找到 3 条结果 · 智能化与AI应用
面向锂离子电池健康状态估计的无源动态加权联邦迁移学习
Source-Free Dynamic Weighted Federated Transfer Learning for State-of-Health Estimation of Lithium-Ion Batteries With Data Privacy
Tengfei Han · Shang Yue · Pu Yang · Ruixu Zhou 等5人 · IEEE Transactions on Power Electronics · 2024年11月
针对电池健康状态（SOH）估计中数据孤岛与隐私保护难题，本文提出一种无源动态加权联邦迁移学习方法。该方法无需共享原始数据即可实现多用户模型协同训练，有效解决了单一用户数据不足的问题，提升了SOH估计的准确性与鲁棒性，为电池全生命周期管理提供了隐私保护下的智能化解决方案。
解读: 该技术对阳光电源的PowerTitan和PowerStack等储能系统具有极高的应用价值。在iSolarCloud智能运维平台中，利用联邦学习技术，可在不泄露客户隐私的前提下，汇聚全球电站的电池衰减数据，优化BMS的SOH估计算法。这不仅能提升储能电站全生命周期的安全性与运维效率，还能为电池梯次利用...
港口微电网风险运行状态恢复方法——融合柔性资源
Port Microgrids Risk Operational States Recovery Method Incorporating Flexible Resources
Zhibo Zhang · Bowen Zhou · Juan Zhang · Guangdi Li 等6人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对港口微电网中分布式电源投切、孤岛切换及冲击负荷引发的风险运行状态，本文提出基于一致性控制的功率平滑策略和融合柔性资源的多智能体深度强化学习恢复方法，实现频率快速恢复与经济性调度。
解读: 该研究对阳光电源ST系列储能变流器（PCS）在港口微电网中的构网型（GFM）运行与黑启动能力提升具有直接参考价值；其多智能体强化学习框架可适配iSolarCloud平台进行柔性资源协同优化，建议将相关算法嵌入PowerTitan系统能量管理模块，增强其在孤岛/并网模式切换及冲击负荷下的动态响应与自主...
基于半监督少样本学习的大型数据中心VRLA电池故障诊断密集连接对比观测器
Densely-Connected Contrastive Observer for Fault Diagnosis of VRLA Battery in Large Data Center Based on Semisupervised Few-Shot Learning
Wenyi Liu · Shang Yue · Pu Yang · Ruixu Zhou 等5人 · IEEE Transactions on Power Electronics · 2024年10月
本文针对大型数据中心阀控式铅酸（VRLA）电池充放电数据稀疏及样本质量不佳的难题，提出了一种新型半监督少样本学习模型。该模型通过密集连接对比观测器，有效提升了复杂工况下电池故障诊断的准确性与鲁棒性，为数据中心后备电源系统的健康管理提供了新方案。
解读: 该研究聚焦于电池系统的故障诊断与健康管理，对阳光电源的PowerStack及PowerTitan系列储能系统具有重要参考价值。虽然本文针对的是VRLA电池，但其提出的‘半监督少样本学习’算法框架可迁移至锂电池BMS的故障预警中。在数据中心储能应用场景下，该技术能有效解决实际运行中故障样本稀缺的问题，...