找到 13 条结果 · 智能化与AI应用
基于细粒度子域对齐和特征分组的锂离子电池跨域SOH估计：一种Patch时间序列CNN-Transformer网络
Fine-Grained Subdomain Alignment and Feature Grouping-Based Cross-Domain SOH Estimation for Lithium-Ion Batteries Using a Patch Time Series CNN-Transformer Network
Xuanang Gui · Shu Zhang · Yuheng Cheng · Qianlong Wang 等7人 · IEEE Transactions on Power Electronics · 预计 2026年5月
针对锂离子电池健康状态（SOH）估计在跨域场景下因数据分布差异和标签数据不足导致性能下降的问题，本文提出了一种基于模糊聚类子域自适应的Patch时间序列CNN-Transformer网络。该方法通过细粒度子域对齐和特征分组策略，有效提升了跨域场景下的SOH估计精度与鲁棒性。
解读: 该研究直接服务于阳光电源储能业务的核心痛点。在PowerTitan和PowerStack等大型储能系统中，电池全生命周期的SOH精准估计是保障系统安全与收益的关键。该算法通过Patch时间序列与Transformer架构，能更高效地处理BMS采集的复杂工况数据，解决不同批次电池或不同应用场景（如调峰...
基于I-V曲线变形特征与计算机视觉的光伏组件故障诊断
PV Module Fault Diagnosis Based on I–V Curve Deformation Characteristics and Computer Vision
Lingxiang Zhang · Kun Xia · Po Xu · Yibo Yu 等5人 · IEEE Transactions on Power Electronics · 2026年3月
本文针对光伏组件早期故障诊断问题，提出了一种基于三二极管模型分析I-V曲线变形特征的新方法。不同于传统仅提取特征点的方式，该研究利用计算机视觉技术全面捕捉曲线形态变化，实现了更精准的故障识别，有效降低了运维成本。
解读: 该技术对阳光电源的iSolarCloud智能运维平台具有极高的应用价值。通过将基于计算机视觉的I-V曲线分析算法集成至iSolarCloud，可实现对组串式逆变器和集中式逆变器接入的光伏阵列进行远程、自动化的故障预警与诊断，无需人工现场巡检即可精准定位遮挡、老化或隐裂等问题。建议研发团队将此算法模型...
一种融合MIC-BOA-TiDE与核密度估计的锂离子电池剩余使用寿命点预测与概率预测新框架
A novel MIC-BOA-TiDE fusion framework with kernel density estimation for point and probabilistic remaining useful life prediction of lithium-ion batteries
Tian Peng · Zhongzheng Mo · Jie Chen · Chenghao Sun 等7人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出MIC-BOA-TiDE融合框架，结合互信息准则（MIC）、蝴蝶优化算法（BOA）与时间序列深度估计器（TiDE），并引入核密度估计实现锂离子电池剩余使用寿命（RUL）的高精度点预测与不确定性量化。
解读: 该研究聚焦锂电RUL智能预测，直接支撑阳光电源PowerTitan、PowerStack等储能系统中BMS的寿命预警与健康状态管理能力。其概率化RUL输出可增强ST系列PCS在梯次利用、运维调度和质保服务中的决策可靠性。建议将该框架嵌入iSolarCloud平台，与PCS实时数据流对接，构建云端-边...
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。...
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...
一种端到端集成学习方法以提升风电功率预测精度
An End-to-End Ensemble Learning Approach for Enhancing Wind Power Forecasting
Yun Wang · Houhua Xu · Yaohui Huang · Fan Zhang 等8人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
本文提出MG-DS模型，基于Dempster-Shafer证据理论实现端到端集成学习，融合MLP特征提取、GRU与交叉注意力生成多样化基预测，并引入DSSE插件协同RNN与非RNN模型，在5个风电数据集上显著提升预测精度。
解读: 该研究提出的MG-DS端到端集成预测框架可直接赋能阳光电源风电变流器的智能功率预测模块，提升其iSolarCloud平台在风电场侧的短期功率预测精度，支撑ST系列PCS与风电变流器的AGC/AVC协同调度。建议将DSSE插件集成至iSolarCloud风功率预测引擎，适配现有SCADA数据流；同时为...
