找到 3 条结果 · IEEE Transactions on Power Electronics
机器学习与电流调制在模块级光伏系统直流串联电弧故障检测与熄灭中的协调
Coordination of Machine Learning and Current Modulation for DC Series Arc Fault Detection and Extinguishing for Module-Level PV Systems
作者未知 · IEEE Transactions on Power Electronics · 2025年1月
模块级电力电子设备能够克服局部阴影影响，实现每个光伏（PV）面板的最大发电量。然而，这增加了光伏面板与转换器之间出现直流串联电弧故障的可能性。电流调制技术可利用电弧电阻特性检测并消除直流串联电弧故障。但该方法会因故障检测不准确而降低发电量。本文提出一种结合电流调制和机器学习方法的直流串联电弧故障检测与消除策略，通过双重筛选提高故障检测的准确性。合适的机器学习算法可最大程度减少电流调制的误触发，从而提高正常情况下的光伏发电量。所提方法能够在不考虑阻抗和外部变化的情况下，区分电弧故障和正常状态。本文...
解读: 从阳光电源组串式逆变器和模块级电力电子（MLPE）产品线角度来看，这项结合机器学习与电流调制的直流串联电弧故障检测技术具有重要战略价值。随着光伏系统向分布式、模块级方向发展，我们的微型逆变器和优化器产品面临更复杂的电弧故障风险，这项技术提供了一个系统性解决方案。 该技术的核心价值在于通过双重筛选机...
基于有限实验数据的机器学习代理建模中Mn-Zn铁氧体磁芯损耗的工艺特异性仿真
Fabrication-Specific Simulation of Mn-Zn Ferrite Core-Loss for Machine Learning-Based Surrogate Modeling With Limited Experimental Data
作者未知 · IEEE Transactions on Power Electronics · 2025年1月
锰锌铁氧体作为一种核心材料，在电力电子应用中得到了广泛使用。然而，由于磁芯损耗机制及其相关因素的复杂性，磁芯损耗建模颇具挑战性。实验数据的匮乏是锰锌铁氧体发展的另一个重大阻碍。在本研究中，我们提出了一种新颖的数据驱动框架，用于构建一个基于机器学习（ML）的有效替代模型，以估算锰锌铁氧体的磁芯损耗。我们开发了一个特定于制造工艺的有限元分析模型，对所制造锰锌铁氧体的实验结果进行模拟，从而生成基于模拟的数据，以扩充训练数据集。我们考虑了各种机器学习技术，用于特定制造工艺模拟中的材料特性估算和磁芯损耗计...
解读: 从阳光电源的业务视角来看，这项关于Mn-Zn铁氧体磁芯损耗建模的研究具有重要的工程应用价值。Mn-Zn铁氧体是我们光伏逆变器、储能变流器等核心产品中高频变压器和电感器的关键磁性材料，其损耗特性直接影响系统效率和热管理设计。 该研究最显著的价值在于解决了磁芯材料开发中的数据稀缺问题。传统上，我们需要...
一种基于低质量数据的三相逆变器功率开关开路故障鲁棒数据驱动诊断方法
A Robust Data-Driven Method for Open-Circuit Fault Diagnosis of Power Switches in Three-Phase Inverters With Low-Quality Data
Yang Xia · Yan Xu · IEEE Transactions on Power Electronics · 2024年11月
机器学习（ML）技术在电力变换器故障诊断方面显示出了巨大潜力。然而，在实际应用中，诊断处理器所测量的数据可能会受到损坏，这会降低基于机器学习的诊断模型的性能。本文提出了一种鲁棒的数据驱动方法，用于在数据存在缺失值、异常值和噪声等低质量问题的情况下进行功率开关开路故障诊断。在离线阶段，首先训练一个鲁棒子空间矩阵，用于从缺失数据和异常值中恢复受损数据。然后，通过联合稀疏编码和变换学习对恢复后的数据进一步去噪，在此过程中可以得到一个变换权重矩阵。以处理后的数据作为输入，训练一个随机向量功能链接网络来生...
解读: 从阳光电源的业务视角来看，这项针对三相逆变器功率开关开路故障诊断的鲁棒数据驱动方法具有重要的应用价值。作为全球领先的光伏逆变器和储能系统供应商，阳光电源在大规模光伏电站和储能项目中部署了海量的逆变器设备，功率开关作为核心器件，其故障诊断能力直接影响系统可靠性和运维成本。 该技术的核心优势在于其对低...