找到 60 条结果
基于白噪声注入数据增强的三电平NPC逆变器开路故障鲁棒诊断方法
Robust Open-Switch Fault Diagnosis of Three-Level NPC Inverters Based on Data Augmentation With White Noise Injection
Jiwon Jung · Dyan Puspita Apsari · Dong-Choon Lee · IEEE Transactions on Power Electronics · 2024年10月
本文提出了一种基于一维（1-D）卷积神经网络（CNN）的三电平中性点钳位逆变器实时故障诊断新方法。该方法将数据增强技术应用于仿真数据，提升了深度学习模型的泛化能力。这使得故障诊断模型即使在未经训练的系统条件下也具有较高的鲁棒性。在这种情况下，应用采用数据增强的一维卷积神经网络模型的性能优于未加入白噪声的相同模型，准确率最高可提高1.71%。此外，与使用实验数据训练的深度学习模型相比，使用经过数据增强的仿真数据训练的深度学习模型表现更佳。所提出的方法已通过离线测试仿真和实时深度学习算法实验得到验证...
解读: 从阳光电源的业务视角来看，这项基于一维卷积神经网络的三电平NPC逆变器开路故障诊断技术具有重要的战略价值。三电平NPC拓扑结构是我司大功率光伏逆变器和储能变流器的核心技术架构，该诊断方法直接契合我们在1500V及以上系统、集中式逆变器和大型储能PCS产品线的技术需求。 该技术的核心创新在于通过白噪...
基于热成像驱动的卷积神经网络预测太阳能光伏组件热点寿命
Thermal image-driven CNN for predicting solar photovoltaic module lifespan from hotspots
Ashwini Raoran · Dhiraj Magar · Yogita Mistr · Solar Energy · 2025年12月 · Vol.302
摘要 光伏（PV）组件的可靠性研究目前仍处于发展阶段。影响系统性能下降的环境因素已得到研究，这些因素依赖于环境条件、技术类型、设计以及所使用的材料。因此，对这些因素进行详细分析至关重要，以便能够量化组件的退化程度。当前面临的挑战主要来自热致退化，其中热点的形成会加速老化过程，缩短组件使用寿命，直接影响系统的经济性和可靠性。现有的检测方法缺乏对寿命进行定量评估的预测能力，限制了有效的维护规划和投资决策。本研究提出了一种改进的卷积神经网络（Mod-CNN），该网络利用热成像图像，结合退化机制来预测太...
解读: 该热成像CNN预测技术对阳光电源SG系列光伏逆变器和iSolarCloud智慧运维平台具有重要应用价值。通过集成热斑识别与寿命预测模型,可增强MPPT优化算法的故障预判能力,实现从被动巡检到主动预测性维护的升级。该技术可嵌入iSolarCloud平台,结合逆变器实时监测数据,构建电站级健康度评估体系...
基于RGB成像的太阳能光伏故障分类深度学习及预处理技术比较
Deep learning for solar PV fault classification using RGB imaging and comparison of preprocessing techniques
Muthu Eshwaran Ramachandran · Gurukarthik Babu Balachandran · Petchithai Velladurai · Arthy Rajakumar · Solar Energy · 2025年11月 · Vol.301
摘要：有效检测太阳能光伏（PV）系统中的故障对于确保系统最佳性能和维护至关重要。本研究探讨了不同图像预处理技术对基于深度学习的分类模型准确性的影响，所用的光伏组件RGB图像（包括鸟粪、灰尘、物理/电气损伤、积雪和清洁状态）来自Kaggle数据集。每个像素的R、G、B值捕捉了视觉特征，并通过预处理进一步增强。因此，RGB图像作为卷积神经网络（CNN）分类的原始输入。研究结果表明，仅使用原始RGB图像时，模型准确率仅为85%–89%，但当结合预处理技术（灰度转换+高斯模糊）后，性能显著提升至最高94...
