找到 240 条结果
基于Transformer网络和专家优化器的小时级风电功率预测深度学习模型
A Deep Learning Model Using Transformer Network and Expert Optimizer for an Hour Ahead Wind Power Forecasting
Anushalini Thiyagarajan · B. Sri Revathi · Vishnu Suresh · IEEE Access · 2025年1月
精准的风电功率预测对可再生能源平台运行至关重要,可帮助电力系统更好地管理供应并保证电网可靠性。本文提出一种新型改进型孪生Transformer网络模型,采用多注意力机制增强对不同输入序列的关注能力,更好地捕捉风电预测的长期依赖关系。采用自适应山地瞪羚优化器对PID控制器参数进行微调,实现最小均方误差和THD。在1500kW容量的实时数据集上测试,MST-Net能够紧密跟踪实际功率趋势。
解读: 该深度学习预测技术可集成到阳光电源智慧风电云平台。通过Transformer架构实现高精度小时级风电功率预测,优化风电场能量管理和电网调度策略,降低弃风率,提升风电并网的经济性和可靠性,为大规模风电接入提供精准的功率预测支持。...
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，...
MicroCrystalNet：基于扫描电镜岩相的高效可解释卷积神经网络微晶分类
MicroCrystalNet: An Efficient and Explainable CNN for Microcrystal Classification Using SEM Petrography
Mohammed Yaqoob · Mohammed Yusuf Ansari · Mohammed Ishaq · Issac Sujay Anand John Jayachandran 等6人 · IEEE Access · 2025年1月
微晶岩石纹理形态表征通常依赖扫描电镜SEM图像的视觉解释和人工测量，存在主观性、低效率、采样偏差和数据丢失问题。本文引入基于深度学习架构的最先进计算机视觉流程，用于从SEM图像分割和分类单个微晶。初步应用于低镁方解石碳酸盐岩，实例分割使用Meta的Segment Anything Model（SAM）定制调优版本。训练和测试分类器使用全球研究的48张不同碳酸盐微纹理SEM图像，共1852个微晶根据双重分类方案标记，包括晶体形状（菱形、多面体、无定形、球形）和晶面清晰度（自形至半自形、他形），共四...
解读: 该微晶图像分类技术可应用于阳光电源功率器件和材料分析。阳光SiC和GaN器件封装需要微观结构检测和质量控制。该MicroCrystalNet的高精度分割和分类能力可用于阳光功率模块的SEM质量检验，自动识别焊接缺陷、晶界异常和材料瑕疵。在储能电池材料研究中，该深度学习方法可加速电极材料和隔膜的微观表...
全仿真数据驱动的多相变换器故障诊断领域泛化方法
Fully Simulated Data-Driven Domain Generalized Method for Multiphase Converters Fault Diagnosis
Haoxiang Xu · Zicheng Liu · Guangyu Wang · Dong Jiang 等5人 · IEEE Transactions on Power Electronics · 2024年9月
本文研究了深度学习模型在多相变换器功率开关器件故障诊断中的泛化能力。传统的故障诊断方法严重依赖真实世界的故障数据进行模型训练。然而，在工业环境中，多相变换器故障发生频率低，且故障实验成本高昂，导致实际故障数据极为匮乏。这一局限使得仅基于仿真数据训练的模型在实际应用中的可靠性降低。为克服这一挑战，本文提出了一种创新方法，无需依赖实验域样本即可提高跨域故障诊断效率。首先，该研究采用一种利用相电流重构的归一化预处理策略，以减小样本间的时间差异。然后，使用卷积自编码器从多相电流信号中提取深度特征。此外，...
解读: 从阳光电源的业务视角来看，这项基于纯仿真数据的多相变流器故障诊断技术具有重要的应用价值。在光伏逆变器和储能变流器等核心产品中，功率开关器件的开路故障是影响系统可靠性的关键因素。该技术通过深度学习实现跨域泛化诊断，有效解决了实际故障数据稀缺这一长期困扰行业的痛点。 该方法的核心价值在于仅依靠仿真数据...
交通场景理解的深度学习综述
Deep Learning for Traffic Scene Understanding: A Review
Parya Dolatyabi · Jacob Regan · Mahdi Khodayar · IEEE Access · 2025年1月
本综述论文深入分析深度学习模型在交通场景理解中的应用，这是现代智能交通系统的关键方面。研究检验分类、目标检测和分割等基础技术，并扩展到动作识别、目标跟踪、路径预测、场景生成检索、异常检测、图像到图像转换I2IT和人员重识别等更高级应用。论文综合广泛研究的见解，追溯从传统图像处理方法到复杂深度学习技术如卷积神经网络CNN和生成对抗网络GAN的演进。综述探讨三类主要领域自适应DA方法：基于聚类、基于差异和基于对抗，强调其在交通场景理解中的重要性。讨论超参数优化HPO的重要性，强调其在增强模型性能和效...
