找到 2 条结果 · 智能化与AI应用
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...
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...