找到 6 条结果 · 智能化与AI应用
一种符合EMI标准且适用于汽车级的48 V至负载点Dickson型混合开关电容DC–DC变换器
An EMI-Compliant and Automotive-Rated 48 V to Point-of-Load Dickson-Based Hybrid Switched-Capacitor DC–DC Converter
Sahana Krishnan · Margaret E. Blackwell · Robert C. N. Pilawa-Podgurski · IEEE Transactions on Power Electronics · 2025年3月
随着数据中心供电架构和汽车动力系统向48V配电轨转变，高性能混合开关电容（混合SC）转换器已成为这两个领域颇具吸引力的供电解决方案。然而，由于严格的电磁干扰（EMI）和可靠性要求，汽车电源系统带来了独特的设计挑战。本研究探讨了一种基于狄克逊结构、固有EMI较低的调节型混合SC拓扑，并讨论了采用基于控制的EMI缓解技术，如谐振和超谐振运行，以及扩频调频。研究了这些技术对混合SC转换器效率的影响，以及为达到EMI合规要求的无源滤波器设计。所提出的滤波器和调制方案使该转换器能够满足CISPR 25汽车...
解读: 从阳光电源的业务视角来看，这项基于Dickson拓扑的混合开关电容DC-DC转换技术具有重要的战略价值。随着光伏储能系统和新能源汽车充电设施向48V配电架构演进，该技术为我们的产品升级提供了新的技术路径。 该转换器实现97.1%的峰值效率，这对阳光电源的储能系统和车载DC-DC产品线尤为关键。在储...
基于新型CNN集成与可解释人工智能的配电网虚假数据注入攻击检测与定位框架
False Data Injection Attack Detection and Localization Framework in Power Distribution Systems Using a Novel Ensemble of CNNs and Explainable Artificial Intelligence
Mohammad Reza Dehbozorgi · Mohammad Rastegar · Mohammadreza Fakhari Moghaddam Arani · IEEE Transactions on Industry Applications · 2025年1月
信息物理电力系统易受网络攻击，尤其是虚假数据注入攻击（FDIA）。近年来，针对配电系统状态估计（DSSE）的虚假数据注入攻击受到了研究人员的关注，此类攻击通过更改电表读数来改变状态估计（SE）。文献中常见的针对虚假数据注入攻击的防御方法是使用标记数据训练分类器作为虚假数据注入攻击检测器。然而，虚假数据注入攻击数据集的高度不平衡特性可能会限制这种方法的性能。机器学习模型的黑盒特性使其在重要应用中难以获得信任和采用。因此，我们提出了一种创新的可解释人工智能（XAI）增强的基于集成学习的检测与定位模型...
解读: 从阳光电源的业务视角来看，该论文提出的虚假数据注入攻击（FDIA）检测框架具有重要的战略意义。随着公司在分布式光伏、储能系统及综合能源解决方案领域的快速拓展，我们的产品正日益深度融入配电网的信息物理系统中，这使得网络安全防护成为保障系统可靠运行的关键要素。 该技术的核心价值在于为我们的智能逆变器和...
基于历史依赖Prandtl-Ishlinskii神经网络的任意激励波形下准静态铁心损耗预测
History-Dependent Prandtl–Ishlinskii Neural Network for Quasi-Static Core Loss Prediction Under Arbitrary Excitation Waveforms
作者未知 · IEEE Transactions on Power Electronics · 2025年1月
电力电子应用中的磁性元件通常会经历包含高频谐波和/或直流偏置的复杂激励波形。这种复杂性对传统的磁芯损耗建模方法提出了挑战，这些方法往往容易出现严重误差，或者仅适用于某些类型的激励波形。本文提出了基于历史依赖的普朗特 - 伊斯林斯基神经网络（HDPI - NN），用于在任意激励下准确预测准静态磁芯损耗。HDPI - NN 通过考虑磁性材料更完整的磁化机制（即磁畴壁运动、磁畴旋转和记忆效应），并利用专门的神经网络确定模型参数，实现了较高的建模精度和通用性。获取了硅钢 B35A270 和铁氧体 N87...
解读: 从阳光电源的业务视角来看，这项基于历史相关Prandtl-Ishlinskii神经网络的磁芯损耗预测技术具有重要的工程应用价值。在我司光伏逆变器和储能变流器产品中，磁性元件（如高频变压器、电感）是核心功率器件，其损耗特性直接影响系统效率和热管理设计。 该技术的核心价值在于能够准确预测复杂激励波形下...
