 · IEEE Transactions on Power Electronics · 2021年7月
高速列车牵引系统故障会威胁行车安全。针对高采样频率下的故障检测与诊断（FDD）难题，本文提出了一种基于宽学习（Broad Learning）的诊断策略，旨在提升系统的安全性和可靠性。
解读: 该文章提出的宽学习（Broad Learning）算法具有训练速度快、结构简洁的特点，在处理高频传感器数据方面表现优异。这对阳光电源的iSolarCloud智能运维平台具有重要参考价值。在光伏电站和储能系统（如PowerTitan、PowerStack）的运维中，设备运行数据量巨大且实时性要求高，引...