解读: 该交通场景理解技术可应用于阳光电源储能电站和充电站智能管理。阳光在新能源汽车充电领域需要车辆识别、车位管理和安全监控。该深度学习综述涵盖的目标检测和跟踪技术可集成到阳光充电站管理系统，实现车辆自动识别、充电桩智能分配和异常行为检测。在工商业储能场景下，该技术可优化园区能源管理，识别车辆进出和负荷变化...
具有缺失数据容忍性的概率风力发电预测：一种端到端非参数方法
Probabilistic Wind Power Forecasting With Missing Data Tolerance: An End-to-End Nonparametric Approach
Zichao Meng · Ye Guo · Chenhao Zhao · IEEE Transactions on Sustainable Energy · 2025年9月
针对传感器故障、通信问题或测量中断导致的缺失数据问题，本文提出一种端到端非参数概率风力发电预测方法，集成缺失数据填补机制。该方法包含端到端训练与在线应用两个阶段：训练阶段通过迭代填补缺失数据并优化模型损失函数；应用阶段则持续填补实时观测数据以实现多步概率预测。相比现有方法，本方法无需假设分布类型，且通过联合优化提升填补质量与预测性能。实验表明，该方法在不同缺失率下均优于传统两阶段及参数化端到端方法，尤其在多步预测中表现更优。
解读: 该端到端非参数预测方法对阳光电源的储能和风电产品线具有重要应用价值。首先可应用于ST系列储能变流器的功率预测与调度优化，提升PowerTitan大型储能系统的调度效率。其次可集成到iSolarCloud平台，增强风电场发电量预测和运维预警能力。该方法的缺失数据容忍机制可显著提升阳光电源设备在恶劣环境...
用于设计高储能性能聚合物纳米复合材料的相场模拟物理信息神经网络
Physics-informed neural networks for phase-field simulation in designing high energy storage performance polymer nanocomposites
Qiao Li · Tan Zeng · Hongxiao Yang · Jun Ma 等6人 · Applied Physics Letters · 2025年1月 · Vol.126
本文提出一种基于物理信息神经网络（PINNs）的相场模拟方法，用于高效设计高能量存储性能的聚合物纳米复合材料。该方法融合深度学习与相场模型，通过嵌入控制方程和物理约束，显著提升计算效率并准确预测纳米复合材料中电畴演化与界面效应。结合实验验证，所提模型可优化填料分布与微观结构，实现高储能密度与低损耗。研究为多功能介电材料的设计提供了新范式。
解读: 该物理信息神经网络相场模拟技术对阳光电源储能系统的介电材料设计具有重要应用价值。在ST系列储能变流器和PowerTitan大型储能系统中，高能量密度电容器是直流母线支撑和滤波的关键器件，该技术可优化聚合物薄膜电容的填料分布与微观结构，提升储能密度并降低介电损耗，直接改善功率密度和系统效率。结合SiC...
基于温度相关扩展卡尔曼滤波与深度学习的锂离子电池荷电状态与健康状态联合估计方法
A State-of-Charge and State-of-Health Joint Estimation Method of Lithium-Ion Battery Based on Temperature-Dependent Extended Kalman Filter and Deep Learning
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"...
一种用于电网集成系统中太阳能光伏逆变器控制的新型M-POS-ANN控制器
A New M-POS-ANN Controller for the Solar Photo Voltaic Inverter Controlling in the Grid Integrated System
Abhinav Saxena · Jay Singh · Amevi Acakpovi · IET Power Electronics · 2025年9月 · Vol.18
本文提出的混合毒物分布与人工神经网络（M-POS-ANN）控制器在选择性、灵敏度方面表现更优，且直流链路电压畸变最小、波动最低。与 cuckoo 搜索算法（CSA）、传统人工神经网络（ANN）及其他现有方法相比，该控制器在动态响应和稳态性能上均展现出更强的鲁棒性与控制精度，有效提升了电网集成光伏系统的运行稳定性与能量转换效率。
解读: 该M-POS-ANN控制器对阳光电源SG系列光伏逆变器及ST储能变流器的并网控制具有重要应用价值。其核心优势在于：1）直流链路电压畸变最小化可直接提升1500V高压系统的稳定性，降低母线电容应力；2）优异的动态响应与鲁棒性可增强跟网型GFL控制在弱电网工况下的适应能力；3）基于神经网络的智能控制策略...