解读: 该深度学习故障分类技术对阳光电源SG系列光伏逆变器及iSolarCloud智能运维平台具有重要应用价值。研究证实通过灰度转换+高斯模糊预处理可将RGB图像故障识别准确率提升至94%,可直接集成至iSolarCloud的预测性维护模块,实现鸟粪、灰尘、物理损伤等六类故障的自动识别。该轻量化CNN模型(...
基于卷积神经网络的功率器件结温监测
Junction Temperature Monitoring of Power Devices Using Convolutional Neural Networks
Zhiliang Xu · Huimin Wang · Xinglai Ge · Yichi Zhang 等6人 · IEEE Transactions on Industry Applications · 2025年3月
基于温度敏感电参数（TSEP）的方法能够实现功率器件结温的精确监测（JTM）。然而，大多数温度敏感电参数易受负载电流和器件老化的影响而产生误差，从而降低了结温监测的准确性。为解决这一问题，本文提出了一种基于卷积神经网络（CNN）模型的结温监测方法，以应对这两个因素带来的不利影响。在该方法中，选择开通集电极电流（$I_{C}$）作为温度敏感电参数，并通过数学模型深入分析了开通集电极电流的温度特性。此外，通过大量双脉冲测试全面研究了开通集电极电流的参数相关性。考虑到实际中负载电流影响显著且频繁变化的...
解读: 该CNN结温监测技术对阳光电源功率器件热管理具有重要应用价值。可直接应用于ST系列储能变流器和SG系列光伏逆变器的SiC/GaN功率模块，通过实时监测IGBT/MOSFET结温实现预测性维护。相比传统TSEP方法，CNN自动特征提取克服了非线性补偿难题，无需额外传感电路即可从开关波形获取温度信息，适...
基于图像分割的屋顶可用面积提取进行光伏资源评估
Photovoltaic resource assessment through roof usable area extraction based on image segmentation
Xiaobin Xua · Jinchao Hua · Haojie Zhang · Yajuan Fenga 等7人 · Solar Energy · 2025年9月 · Vol.297
在大规模屋顶光伏资源（RPV）评估中，传统的可用屋顶面积提取方法主要关注建筑物的外部轮廓，限制了复杂的空间分析能力，并导致评估结果较为粗略。本文提出了一种基于外部和内部轮廓分割的精细化屋顶可用面积提取方法。首先，采用Unet网络对屋顶的外部轮廓进行分割；随后，提出一种基于CNN与Transformer的双分支编码器网络InSF-TransUnet。在TransUnet的基础上引入多尺度CNN编码器，以平衡局部与全局特征。接着，在解码阶段采用多尺度特征融合策略，实现对屋顶内部轮廓的高精度分割。最后...
解读: 该屋顶光伏资源精细化评估技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。基于CNN-Transformer的双分支网络可精准识别屋顶可用面积,为分布式光伏系统容量配置提供数据支撑,优化MPPT算法设计和组串方案。结合iSolarCloud平台的AI诊断能力,可实现从资源评估...
基于稀疏波形编码与单层多尺度卷积神经网络的故障馈线检测
Faulty-feeder Detection Based on Sparse Waveform Encoding and Simple Convolutional Neural Network with Multi-scale Filters and One Layer of Convolution
作者未知 · 中国电机工程学会热电联产 · 2025年9月 · Vol.2025
本文针对中性点非有效接地配电网故障馈线检测问题，提出一种稀疏波形编码方法与单层多尺度卷积神经网络相结合的轻量化AI检测方案，兼顾高精度与实时性，在准确率和计算效率上优于现有方法。
解读: 该技术可直接赋能阳光电源iSolarCloud智能运维平台及ST系列PCS、PowerTitan储能系统的故障早期预警模块，提升配网侧故障馈线识别能力；尤其适用于光储融合场景下低压侧馈线异常监测。建议将该轻量CNN模型嵌入PCS边缘控制器，结合电流/电压暂态波形实现本地化实时诊断，降低对云端算力依赖...
