找到 7 条结果 · Applied Energy
基于端点密集格拉姆特征编码与Mixup增强域对抗网络的多构型光伏阵列跨阵列故障诊断
Cross-array fault diagnosis of photovoltaic arrays with different configurations based on endpoint-dense gram feature encoding and mixup-enhanced domain adversarial network
Jiaqi Qu · Pengyuan Ma · Qiang Sun · Xiaogang Wu 等7人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出一种融合端点密集格拉姆图编码与Mixup增强域对抗网络的跨阵列故障诊断方法，提升不同拓扑、朝向、遮挡条件下光伏阵列的泛化故障识别能力。
解读: 该研究直接支撑阳光电源组串式逆变器（如SG系列）及iSolarCloud智能运维平台的故障预警升级。其跨配置鲁棒诊断能力可显著提升复杂山地/屋顶电站中多朝向、多倾角阵列的隐性故障识别精度；建议将模型轻量化后嵌入ST系列PCS边缘侧推理模块，并与PowerTitan储能系统联动实现‘光-储-智’协同诊...
基于成本效益数据的分布式光伏系统故障检测与诊断方法学综述
A methodological review of cost-effective data-driven fault detection and diagnosis in distributed photovoltaic systems
Yinyan Liua · Earl Duran · Anna Bruce · Baran Yildiz 等9人 · Applied Energy · 2025年12月 · Vol.401
摘要 光伏（PV）技术的快速发展以及光伏系统的广泛应用，凸显了对更高效、更具成本效益的监测策略日益增长的需求，以确保系统可靠运行和最优的能源性能。本文综述提出了一种方法论框架，并结合基于案例的实测数据，用于分布式光伏系统的性能监测。该框架聚焦于具有成本效益的数据，例如时间序列电气参数，这些数据对于实现精确的故障检测与诊断至关重要，同时识别出限制当前性能监测算法有效性的各种约束条件。本文首先采用两种分类方式对光伏系统中的系统性故障进行归类：直流侧与交流侧故障，以及软故障与硬故障。随后讨论了数据的可...
解读: 该综述对阳光电源SG系列逆变器和iSolarCloud平台具有重要指导意义。文章强调基于时序电气参数的成本有效型故障诊断方法,与我司逆变器内置监测系统和云平台架构高度契合。DC/AC侧故障分类框架可优化MPPT算法的异常检测能力,机器学习与边缘计算结合方案可增强逆变器本地诊断功能,减少云端通信依赖。...
基于智能暂态分析的不确定并网光伏系统可靠性与安全性提升
Enhancing reliability and safety of uncertain grid-connected photovoltaic systems based on intelligent transient regime analysis
Amal Hichri · Mansour Hajji · Majdi Mansouri · Kais Bouzrar 等6人 · Applied Energy · 2025年11月 · Vol.397
摘要 确保并网光伏（GCPV）系统的持续运行至关重要，因为这些系统极易受到多种因素引起的故障和停机影响，可能导致严重的系统损坏。为应对这些挑战，故障检测与诊断（FDD）方法对于维持GCPV系统的可靠性与安全性必不可少。本文提出一种基于暂态过程的FDD方法，用于不确定的GCPV系统，采用深度学习技术实现故障的有效检测与分类。此外，该方法利用可再生能源系统中健康状态与故障状态之间的过渡阶段，通过识别性能信号中的异常，实现早期故障检测。通过将暂态过程分析与深度学习技术相结合，该方法能够快速而准确地检测...
解读: 该瞬态故障诊断技术对阳光电源SG系列光伏逆变器及ST储能变流器具有重要应用价值。通过深度学习捕捉健康-故障转换期的异常信号,可实现早期故障预警,显著提升系统可靠性。建议将区间值数据处理与遗传算法优化集成至iSolarCloud平台,增强预测性维护能力。该方法对1500V高压系统及PowerTitan...
面向光伏系统中人工智能驱动的预测性维护与故障诊断的多阶段审查框架
A multi-stage review framework for AI-driven predictive maintenance and fault diagnosis in photovoltaic systems
Ali Hamz · Zunaib Alia · Sandra Dudley · Komal Saleem 等6人 · Applied Energy · 2025年9月 · Vol.393
摘要 光伏（PV）行业面临诸多挑战，包括高昂的初始成本、对天气条件的依赖性、易发生故障、电网运行不稳定性以及组件性能退化等问题。预测性维护（PdM）旨在主动识别潜在问题，从而提高系统的可靠性与运行效率，但若缺乏进一步的诊断措施，可能无法提供具体的故障信息。本研究提出了一种先进的预测性维护与故障诊断集成框架，该框架融合了故障模式分析、故障严重程度评估以及关键故障预测功能，旨在通过识别和分析特定的故障模式来提升光伏系统的运行效能，减少停机时间并增强系统可靠性。因此，本文对当前应用于光伏系统中预测性维...
