找到 3 条结果 · 智能化与AI应用
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...
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...
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...