Xiaobin Xua · Jinchao Hua · Haojie Zhang · Yajuan Fenga 等7人 · Solar Energy · 2025年1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...

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...

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...

Sunnia Ikram · Imran Sarwar Bajwa · Sujan Gyawali · Amna Ikram 等5人 · IEEE Access · 2025年1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...

Hehe Rena · Haoyue Liua · Shitang Kea · Wenxin Tiana 等8人 · Solar Energy · 2025年1月 · Vol.298

摘要 长跨柔性光伏（PV）结构是解决“光伏+”发展挑战的关键方案之一。然而，其大跨度、轻质、低刚度和高离地间隙等特性加剧了风致振动效应，使得风荷载成为结构设计中的关键因素。鉴于风压试验中风压数据具有空间分布特征且测点数量受限，本文提出一种全卷积网络（FCN）模型，该模型在卷积神经网络（CNN）框架内融合多尺度特征与跳跃连接结构，利用柔性光伏阵列首排的风压场数据来预测整个光伏阵列的风压分布。结果表明，所预测风压的相对误差约为9%，预测值与实际风压之间的相关系数超过0.95。这说明该FCN模型能够有...

解读: 该风压预测技术对阳光电源大型地面光伏电站的结构设计具有重要价值。针对渔光互补、农光互补等'光伏+'场景中采用的大跨度柔性支架系统，该深度学习模型可通过少量迎风侧测点数据预测整体风压分布，优化支架结构设计，降低风洞试验成本。可应用于SG系列逆变器配套的柔性支架系统选型，指导PowerTitan储能系统...

Martin Thebault1 · Boris Nerot1 · Benjamin Govehovit · Christophe Menezo · Applied Energy · 2025年1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...

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...

Yang Xi · Jianyong Zheng · Fei Mei · Gareth Taylor 等5人 · Applied Energy · 2025年1月 · Vol.385

准确高效的区域光伏发电功率预测对于提升光伏电力供应的稳定性并扩大其市场份额至关重要。近年来的研究进展已将卫星与地面观测数据的特征相结合，基于混合神经网络的模型展现出优异的预测性能。然而，仍存在若干挑战：直接从卫星图像中提取的空间特征往往缺乏细节，且大多数现有预测方法需要大量电力数据样本。因此，在云量变化速率较高的情况下，预测精度易受相位滞后的影响，同时由于区域光伏装置数量庞大且分布分散，计算负担也显著增加。为解决上述问题，本研究提出一种创新的时空特征，该特征将从卫星图像重构的纹理特征（TFs）与...

解读: 该区域光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过卫星图像纹理特征与迁移学习结合,可显著提升SG系列逆变器集群的功率预测精度(RMSE提升72%)并降低相位滞后,特别适用于分布式光伏电站管理。该算法计算效率提升10倍,可与ST储能系统协同优化充放电策略,减少云层...

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...

Zengxiang Hea · Hong Cai Chen · Shuo Shan · Yihua Hu 等6人 · Energy Conversion and Management · 2025年1月 · Vol.324

摘要 遮挡是光伏（PV）系统中最常见的异常现象之一，会导致功率损失和热点效应。目前大多数研究仅能实现遮挡检测，而无法进一步诊断遮挡的类型和严重程度。本文提出了一种结合I-V曲线成像与双流深度神经网络（DNN）的有效方法，用于诊断遮挡类型，并估计实际运行光伏系统中五种常见遮挡类型的严重程度。该方法首先对光伏组串的I-V曲线进行重采样，并转换至标准测试条件（STC），以消除数据尺度和环境因素对遮挡诊断结果的影响。随后，采用一种称为格拉米安角和场（Gramian angular summation f...

解读: 该阴影诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要应用价值。通过I-V曲线成像与双流深度神经网络,可实现阴影类型识别与严重程度量化评估,弥补现有MPPT优化技术仅能检测异常但无法精准诊断的不足。建议将GASF时序成像与LSTM-CNN融合算法集成至智能运维平台,结合组串级...

Ningbo Wang · Yanhua Guo · Congqi Huang · Bo Tian 等5人 · Applied Energy · 2025年1月 · Vol.377

摘要 研究数据中心（DC）的热环境及温度分布对于应对设备故障或环境变化等突发事件至关重要。然而，构建从数据中心机房级到芯片级的全尺寸仿真模型面临巨大挑战。本文提出一种独特的方法，将多尺度协同建模与深度学习技术相结合，用于风冷数据中心的热预测。通过将父模型的仿真结果作为子模型的边界条件，构建了数据中心多尺度仿真模型，显著降低了模型复杂度和计算资源消耗。利用实验数据，对不同尺度的模型分别进行了验证。研究了不同冷却策略、送风温度和送风流量对多尺度仿真模型的影响。基于参数化仿真方法，构建了用于训练数据驱...

解读: 该多尺度协同建模与深度学习热管理技术对阳光电源储能系统具有重要应用价值。ST系列PCS和PowerTitan等大型储能产品面临电池簇、模组到电芯的多层级热管理挑战,可借鉴其多尺度仿真方法降低建模复杂度。CNN-BiLSTM-Attention神经网络可集成至iSolarCloud平台,实现储能柜温度...

