找到 14 条结果 · 智能化与AI应用
基于端点密集格拉姆特征编码与Mixup增强域对抗网络的多构型光伏阵列跨阵列故障诊断
Cross-array fault diagnosis of photovoltaic arrays with different configurations based on endpoint-dense gram feature encoding and mixup-enhanced domain adversarial network
Jiaqi Qu · Pengyuan Ma · Qiang Sun · Xiaogang Wu 等7人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出一种融合端点密集格拉姆图编码与Mixup增强域对抗网络的跨阵列故障诊断方法，提升不同拓扑、朝向、遮挡条件下光伏阵列的泛化故障识别能力。
解读: 该研究直接支撑阳光电源组串式逆变器（如SG系列）及iSolarCloud智能运维平台的故障预警升级。其跨配置鲁棒诊断能力可显著提升复杂山地/屋顶电站中多朝向、多倾角阵列的隐性故障识别精度；建议将模型轻量化后嵌入ST系列PCS边缘侧推理模块，并与PowerTitan储能系统联动实现‘光-储-智’协同诊...
电路到图：基于多维泛化的功率变换器建模
Circuit-to-Graph: Power Converters Modeling With Multidimensional Generalization
Weihao Lei · Fanfan Lin · Xin Zhang · Xinze Li 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年11月 · Vol.14
本文提出Circuit-to-Graph（C2G）方法，利用图神经网络（GNN）建模功率变换器全局结构特征，并结合领域自适应（DA）实现跨工况、调制策略和拓扑结构的高效泛化建模，显著提升小样本预测精度与训练效率。
解读: 该C2G方法高度适配阳光电源ST系列PCS、PowerTitan储能系统及组串式光伏逆变器的智能建模需求，可支撑iSolarCloud平台对多型号、多场景下设备损耗、温升与效率的快速精准预测。建议在下一代PCS固件中嵌入轻量化GNN推理模块，结合实时运行数据在线校准模型，提升故障预警与寿命评估能力；...
基于代理标签引导的锂离子电池鲁棒健康监测：一种深度多任务学习方法
Robust Health Monitoring for Lithium-Ion Batteries Under Guidance of Proxy Labels: A Deep Multitask Learning Approach
Ruohan Guo · Kui Zhang · Shangyang He · Shengyu Tao 等10人 · IEEE Transactions on Power Electronics · 2025年8月
针对锂离子电池健康状态（SOH）估计中标签数据匮乏导致的泛化能力不足问题，本文提出了一种深度多任务学习方法。通过利用常规运行数据中的老化信息作为代理标签，有效提升了电池健康监测的鲁棒性，为电池全生命周期管理提供了新的数据驱动解决方案。
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。目前储能系统在电网侧和工商业侧应用中，电池SOH的精准评估是保障系统安全与延长寿命的核心。该深度学习方法能有效解决实际运行中标签数据缺失的痛点，提升BMS的健康管理精度。建议将其集成至iSolarC...
基于多层长短期记忆网络的光伏电站数据完整性攻击检测与诊断
Detection and Diagnosis of Data Integrity Attacks in Solar Farms Based on Multilayer Long Short-Term Memory Network
Fangyu Li · Qi Li · Jinan Zhang · Jiabao Kou 等7人 · IEEE Transactions on Power Electronics · 2021年3月
随着光伏系统数字化程度提高，网络安全威胁日益严峻。本文提出一种基于深度序列学习的诊断方案，利用多层长短期记忆网络（LSTM）检测并识别光伏电站中的数据完整性攻击，为电力电子变换器的网络物理安全提供有效防护。
解读: 随着阳光电源iSolarCloud平台接入规模的扩大，电站数据安全已成为运维核心。该研究提出的多层LSTM诊断模型可直接集成至iSolarCloud的智能运维算法库中，用于实时监测组串式逆变器及PowerTitan储能系统的遥测数据异常。通过识别数据完整性攻击，可有效防止恶意指令导致的逆变器误动作或...
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。...
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...
港口微电网风险运行状态恢复方法——融合柔性资源
Port Microgrids Risk Operational States Recovery Method Incorporating Flexible Resources
Zhibo Zhang · Bowen Zhou · Juan Zhang · Guangdi Li 等6人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对港口微电网中分布式电源投切、孤岛切换及冲击负荷引发的风险运行状态，本文提出基于一致性控制的功率平滑策略和融合柔性资源的多智能体深度强化学习恢复方法，实现频率快速恢复与经济性调度。
解读: 该研究对阳光电源ST系列储能变流器（PCS）在港口微电网中的构网型（GFM）运行与黑启动能力提升具有直接参考价值；其多智能体强化学习框架可适配iSolarCloud平台进行柔性资源协同优化，建议将相关算法嵌入PowerTitan系统能量管理模块，增强其在孤岛/并网模式切换及冲击负荷下的动态响应与自主...