基于DETR的视障人士辅助技术目标检测增强方法
Enhancing Object Detection in Assistive Technology for the Visually Impaired: A DETR-Based Approach
Sunnia Ikram · Imran Sarwar Bajwa · Sujan Gyawali · Amna Ikram 等5人 · IEEE Access · 2025年4月
本文提出实时障碍物检测识别系统，通过辅助技术增强视障人士导航。系统集成配备微型相机的移动应用实现实时图像采集，采用深度学习技术进行目标检测分类。对YOLOv8、Faster R-CNN和DETR进行比较评估。DETR表现最优，达到99%置信度、98%精度和40毫秒/帧处理速度。系统遵循结构化工作流程，包括实时采集、预处理、创新数据增强和TensorFlow Lite边缘设备优化。可分类80种障碍物类型如行人、车辆和交通信号，提供即时音频反馈确保安全导航。模型训练20轮达到98%准确率。该研究引入...
解读: 该目标检测技术可应用于阳光电源智能光伏电站巡检系统。阳光大型地面电站采用无人机和机器人巡检，需要高精度实时目标检测能力。该DETR方法的99%置信度和40毫秒处理速度可集成到阳光巡检设备，实现组件缺陷、热斑、遮挡物的自动识别。结合阳光SG逆变器的AI边缘计算能力和iSolarCloud云平台，该技术...
基于深度学习与稀疏风洞数据的长跨柔性光伏结构时空风压场预测
Spatiotemporal wind pressure field prediction for long-span flexible photovoltaic structures using deep learning and sparse wind tunnel data
Hehe Ren · Haoyue Liu · Boyang Wang · Shitang Ke · Solar Energy · 2025年1月 · Vol.286
摘要 长跨柔性光伏（PV）结构是应对“光伏+”发展挑战的关键解决方案之一。然而，由于其跨度大、自重轻、刚度柔、离地高度高等特点，易产生显著的风致振动响应，属于典型的风敏感结构，因此风荷载成为其结构设计中的控制性荷载。目前，针对柔性光伏结构的风荷载尚无明确的设计标准，相关研究主要依赖风洞试验获取风荷载数据。但由于试验尺度限制，风压测点只能在结构表面稀疏布置。为此，本文将风洞试验数据与深度学习方法相结合，提出一种仅基于有限数量监测点即可预测柔性光伏结构表面风压时空场的方法。考虑到风压具有显著的时空波...
解读: 该风压场时空预测技术对阳光电源大型地面光伏电站及柔性支架系统具有重要应用价值。针对SG系列逆变器配套的大跨度柔性光伏支架，该深度学习模型可优化抗风设计，降低结构成本。对于PowerTitan储能系统的户外集装箱布局，可通过风压预测优化散热通道设计，提升系统可靠性。建议将该技术集成至iSolarClo...
基于长时域FCS-MPC训练的一维卷积神经网络用于FPGA平台电力电子变换器控制——以Si/SiC混合变换器为例
Long-Horizon FCS-MPC Trained 1-D Convolution Neural Networks for FPGA-Based Power-Electronic Converter Control With a Si/SiC Hybrid Converter Case Study
Ning Li · Hao Yu · Stephen Finney · Paul D. Judge · IEEE Transactions on Industrial Electronics · 2025年2月
传统的电力电子长时域有限控制集模型预测控制（FCS - MPC）在实时实现方面存在两个主要问题：1）计算负担和延迟；2）对现场可编程门阵列（FPGA）等实时平台的硬件资源要求较高。为解决这些问题，研究人员提出利用模型预测控制结果作为离线训练数据来训练人工神经网络（ANN），并将其应用于实时控制器中，以替代原有的模型预测控制模型。通过这种方式，人工神经网络减轻了在线计算负担和对硬件资源的需求。本文提出了一种基于FPGA的用于长时域FCS - MPC的一维卷积神经网络（CNN）。为进一步简化网络模型...