电动汽车锂离子电池数据驱动故障溯源
A Data-Driven Fault Tracing of Lithium-Ion Batteries in Electric Vehicles
Shuhui Wang · Zhenpo Wang · Jinquan Pan · Zhaosheng Zhang 等5人 · IEEE Transactions on Power Electronics · 2024年12月
针对电动汽车锂离子电池火灾隐患，本文提出了一种基于全生命周期充电数据的大数据驱动故障溯源框架。通过随机森林算法挖掘并自动筛选与故障强相关的电压特征，实现对电池故障的精准识别与溯源，为提升电池系统安全性提供了有效的数据驱动方案。
解读: 该研究提出的数据驱动故障溯源方法与阳光电源的储能业务高度契合。阳光电源的PowerTitan和PowerStack系列储能系统均配备先进的BMS，通过引入此类机器学习算法，可显著提升对电芯级异常的预判能力，从“事后报警”转向“事前预防”。建议将该技术集成至iSolarCloud智能运维平台，利用海量...
VWM-DCRNN：一种结合信号处理与深度学习的单相PWM整流器故障诊断方法
VWM-DCRNN: A Method of Combining Signal Processing With Deep Learning for Fault Diagnosis in Single-Phase PWM Rectifier
Na Qin · Tianwei Wang · Deqing Huang · Yiting You 等5人 · IEEE Transactions on Power Electronics · 2023年7月
本文提出了一种基于变分模态分解与卷积循环神经网络（VMD-DCRNN）的故障诊断方法，用于识别高速铁路牵引供电系统中单相PWM整流器的IGBT、二极管及串联谐振电路故障。该方法通过信号处理与深度学习的融合，有效提升了电力电子变换器故障检测的准确性与可靠性。
解读: 该研究提出的VMD-DCRNN故障诊断模型对阳光电源的核心业务具有重要参考价值。在光伏逆变器（尤其是组串式逆变器）和储能变流器（PCS）中，IGBT的健康状态监测是提升系统可靠性的关键。阳光电源可将此类深度学习算法集成至iSolarCloud智能运维平台或本地控制器中，实现对功率模块故障的早期预警和...
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...
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）...
基于物理信息神经网络的IPT系统多参数与线圈偏移联合估计
Physics-Informed Neural Networks for Joint Estimation of Multiparameters and Coil Misalignment in IPT Systems
Zhan'anxin Tong · Jianhui Su · Gang Yang · Asif Ali 等7人 · IEEE Transactions on Power Electronics · 预计 2026年6月
针对感应电能传输（IPT）系统，本文提出了一种基于物理信息神经网络（PINN）的多参数联合辨识方法。通过将阻抗角、互感及负载关系的物理约束嵌入神经网络，实现了对互感和负载参数的实时感知，有效提升了系统运行调节与状态监测的精度。
解读: 该技术主要针对无线充电（IPT）领域，与阳光电源的电动汽车充电桩业务具有潜在协同效应。随着大功率无线充电技术的发展，利用PINN实现高精度的参数辨识和偏移检测，可显著提升充电桩的效率与安全性。建议研发团队关注该算法在车载无线充电模块中的应用，通过将物理模型与AI算法融合，优化充电控制策略，提升用户体...
基于宽学习的高速列车牵引系统故障诊断增强研究
Enhanced Fault Diagnosis Using Broad Learning for Traction Systems in High-Speed Trains
Chao Cheng · Weijun Wang · Hongtian Chen · Bangcheng Zhang 等6人 · IEEE Transactions on Power Electronics · 2021年7月
高速列车牵引系统故障会威胁行车安全。针对高采样频率下的故障检测与诊断（FDD）难题，本文提出了一种基于宽学习（Broad Learning）的诊断策略，旨在提升系统的安全性和可靠性。
解读: 该文章提出的宽学习（Broad Learning）算法具有训练速度快、结构简洁的特点，在处理高频传感器数据方面表现优异。这对阳光电源的iSolarCloud智能运维平台具有重要参考价值。在光伏电站和储能系统（如PowerTitan、PowerStack）的运维中，设备运行数据量巨大且实时性要求高，引...