找到 6 条结果 · IEEE Access
基于人工智能与物理模型的智能电网异常检测综述
Artificial Intelligence and Physics-Based Anomaly Detection in the Smart Grid: A Survey
Giovanni Battista Gaggero · Paola Girdinio · Mario Marchese · IEEE Access · 2025年1月
先进通信系统与分布式资源的融合推动了智能电网的发展，提升了控制能力与运行效率。然而，系统复杂性的增加也带来了新的脆弱性，加剧了网络攻击、设备故障等异常风险。机器学习技术作为数据分析的变革性工具，正广泛应用于异常检测。本文综述了结合人工智能与物理模型的智能电网异常检测方法，系统梳理了当前研究现状，评估了各类应用场景、算法性能及验证方式，识别出关键研究缺口，并为该领域的进一步发展提供了学术见解。
解读: 该综述对阳光电源智能运维体系具有重要指导价值。AI与物理模型融合的异常检测方法可直接应用于iSolarCloud平台，提升ST储能系统和SG光伏逆变器的故障预警能力。针对储能系统，可结合电池物理模型与机器学习实现热失控、SOC异常等早期检测；对光伏电站，可融合IV曲线物理特性与AI算法识别组件遮挡、...
基于随机森林回归器的大型光伏电站异常检测工作流程
Anomaly Detection Workflow Using Random Forest Regressor in Large-Scale Photovoltaic Power Plants
João Lucas de Souza Silva · Marcelo Vinícius de Paula · Juliana de Souza Granja Barros · Tárcio André Dos Santos Barros · IEEE Access · 2025年1月
在大型光伏电站中，异常会降低系统性能与长期可靠性，影响运维计划和经济效益。由于电站产生的数据量庞大，异常检测面临巨大挑战，亟需减少人工干预的自动化工具。本文提出一种基于随机森林回归器的异常检测工作流程，并引入动态建模的数学阈值进行判别。模型利用阵列平面辐照度和温度等特征预测输出功率，并通过均绝对误差结合动态乘子设定预警与异常阈值。在多个逆变器及不同数据集划分下的实验表明，该方法总体准确率达99.69%，能有效识别电站内不同设备的异常，具备良好的适用性与推广价值。
解读: 该随机森林异常检测工作流程对阳光电源iSolarCloud智能运维平台具有直接应用价值。可集成至SG系列光伏逆变器和PowerTitan储能系统的智能诊断模块，通过辐照度、温度等多维特征实时预测设备输出功率，结合动态阈值实现99.69%准确率的异常识别。该方法可优化现有预测性维护策略，减少人工巡检成...
基于优化卷积长短期记忆模型的智能电网异常检测
Anomaly Detection on Smart Grids With Optimized Convolutional Long Short-Term Memory Model
Ahmad N. Alkuwari · Saif Al-Kuwari · Abdullatif Albaseer · Marwa Qaraqe · IEEE Access · 2025年1月
数字技术融入传统电力系统提升了电网效率和可持续性,将传统电网转型为智能电网。然而,这一转型也引入新的脆弱性,如虚假数据注入攻击,可导致严重的能源盗窃。据估计这类攻击每年造成电力供应商约1010亿美元损失。本文提出一种基于优化轻量级卷积长短期记忆模型的智能电网异常检测方法,针对七种多分类标记的虚假数据注入攻击进行检测,在分类这些攻击时达到91.3%的高准确率。
解读: 该智能电网异常检测技术可应用于阳光电源智慧能源管理平台的安全监控。通过深度学习模型检测虚假数据注入攻击,保护ST系列储能系统和SG系列光伏逆变器的数据安全,预防能源盗窃和电网欺诈行为,提升智能电网的安全性和可靠性,为工商业储能和分布式光伏提供网络安全保障。...
智慧健康系统中面向安全、效率和功率优化的专家混合联邦学习和信任管理
An Expert Hybrid Federated Learning and Trust Management for Security, Efficiency, and Power Optimization in Smart Health Systems
Sohrab Khan · Nayab Imtiaz · Arnab Kumar Biswas · Zeeshan Bin Siddique 等5人 · IEEE Access · 2025年1月
智慧医疗系统中大量健康设备互联共享患者数据，面临严重的安全和隐私问题。本文提出新型混合联邦SVM和信任管理模型，通过协作性、诚实性和社区信任参数计算信任度。该模型异常检测总体准确率达95%，线性核、RBF核和多项式核准确率分别为95%、93%和95%，为健康系统提供安全和隐私保护。该方法轻量化，减少52.5%计算量，促进不必要能耗节约和计算开销降低，提升智慧健康基础设施安全性。
解读: 该联邦学习和边缘计算技术对阳光电源物联网设备安全管理有借鉴意义。阳光iSolarCloud平台连接海量光伏储能设备，需要高效安全的数据处理机制。联邦学习可实现分布式设备本地数据处理和模型训练，降低云端数据传输和计算压力。信任管理机制可增强阳光设备间通信安全性。该轻量化方案可应用于阳光边缘控制器，在保...
交通场景理解的深度学习综述
Deep Learning for Traffic Scene Understanding: A Review
Parya Dolatyabi · Jacob Regan · Mahdi Khodayar · IEEE Access · 2025年1月
本综述论文深入分析深度学习模型在交通场景理解中的应用，这是现代智能交通系统的关键方面。研究检验分类、目标检测和分割等基础技术，并扩展到动作识别、目标跟踪、路径预测、场景生成检索、异常检测、图像到图像转换I2IT和人员重识别等更高级应用。论文综合广泛研究的见解，追溯从传统图像处理方法到复杂深度学习技术如卷积神经网络CNN和生成对抗网络GAN的演进。综述探讨三类主要领域自适应DA方法：基于聚类、基于差异和基于对抗，强调其在交通场景理解中的重要性。讨论超参数优化HPO的重要性，强调其在增强模型性能和效...
解读: 该交通场景理解技术可应用于阳光电源储能电站和充电站智能管理。阳光在新能源汽车充电领域需要车辆识别、车位管理和安全监控。该深度学习综述涵盖的目标检测和跟踪技术可集成到阳光充电站管理系统，实现车辆自动识别、充电桩智能分配和异常行为检测。在工商业储能场景下，该技术可优化园区能源管理，识别车辆进出和负荷变化...
云原生环境中使用大语言模型和贝叶斯网络的异常检测与根因分析
Anomaly Detection and Root Cause Analysis in Cloud-Native Environments Using Large Language Models and Bayesian Networks
Diego Frazatto Pedroso · Luís Almeida · Lucas Eduardo Gulka Pulcinelli · William Akihiro Alves Aisawa 等6人 · IEEE Access · 2025年1月
云计算技术提供可扩展性和性能优势,但微服务架构引入复杂的监控和故障诊断挑战。本文提出一种集成大语言模型与贝叶斯网络的异常检测与根因分析框架,通过智能化分析微服务日志和指标数据,自动识别系统异常并追溯根本原因。
解读: 该智能运维技术可应用于阳光电源的储能云平台和远程监控系统。通过AI驱动的异常检测技术,提升ST系列储能系统的故障预警能力和运维效率,减少人工诊断时间,实现大规模储能电站的智能化运维管理。...