解读: 从阳光电源的业务视角来看，这项基于FPGA的一维卷积神经网络（CNN）控制技术对我们的核心产品线具有重要战略价值。该技术通过机器学习方法解决了长时域有限控制集模型预测控制（FCS-MPC）在功率电子变换器中的实时实现难题，这与我们在光伏逆变器、储能变流器等产品中面临的控制性能优化需求高度契合。 技...
用于光伏能源预测的轻量级深度学习：优化冬季住宅的脱碳
Lightweight deep learning for photovoltaic energy prediction: Optimizing decarbonization in winter houses
Youssef Jouane · Ilyass Abouelaziz · Imad Saddik · Oussama Oussous · Solar Energy · 2025年9月 · Vol.297
本文提出了一种创新的混合多变量深度学习方法，用于预测冬季住宅中的光伏发电量，重点在于具有低环境影响的轻量级模型。研究开发了一种评估这些模型碳足迹的方法论，综合考虑了训练过程中的能耗、运行阶段的二氧化碳排放以及通过光伏发电优化所实现的节能效益。该方法能够筛选出在预测精度与环境责任之间达到最佳平衡的模型。本研究以瑞士波斯基亚沃的一栋正能冬季住宅（PEWH）为案例，比较了长短期记忆网络（LSTM）、卷积神经网络（CNN）以及一种混合型CNN-LSTM模型在高积雪地区进行短期光伏发电预测的性能表现。结果...
解读: 该轻量级深度学习预测技术对阳光电源iSolarCloud平台和ST储能系统具有重要应用价值。研究中的CNN-LSTM混合模型可集成至智能运维平台,优化冬季高纬度地区光伏-储能协同控制策略。通过精准预测光伏出力,ST系列PCS可提前调整充放电曲线,避免过度发电造成的弃光。特别是在瑞士等高雪地区案例中,...
基于开源低成本天空成像仪和混合深度学习技术的超短期太阳辐照度预测
Very short-term solar irradiance forecasting based on open-source low-cost sky imager and hybrid deep-learning techniques
Martin Ansong · Gan Huang · Thomas N.Nyang’on · Robinson J.Musembi 等5人 · Solar Energy · 2025年7月 · Vol.294
摘要 太阳辐照度（SI）预测对于光伏（PV）系统的可靠运行至关重要。这一点在非洲等地区尤为突出，因为这些地区的许多SI预测方法依赖于稀缺的历史数据，而电力网络本身存在的不稳定性又因SI的波动性而进一步加剧。准确的太阳能预测对于改善电网管理至关重要，可帮助运营商平衡供需关系并提升系统稳定性。基于地面的天空成像技术是一种有前景的SI预测方法，无需依赖大量历史数据。然而，商用天空成像仪价格昂贵且灵活性有限。本文介绍了卡尔斯鲁厄低本钱全天候成像仪（KALiSI），该设备由市售组件构成，能够拍摄高分辨率图...
解读: 该低成本天空成像超短期光伏预测技术对阳光电源SG系列逆变器和ST储能系统具有重要应用价值。15分钟前瞻预测可优化MPPT算法响应速度,提升逆变器在云层遮挡等突变工况下的功率跟踪精度。结合iSolarCloud平台,CNN-LSTM预测模型可为PowerTitan储能系统提供精准充放电调度依据,降低电...
一种基于多时间分辨率注意力机制的交互网络用于多种电池状态联合估计
A multi-time-resolution attention-based interaction network for co-estimation of multiple battery states
Ruixue Liu · Benben Jiang · Applied Energy · 2025年3月 · Vol.381
摘要 高效且可靠的电池管理系统依赖于对多个电池状态的精确联合估计，包括荷电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL）。然而，由于这些状态在不同时间尺度上具有不同的时间分辨率以及复杂的相互作用，特别是在缺乏历史电池数据的情况下，该任务面临显著挑战。为应对这些挑战，本文提出了一种新颖的端到端多时间分辨率注意力机制交互网络（MuRAIN），用于多种电池状态的联合估计，该方法直接利用当前的充放电循环数据，无需历史数据。MuRAIN方法引入了一个多分辨率分块模块，能够从循环数据中智能提取具...
