找到 110 条结果
数据驱动的数字孪生用于DC/DC降压变换器可靠性评估
Data-Driven Digital Twin for Reliability Assessment of DC/DC Buck Converter
Sukanta Roy · Milad Behnamfar · Anjan Debnath · Arif Sarwat · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年11月
在商业应用中，DC/DC变换器的运行状态显著影响系统整体性能与长期可靠性。本文提出一种数据驱动的数字孪生方法，用于估计稳态下DC/DC降压变换器关键退化参数。首先，利用离线粒子群优化算法对电路级数字模型进行校准，并通过平均模型验证其稳态响应。随后，在模型中引入电感、电容及MOSFET的退化特性，生成大规模数据集，用于训练和验证随机森林机器学习模型。实验结果表明，该方法回归精度高，决定系数达0.99978，均方根误差低至4.2×10⁻⁶，并在中等功率硬件原型上验证了不同负载及MOSFET导通电阻退...
解读: 该数据驱动数字孪生技术对阳光电源ST系列储能变流器及SG光伏逆变器的DC/DC变换模块具有重要应用价值。通过随机森林模型非侵入式识别电感、电容及MOSFET导通电阻退化（R²=0.99978），可集成至iSolarCloud平台实现预测性维护，提前预警功率器件老化。该方法特别适用于工商业储能系统中B...
网络攻击预测：从传统机器学习到生成式人工智能
Cyber Attack Prediction: From Traditional Machine Learning to Generative Artificial Intelligence
Shilpa Ankalaki · Aparna Rajesh Atmakuri · M. Pallavi · Geetabai S Hukkeri 等6人 · IEEE Access · 2025年1月
网络威胁日益复杂对个人、组织和国家构成重大风险。网络犯罪包括黑客攻击和数据泄露,具有严重经济和社会后果。传统安全解决方案难以应对不断演变的威胁态势。人工智能AI提供强大技术来应对这些挑战。本文探讨AI方法包括机器学习ML、深度学习DL、自然语言处理NLP、可解释AI和生成式AI在解决各种网络安全问题中的应用。关键贡献包括:1)ML和DL方法对比研究,评估准确性、适用性和各种网络安全挑战的适用性;2)可解释AI方法研究,增强AI安全解决方案的透明度和可解释性;3)生成式AI和NLP新兴趋势探索,检...
解读: 该网络安全AI技术对阳光电源iSolarCloud平台和智能设备安全防护有重要参考价值。阳光云平台连接海量光伏储能设备,面临网络攻击威胁。生成式AI和机器学习方法可应用于阳光平台的入侵检测和异常行为识别。可解释AI技术可提升阳光安全系统的透明度,辅助安全运维决策。威胁情报生成和攻击模拟方法对阳光安全...
探索机器学习和深度学习技术在神经疾病脑电信号分类中的有效性
Exploring the Effectiveness of Machine Learning and Deep Learning Techniques for EEG Signal Classification in Neurological Disorders
Souhaila Khalfallah · William Puech · Mehdi Tlija · Kais Bouallegue · IEEE Access · 2025年1月
神经疾病是全球身体和认知残疾的主要原因，影响约15%的全球人口。本研究探索机器学习ML和深度学习DL技术在处理脑电图EEG信号以检测癫痫、自闭症谱系障碍ASD和阿尔茨海默病等神经疾病中的应用。呈现详细工作流程，从使用头戴设备采集EEG数据开始，然后使用有限脉冲响应FIR滤波器和独立成分分析ICA进行数据预处理以消除噪声和伪影。数据分段后提取带功率和Shannon熵等关键特征以提高分类准确性。这些特征存储在离线数据库中便于分析期间访问，然后应用于ML和DL模型，系统测试性能并与先前研究比较结果。研...
解读: 该EEG信号分类技术对阳光电源智能诊断系统有跨领域借鉴意义。虽然阳光主要聚焦能源设备，但信号处理和特征提取方法可应用于阳光设备状态监测和故障诊断。FIR滤波和ICA噪声消除技术对阳光电力电子设备信号处理有参考价值。机器学习和深度学习模型对比分析思路可应用于阳光故障分类算法开发。该研究验证的高准确率，...
