找到 3 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...
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，...
SolarFM：基于时间序列基础模型的时空太阳辐照度预测
SolarFM: Spatio-temporal solar irradiance forecasting based on time series foundation model
Shuo Shan · Weijing Dou · Victor Sreeram · Chenxi Li 等7人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出SolarFM，一种面向太阳能辐照度预测的时间序列基础模型，融合多源时空数据，提升短期至中期辐照度预测精度，支撑光伏功率预测与智能调度。
解读: 该技术可显著提升阳光电源iSolarCloud平台的功率预测精度，增强组串式逆变器和ST系列PCS在光储协同调度中的响应能力；建议将SolarFM嵌入iSolarCloud作为辐照-功率联合预测模块，并适配PowerTitan系统实现日前/日内动态充放电优化，提升光储一体化项目收益率。...