找到 31 条结果 · 智能化与AI应用
面向多模态逆变系统早期故障检测的通道注意力共享-独占解耦表征学习
Shared-Exclusive Disentangled Representation Learning With Channel Attention for Incipient Fault Detection in Multimode Power Inverter Systems
Shuihui Rao · Yu Shuai · Zhihua Xiong · Min Wang · IEEE Transactions on Power Electronics · 预计 2026年5月
逆变系统在复杂多模态下运行，数据分布差异大，导致故障检测困难。本文提出了一种基于通道注意力的共享-独占解耦表征学习方法，旨在有效区分模态不变特征与模态特异性特征，从而提升多工作场景下的逆变器早期故障检测精度。
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。阳光电源的组串式及集中式逆变器在不同光照、温度及电网环境下运行，属于典型的多模态系统。该研究提出的解耦表征学习方法，能有效解决传统算法在多工况下误报率高的问题，显著提升逆变器早期故障的预警准确性。建议将此算法集成至iSolarC...
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...
基于物理增强分层神经网络的电力变换器深度学习建模
Deep Learning-Based Modeling for Power Converters via Physics-Enhanced Hierarchical Neural Network
Qianyi Shang · Fei Xiao · Yaxiang Fan · Ruitian Wang 等5人 · IEEE Transactions on Power Electronics · 2026年4月
针对电力变换器时间序列建模中数据依赖性高、物理信息神经网络计算需求大及泛化能力差的问题，本文提出了一种物理增强的分层神经网络方法，旨在提升变换器建模的效率与精度，为电力电子系统的智能化建模提供新思路。
解读: 该技术对阳光电源的核心产品线具有显著价值。在光伏逆变器和PowerTitan/PowerStack储能变流器（PCS）的研发中，传统的物理建模在复杂工况下计算量大，而纯数据驱动模型缺乏物理约束。该物理增强分层神经网络能有效结合物理规律与AI算法，提升逆变器在电网波动、极端环境下的动态响应预测精度。建...
电路到图：基于多维泛化的功率变换器建模
Circuit-to-Graph: Power Converters Modeling With Multidimensional Generalization
Weihao Lei · Fanfan Lin · Xin Zhang · Xinze Li 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年11月 · Vol.14
本文提出Circuit-to-Graph（C2G）方法，利用图神经网络（GNN）建模功率变换器全局结构特征，并结合领域自适应（DA）实现跨工况、调制策略和拓扑结构的高效泛化建模，显著提升小样本预测精度与训练效率。
解读: 该C2G方法高度适配阳光电源ST系列PCS、PowerTitan储能系统及组串式光伏逆变器的智能建模需求，可支撑iSolarCloud平台对多型号、多场景下设备损耗、温升与效率的快速精准预测。建议在下一代PCS固件中嵌入轻量化GNN推理模块，结合实时运行数据在线校准模型，提升故障预警与寿命评估能力；...
一种基于联邦迁移学习的电力变换器监测自适应机器学习框架
An Adaptive ML Framework for Power Converter Monitoring via Federated Transfer Learning
Panagiotis Kakosimos · Alireza Nemat Saberi · Luca Peretti · IEEE Transactions on Power Electronics · 2025年11月
本文提出了一种结合迁移学习（TL）与联邦学习（FL）的自适应机器学习框架，旨在优化电力变换器的热模型。该方法有效解决了不同运行工况下的模型适配、数据隐私保护及数据共享受限等挑战，通过分段式学习策略提升了变换器状态监测的准确性与鲁棒性。
解读: 该研究对阳光电源的智能化运维至关重要。在组串式逆变器和PowerTitan/PowerStack储能系统中，设备分布广泛且工况复杂，利用联邦学习可在不上传原始数据的前提下，实现跨电站的模型协同训练，提升故障诊断精度。迁移学习则能解决新机型或极端工况下样本稀缺的问题。建议将此框架集成至iSolarCl...