基于深度学习初始化与同伦延拓的牛顿-拉夫逊交流潮流收敛
Newton-Raphson AC Power Flow Convergence Based on Deep Learning Initialization and Homotopy Continuation
Samuel N. Okhuegbe · Adedasola A. Ademola · Yilu Liu · IEEE Transactions on Industry Applications · 2024年12月
潮流计算是许多电力系统研究的基础。随着可再生能源渗透率的提高，电网规划者倾向于在各种运行条件下进行多次潮流模拟，而不仅仅是在高峰或轻载条件下选取特定时刻进行模拟。对于电网规划者而言，尤其是在大型电网中，使交流潮流（ACPF）计算收敛仍是一项重大挑战。本文提出了一种两阶段方法来提高牛顿 - 拉夫逊交流潮流计算的收敛性，并将其应用于拥有6102个母线的得克萨斯州电力可靠性委员会（ERCOT）系统。第一阶段采用基于深度学习的初始化方法并进行数据再训练。在此阶段，开发了一个深度神经网络（DNN）初始化器...
解读: 从阳光电源的业务视角来看，这项基于深度学习和同伦延拓法改进牛顿-拉夫逊潮流计算收敛性的研究具有重要的战略价值。随着公司光伏逆变器和储能系统在全球电网中的渗透率持续提升，电网规划面临的潮流计算挑战日益严峻，这项技术为解决大规模新能源并网场景下的电网仿真难题提供了创新思路。 该研究在6102节点的ER...
基于超表面的单像素识别透过散射介质
Metasurface-based single-pixel recognition through scattering media
Xuan Zhang · Jiahao Xiong · Ai Fu · Guoxing Zheng · Applied Physics Letters · 2025年1月 · Vol.126
利用光电混合神经网络，提出一种基于超表面与单像素探测器的混合神经网络用于物体识别。该方法仅需八个由数字神经网络训练得到的照明模式，将二维图像信息通过卷积压缩为单像素探测器测量的八个强度值，在手写数字识别中实现了93.8%的准确率。本工作实现了无需成像的超表面物体识别新路径，兼具强信息压缩、高精度提取能力与紧凑结构设计优势。
解读: 该超表面单像素识别技术对阳光电源智能运维系统具有重要应用价值。其核心优势在于：1）强信息压缩能力可应用于PowerTitan大型储能系统的分布式传感器网络，通过单像素探测器实现设备状态监测，大幅降低数据传输带宽需求；2）无需成像的识别方式适合iSolarCloud云平台的边缘计算场景，在光伏电站和储...
一种计算高效且稳定的直流/交流逆变器学习型控制器
A Computationally Efficient and Stable Learning-Based Controller for DC/AC Inverter
Wendong Feng · Ruigang Wang · Tianhao Qie · Ran Li 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年2月
本文提出了一种基于机器学习的直流/交流逆变器控制策略，具有高计算效率且对模型参数变化不敏感。该方法支持快速离线神经网络训练，并适用于数字信号处理器的低在线计算开销实现。采用递归平衡网络（REN）确保系统具备优良的暂态与稳态性能，并证明了闭环系统的渐近稳定性。通过与现有控制方法的实验对比，验证了所提方法的有效性。
解读: 该学习型控制器技术对阳光电源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。REN网络的渐近稳定性保证和低计算开销特性，可直接部署于现有DSP平台，提升控制器响应速度和鲁棒性。对PowerTitan大型储能系统，该方法可优化并网暂态性能，增强参数摄动下的稳定性。相比传统PI控制，机器学习控制...
基于物理信息引导的类型化图神经网络的最优潮流计算
Optimal Power Flow With Physics-Informed Typed Graph Neural Networks
Tania B. Lopez-Garcia · José Antonio Domínguez-Navarro · IEEE Transactions on Power Systems · 2024年4月
本研究介绍了一种应用类型化图神经网络解决最优潮流问题的新方法。与传统前馈神经网络模型得到的结果相比，类型化图神经网络允许用不同类型的节点表示输电系统的不同元件，从而提高了所得解决方案的准确性和可解释性。所提出的图神经网络架构无需训练数据，而是通过一个融入物理信息的损失函数进行训练，该损失函数不仅包含优化目标，还包含物理系统的运行约束。所得结果与内点法得到的结果相当，并且计算时间大幅缩短。
解读: 该物理信息引导的图神经网络技术对阳光电源的储能与光伏产品线具有重要应用价值。首先,可应用于ST系列储能变流器和PowerTitan系统的功率优化调度,提升大规模储能电站的运行效率。其次,该方法能优化SG系列光伏逆变器的MPPT控制策略,特别是在复杂拓扑的光伏电站中实现更快速的功率追踪。通过融合电网物...