解读: 该多时间分辨率注意力交互网络技术对阳光电源ST系列储能变流器及PowerTitan储能系统的BMS优化具有重要价值。MuRAIN可实现SOC、SOH、RUL的高精度联合估计,无需历史数据即可基于当前循环数据运行,特别适合浅循环工况下的商业储能应用。该技术可集成至iSolarCloud平台,提升预测性...
使用多通道单维卷积神经网络模型评估高密度城市区域的建筑一体化光伏潜力
Assessing building-integrated photovoltaic potential in dense urban areas using a multi-channel single-dimensional convolutional neural network model
Xiaotian Geng · Senhong Cai · Zhonghua Gou · Applied Energy · 2025年1月 · Vol.377
摘要 评估建筑一体化光伏（BIPV）潜力对于太阳能的全面推广与部署具有重要意义。传统模型大多依赖形态学参数进行光伏潜力评估，在高密度城市区域中存在对城市形态主观认知强、泛化能力差等挑战。本研究采用卷积神经网络（CNN）进行三维建模，以评估中大规模城市尺度下的BIPV潜力，提出了一种多维单通道一维CNN模型框架。该模型结合高斯混合模型与建筑物点云数据，提取建筑窗墙比，从而增强建筑群点云中的个体特征；同时利用三维物理模型提取建筑地理朝向信息，并通过空间连通性整合点云分布，以解决点云卷积旋转不变性导致...
解读: 该BIPV潜力评估技术对阳光电源SG系列光伏逆变器和智能运维平台具有重要应用价值。基于CNN的三维建模方法可精准预测城市建筑光伏发电潜力,为SG逆变器在密集城区的容量配置和MPPT优化提供数据支撑。研究中的点云数据处理和地理方位提取技术可集成至iSolarCloud平台,实现建筑光伏系统的智能选址和...
可解释的深度学习多电平逆变器故障检测方法
Explainable Deep Learning Fault Detection Method for Multilevel Inverters
作者未知 · IEEE Transactions on Industrial Informatics · 2025年10月
卷积神经网络（CNNs）在多种类型的多电平逆变器故障检测中展现出了巨大潜力。尽管卷积神经网络性能卓越，但其可解释性仍是一项挑战。这是因为网络具有复杂的黑箱行为。因此，它们在实际应用中广泛采用不同模型方面带来了重大挑战。此外，仅依靠准确率是不够的，特别是在关键应用中，保持可信度和鲁棒性对于保护系统免受潜在损害至关重要。因此，本研究采用了一种名为梯度加权类激活映射（Grad - CAM）的可视化解释方法用于多电平逆变器的故障检测。Grad - CAM方法能够识别模型的重要特征并解释故障类型的检测结果...
解读: 从阳光电源的业务视角来看，这项基于可解释深度学习的多电平逆变器故障检测技术具有重要的应用价值。作为全球领先的逆变器制造商，我们的产品线涵盖集中式、组串式及储能逆变器，其中多电平拓扑结构广泛应用于大功率场景。该技术通过卷积神经网络实现故障检测，并引入Grad-CAM可视化方法解决了深度学习"黑箱"问题...