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...
基于机器学习的有源中点钳位逆变器多目标自动设计案例研究
A Case Study of Multiobjective Automatic Design for Active Neutral Point Clamped Inverter Based on Machine Learning
Jianing Wang · Ruiyuan Wang · Zhicheng Gao · Feishuang Sun 等5人 · IEEE Transactions on Industrial Electronics · 2024年12月
传统的变流器设计遵循顺序流程，通常包括拓扑设计、调制设计、元件设计、性能设计及其内部迭代。这种方法严重依赖人工经验且耗时较长，尤其是对于采用宽禁带器件所强调的多目标设计而言，宽禁带器件的使用加剧了设计目标之间的冲突。计算机辅助虚拟样机方法，简称为建模与优化，仍然受到建模过程中数值计算耗时较长的阻碍，并且在优化过程中无法响应设计要求的变化。为应对这些挑战，本文提出了一种基于机器学习的电力变流器自动设计的高级概念，将基于人工神经网络（ANN）的建模与基于深度强化学习（DRL）的优化相结合。所提出的方...
解读: 从阳光电源的业务视角来看，这项基于机器学习的有源中点钳位（ANPC）逆变器多目标自动设计技术具有重要的战略价值。该技术突破了传统逆变器设计中拓扑-调制-器件-性能的串行迭代模式，通过结合人工神经网络建模和深度强化学习优化，能够在效率、体积、成本、电流纹波和共模噪声等多维目标间实现智能权衡，这正契合阳...
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...
基于人工智能数据驱动的冷喷涂涂层制造优化
AI Data-Driven Optimization of Cold Spray Coating Manufacturing
Alessia Auriemma Citarella · Luigi Carrino · Fabiola De Marco · Luigi Di Biasi 等6人 · IEEE Transactions on Industrial Informatics · 2025年7月
冷喷涂增材制造（CSAM）是一种在多种表面（尤其是聚合物和复合材料等热敏感材料）上施加金属涂层的有效技术。然而，工艺效果受多种复杂因素影响，涂层性能优化仍具挑战。本研究结合有限元模型（FEM）与有监督机器学习（ML）方法，构建包含132组FEM模拟的数据集，涵盖多种金属-聚合物组合及冲击速度范围，预测颗粒嵌入深度与展平程度。比较支持向量回归、决策树、高斯过程回归（GPR）和神经网络（NN）等算法，以均方根误差（RMSE）评估性能。结果表明，GPR对展平预测最优（RMSE=3.9），双层NN对嵌入...
解读: 该AI驱动的冷喷涂优化技术对阳光电源功率器件封装与散热系统具有重要应用价值。在ST储能变流器和SG逆变器的SiC/GaN功率模块制造中，冷喷涂可实现铜/铝金属层在陶瓷基板或复合材料散热器上的低温沉积，避免热应力损伤。研究中的GPR和神经网络预测模型可替代耗时的FEM仿真，快速优化喷涂参数（颗粒速度、...
基于机器学习代理的手动与自动开关在配电网中的优化配置
Optimal Placement of Manual and Automatic Switches in Power Distribution Systems Using a Machine Learning Proxy
Mehrdad Ebrahimi · Mohammad Rastegar · Kiana Karami · IEEE Transactions on Industry Applications · 2025年2月
故障管理涉及在故障发生后尽快恢复停电用户的操作，而优化开关布局有助于实现这一目标。然而，由于问题的非线性和巨大的搜索空间，开关优化问题需要大量的计算工作。因此，对于大规模配电系统而言，该问题可能难以求解。本文提出了一种基于机器学习的代理方法，用于确定实际配电系统中手动和自动开关的最佳数量和位置。目标函数包含设备成本和可靠性指标，包括系统平均停电频率指标（SAIFI）、系统平均停电持续时间指标（SAIDI）和未供电量（ENS）指标。所提出的模型是一个堆叠集成模型，其中基于卷积神经网络（CNN）的模...