基于物理信息的图学习方法以实现配电系统最优切换问题求解
Physics-Informed Graph-Based Learning to Enable Solving Optimal Distribution Switching Problem
Reza Bayani · Saeed Manshadi · IEEE Transactions on Power Systems · 2024年9月
本文提出了一种新颖的图卷积神经网络（GCN）架构，用于求解配电网络中的最优切换问题，并在学习过程中融合了底层的潮流方程。该切换问题被建模为混合整数二阶锥规划（MISOCP），因其计算复杂性而在实际应用中难以求解。与现有研究不同，所提出的算法在训练及推理阶段均引入描述物理系统约束的数学模型信息，确保决策结果的可行性。研究结果表明，利用线性化模型的预测结果指导MISOCP求解具有显著潜力。
解读: 该基于物理信息的图学习配电优化技术对阳光电源PowerTitan储能系统及iSolarCloud智能运维平台具有重要应用价值。在配电网侧储能场景中，该方法可实时求解含储能系统的最优网络拓扑切换策略，通过GCN快速预测可行开关动作方案，指导MISOCP精确求解，显著提升ST系列储能变流器参与配电网优化...
基于均匀鲁棒精确微分器的神经模糊分数阶滑模控制在独立式太阳能光伏系统优化中的应用
A Uniform Robust Exact Differentiator Based Neuro-Fuzzy Fractional Order Sliding Mode Control for Optimal Standalone Solar Photovoltaic System
Safeer Ullah · Ahmed S. Alsafran · Ambe Harrison · Ghulam Hafeez 等6人 · IEEE Access · 2025年1月
本研究提出一种用于独立式光伏系统的新型神经模糊分数阶滑模控制方法，旨在抑制环境变化引起的不确定性和干扰。该方法融合模糊逻辑神经网络、均匀鲁棒精确微分器与分数阶滑模控制。神经网络精确预测非线性参考电压轨迹，微分器估计不可测状态与外部扰动，分数阶控制增强了系统适应性与鲁棒性。基于Lyapunov理论严格验证了系统稳定性。MATLAB仿真与实验结果表明，该方法显著提升了跟踪精度与整体性能，为独立光伏系统能量优化提取提供了高效鲁棒的解决方案。
解读: 该神经模糊分数阶滑模控制技术对阳光电源SG系列光伏逆变器和ST储能变流器具有重要应用价值。其均匀鲁棒精确微分器可增强现有MPPT算法在光照突变、阴影遮挡等复杂工况下的跟踪精度和响应速度，优化最大功率点捕获性能。分数阶滑模控制的强鲁棒性可提升逆变器在电网扰动、负载突变时的稳定性，与阳光电源GFM构网型...
基于卷积图神经网络与参数迁移的区域光伏功率短期概率预测
Short-Term Probabilistic Forecasting for Regional PV Power Based on Convolutional Graph Neural Network and Parameter Transferring
Fan Lin · Yao Zhang · Hanting Zhao · Wei Huo 等5人 · IEEE Transactions on Power Systems · 2024年11月
本文提出一种用于区域光伏功率短期概率预测的新型端到端深度学习模型，该模型具有局部-全局两层结构。在局部层，构建基于有向图的动态空间卷积图神经网络，以学习光伏电站的高维特征表示；在全局层，提出动态图池化方法，将局部特征聚合为全局表示，并映射为区域光伏功率的概率预测结果。为防止过拟合，引入基于参数迁移的训练策略。在公开真实数据上的实验表明，该模型可提供高质量且可靠的短期概率预测。
解读: 该区域光伏功率概率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。其卷积图神经网络可建模区域内多个光伏电站的空间关联性，为SG系列逆变器集群提供更精准的短期功率预测。概率预测结果可优化PowerTitan储能系统的充放电策略制定，通过预测区间合理配置储能容量，提升系统经济性。参...
通过Transformer模型实现电池储能系统的充电诊断和状态估计
Charge Diagnostics and State Estimation of Battery Energy Storage Systems Through Transformer Models
Rolando Antonio Gilbert Zequera · Anton Rassõlkin · Toomas Vaimann · Ants Kallaste · IEEE Access · 2025年1月
随着人工智能持续发展，设计提供能源技术诊断和维护的准确算法是能源转型领域的挑战性任务。本研究专注于Transformer模型实施用于电池储能系统充电诊断和算法设计。实验使用可编程直流电子负载测试两个锂离子电池单元评估充电指标，每个单元执行20次电池测试。采用滤波器、包装器和嵌入方法技术实现特征选择并展示电池测试关键性能指标。时间序列和状态估计是执行充电诊断和荷电状态预测的监督学习技术。结果显示Transformer模型卓越性能指标，相比传统深度学习算法在模型评估中达到超过94%准确率。
解读: 该Transformer电池诊断技术对阳光电源储能系统BMS具有重要应用价值。阳光ST系列储能变流器配套的电池管理系统需要精准的SOC估计和健康诊断，该Transformer模型可提升预测准确率至94%以上。阳光可将该技术集成到BMS算法中，实现更精准的电池状态估计和寿命预测，优化充放电策略，延长电...
