找到 8 条结果 · IEEE Transactions on Power Electronics
基于双向长短期记忆网络
Bi-LSTM）的并网变流器序阻抗预测
Sijia Li · Rui Kong · Frede Blaabjerg · Amjad Anvari-Moghaddam · IEEE Transactions on Power Electronics · 2026年2月
大规模电压源变流器（VSC）接入电网可能引发稳定性问题。基于阻抗建模的稳定性分析是解决该问题的核心框架。然而，在变流器内部结构和参数未知的情况下，现有频率扫描测量技术存在局限。本文提出一种基于Bi-LSTM神经网络的序阻抗预测方法，旨在实现对变流器阻抗特性的快速、准确评估，为复杂电网环境下的稳定性分析提供新途径。
解读: 该技术对阳光电源的组串式和集中式光伏逆变器、PowerTitan/PowerStack储能变流器（PCS）具有极高价值。在弱电网或复杂电网环境下，逆变器与电网的交互稳定性是核心痛点。通过引入Bi-LSTM深度学习模型，阳光电源可在iSolarCloud平台或现场运维中，无需获取逆变器内部详细参数即可...
基于短历史数据的长短期记忆模型锂离子电池SOH估计
Lithium-Ion Battery SOH Estimation Based on a Long Short-Term Memory Model Using Short History Data
Wenbin Li · Changwei Lin · Seyedmehdi Hosseininasab · Lennart Bauer 等5人 · IEEE Transactions on Power Electronics · 2025年5月
本文针对电动汽车电池管理系统（BMS），提出了一种基于短时充电历史数据的锂离子电池健康状态（SOH）估计方法。该数据驱动模型利用长短期记忆（LSTM）网络，解决了实际应用中因部分充放电循环导致的SOH估计难题，实现了在灵活电压范围下的高精度健康状态评估。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。目前储能系统在电网侧和工商业侧常面临频繁的浅充浅放，传统的基于全周期数据的SOH估算精度受限。引入基于LSTM的短历史数据估算模型，可显著提升iSolarCloud平台对电池衰减的预测精度，优化电池...
基于LSTM网络的IGBT结温时间序列特性表征方法
A Time Series Characterization of IGBT Junction Temperature Method Based on LSTM Network
Zheng-Wei Du · Yu Zhang · Yuankui Wang · Zhiyuan Chen 等9人 · IEEE Transactions on Power Electronics · 2025年1月
准确的结温表征对IGBT模块的性能优化与可靠性设计至关重要。针对现有方法多关注特定时刻温度预测而非时间序列变化的问题，本文提出了一种基于长短期记忆（LSTM）网络的方法，通过捕捉结温的时间演变特征，实现了对IGBT结温的精确追踪与表征。
解读: IGBT是阳光电源光伏逆变器、储能变流器（PCS）及风电变流器的核心功率器件。结温直接决定了器件的寿命与系统的可靠性。该研究利用LSTM网络实现结温的时间序列追踪，可深度集成于iSolarCloud智能运维平台，实现对组串式逆变器及PowerTitan/PowerStack储能系统内部功率模块的实时...
结合元学习与CNN-LSTM算法的锂离子电池健康状态估计
Combined Meta-Learning With CNN-LSTM Algorithms for State-of-Health Estimation of Lithium-Ion Battery
Tiancheng Ouyang · Yingying Su · Chengchao Wang · Song Jin · IEEE Transactions on Power Electronics · 2024年8月
针对锂离子电池实际运行工况复杂导致健康状态（SOH）估计泛化能力差的问题，本文提出了一种结合元学习与CNN-LSTM的SOH估计方法。该方法通过元学习框架提升模型在不同工况下的适应性，有效解决了传统深度学习模型对大规模数据依赖及泛化性不足的难题。
解读: 该技术对阳光电源的PowerTitan和PowerStack等储能系统至关重要。目前BMS在全生命周期SOH预测上存在精度与泛化性的平衡难题，元学习算法能显著提升系统在不同环境温度、充放电倍率下的电池寿命评估准确度。建议将此算法集成至iSolarCloud智能运维平台，通过云端大数据训练与边缘侧BM...