解读: 从阳光电源的业务视角来看，这项基于机器学习的配电网开关优化技术具有重要的战略价值。随着公司在分布式光伏、储能系统及综合能源解决方案领域的深度布局，配电网的智能化管理已成为提升系统可靠性和经济性的关键环节。 该技术的核心价值在于通过堆叠集成学习模型，大幅降低开关优化问题的计算复杂度，这对阳光电源的配...
通过深度学习和混合安全模型缓解智能信息物理电力系统的网络风险
Mitigating Cyber Risks in Smart Cyber-Physical Power Systems Through Deep Learning
M. A. S. P. Dayarathne · M. S. M. Jayathilaka · R. M. V. A. Bandara · V. Logeeshan 等6人 · IEEE Access · 2025年1月
智能电网中可再生能源集成的兴起带来新网络安全挑战，促使本研究检验智能信息物理电力系统CPPS的脆弱性。风能和太阳能等可再生能源集成到智能电网因其分散和可变特性带来运行风险，特别是在实时监控和控制所需的通信层内。虽然可再生能源集成增加不直接影响网络安全脆弱性，但主要挑战源于其分散性。解决这种分散需要在供需之间使用网络层，为电力系统控制和通信系统引入网络威胁脆弱性。这些层易受虚假数据注入FDI、拒绝服务DoS和重放攻击等多样化网络攻击，可能危及电网稳定性和安全性。为应对这些风险，研究提出混合方法，集...
解读: 该网络安全技术对阳光电源智慧能源平台安全防护至关重要。阳光iSolarCloud云平台连接海量光伏储能设备，面临虚假数据注入和拒绝服务等网络攻击威胁。该研究的深度学习异常检测方法可集成到阳光云平台安全体系，实现实时威胁识别和防御。在电网侧储能场景下，网络攻击可能导致储能系统误动作，影响电网稳定。该C...
机器学习方法预测室内Li-Fi应用中自适应OFDM传输的直流偏置
ML Approach to Predict DC Bias for Adaptive OFDM Transmission in Indoor Li-Fi
Marwah T. Salman · David R. Siddle · Amadi G. Udu · IEEE Access · 2025年1月
多电平正交振幅调制M-QAM结合光正交频分复用中的直流偏置DCO-OFDM为室内光保真Li-Fi系统提供频谱高效解决方案和自适应传输速率。然而，DCO-OFDM方案提出的重大挑战是确保发射信号幅度非负所需的直流偏置额外功率。这些偏置信号根据光功率约束被裁剪，施加影响传输误码率BER的裁剪噪声。这种性能下降取决于对直流偏置的调整，需要持续修改以支持自适应传输。因此，同时解决直流偏置优化和裁剪缓解对提供可靠节能传输至关重要。本文提出机器学习ML方法基于OFDM信号统计特性和系统特征预测最优直流偏置。...
解读: 该自适应偏置优化技术对阳光电源多电平变流器控制具有借鉴意义。阳光ST储能变流器采用三电平或多电平拓扑，需要精确的偏置和调制策略优化。该研究的机器学习预测方法可应用于阳光变流器的自适应调制算法，根据工况动态优化PWM偏置，降低谐波和开关损耗。在光伏逆变器中，该技术可优化MPPT算法的直流工作点，提升发...
一种带重复和PI环节的线性机器学习模型预测控制方法在三相逆变器中的应用
A Linear Machine Learning-Based Model Predictive Control With Repetitive and PI Elements for a Three-Phase Inverter
Jianwu Zeng · Wei Qiao · IEEE Transactions on Industry Applications · 2025年6月
现有的基于机器学习（ML）的模型预测控制（MPC）方法要么不如采用二次规划（QP）的在线优化MPC，要么计算复杂度高，无法在资源受限的数字信号处理器（DSP）中实现。本文通过使用线性ML方法并添加额外的可解释特征来解决这两个问题。首先，从理论上证明了由QP - MPC生成的训练数据具有内在线性，因此可以使用线性ML方法，如线性神经网络（LNN）和线性支持向量回归（LSVR）来捕捉训练数据集的线性特征。线性运算将计算复杂度从 <italic xmlns:mml="http://www.w3.org...
