找到 7 条结果 · IEEE Access
基于自适应神经模糊推理系统与模糊FOPID先进控制的并网光伏-风电混合系统性能提升
Performance Improvement of Grid-Connected PV-Wind Hybrid Systems Using Adaptive Neuro-Fuzzy Inference System and Fuzzy FOPID Advanced Control With OPAL-RT
Moayed Mohamed · Zuhair Muhammed Alaas · Badr Al Faiya · Hossam Youssef Hegazy 等6人 · IEEE Access · 2025年1月
本文研究基于自适应神经模糊推理系统（ANFIS）提升并网光伏-风电混合系统的控制性能，并与传统模糊分数阶PID（FOPID）及模糊PI控制器进行对比。针对可再生能源间歇性与非线性带来的控制挑战，ANFIS融合模糊逻辑与神经网络自学习能力，展现出更强的鲁棒性与适应性。通过OPAL-RT 4512平台实现实时仿真与实验验证，结果表明ANFIS在电压调节、谐波抑制及系统稳定性方面显著优于其他控制器，尤其在动态负载与环境变化下表现更优，有效促进可再生能源的可靠并网与智能电网发展。
解读: 该ANFIS与模糊FOPID控制技术对阳光电源光储混合系统具有重要应用价值。针对SG系列光伏逆变器与ST储能变流器的并网协同控制，ANFIS自适应学习能力可显著提升PowerTitan储能系统在光伏波动工况下的电压调节精度与谐波抑制性能。OPAL-RT实时验证方法可直接应用于阳光电源构网型GFM控制...
基于卷积神经网络、小波神经网络与掩码多头注意力机制的全球辐照度预测模型
A Global Irradiance Prediction Model Using Convolutional Neural Networks, Wavelet Neural Networks, and Masked Multi-Head Attention Mechanism
Walid Mchara · Lazhar Manai · Mohamed Abdellatif Khalfa · Monia Raissi 等5人 · IEEE Access · 2025年1月
准确预测全球辐照度对光伏系统尤其是太阳能电动汽车的能量管理至关重要。传统模型难以捕捉辐照数据中复杂的时空依赖性，导致在多变天气条件下预测精度受限。本文提出一种融合卷积神经网络（CNN）、小波神经网络（WNN）与掩码多头注意力（MMHA）机制的新型混合框架CNN-WNN-MMHA。CNN提取局部空间特征，WNN进行频域分解以捕获多尺度变化，MMHA建模时间依赖并编码位置信息。模型在突尼斯八年实测气候数据上训练与验证，实验表明其性能显著优于LSTM、BiLSTM和CNN-LSTM等先进方法，MAPE...
解读: 该混合深度学习辐照度预测模型对阳光电源多条产品线具有重要应用价值。在SG系列光伏逆变器中，可优化MPPT算法的前瞻性控制，提前调整功率跟踪策略；在PowerTitan储能系统中，精准的辐照度预测可优化充放电调度策略，提升光储协同效率；在iSolarCloud智能运维平台中，该模型可增强预测性维护能力...
基于人工智能和机器学习的安全运营中心强化技术综述
Empowering Security Operation Center With Artificial Intelligence and Machine Learning
Mohamad Khayat · Ezedin Barka · Mohamed Adel Serhani · Farag Sallabi 等6人 · IEEE Access · 2025年1月
安全运营中心SOC是组织网络安全的核心，但面临威胁复杂度提升的挑战。本文通过系统文献综述，详细探讨AI和ML技术如何革新SOC，增强威胁识别、响应能力以及风险预测。研究涵盖自动化事件响应、行为分析、神经网络和深度学习等多种方法，提出集成AI和ML的SOC参考架构模型。该模型为实施提供结构化框架，详述不同SOC组件及其交互。研究强调这些技术对增强安全运营的益处，并通过案例研究展示ML和AI驱动的SOC组件如何实现最优安全性，最后讨论额外挑战和未来研究方向。
解读: 该AI安全运营技术对阳光电源智慧能源平台的网络安全至关重要。阳光iSolarCloud云平台管理全球数百GW光伏储能资产，面临日益严峻的网络安全威胁。该研究的AI驱动SOC架构可集成到阳光云平台安全体系，实现实时威胁检测、自动化响应和预测性防御。结合阳光储能变流器的边缘计算能力和设备级安全防护，该技...