一种具有有源功率解耦的新型单相非隔离双输入微逆变器
A Novel Single-Phase Nonisolated Dual-Input Microinverter With Active Power Decoupling
Chengqi Xiao · Weimin Wu · Qingkai Guo · Mohamed Orabi 等6人 · IEEE Transactions on Power Electronics · 2024年10月
针对单相非隔离型微型逆变器（MI）面临的漏电流和功率波动等挑战，本文提出了一种具有有源功率解耦能力的非隔离共地型微型逆变器。在该拓扑中，光伏（PV）组件与电网具有公共端，从而消除了共模漏电流。双输入源与电网之间的功率解耦是固有的，因此可以用长寿命、小容量的薄膜电容器替代电解电容器。所提出的微型逆变器仅需四个开关，并且能够以模块化方式处理两个光伏组件的功率。实验室搭建了一台400 W的实验样机，以验证所提出的微型逆变器的性能以及所提方案的可行性。
解读: 从阳光电源光伏逆变器产品线的角度来看，这项单相非隔离双输入微型逆变器技术呈现出显著的应用价值。该技术通过共地拓扑设计有效解决了非隔离型逆变器长期面临的漏电流问题，这与我司在组串式逆变器领域追求的高安全性标准高度契合。 技术的核心创新在于有源功率解耦设计，能够用薄膜电容替代电解电容，这将直接延长产品...
PE-GPT：电力电子设计的新范式
PE-GPT: A New Paradigm for Power Electronics Design
Fanfan Lin · Xinze Li · Weihao Lei · Juan J. Rodriguez-Andina 等6人 · IEEE Transactions on Industrial Electronics · 2024年10月
大型语言模型（LLM）在推动众多行业发展方面展现出了令人振奋的潜力，但由于缺乏专业的电力电子（PE）技术知识以及处理特定电力电子数据时面临的挑战，其在电力电子领域的应用受到了阻碍。本研究提出了一种开创性的方法，用于构建专门针对电力电子设计应用的多模态大型语言模型，名为 PE - GPT。该方法包括利用从电力电子知识库中进行检索增强生成来强化 PE - GPT，并提出了一个混合框架，将大型语言模型代理与元启发式算法、模型库和仿真库相结合。这增强了其多模态处理能力，并使其能够融入现有的设计工作流程。...
解读: 从阳光电源的业务视角来看，PE-GPT代表了电力电子设计范式的重要突破，对公司光伏逆变器、储能变流器等核心产品的研发具有战略意义。该技术通过多模态大语言模型与元启发式算法、仿真库的深度融合，能够显著提升电力电子设计的效率和准确性，在双有源桥（DAB）变换器调制策略和Buck变换器参数设计中已展现出比...
多尺度协同建模与基于深度学习的风冷数据中心热预测：热管理的新视角
Multi-scale collaborative modeling and deep learning-based thermal prediction for air-cooled data centers: An innovative insight for thermal management
Ningbo Wang · Yanhua Guo · Congqi Huang · Bo Tian 等5人 · Applied Energy · 2025年1月 · Vol.377
摘要 研究数据中心（DC）的热环境及温度分布对于应对设备故障或环境变化等突发事件至关重要。然而，构建从数据中心机房级到芯片级的全尺寸仿真模型面临巨大挑战。本文提出一种独特的方法，将多尺度协同建模与深度学习技术相结合，用于风冷数据中心的热预测。通过将父模型的仿真结果作为子模型的边界条件，构建了数据中心多尺度仿真模型，显著降低了模型复杂度和计算资源消耗。利用实验数据，对不同尺度的模型分别进行了验证。研究了不同冷却策略、送风温度和送风流量对多尺度仿真模型的影响。基于参数化仿真方法，构建了用于训练数据驱...
解读: 该多尺度协同建模与深度学习热管理技术对阳光电源储能系统具有重要应用价值。ST系列PCS和PowerTitan等大型储能产品面临电池簇、模组到电芯的多层级热管理挑战,可借鉴其多尺度仿真方法降低建模复杂度。CNN-BiLSTM-Attention神经网络可集成至iSolarCloud平台,实现储能柜温度...