基于混合注意力深度强化学习的纯电动汽车健康感知集成热管理策略
Health-Conscious Integrated Thermal Management Strategy Using Hybrid Attention Deep Reinforcement Learning for Battery Electric Vehicles
Changcheng Wu · Jiankun Peng · Dawei Pi · Xin Guo 等7人 · IEEE Transactions on Power Electronics · 2025年10月
本文针对纯电动汽车（BEV），提出了一种考虑电池健康状态的集成热管理策略（ITMS）。通过引入混合注意力深度强化学习算法，在保证座舱舒适度的同时，有效延长了续航里程并优化了电池寿命，为电动汽车热管理系统的智能化控制提供了新方案。
解读: 该研究采用的深度强化学习与注意力机制，对阳光电源的充电桩业务及储能系统（如PowerStack/PowerTitan）具有重要借鉴意义。在充电桩产品中，集成热管理策略可优化充电过程中的温控效率，提升用户充电体验；在储能系统领域，该算法可用于BMS的精细化热管理，通过预测性控制延长电池组循环寿命，降低...
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...
面向决策的学习在不确定性电力系统决策中的应用
Decision-Focused Learning for Power System Decision-Making Under Uncertainty
Haipeng Zhang · Ran Li · Qintao Du · Junyi Tao 等12人 · IEEE Transactions on Power Systems · 2025年8月 · Vol.41
本文综述了决策聚焦学习（DFL）在电力系统中的应用，提出以决策损失替代统计损失的端到端范式，构建场景、分类、应用与对比基准四维分析框架，并开源电力系统专用评估基准，为DFL工程落地提供技术路线图。
解读: 该文对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的优化调度具有直接参考价值：DFL可提升光伏出力-负荷-电价多源不确定性下的实时功率指令生成质量，增强组串式逆变器与PCS协同响应能力。建议在iSolarCloud中集成DFL模块，面向光储一体化电站开展成本敏感...
基于异常发热与深度学习算法的电动汽车电池热失控故障预测
Battery Thermal Runaway Fault Prognosis in Electric Vehicles Based on Abnormal Heat Generation and Deep Learning Algorithms
Da Li · Peng Liu · Zhaosheng Zhang · Lei Zhang 等9人 · IEEE Transactions on Power Electronics · 2022年7月
针对电动汽车在复杂工况下电池热失控预测难的问题，本文提出了一种基于异常发热（AHG）的预测模型。该模型结合长短期记忆网络（LSTM）等深度学习算法，能够有效识别电池异常状态，提升电动汽车运行安全性。
解读: 该研究对阳光电源的储能系统（如PowerTitan、PowerStack）具有重要参考价值。储能系统本质上是大规模电池组的集成，热失控监测是BMS的核心安全功能。通过引入基于异常发热的深度学习预测模型，阳光电源可优化iSolarCloud平台的电池健康状态（SOH）评估与预警算法，从单纯的阈值报警升...
基于电压异常结合长短期记忆神经网络与等效电路模型的电动汽车电池故障诊断
Battery Fault Diagnosis for Electric Vehicles Based on Voltage Abnormality by Combining the Long Short-Term Memory Neural Network and the Equivalent Circuit Model
Da Li · Zhaosheng Zhang · Peng Liu · Zhenpo Wang 等5人 · IEEE Transactions on Power Electronics · 2021年2月
本文提出了一种结合长短期记忆（LSTM）神经网络与等效电路模型的电池故障诊断新方法。通过改进的自适应提升算法提高诊断精度，并利用预判模型降低计算负载，有效提升了电动汽车电池系统的运行安全性与可靠性。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack）具有重要参考价值。储能系统本质上是大规模电池组的集成，其安全性与BMS（电池管理系统）的故障诊断能力直接相关。文中提出的LSTM与等效电路模型结合的方法，可优化阳光电源iSolarCloud平台对储能电站电池健康状态（SOH）...
用于新能源汽车电力电子系统中伺服电机预测的时序记忆增强时频建模
Temporal Memory Enhanced Time-Frequency Modeling for Servo Motor Forecasting in NEV Power Electronics Systems
Qi Zhang · Jie Li · Jinsong Bao · Dan Zhang · IEEE Transactions on Power Electronics · 预计 2026年6月
本文针对新能源汽车换电系统中的伺服电机，提出了一种时序记忆增强的时频建模方法。通过分析伺服驱动器的转矩和速度信号，实现对动态负载条件的监测，这对评估电力电子系统的可靠性及组件健康状态至关重要。
解读: 该研究提出的时频建模与时序记忆增强技术，在智能化运维领域具有重要参考价值。阳光电源的iSolarCloud智能运维平台及PowerTitan/PowerStack储能系统，均涉及大量电力电子器件的运行状态监测。该算法可优化对逆变器及PCS内部关键功率器件的健康状态评估（PHM），通过分析电流/电压信...
一种用于分布式电网中开关磁阻电机电力线数据通信的新型功率与信号复合调制方法
A Novel Power and Signal Composite Modulation Approach to Powerline Data Communication for SRM in Distributed Power Grids
Dongsheng Yu · Kecheng Li · Shenglong Yu · Hieu Trinh 等7人 · IEEE Transactions on Power Electronics · 2021年9月
电力线通信是实现电网智能化的关键技术。本文针对分布式电网中基于开关磁阻电机（SRM）的系统，提出了一种新型功率与信号复合调制（PSCM）策略，旨在实现电力线上的高效数据传输，提升分布式能源系统的智能化水平。
解读: 该技术探讨了电力线通信（PLC）在分布式电力系统中的应用，对于阳光电源的iSolarCloud智能运维平台具有潜在参考价值。虽然目前阳光电源的核心业务集中在光伏和储能，但随着微电网和分布式能源系统的复杂化，电力线通信可作为一种低成本的通信方案，用于逆变器或储能系统（如PowerTitan/Power...