基于有效预测控制算法的并网风电PMSG性能增强
Performance Enhancement of a Grid Connected Wind Turbine-Based PMSG Using Effective Predictive Control Algorithm
Mahmoud A. Mossa · Rasha A. Mohamed · Ameena Saad Al-Sumaiti · IEEE Access · 2025年1月
本文设计一种有效控制方法以增强并网永磁同步发电机的动态性能。所提控制方法基于预测控制和反步理论的优势制定。与矢量控制、预测电流控制、基于PI的预测电压控制和基于无差拍理论的预测电压控制进行综合对比分析。结果表明,所提控制器通过保持低纹波和电流谐波、更快动态响应和降低计算负担,显著改善了发电机动态性能。
解读: 该预测控制技术可应用于阳光电源风电变流器的控制系统优化。通过先进的预测控制算法,提升永磁同步风电机组的并网性能和动态响应,降低电流谐波和纹波,提高发电效率和电网友好性,为大型风电场提供高性能变流器解决方案。...
基于双动态自偏置方法的高效CMOS射频-直流整流器
An Efficient CMOS RF-DC Rectifier Based on a Dual Dynamic Self-Biasing Approach
Ahmed Reda Mohamed · Abdulaziz A. Al-Khulaifi · Munir A. Al-Absi · IEEE Access · 2025年1月
提出了一种具有双动态栅极/体偏置网络设计的高效CMOS整流器以提高功率转换效率PCE和灵敏度。采用180nm CMOS工艺设计，芯片面积102μm×78μm。在920MHz频率下，输入功率-18.9dBm时实现78.5%的高PCE，动态范围DR为26.1dB，灵敏度为-18.4dBm，在100kΩ负载上输出1V电压。与传统整流器相比，该整流器的DR提高29%，灵敏度提高27%，在PCE、灵敏度和动态范围方面均优于现有单级整流器。
解读: 该CMOS整流器研究对阳光电源无线充电和能量采集技术有重要参考价值。78.5%的高PCE和优异的低功耗性能与阳光新能源汽车OBC无线充电模块的效率优化需求一致。双动态偏置技术提升的灵敏度和动态范围为阳光iSolarCloud物联网平台的低功耗传感器节点供电提供了技术路径。该整流器在920MHz的工作...
基于AI驱动的低能耗物联网协议优化用于可扩展高效智慧医疗系统
AI-Driven Optimization of Low-Energy IoT Protocols for Scalable and Efficient Smart Healthcare Systems
Salma Rattal · Abdelmajid Badri · Mohamed Moughit · El Miloud Ar-Reyouchi 等5人 · IEEE Access · 2025年1月
物联网IoT承诺超连接世界，集成数十亿设备。低能耗通信协议对延长资源受限IoT设备电池寿命和确保高效数据交换至关重要。本文提出新型AI驱动优化框架，增强智慧医疗应用中协议的能效、可扩展性和适应性。与以往孤立优化协议的工作不同，本研究全面分析BLE、Zigbee、Thread、LoRa、Sigfox、NB-IoT、Wi-SUN和Weightless等协议，突出优缺点。该框架利用机器学习ML、强化学习RL和深度学习DL等先进AI技术优化传输距离、数据速率和功耗等关键指标。定量评估显示性能和权衡的显著...
解读: 该物联网协议优化技术对阳光电源分布式设备通信系统有应用价值。阳光户用光伏和储能系统中大量传感器和控制器需要低功耗长距离通信。AI优化的LoRa和NB-IoT协议可提升阳光监控设备的通信效率和电池寿命。强化学习自适应协议参数的方法可应用于阳光iSolarCloud平台的设备连接优化。该研究关注的功耗、...
影响学生学业表现的因素：混合数据因子分析和多元线性回归分析的组合
Factors Affecting Student Academic Performance: A Combined Factor Analysis of Mixed Data and Multiple Linear Regression Analysis
Mohamed El Jihaoui · Oum El Kheir Abra · Khalifa Mansouri · IEEE Access · 2025年1月
理解学生学业表现是发展可持续教育实践造福学生、教师、政策制定者和社会的基石。该分析直接影响学生参与和促进可持续实践的能力，从而塑造其未来学业成功。虽然许多研究专注于基于特征集预测学生表现，本研究采用将这些特征简化为因子并分析其影响的方法。旨在使用混合数据因子分析和多元线性回归的组合方法识别中学教育系统中影响学生表现的因素。分析基于1073450个观测值的稳健可靠大数据集，涵盖定性和定量特征。混合数据因子分析识别四个潜在因子：先前学业表现、学业延迟、社会经济地位和班级环境，所有这些因子具有良好到出...
解读: 该学生表现预测模型对阳光电源人才培养体系具有借鉴意义。阳光作为技术密集型企业，人才是核心竞争力，该多因素分析方法可应用于阳光校企合作和内部培训项目。阳光可构建员工技能成长预测模型，早期识别高潜力人才和需要支持的员工，制定个性化培养计划，提升人才培养效率和员工满意度，增强企业技术创新能力和可持续发展能...