找到 2 条结果 · 智能化与AI应用
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...
基于物理信息神经网络的IPT系统多参数与线圈偏移联合估计
Physics-Informed Neural Networks for Joint Estimation of Multiparameters and Coil Misalignment in IPT Systems
Zhan'anxin Tong · Jianhui Su · Gang Yang · Asif Ali 等7人 · IEEE Transactions on Power Electronics · 预计 2026年6月
针对感应电能传输（IPT）系统，本文提出了一种基于物理信息神经网络（PINN）的多参数联合辨识方法。通过将阻抗角、互感及负载关系的物理约束嵌入神经网络，实现了对互感和负载参数的实时感知，有效提升了系统运行调节与状态监测的精度。
解读: 该技术主要针对无线充电（IPT）领域，与阳光电源的电动汽车充电桩业务具有潜在协同效应。随着大功率无线充电技术的发展，利用PINN实现高精度的参数辨识和偏移检测，可显著提升充电桩的效率与安全性。建议研发团队关注该算法在车载无线充电模块中的应用，通过将物理模型与AI算法融合，优化充电控制策略，提升用户体...