找到 4 条结果 · 智能化与AI应用

排序:
智能化与AI应用 机器学习 深度学习 并网逆变器 ★ 5.0

基于神经网络的电力电子资源主导型电力系统不确定性感知稳定性分析

Uncertainty-Aware Stability Analysis of IBR-Dominated Power System With Neural Networks

Galadrielle Humblot-Renaux · Yang Wu · Sergio Escalera · Thomas B. Moeslund 等6人 · IEEE Transactions on Power Electronics · 2025年11月

机器学习技术在加速电力电子资源(IBR)主导的电力系统稳定性筛选方面潜力巨大。然而,基于神经网络的方法在面对未见过的运行场景时,难以保证预测的准确性和可靠性,存在安全隐患。本文提出了一种不确定性感知方法,以提升神经网络在电力系统稳定性评估中的可靠性。

解读: 随着阳光电源组串式逆变器和PowerTitan等储能系统在全球电网中的渗透率提升,系统稳定性分析变得日益复杂。该研究提出的不确定性感知神经网络方法,能够有效解决传统AI模型在复杂电网环境下(如弱电网)泛化能力不足的问题。建议将此技术集成至iSolarCloud智能运维平台,用于实时监测电网稳定性风险...

智能化与AI应用 光伏逆变器 故障诊断 机器学习 ★ 5.0

一种基于时频马尔可夫排列转移场的光伏系统串联电弧故障检测方法

A Series Arc Fault Detection Method Based on Time-Frequency Markov Permutation Transition Field for Photovoltaic Systems With Power Electronic Devices

Zhendong Yin · Shuang Peng · Chunyu Xiao · Li Wang 等5人 · IEEE Transactions on Power Electronics · 2025年8月

串联电弧故障(SAF)是光伏系统火灾的主要诱因。在电力电子设备干扰下,准确快速地检测SAF仍面临巨大挑战。本文提出了一种基于时频马尔可夫排列转移场(TFMPTF)的SAF检测方法。首先,利用变分模态分解对电流信号进行分解,通过特征提取与分类算法实现对电弧故障的精准识别。

解读: 该研究直接针对光伏系统安全核心痛点,对阳光电源的组串式逆变器及户用逆变器产品线具有极高应用价值。目前阳光电源逆变器已具备AFCI(电弧故障断路器)功能,该方法通过引入时频马尔可夫排列转移场,能有效提升在复杂电力电子干扰环境下的故障识别精度,降低误报率。建议研发团队将该算法集成至iSolarCloud...

智能化与AI应用 充电桩 机器学习 深度学习 ★ 3.0

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...

智能化与AI应用 光伏逆变器 机器学习 深度学习 ★ 3.0

基于深度神经网络的激光无线能量传输光伏阵列动态重构

Dynamic Reconfiguration of Photovoltaic Arrays for Laser Wireless Power Transmission via Deep Neural Networks

Yanfengxu Sun · Guoliang Deng · Huomu Yang · Yuchao Chen 等6人 · IEEE Transactions on Power Electronics · 2024年6月

在激光无线能量传输(LWPT)中,云层和大气湍流会导致光伏阵列辐照不均匀,引发功率失配。本文提出利用深度神经网络进行光伏阵列动态重构,以有效提升系统功率输出,解决传统重构技术在复杂环境下的执行效率问题。

解读: 该技术通过深度学习优化光伏阵列的动态重构,旨在解决局部遮挡或非均匀辐照下的功率失配问题。对于阳光电源而言,该算法可集成至iSolarCloud智能运维平台或组串式逆变器的MPPT控制策略中,以提升复杂工况下的发电效率。虽然激光无线传输目前处于前沿探索阶段,但其核心的“阵列重构+AI优化”思路,可直接...