基于多层长短期记忆网络的光伏电站数据完整性攻击检测与诊断
Detection and Diagnosis of Data Integrity Attacks in Solar Farms Based on Multilayer Long Short-Term Memory Network
Fangyu Li · Qi Li · Jinan Zhang · Jiabao Kou 等7人 · IEEE Transactions on Power Electronics · 2021年3月
随着光伏系统数字化程度提高，网络安全威胁日益严峻。本文提出一种基于深度序列学习的诊断方案，利用多层长短期记忆网络（LSTM）检测并识别光伏电站中的数据完整性攻击，为电力电子变换器的网络物理安全提供有效防护。
解读: 随着阳光电源iSolarCloud平台接入规模的扩大，电站数据安全已成为运维核心。该研究提出的多层LSTM诊断模型可直接集成至iSolarCloud的智能运维算法库中，用于实时监测组串式逆变器及PowerTitan储能系统的遥测数据异常。通过识别数据完整性攻击，可有效防止恶意指令导致的逆变器误动作或...
基于异常发热与深度学习算法的电动汽车电池热失控故障预测
Battery Thermal Runaway Fault Prognosis in Electric Vehicles Based on Abnormal Heat Generation and Deep Learning Algorithms
Da Li · Peng Liu · Zhaosheng Zhang · Lei Zhang 等9人 · IEEE Transactions on Power Electronics · 2022年7月
针对电动汽车在复杂工况下电池热失控预测难的问题，本文提出了一种基于异常发热（AHG）的预测模型。该模型结合长短期记忆网络（LSTM）等深度学习算法，能够有效识别电池异常状态，提升电动汽车运行安全性。
解读: 该研究对阳光电源的储能系统（如PowerTitan、PowerStack）具有重要参考价值。储能系统本质上是大规模电池组的集成，热失控监测是BMS的核心安全功能。通过引入基于异常发热的深度学习预测模型，阳光电源可优化iSolarCloud平台的电池健康状态（SOH）评估与预警算法，从单纯的阈值报警升...
基于电压异常结合长短期记忆神经网络与等效电路模型的电动汽车电池故障诊断
Battery Fault Diagnosis for Electric Vehicles Based on Voltage Abnormality by Combining the Long Short-Term Memory Neural Network and the Equivalent Circuit Model
Da Li · Zhaosheng Zhang · Peng Liu · Zhenpo Wang 等5人 · IEEE Transactions on Power Electronics · 2021年2月
本文提出了一种结合长短期记忆（LSTM）神经网络与等效电路模型的电池故障诊断新方法。通过改进的自适应提升算法提高诊断精度，并利用预判模型降低计算负载，有效提升了电动汽车电池系统的运行安全性与可靠性。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack）具有重要参考价值。储能系统本质上是大规模电池组的集成，其安全性与BMS（电池管理系统）的故障诊断能力直接相关。文中提出的LSTM与等效电路模型结合的方法，可优化阳光电源iSolarCloud平台对储能电站电池健康状态（SOH）...
基于小波包与LSTM的五电平嵌套NPP变换器故障诊断与容错控制
Fault Diagnosis and Tolerance Control of Five-Level Nested NPP Converter Using Wavelet Packet and LSTM
Shu Ye · Jianguo Jiang · Junjie Li · Yunlong Liu 等6人 · IEEE Transactions on Power Electronics · 2020年2月
五电平嵌套中点钳位（NPP）变换器具有高功率密度和鲁棒性，适用于高压大功率场景。然而，开关数量增加导致故障风险上升。本文提出一种结合小波包分解与长短期记忆网络（LSTM）的故障诊断与容错控制方法，有效提升了复杂多电平拓扑的运行可靠性。
解读: 该研究针对高压大功率多电平拓扑的故障诊断与容错控制，对阳光电源的集中式光伏逆变器及大型储能系统（如PowerTitan系列）具有重要参考价值。随着阳光电源产品向更高电压等级和更高功率密度演进，多电平拓扑的应用日益广泛，开关管故障诊断的复杂性随之增加。引入小波包与深度学习算法，可显著提升iSolarC...