考虑低频共模电压的LCL型三电平并网逆变器多目标集成分-合控制方法
Multiobjectives Integrated Division-Summation Method for LCL-Type Three-Level Grid-Connected Inverter Considering Low-Frequency Common Mode Voltage
Jiang Liu · Guobing Song · Maojun Deng · Yiming Ren 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年11月
LCL型三电平并网逆变器广泛应用于光伏发电系统，具有多个独立控制目标。本文提出一种集成分-合（I-D-Σ）控制策略，可同时实现并网电流跟踪、中点电位平衡、谐振抑制及低频共模电压抑制。针对双分-合（D-D-Σ）方法仅考虑电流与谐振抑制的不足，引入虚拟零电位点以实现中点电位控制；并提出基于全连接卷积神经网络（FC-CNN）的低频共模电压估计算法，有效解决无传感器条件下共模电压不可观测问题。所提I-D-Σ方法通过低频共模电压补偿显著降低其幅值。实验结果验证了该策略的有效性。
解读: 该I-D-Σ多目标集成控制技术对阳光电源SG系列三电平光伏逆变器及ST储能变流器具有重要应用价值。研究提出的虚拟零电位点中点平衡控制可直接优化现有三电平拓扑产品的直流侧电容电压均衡性能，延长器件寿命。基于FC-CNN的无传感器低频共模电压估计算法可降低系统成本，其共模电压抑制技术能有效减少对地漏电流...
基于机器学习的多浮置埋层LDMOS器件击穿电压建模与优化
Machine Learning-Based Modeling and BV Optimization for LDMOS With Multifloating Buried Layers
Zhen Cao · Qi Sun · Qiaowei Peng · Biao Hou 等6人 · IEEE Transactions on Electron Devices · 2024年12月
本文介绍了一种利用机器学习（ML）优化具有多浮动埋层（MFBL）的横向双扩散金属氧化物半导体场效应晶体管（LDMOS）器件击穿电压（BV）的新方法。本研究摒弃了传统复杂的物理推导方法，将神经网络与遗传算法相结合，构建了一个自适应优化框架。首先，我们分析了MFBL LDMOS的物理特性，以确定影响BV性能的关键参数，并确定其合理取值范围。然后，通过TCAD仿真生成数据集，并应用卷积神经网络（CNN）建立MFBL LDMOS的BV预测模型。在后续阶段，采用遗传算法对结构参数进行自适应优化，从而推导出...
解读: 从阳光电源的业务视角来看，该论文提出的基于机器学习优化多浮埋层LDMOS器件击穿电压的方法具有重要的战略价值。LDMOS作为功率半导体的核心器件，广泛应用于我司光伏逆变器和储能变流器的功率转换模块中，其击穿电压性能直接影响系统的功率密度、转换效率和可靠性。 该技术的核心价值在于突破了传统物理推导方...
输入长度对短期多步电力负荷预测准确性的影响：CNN-LSTM方法
The Effect of Input Length on Prediction Accuracy in Short-Term Multi-Step Electricity Load Forecasting: A CNN-LSTM Approach
Şeyda Özdemır · Yakup Demır · Özal Yildirim · IEEE Access · 2025年2月
准确的负荷预测对电力系统管理和规划至关重要。由于电能难以储存，短期电力负荷预测对系统运营商意义重大。本文提出创新混合深度学习模型，结合卷积神经网络CNN和长短期记忆LSTM网络，使用住宅用户实时小时数据进行短期多步负荷预测。模型在12种对称递增输入长度配置下测试，包含天气数据。结果表明增加输入长度可提升所有条件下的学习性能，输入长度大于输出长度可提高预测准确性，MAPE改善67%，RMSE改善70%。增加输入长度的多步预测性能优于单步预测。
解读: 该负荷预测技术对阳光电源户用光伏和储能系统的智能能量管理有重要应用价值。阳光户用光储系统需要准确的负荷预测来优化储能充放电策略和光伏自发自用率。CNN-LSTM混合模型可集成到阳光户用逆变器和储能系统控制算法中，结合天气数据和历史负荷实现精准多步预测。该技术可提升阳光户用系统经济性，降低用户电费，提...
