Yihao Wan · Yang Zhang · Qianwen Xu · IEEE Transactions on Industrial Electronics · 2025年4月

长预测时域有限控制集模型预测控制（FCS - MPC）在闭环稳定性、谐波失真和开关频率方面表现出卓越的性能。然而，对于传统的穷举法，实际实施时的计算负担会随着预测时域的增加呈指数级增长。传统方法包括将其重新表述为整数最小二乘（ILS）问题，以及采用基于人工神经网络（ANN）的有监督模仿学习技术，以减轻长预测时域带来的计算负担问题。在本文中，通过将强化学习（RL）框架与长预测时域相结合，开发了一种新型自主控制器用于变流器控制。通过这种方式，RL智能体通过与变流器系统进行交互，自主学习最优开关策略。...

解读: 从阳光电源的业务视角来看，这项基于强化学习的长预测时域模型预测控制技术具有重要的战略价值。该技术针对功率变换器控制中的核心痛点——长预测时域带来的计算复杂度问题，提出了创新性解决方案，这与我们在光伏逆变器和储能变流器产品中追求高性能控制的需求高度契合。 技术价值方面，长预测时域控制能够显著改善闭环...

Zhen Zhang · Xin Gu · Ziheng Mao · Jinglun Li 等6人 · IEEE Transactions on Industrial Electronics · 2024年10月

作为电池管理系统中的一项关键技术，故障诊断方法的迭代创新与发展正受到越来越多的关注。然而，早期故障相关的异常特征并不明显，通过传统诊断技术难以识别。为此，本文提出了一种基于累积概率分布（CPD）的锂离子电池组快速准确故障诊断方法。CPD算法可将电池电压序列转换为非时间序列。基于CPD算法设计了两种故障诊断子方法，包括以长期电压数据为输入的快速预检测方法A和以短期电压数据为输入的准确诊断方法B。此后，这些提出的方法在诊断效率和准确性之间取得了平衡。实验结果表明，所提出的方法能够检测电池早期故障并估...

解读: 从阳光电源储能系统业务视角来看，这项基于累积概率分布的锂电池故障诊断技术具有重要的工程应用价值。当前储能系统的安全性和可靠性是制约行业发展的关键瓶颈，而该技术通过将电池电压序列转换为非时间序列的创新方法，实现了早期故障的快速准确识别，这与我们在大规模储能电站运维中的实际需求高度契合。 该方法的双重...

Shiquan Wang · Kai Ou · Wei Zhang · Ya-Xiong Wang · IEEE Transactions on Industrial Electronics · 2024年7月

准确估算荷电状态（SOC）和健康状态（SOH）对于改进电池管理技术至关重要。然而，电池会受到温度和老化的影响，导致其呈现出更难以表征的非线性关系。本文提出了一种基于温度相关扩展卡尔曼滤波器（EKF）和深度学习的锂离子电池SOC - SOH联合估算方法。首先，创建包含温度和容量变量的电池模型状态矩阵、控制矩阵和观测矩阵，以便在本地端使用EKF进行实时SOC估算。其次，利用卷积神经网络（CNN）和注意力机制提取并加权电池老化特征，并结合门控单元解决长序列记忆问题，从而在远程计算平台上进行SOH估算。...

解读: 从阳光电源储能系统业务视角看，这项基于温度依赖扩展卡尔曼滤波与深度学习的SOC-SOH联合估算技术具有显著的工程应用价值。该技术直击储能系统电池管理的核心痛点——在复杂温度环境和电池老化条件下实现精准状态估计，这对我司大规模储能电站和户用储能产品的安全性、经济性至关重要。 技术架构上，论文提出的"...