考虑预测不确定性的电池储能系统最优管理以实现削峰和电池健康
Optimal BESS Management for Peak Load Shaving and Battery Health Under Prediction Uncertainty
Lixin Li · Tim Kappler · Bernhard Schwarz · Nina Munzke 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
在现代电力系统中，为缓解可再生能源出力波动，部署电池储能系统（BESS）日益重要。然而，可再生能源与负荷预测的不确定性给BESS运行优化带来挑战。本文提出一种新颖的随机模型预测控制（SMPC）框架，兼顾削峰负荷与电池健康，并有效应对预测不确定性。该框架采用长短期记忆（LSTM）神经网络进行预测，并结合约束收紧技术构建滚动时域随机优化问题。基于德国某企业负荷数据的仿真结果表明，相比传统模型预测控制（MPC），该方法额外降低峰值取电功率99 kW（5.8%），验证了其处理不确定性的优势。
解读: 该SMPC框架对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究提出的LSTM预测结合约束收紧技术可直接集成到iSolarCloud云平台的智能调度模块，提升储能系统在工商业削峰场景下的经济性。相比传统MPC额外降低5.8%峰值功率的效果，可优化ST2236/250...
基于溅射BiSb的垂直磁隧道结中自旋轨道矩增强及其在神经形态计算中的应用
Enhancement of spin–orbit torque in sputtered BiSb-based perpendicular magnetic tunnel junctions for neuromorphic computing applications
De Boeck · Applied Physics Letters · 2025年1月 · Vol.127
拓扑绝缘体因其高效产生自旋轨道矩（SOT）的潜力，在低功耗磁阻随机存取存储器中具有重要前景。本研究将BiSb集成至垂直磁隧道结（pMTJ）中，实现高效的SOT翻转。通过优化BiSb厚度并引入Ta缓冲层，阻尼类SOT效率提升三倍，开关电流降低60%。X射线衍射表明，随着BiSb厚度增加，晶体质量改善，有助于增强自旋电流生成。所制备的BiSb-pMTJ展现出渐进式长时程增强/抑制及脉冲电流下的S型电阻调控等关键神经形态功能。基于实验提取的器件特性构建三层人工神经网络，实现了高精度手写数字识别。
解读: 该BiSb基自旋轨道矩磁隧道结技术对阳光电源储能系统具有前瞻性应用价值。其低功耗、高效能的神经形态计算特性可应用于：1）PowerTitan储能系统的智能BMS芯片，通过片上AI实现电池状态实时预测，功耗降低60%可延长备用电源续航；2）iSolarCloud边缘计算节点，利用其渐进式学习特性实现本...
一种基于模型无关在线学习的直流/交流逆变器控制策略
A Model-Independent Online Learning-based Control Strategy for DC/AC Inverters
Zifan Lin · Yulin Liu · Wenxiang Du · Qingle Sun 等6人 · IEEE Transactions on Power Electronics · 2025年9月
本文提出了一种用于电力电子逆变器的新型控制方案，该方案采用了由障碍李雅普诺夫函数引导的径向基函数神经网络控制器，具有在线学习和实时应用的特点。与许多现有的基于自适应神经网络的控制器不同，所提出的方法无需了解系统参数，也不需要任何离线训练。控制律完全在线更新，并保证收敛，确保在存在不确定性和干扰的情况下实现有界电流跟踪。其结构简单，计算复杂度极低，使其成为目前适用于实时直流 - 交流逆变器控制的最高效的无模型控制器之一。通过将该控制器应用于三电平中性点钳位逆变器，验证了其有效性和鲁棒性。
解读: 从阳光电源的业务视角来看，这篇论文提出的基于径向基函数神经网络的无模型在线学习控制策略具有显著的应用价值。该技术针对DC/AC逆变器控制的核心痛点，通过障碍李雅普诺夫函数引导的实时在线学习机制，实现了无需系统参数知识、无需离线训练的自适应控制，这与我司在光伏逆变器和储能变流器领域追求的高可靠性、强适...
第 2 / 12 页