解读: 该线性ML-MPC技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。通过线性化模型降低计算复杂度，可显著减轻控制器DSP/FPGA的运算负担，降低硬件成本；引入重复控制环节能有效抑制周期性谐波，提升并网电流THD性能，满足严格的电能质量标准；PI反馈增强的鲁棒性可应对电网阻抗波动...
基于直接散热层键合的GaN功率器件在供电网络上的三维芯片集成
3-D On-Chip Integration of GaN Power Devices on Power Delivery Network (PDN) With Direct Heat Spreading Layer Bonding for Heterogeneous 3-D (H3D) Stacked Systems
Jaeyong Jeong · Chan Jik Lee · Sung Joon Choi · Nahyun Rheem 等6人 · IEEE Transactions on Electron Devices · 2025年4月
异构三维（H3D）堆叠系统在高性能计算（HPC）以及人工智能/机器学习（AI/ML）应用方面具有诸多优势。然而，要实现H3D系统，需要重新设计电源分配网络（PDN），以在三维堆叠系统中实现高效的电源传输，并需要热管理解决方案。为了为H3D系统开发高效的PDN，建议采用三维集成片上功率器件。在这项工作中，我们展示了一种通过直接热扩散层键合技术集成在CMOS芯片PDN上的H3D集成氮化镓（GaN）功率器件。该GaN功率器件设计为同时集成增强型（E - 模式）和耗尽型（D - 模式），栅长（$L_{\...
解读: 从阳光电源的业务视角来看，这项GaN功率器件三维集成技术虽然目前主要面向高性能计算和AI/ML应用，但其核心创新对我们在光伏逆变器和储能系统领域具有重要的前瞻性价值。 该技术的关键突破在于两个方面：首先，GaN器件实现了22.3Ω·mm的导通电阻和137V的击穿电压，性能显著超越硅基器件，这与我们...
可重构智能表面辅助6G网络太赫兹通信：全面综述
RIS-Assisted Terahertz Communications for 6G Networks: A Comprehensive Overview
Alok Kumar · Sanjeev Sharma · M. Hemanta Kumar · Ghanshyam Singh · IEEE Access · 2025年1月
太赫兹通信系统中多输入多输出技术与可重构智能表面的整合已成为应对下一代无线网络挑战和利用机遇的有前途方法。本技术综述系统提供基于多输入多输出的可重构智能表面支持太赫兹通信最新研究和发展，专注于这项创新技术的潜在研究机遇、挑战和新兴应用。此外本文探讨整合多输入多输出与可重构智能表面改善链路可靠性的综合效益及相关系统级设计挑战。进一步讨论基于多输入多输出的可重构智能表面支持太赫兹通信各方面，如信道建模、信道估计、波束成形技术、波束分裂效应资源分配策略和性能评估指标。此外还讨论人工智能和机器学习在可重...
解读: 该6G太赫兹通信技术对阳光电源未来通信架构具有前瞻意义。虽然当前阳光产品基于4G/5G通信，但该太赫兹和智能表面技术为下一代高速低延迟通信奠定基础。阳光可跟踪该技术发展，为未来大规模电站和虚拟电厂的超高速数据传输做技术储备，支持实时大数据分析和AI应用，提升系统智能化水平和竞争力。...
利用光伏参数和机器学习确定硅太阳能电池中的铁浓度
Determination the iron concentration in silicon solar cells using photovoltaic parameters and machine learning
Oleg Olikh · Oleksii Zavhorodni · Solar Energy · 2025年1月 · Vol.300
摘要 本研究提出了一种基于机器学习（ML）的创新方法，用于量化硅太阳能电池中的铁杂质。通过对80种模型进行综合分析，采用随机森林（RF）、梯度提升（GB）、极端梯度提升（XGB）、支持向量回归（SVR）和深度神经网络（DNN）等算法，根据FeB对解离引起的光伏参数变化来预测铁浓度。研究识别了训练数据集为最小化预测误差所需满足的条件，以及能够产生最准确预测的特征组合。此外，评估了使用主成分分析（PCA）进行数据预处理的有效性。结果表明，XGB和DNN模型优于其他模型，在合成数据上达到的均方误差（M...
