找到 3 条结果 · 智能化与AI应用
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...
基于多域迁移学习的电池健康状态估计
Battery Health Estimation Based on Multidomain Transfer Learning
Hanmin Sheng · Biplob Ray · Shaben Kayamboo · Xintao Xu 等5人 · IEEE Transactions on Power Electronics · 2024年4月
机器学习在电池健康状态（SOH）估计中具有显著优势，但面临数据分布差异带来的概念漂移挑战。本文提出一种多域迁移学习方法，旨在解决训练集与测试集分布不一致的问题，从而提升电池SOH估计的准确性与鲁棒性。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack系列）具有极高价值。电池健康状态（SOH）的精准评估是提升储能系统全生命周期经济性的核心。目前储能电站面临工况复杂、数据分布差异大的挑战，引入多域迁移学习算法，可显著提升iSolarCloud平台对大规模储能电站的运维精度，减少电...
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...