面向抵御FDIAs与通信中断的弹性广域阻尼控制的实时信息物理联合仿真
Real-Time Cyber-Physical Co-Simulation for Resilient Wide-Area Damping Control Against FDIAs and Communication Disruptions
Kundan Kumar · Priyesh Saini · Abhineet Prakash · Sanjoy K. Parida 等6人 · IEEE Transactions on Industry Applications · 2025年5月
将可再生能源（RESs）整合到现代电力系统中带来了诸多挑战，其中最紧迫的是需要一个能够精确复现这些复杂系统复杂动态的仿真平台。本文介绍了基于实时网络物理测试床硬件在环联合仿真（RTCPTC - HIL）方法的实施情况和结果，旨在评估所提出的含高压直流输电（HVDC）的广域阻尼控制器（WADC）在缓解大规模可再生能源接入电力系统区间振荡方面的有效性。该测试床集成了用于系统建模的OPAL - RT OP4510和用于控制器开发与测试的OP8665，并通过物理连接和TCP/IP实现实时通信。此外，广域...
解读: 从阳光电源的业务视角来看，这项研究对我们在新能源并网控制和系统稳定性领域具有重要参考价值。论文提出的实时信息物理联合仿真平台与广域阻尼控制器（WADC）技术，直接对应我们在大规模光伏电站并网、储能系统协调控制以及新能源电力系统解决方案中面临的核心挑战。 该技术的核心价值体现在三个层面：首先，针对可...
模糊驱动医疗设备的电能质量评估与优化
Power Quality Assessment and Optimization in FUZZY-Driven Healthcare Devices
Dinesh Kumar Nishad · Saifullah Khalid · Rashmi Singh · IEEE Access · 2025年1月
模糊技术出现彻底改变医疗保健，赋能更智能医疗设备和设备。然而，这些模糊驱动系统的成功运行取决于高电能质量。本文引入创新模糊驱动能源管理系统，结合卷积神经网络CNN用于实时电能质量事件检测、长短期记忆LSTM网络用于预测分析以及强化学习用于优化控制。通过IEEE 13总线测试馈线广泛仿真，证明系统在检测和缓解电能质量扰动方面的卓越性能。基于CNN的检测在事件分类中达到97%准确率，而LSTM实现95%准确预测新兴问题。强化学习控制器相比传统方法，实现电压凹陷恢复快50%、谐波降低提升20%、停电期...
解读: 该电能质量管理技术对阳光电源储能系统在医疗等关键负荷场景具有重要参考。阳光PowerTitan工商业储能系统服务医院、数据中心等对电能质量要求极高的场所。该研究的CNN-LSTM-强化学习混合框架可集成到阳光储能变流器的智能控制系统，实现电能质量事件实时检测和快速响应。在医疗场景下，电压凹陷和谐波可...
一种针对异质城乡区域的全面逐栋建筑屋顶光伏系统检测方法：以法国领土为例
A comprehensive building-wise rooftop photovoltaic system detection in heterogeneous urban and rural areas: application to French territories
Martin Thebault1 · Boris Nerot1 · Benjamin Govehovit · Christophe Menezo · Applied Energy · 2025年6月 · Vol.388
摘要 随着屋顶光伏（RPV）系统的快速扩张，准确识别这些装置的位置对于城市规划、电网管理以及社会经济分析变得至关重要。然而，现有的欧洲RPV系统数据集在空间覆盖范围和精度方面往往存在局限性，尤其是在建筑风格多样的地区。本研究提出了一种新颖的识别RPV系统的方法，该方法采用基于高分辨率航空影像和建筑物登记数据训练的卷积神经网络（CNN）。与传统的基于图像切片的方法不同，我们提出了一种逐栋建筑的处理方式，确保对每栋建筑进行独立评估。该模型在代表多种屋面材料和城市类型的五个法国省份进行了训练和验证。结...
解读: 该研究基于CNN深度学习的屋顶光伏系统识别技术,对阳光电源SG系列逆变器市场布局和iSolarCloud智慧运维平台具有重要价值。通过建筑级精准识别法国4000万建筑中的60万光伏系统,可为分布式光伏并网规划、储能系统(ST系列PCS/PowerTitan)配置优化提供数据支撑。该方法论可应用于电网...
第 2 / 3 页