找到 2 条结果 · 智能化与AI应用
面向早期循环的自适应置信度校准半监督集成方法用于电池寿命预测
Adaptive confidence-calibrated semi-supervised ensemble for early-cycle battery lifetime prediction
Jianlong Bi · Zicheng Fei · Jin Wang · Applied Energy · 2026年4月 · Vol.409
本文提出一种自适应置信度校准的半监督集成方法，利用少量标注早期循环电池数据与大量无标签数据，提升电池剩余寿命（RUL）预测精度与可靠性。
解读: 该研究直接支撑阳光电源PowerTitan、PowerStack及ST系列PCS中嵌入式电池健康状态（SOH）与寿命预测功能升级。结合iSolarCloud平台，可实现储能电站全生命周期智能运维。建议将该算法集成至新一代PCS固件及BMS协同架构中，强化用户侧/电网侧储能项目的质保评估与二手电池梯次...
基于物理增强分层神经网络的电力变换器深度学习建模
Deep Learning-Based Modeling for Power Converters via Physics-Enhanced Hierarchical Neural Network
Qianyi Shang · Fei Xiao · Yaxiang Fan · Ruitian Wang 等5人 · IEEE Transactions on Power Electronics · 2026年4月
针对电力变换器时间序列建模中数据依赖性高、物理信息神经网络计算需求大及泛化能力差的问题，本文提出了一种物理增强的分层神经网络方法，旨在提升变换器建模的效率与精度，为电力电子系统的智能化建模提供新思路。
解读: 该技术对阳光电源的核心产品线具有显著价值。在光伏逆变器和PowerTitan/PowerStack储能变流器（PCS）的研发中，传统的物理建模在复杂工况下计算量大，而纯数据驱动模型缺乏物理约束。该物理增强分层神经网络能有效结合物理规律与AI算法，提升逆变器在电网波动、极端环境下的动态响应预测精度。建...