基于安全增强型多智能体强化学习的网络化微电网协同与电池换电站调度
Networked Microgrid Coordination With Battery Swapping Station Scheduling via Security-Enhanced Multi-Agent Reinforcement Learning
Meng Liu · Xiao Liu · Cuo Zhang · Jianguo Zhu · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种安全增强型多智能体强化学习方法，协调含电池换电站（BSS）的网络化微电网（NMG），兼顾电压安全与经济性。在改进IEEE 33节点系统上验证表明，该方法可提升运行安全性并保留BSS集成的经济收益。
解读: 该研究高度契合阳光电源ST系列储能变流器（PCS）及PowerTitan液冷储能系统的智能协同控制需求。其多智能体强化学习框架可直接赋能iSolarCloud平台对光储充一体化微电网的动态优化调度，尤其适用于含EV换电负荷的工商业/园区级光储充项目。建议将该算法嵌入ST PCS的本地边缘控制器，并与...
太阳能富集型网络化微电网的网络韧性：端到端DER停运实时管理框架
Cyber Resilience in Solar-Rich Networked Microgrids: A Real Time End-to-End DER Outage Management Framework
Jannatul Adan · Md Fazley Rafy · Anurag K. Srivastava · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对光伏等分布式能源（DER）高渗透下网络化微电网面临的网络-物理耦合故障检测与恢复难题，本文提出一种面向太阳能富集场景的DER停运管理系统（DEROMS），集成数据完整性校验、多源根因分析与自适应恢复优化，并在RTDS平台验证其对物理故障与网络攻击的有效性。
解读: 该研究高度契合阳光电源在光储融合微电网领域的战略布局，尤其支撑PowerTitan、PowerStack及iSolarCloud平台的智能运维升级。TraceAlign-DPI/RCA模块可嵌入ST系列PCS和组串式逆变器的边缘侧固件，提升光伏电站级异常识别精度；场景化恢复优化算法可增强iSolar...
一种用于跨多种变换器类型的多任务故障诊断的由粗到精神经网络框架
A Coarse-to-Fine Neural Network Framework for Multitask Fault Diagnosis Across Diverse Converter Types
Fan Wu · Kai Chen · Hao Ying · Gen Qiu 等5人 · IEEE Transactions on Power Electronics · 2025年9月
本文提出了一种基于多任务神经网络的联合故障诊断模型，旨在解决多种变换器类型下的故障诊断问题。该方法通过由粗到精的策略，有效提取共享故障特征，提升了诊断性能并降低了开发成本，为开发便携式、通用化的智能诊断工具提供了新思路，克服了传统方法中负迁移带来的挑战。
解读: 该技术对于阳光电源的iSolarCloud智能运维平台具有极高的应用价值。阳光电源产品线涵盖光伏逆变器、储能PCS（如PowerTitan/PowerStack）及风电变流器等多种设备，该框架通过多任务学习实现跨设备类型的故障诊断，能显著降低针对不同产品线单独开发诊断算法的成本。建议将其集成至iSo...
LDNet-RUL：用于锂离子电池剩余寿命预测的轻量化可变形神经网络
LDNet-RUL: Lightweight Deformable Neural Network for Remaining Useful Life Prognostics of Lithium-Ion Batteries
Xiankui Wu · Penghua Li · Zhongwei Deng · Zhitao Liu 等7人 · IEEE Transactions on Power Electronics · 2025年9月
针对深度神经网络在电池剩余寿命（RUL）预测中计算成本高、推理时间长及易过拟合的问题，本文提出了轻量化高性能模型LDNet-RUL。该模型专为内存受限的边缘设备设计，有效提升了锂离子电池寿命预测的效率与准确性，解决了在嵌入式端侧部署的挑战。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。目前储能系统依赖BMS进行状态监控，引入LDNet-RUL轻量化模型可直接部署于BMS边缘控制器或iSolarCloud平台，实现更精准的电池健康状态（SOH）评估与寿命预测。这不仅能优化电池集群的...
基于可迁移知识共享网络的锂离子电池SOH与RUL同步预测
Simultaneous Prediction of SOH and RUL for Lithium-Ion Batteries Using Transferable Knowledge Sharing Network
Kai Zhong · Zhihao Liu · Jiaqiang Tian · Chao Fan 等8人 · IEEE Transactions on Power Electronics · 2025年9月
锂离子电池的健康状态（SOH）和剩余使用寿命（RUL）预测对电力系统的安全运行至关重要。针对现有方法在泛化能力、预测精度及多任务协同方面的不足，本文提出了一种可迁移知识共享网络，实现了SOH与RUL的同步预测，有效提升了复杂工况下的预测性能。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。通过引入可迁移知识共享网络，BMS系统能够更精准地评估电池衰减状态，提升电池全生命周期的安全性与运维效率。建议将该算法集成至iSolarCloud智能运维平台，通过大数据分析实现电池簇的精细化管理，...