解读: 该AI驱动的预测性维护与故障诊断框架对阳光电源SG系列光伏逆变器及ST储能系统具有重要应用价值。通过集成故障模式识别、严重性评估和关键故障预测,可显著提升iSolarCloud平台的智能运维能力。建议将多阶段诊断框架融入MPPT优化算法,实现组件级故障预警;结合PowerTitan储能系统的数据标准...
基于微调策略的跨工况船用柴油机故障诊断通用迁移学习框架
A universal transfer learning framework for cross-working-condition marine diesel engine fault diagnosis based on fine-tuning strategy
Zeyu Shia · Zhongwei Wanga · Zhiguo Yuana · Muyu Wanga 等6人 · Applied Energy · 2025年8月 · Vol.392
摘要 船用柴油机（MDEs）及时且准确的故障诊断（FD）对于提升船舶动力系统的安全性和可靠性至关重要。MDEs在变工况下运行，导致其运行状态和故障数据存在显著差异。这种变异性降低了数据驱动FD模型的适应能力，而这些模型通常是基于单台发动机或特定工况下的数据构建的。为解决上述问题，本研究提出了一种基于深度迁移学习与微调策略的MDEs故障诊断框架。为了增强故障特征提取能力，引入了一种数据层级融合方法用于数据重构。此外，提出了一种新型混合预训练网络，结合CNN + GRU与KAN，以获取源域数据的全面...
解读: 该跨工况迁移学习故障诊断框架对阳光电源储能系统(ST系列PCS、PowerTitan)及光伏逆变器(SG系列)具有重要应用价值。文章提出的CNN+GRU+KAN混合网络和精细调优策略,可应用于不同环境工况下的功率器件(SiC/IGBT)健康监测与故障预测。该方法能有效解决iSolarCloud平台中...
基于跨域自适应生成对抗网络的多退化水平光伏阵列故障诊断
Fault diagnosis of photovoltaic arrays with different degradation levels based on cross-domain adaptive generative adversarial network
Peijie Lin · Feng Guo · Yaohai Lin · Shuying Cheng 等7人 · Applied Energy · 2025年5月 · Vol.386
摘要 近年来，由于光伏电站运行与维护的重要性，光伏（PV）阵列故障诊断（FD）取得了令人瞩目的进展。然而，由于运行工况复杂，光伏阵列不可避免地会发生渐进式退化，导致输出数据出现域偏移，这对故障诊断性能产生显著的负面影响。为解决上述问题，本研究提出了一种两阶段跨域自适应生成对抗网络深度学习方法，用于不同退化水平下的光伏阵列故障诊断。在第一阶段，利用源域（即无性能退化的光伏阵列）中的正常数据进行训练；随后，在对抗训练过程中将最大均值差异（MMD）损失引入故障生成器，以生成源域故障数据的高层特征表示。...
解读: 该跨域自适应GAN故障诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud智慧运维平台具有重要应用价值。针对光伏阵列性能衰减导致的数据域偏移问题,该方法通过MMD损失函数实现跨域特征对齐,仅需健康状态数据即可生成故障样本进行诊断,准确率达98.34%。可集成至iSolarCloud平台的预测...
数据驱动策略：一种基于混合特征与自编码器的短路故障电池异常检测鲁棒方法
Data-driven strategy: A robust battery anomaly detection method for short circuit fault based on mixed features and autoencoder
Hongyu Zhao · Chengzhong Zhang · Chenglin Liao · Liye Wang 等6人 · Applied Energy · 2025年3月 · Vol.382
摘要 锂离子电池短路（SC）故障的异常检测对于保障储能系统的安全至关重要。相较于电池组层面的故障诊断，单体电池的故障诊断缺乏参考对象，导致难以有效判断是否存在异常。本文提出了一种基于自编码器策略的数据驱动检测方法，用于在无电池包信息条件下实现电池故障的早期检测。该方法利用自编码器策略对电压进行重构，以识别潜在故障；并通过生成对抗网络（GAN）框架进行模型训练，降低模型过拟合风险，提升检测效率。此外，在异常检测过程中，由于缺乏电池组的参考信息，电流变化可能引起某些异常电压波动，从而导致误诊。为解决...
解读: 该基于自编码器的电池短路故障检测技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。通过混合特征输入和等效电路模型参数,可将单体电池异常检测时间缩短至1.6小时内,显著提升储能系统安全性。该数据驱动方法可集成至iSolarCloud平台,增强预测性维护能力,降低误诊率。对充电...