解读: 该机器学习铁杂质检测技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。通过XGB/DNN算法实时监测组件铁污染导致的效率衰减,可集成至MPPT优化算法中实现动态功率预测修正。建议将此方法嵌入智能运维系统,结合光伏参数变化特征实现组件质量分级与寿命预测,提升电站资产管理精度...
级联H桥储能变流器的模块化冗余控制与容错运行策略
Integrated Spatiotemporal Hybrid Solar PV Generation Forecast Between Countries on Different Continents Using Transfer Learning Method
Bowoo Kim · Kaouther Belkilani · Gerd Heilscher · Marc-Oliver Otto 等6人 · IEEE Access · 2025年1月
级联H桥拓扑广泛应用于大规模储能系统,但模块故障会影响系统可用性。本文提出模块化冗余控制策略,通过动态拓扑重构和功率再分配实现故障模块的热插拔和容错运行,保证系统连续性。
解读: 该容错控制技术可应用于阳光电源ST系列大规模储能系统。通过模块化冗余设计提升系统可靠性,实现故障模块的在线维护,降低非计划停机损失,为电网侧储能和工商业储能提供高可用性保障。...
基于物联网传感器的视障人士障碍物检测与警告系统
Obstacle Detection and Warning System for Visually Impaired Using IoT Sensors
Sunnia Ikram · Imran Sarwar Bajwa · Amna Ikram · Isabel de la Torre Díez 等6人 · IEEE Access · 2025年1月
视障人士的安全独立移动需要高效障碍物检测系统。本研究提出创新智能膝盖手套,集成机器学习技术实现实时障碍物检测和警报。系统配备超声波传感器、PIR传感器和蜂鸣器,Arduino Uno微控制器管理数据处理。为增强检测准确性,利用决策树DT、支持向量机SVM、K近邻KNN、随机森林RF和高斯朴素贝叶斯GNB等多种机器学习算法。提出新型投票分类器集成方法,有效结合这些分类器优势最大化性能。严格交叉验证确保不同条件下鲁棒评估。实验结果表明系统在4米范围内实现98.34%检测准确率,具有高精度、召回率和F...
解读: 该障碍物检测技术对阳光电源智能运维系统有借鉴意义。阳光iSolarCloud平台可借鉴集成多传感器和机器学习算法的思路,实现光伏电站设备异常检测和巡检机器人障碍物识别。投票分类器集成方法可应用于阳光故障诊断系统,提高检测准确性和鲁棒性。Arduino微控制器的边缘处理架构与阳光分布式智能设备理念一致...
通过机器学习技术预测屋顶几何形状以释放太阳能潜力——一项综述
Unlocking solar potential through machine learning techniques for roof geometry prediction- A review
Dina Shat · Sara Omrani · Robin Drogemuller · Simon Denman 等5人 · Solar Energy · 2025年1月 · Vol.302
摘要 全球向可再生能源的转型凸显了优化住宅太阳能光伏（PV）系统的必要性。准确的屋顶几何形状预测对于提高屋顶太阳能安装的效率和可扩展性至关重要。本综述考察了近期为提升屋顶几何预测精度而设计的机器学习（ML）方法，综合分析了包括卷积神经网络（CNN）和多任务学习框架在内的最新技术，以评估预测精度和计算效率方面的改进。本文还强调了当前面临的挑战，例如数据可用性、多样化数据集的整合（如航拍影像和LiDAR扫描）以及地理泛化能力，并提出了未来研究的方向。未来的研究机会包括开发鲁棒且可扩展的机器学习模型以...
解读: 该机器学习屋顶几何预测技术对阳光电源户用光伏系统具有重要应用价值。通过CNN等深度学习模型精准预测屋顶结构,可优化SG系列逆变器的MPPT配置方案和组串设计。结合iSolarCloud平台,能实现屋顶光伏潜力自动评估、系统容量智能推荐及安装方案优化。该技术可与阳光电源储能系统ST系列协同,通过屋顶数...
