找到 10 条结果 · 智能化与AI应用
基于GAN-QRCNLSTM与高分辨率数据重构的日前光伏功率概率密度预测
Day-Ahead PV Power Probability Density Forecasting With GAN-QRCNLSTM Based on High-Resolution Data Reconstruction
Yaoyao He · Xiaolin Chen · Yifan Zhang · Xiaodong Yang · IEEE Transactions on Industrial Informatics · 2025年12月 · Vol.22
本文提出一种融合高分辨率多维相似时刻选择、GAN增强NWP-实测联合分布建模及QRCNLSTM多分支时空特征提取的概率预测模型，显著提升复杂天气下日前光伏功率预测精度与不确定性量化能力。
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、ST系列PCS的功率预测与协同调度需求。模型可嵌入iSolarCloud实现分钟级概率化发电预测，支撑PowerTitan储能系统在调峰调频中的动态充放电决策；建议将GAN-QRCNLSTM轻量化后集成至SG系列逆变器边缘AI模...
物理信息梯度估计加速基于深度学习的交流最优潮流
Physics-Informed Gradient Estimation for Accelerating Deep Learning-Based AC-OPF
Kejun Chen · Shourya Bose · Yu Zhang · IEEE Transactions on Industrial Informatics · 2025年3月
通过采用基于神经网络的响应式在线求解器，可以快速且可靠地解决最优潮流（OPF）问题。可再生能源发电的动态特性和电网条件的多变性要求利用新的数据实例频繁更新神经网络。为满足这一需求并减少数据准备所需的时间，我们提出了一种借助数据增强的半监督学习框架。在此框架下，岭回归取代了传统求解器，便于快速预测给定输入负荷需求的最优解。此外，为了在训练过程中加速反向传播，我们开发了新颖的批量均值梯度估计方法，并采用简化支路集来降低梯度计算的复杂度。数值模拟表明，配备了所提出的梯度估计器的神经网络能够始终获得可行...
解读: 从阳光电源的业务视角来看，这项基于深度学习的交流最优潮流（AC-OPF）加速技术具有重要的战略价值。随着我司在新能源发电和储能系统领域的深度布局，如何实现分布式能源的实时优化调度已成为核心技术挑战。 该论文提出的物理信息梯度估计方法直击新能源并网的关键痛点。光伏、风电等可再生能源的间歇性和波动性要...
基于电流-电压转换的光伏阵列故障预诊断、类型识别及程度诊断方法
Fault Prediagnosis, Type Identification, and Degree Diagnosis Method of the Photovoltaic Array Based on the Current–Voltage Conversion
Xiang Chen · Meng Jiang · Kun Ding · Zenan Yang 等7人 · IEEE Transactions on Power Electronics · 2024年12月
本文提出了一种基于电流-电压（I-V）转换的光伏阵列故障诊断方法。通过I-V转换技术消除环境条件对数据的影响，为故障预诊断、类型识别及程度评估提供了可靠的数据基础，有效提升了光伏电站的运维效率与安全性。
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。通过将该故障诊断算法集成至iSolarCloud，可实现对组串式及集中式逆变器接入的光伏阵列进行远程实时监测与故障预警，显著降低运维成本。该方法通过消除环境干扰，能精准识别遮挡、老化或短路等故障类型，有助于提升阳光电源大型地面...
基于集成学习和电压重构的锂离子电池健康状态估计
Ensemble Learning and Voltage Reconstruction Based State of Health Estimation for Lithium-Ion Batteries With Twenty Random Samplings
Xing Shu · Zheng Chen · Jiangwei Shen · Shiquan Shen 等7人 · IEEE Transactions on Power Electronics · 2023年4月
针对电动交通工具中锂离子电池随机充放电行为导致的健康状态（SOH）估计精度下降问题，本文提出了一种基于集成学习和电压重构的SOH估计框架。该方法通过处理随机采样数据，有效提升了在线SOH估计的准确性与鲁棒性。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及户用储能）具有极高价值。目前储能系统在实际运行中面临工况复杂、数据碎片化等挑战，该集成学习框架可深度集成至iSolarCloud智能运维平台及BMS算法中，通过电压重构技术提升电池全生命周期SOH监测精度。这不仅能优化电池资产的...
