找到 2 条结果 · 智能化与AI应用
基于改进物理信息神经网络的微电网分布式能源资源自适应参数估计
Adaptable Parameters Estimation for Microgrid Distributed Energy Resources Using Modified Physics-Informed Neural Network
Likun Chen · Yifan Wang · Wei Sun · Xuzhu Dong 等5人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
针对微电网中分布式能源动态模糊、数据稀缺导致的参数估计难题，本文提出一种改进物理信息神经网络（PINN）方法，融合小信号分析与ODE建模，支持多类DER自适应参数辨识；引入新型数据变换，训练速度提升达82.87%；实测验证误差<5%，具备强鲁棒性与泛化能力。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能变流器的模型自校准与数字孪生功能具直接支撑价值：可提升微网级光储协同控制中PCS、逆变器等设备的实时参数在线辨识精度，增强构网型（GFM）模式下的暂态响应可靠性。建议在iSolarCloud 3.0中集成轻量化PI...
基于物理信息机器学习的电力电子变换器参数估计
Parameter Estimation of Power Electronic Converters With Physics-Informed Machine Learning
Shuai Zhao · Yingzhou Peng · Yi Zhang · Huai Wang · IEEE Transactions on Power Electronics · 2022年10月
物理信息机器学习（PIML）将领域知识与物理模型相结合，在电力电子领域展现出巨大潜力。本文提出了一种基于PIML的参数估计方法，并通过DC-DC Buck变换器案例进行了验证。该方法将深度神经网络与变换器的动态模型无缝耦合，实现了对关键参数的精确估计。
解读: 该技术对阳光电源的逆变器及储能PCS产品线具有重要应用价值。在复杂的电网环境下，功率变换器内部关键参数（如电感、电容老化状态）的实时精准估计是实现预测性维护的核心。通过将物理模型嵌入神经网络，阳光电源可在iSolarCloud平台及本地控制器中部署该算法，无需额外传感器即可实现对核心功率模块健康状态...