基于贝叶斯特征选择的区域风电功率预测
Regional Wind Power Forecasting Based on Bayesian Feature Selection
Theodoros Konstantinou · Nikos Hatziargyriou · IEEE Transactions on Power Systems · 2024年4月
近年来，可再生能源在电力系统中的整合程度不断提高。其固有的不可预测性和输出波动给电力系统的安全运行和能源市场定价的稳定性带来了挑战。因此，准确预测可再生能源发电量至关重要。目前已应用的几种有效预测方法均基于机器学习（ML）。应用机器学习方法的一个关键因素是输入特征的选择，在区域风电预测中，这一任务变得更为复杂，因为区域范围可能涵盖整个国家。所提出的方法旨在通过一种数据驱动的、与模型无关的预处理技术精简输入特征，从而提高预测性能。该技术包括将多维数值天气预报数据划分为多个子区域，并剔除无信息的子区...
解读: 该贝叶斯特征选择的预测方法对阳光电源的储能与风电产品线具有重要应用价值。特别是在ST系列储能变流器和风电变流器的智能调度优化方面,可将该预测算法集成到iSolarCloud平台,提升系统对风电功率波动的预判能力。通过筛选关键气象特征与历史数据,可优化储能系统的充放电策略,提高PowerTitan等大...
基于时空知识蒸馏的居民用户电力负荷预测
Electric Load Forecasting for Individual Households via Spatial-Temporal Knowledge Distillation
Weixuan Lin · Di Wu · Michael Jenkin · IEEE Transactions on Power Systems · 2024年4月
随着电网安全运行和家庭能源管理系统的发展，居民用户的短期负荷预测（STLF）日益重要。尽管机器学习在住宅STLF中表现有效，但本地设备的数据与资源限制制约了个体用户预测的精度。相比之下，电力公司拥有更丰富的数据和更强的计算能力，可部署基于图神经网络（GNN）等复杂模型，挖掘用户间的时空关联以提升预测性能。本文提出一种高效且保护隐私的知识蒸馏框架，通过将基于公用数据预训练的GNN模型中的时空知识迁移至轻量级个体模型，在不访问其他用户数据的前提下提升个体预测精度。在真实住宅负荷数据集上的实验验证了该...
解读: 该时空知识蒸馏负荷预测技术对阳光电源户用储能系统（如ST系列）和iSolarCloud平台具有重要应用价值。可将云端基于海量用户数据训练的GNN预测模型压缩至本地ESS控制器，在保护用户隐私前提下实现高精度负荷预测，优化储能充放电策略和光储协同控制。该轻量化模型可嵌入户用逆变器DSP/ARM芯片，降...
基于流形特征插值的静态测量到动态测量的保证转换
Guaranteed Conversion From Static Measurements Into Dynamic Ones Based on Manifold Feature Interpolation
Lihao Mai · Haoran Li · Yang Weng · Erik Blasch 等5人 · IEEE Transactions on Power Systems · 2025年2月
可再生能源渗透率上升及电动汽车等负荷波动导致电力系统稳定性问题，亟需动态测量技术。然而，高分辨率量测设备（如PMU）在配电网中数量有限，而低分辨率量测设备广泛存在。本文提出一种多分辨率数据插值方法，结合自编码器与曲率正则化实现最优插值设计，并引入物理信息神经网络（PINN）和随机物理信息神经网络（SPINN）以融合系统物理规律并处理不确定性。所提方法在输电与配电系统中均得到充分验证。
解读: 该多分辨率动态测量技术对阳光电源储能与光伏产品具有重要应用价值。在PowerTitan大型储能系统中，可融合SCADA低分辨率数据与有限PMU高分辨率数据，通过流形插值实现全站动态状态估计，提升ST系列储能变流器的并网稳定性监测能力。对于分布式光伏场站，该方法可将SG逆变器的秒级功率数据插值为毫秒级...
第 2 / 6 页