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...
面向实时电价预测的电网物理信息驱动与时间自适应堆叠学习：短中期协同方法
Grid physics-informed and time-adaptive stacked learning for real-time electricity price forecasting: a short-term to mid-term approach
Yawen Yi · Xinyu Chen · Zhiyong Tian · Yuxin Zhang · Applied Energy · 预计 2026年5月 · Vol.410
本文提出一种融合电网物理约束与时间动态特性的堆叠学习框架，用于提升短期至中期电力市场价格预测精度，支持源网荷储协同优化决策。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能PCS的能源调度策略具有直接价值。通过物理信息嵌入的时序预测模型，可增强光储系统在电力市场中的报价精度与调峰调频响应能力。建议将该算法集成至iSolarCloud的电价预测模块，并适配ST系列PCS的本地边缘推理单...
面向任务的参数解耦框架用于持续异常检测
A Task-Aware Parameter Decoupling Framework for Continual Anomaly Detection
Zhizhong Zhang · Guchu Zou · Chengwei Chen · Zhenyi Qi 等10人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
本文提出一种面向工业场景的持续异常检测框架，基于ViT重构架构，融合实例感知提示调优（IPT）和梯度感知参数解耦（GPD），缓解灾难性遗忘，提升多阶段缺陷模式识别能力，在MVTec等数据集上达到SOTA性能。
解读: 该持续异常检测技术可赋能阳光电源iSolarCloud智能运维平台及ST系列PCS、PowerTitan储能系统的设备级故障预测与自适应诊断。尤其适用于光伏电站组件热斑、PID、接线盒失效等新型缺陷的增量式识别，以及储能系统BMS与PCS协同运行中未知工况异常的在线演化建模。建议在组串式逆变器边缘侧...
基于双分支专家融合记忆网络的大规模配电网净负荷高效预测
Efficient Net Load Forecasting in Large-Scale Power Distribution Systems via Dual-Branch Experts Fusion Memory Network
Shijie Li · Ruican Hu · Guanlin Chen · Lulu Chen 等10人 · IEEE Transactions on Power Systems · 2025年8月 · Vol.41
本文针对高比例可再生能源接入下配电网净负荷预测难题，提出双分支专家融合记忆网络（DEFMN），分别建模负荷与分布式电源的异质性，并融合时空相关性。在IEEE 8500节点系统验证中，该模型在MAPE等指标上达到SOTA性能。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能PCS的日前-日内净负荷预测能力具有直接提升价值。DEFMN可嵌入iSolarCloud的AI预测引擎，优化光储协同调度策略；尤其适用于工商业光伏+用户侧储能场景中多类型DG（如组串式逆变器、充电桩、小型风电变流器...
受脑启发的深度强化学习在复合干扰下电力系统负荷频率控制中的应用
Brain-Inspired Deep Reinforcement Learning for Load Frequency Control of Power Systems With Composite Interference
Xiaoming Sun · Chen Peng · Xinchun Jia · Yajian Zhang · IEEE Transactions on Industrial Informatics · 2025年4月
本文针对存在内部噪声和外部负荷波动复合干扰的电力系统，提出了一种受大脑启发的基于深度强化学习（DRL）的负荷频率控制框架。具体而言，受人类大脑决策过程的启发，系统状态的一些历史、当前和未来特征被充分提取到经验池中，以便深度强化学习智能体进行高效训练。同时，设计了一种渐进式训练机制，通过逐步增加训练目标将训练过程划分为多个阶段，以减少训练过程中的盲目性。此外，针对复合干扰，预先学习一些模拟干扰，以提高深度强化学习智能体的适应性。在单发电机组电力系统上的实验结果表明，所提出的方法能够在复合干扰下有效...
解读: 从阳光电源的业务视角来看，这项基于脑启发式深度强化学习的负荷频率控制技术具有重要的战略价值。随着公司光伏逆变器和储能系统在全球电网中的装机规模持续扩大，如何应对新能源接入带来的频率波动问题已成为核心技术挑战。 该技术的创新点与阳光电源的实际需求高度契合。首先，其针对"内部噪声与外部负荷波动复合干扰...
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...