基于稀疏模型集成学习策略的主动配电网端到端协同优化调度
End-to-End Collaborative Optimization for Active Distribution Network Power Dispatch Based on Sparse Model-Ensemble Learning Policy
Lilin Cheng · Kang Sun · Haixiang Zang · Guoqiang Sun 等5人 · IEEE Transactions on Sustainable Energy · 2025年8月 · Vol.17
针对分布式新能源高渗透下源荷双不确定性导致的传统‘预测-优化’调度性能偏差问题，本文提出端到端调度策略，跳过功率预测环节，直接融合数值天气预报等多源信息决策；采用稀疏模型集成学习与约束策略优化求解，在光伏无功调节与需求响应场景中显著提升实时调度性能。
解读: 该研究高度契合阳光电源在智能调度与光储协同控制领域的战略布局。其端到端AI调度框架可直接赋能iSolarCloud平台升级，提升对ST系列PCS、PowerTitan及组串式逆变器集群的实时协同调控能力；尤其适用于工商业光储一体化项目中的动态无功支撑与需求响应。建议将稀疏模型集成策略嵌入iSolar...
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3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...
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...
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...
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...
面向电力变换器物理信息机器学习的预测性维护研究综述
Toward Physics-Informed Machine-Learning-Based Predictive Maintenance for Power Converters—A Review
Youssof Fassi · Vincent Heiries · Jerome Boutet · Sebastien Boisseau · IEEE Transactions on Power Electronics · 2024年2月
本文综述了电力电子变换器预测性维护的研究进展。随着深度学习技术的快速发展，其在提升变换器性能与可靠性方面展现出巨大潜力。文章重点探讨了在数据资源、物理一致性及泛化能力等方面面临的挑战，并分析了物理信息机器学习在解决这些问题中的关键作用。
解读: 该研究对阳光电源全线产品（如PowerTitan储能系统、组串式逆变器及风电变流器）的智能化运维具有重要指导意义。通过引入物理信息机器学习（PIML），可有效解决传统数据驱动模型在极端工况下泛化能力差的问题，提升iSolarCloud平台的故障预警精度。建议研发团队将物理模型（如IGBT热模型、电容...
面向边缘–云连续体的开源AI即服务框架：支持联邦学习、高效性与漂移鲁棒性的持续学习
An Open-Source AI-as-a-Service Framework for Federated, Efficient, and Drift-Robust Learning in the Continuum Edge–Cloud
Sebastián Andrés Cajas Ordóñez · Jaydeep Samanta · Andrés L. Suárez-Cetrulo · Romila Ghosh 等7人 · IEEE Access · 2026年2月 · Vol.14
本文提出OASIS开源框架，支持边缘–云协同下的联邦学习、模型压缩与概念漂移检测，集成SHAP可解释性、MLFlow/NannyML监控，适用于资源受限场景的实时预测与自适应监测。
解读: 该框架对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的AI升级具有直接价值：可部署于边缘侧逆变器或PCS中实现本地化故障预警、功率预测漂移自适应校准，并通过联邦学习在多电站间协同优化而保护数据隐私。建议在组串式逆变器嵌入轻量OASIS模块，结合MPPT动态调优；...
电池电芯制造装备智能状态监测：一种动态扩张Transformer方法
Intelligent Condition Monitoring for Battery Cell Manufacturing Equipment: A Dynamic Dilated Transformer Approach
Shantao Zhao · Zhanglin Peng · Xiaonong Lu · Qiang Zhang 等6人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
针对电池电芯制造中激光模切卷绕设备的状态监测难题，提出基于Transformer的多尺度动态扩张注意力模型，实现传感器偏移轨迹预测与早期停机预警，将自注意力复杂度降至近O(L)，显著提升预测精度与部署适应性。
解读: 该技术可迁移应用于阳光电源储能系统（如PowerTitan、ST系列PCS）产线设备的智能运维与预测性维护，提升BMS产线测试设备及PCS老化试验平台的故障预警能力；建议在iSolarCloud平台中集成此类时序AI模型，拓展至储能变流器关键部件（如IGBT模块、冷却系统）的运行健康评估，强化全生命...
第 1 / 2 页