Martin Ansong · Emmanuel O.Ogunniyi · Blanca Pérez Jiméneza1 · Bryce S.Richards · Applied Energy · 2025年1月 · Vol.401

摘要 太阳辐照度（SI）的波动会扰乱光伏（PV）发电系统的输出功率，导致直接耦合的光伏驱动膜法脱盐系统出现运行不稳定和非预期停机，从而降低产水率、水质和能源效率。传统的基于储能的缓解策略会增加系统成本和复杂性。基于天空成像的SI预测技术能够分析天空状况，并提供长达15分钟的SI预测，为减少功率波动影响提供了替代方案，且无需过度依赖储能系统。本研究将一种基于图像的太阳辐照度预测系统（SIFS）集成至一套光伏驱动的苦咸水脱盐系统中。该SIFS采用卷积神经网络-长短期记忆（CNN-LSTM）模型，利用...

解读: 该光伏预测控制技术对阳光电源SG系列逆变器与ST储能系统集成具有重要价值。研究通过CNN-LSTM模型实现15分钟光照预测,可与我司MPPT优化算法协同,提升直驱式光伏系统稳定性。建议将天空成像预测技术集成到iSolarCloud平台,结合VSG虚拟同步发电机控制策略,在减少储能配置的同时优化功率波...

Si-Zhe Chen · Jing Liu · Haoliang Yuan · Yibin Tao 等6人 · Applied Energy · 2025年1月 · Vol.381

健康状态（SOH）是电池管理系统（BMS）中的一个关键参数。利用多种数据源可有效提升端到端SOH估计的性能。然而，现有的基于多维特征的方法未能充分挖掘不同数据源之间的内在关联。同时，大多数方法缺乏可解释性，并忽视了噪声带来的不利影响。本研究提出了一种基于注意力机制的多特征融合框架（AM-MFF），以实现鲁棒且可解释的SOH估计。AM-MFF结合了卷积神经网络（CNN）和注意力机制（AM）的优势，能够高效提取并融合健康特征，从而全面感知电池老化信息。该框架将两个运行阶段的数据作为输入，并通过两个独...

解读: 该AM-MFF锂电池SOH估算框架对阳光电源储能系统具有重要应用价值。其多特征融合与注意力机制可直接集成至ST系列PCS和PowerTitan储能系统的BMS中,提升电池健康状态预测精度和抗噪性能。多输入容错设计确保单传感器故障时系统仍可靠运行,符合大规模储能安全需求。注意力分数的可解释性有助于iS...

Ruixue Liu · Benben Jiang · Applied Energy · 2025年1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...

Bing Hu · Huaiyong Shao · Changkun Shao · Wenjun Tang · Solar Energy · 2025年1月 · Vol.290

摘要 短期太阳辐射预测对于太阳能光伏发电并网以及电网调度与优化至关重要。提高依赖人工智能的基于卫星的短期预测方法的可解释性是当前的研究重点。在本研究中，我们提出了一种将基于卫星的云透射率预测与物理晴空辐射预测相结合的新型短期太阳辐射预测方法。本研究的创新之处在于其建立在大气物理原理基础之上，具体体现在对云透射率的预测以及对阴天和晴天状态的区分。云透射率的预测基于Himawari-8观测数据，采用广泛使用且成熟的卷积神经网络（CNN）和长短期记忆（LSTM）网络实现；而晴空辐射预测则可通过晴空辐射...

解读: 该卫星短期辐照预测技术对阳光电源储能与光伏系统具有重要价值。通过10分钟至4小时精准预测(RMSE 62-160 W/m²),可优化ST系列储能变流器的充放电策略和PowerTitan系统的能量管理。结合iSolarCloud平台,能提升SG系列逆变器的MPPT算法预判能力,实现电网友好型并网控制。...

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。...

作者未知 · IEEE Transactions on Industrial Informatics · 2025年1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...

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...

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...

Ojonukpe Sylvester Egwuche · Japie Greeff · Absalom El-Shamir Ezugwu · IEEE Access · 2025年1月

物联网网络中，传感器、网关和服务在不同层级互操作为终端用户提供服务。IoT设备数量增加且计算能力有限，需要资源高效的网络中间层任务处理。本研究利用深度强化学习智能建模卸载策略为马尔可夫决策过程，将IoT设备视为分布式决策代理，考虑环境动态进行卸载决策。为应对高维度问题实现最优策略，采用深度Q网络建模代理在动态环境中的交互。架构允许IoT边缘节点基于连接、资源可用性和邻近性向边缘服务器卸载任务进行本地决策。不同学习率、批次大小和内存大小的大量仿真显示，所提方案采用CNN近似器生成最优策略，相比传统...

解读: 该边缘计算卸载技术对阳光电源分布式能源物联网具有应用价值。阳光iSolarCloud平台管理大量光伏逆变器和储能设备，边缘侧需要智能决策任务分配。该研究的深度强化学习策略可应用于阳光SG逆变器的边缘AI单元，优化数据处理和上传策略。在大型光伏电站中，该技术可实现组串逆变器与汇流箱、边缘控制器的协同计...