找到 240 条结果
一种近似哈密顿神经网络增强的多机电力系统励磁控制
A Nearly Hamiltonian Neural Network-Enhanced Multi-Machine Power System Excitation Control
Youbo Liu · Xuexin Wang · Gao Qiu · Zhiyuan Tang 等6人 · IEEE Transactions on Power Systems · 2025年6月
广义哈密顿系统理论（GHST）是高维非线性电力系统励磁控制的有力工具，但由于实际高阶系统解析不可行以及子模块不完整，该理论依赖降阶动态，从而导致控制误差。为解决这一问题，本文提出了一种基于近哈密顿神经网络（NHNN）的非线性励磁控制方法。该方法从测量数据中学习每台发电机的结构化哈密顿量，减轻了因降阶引起的哈密顿量实现误差。然后，通过组合这些哈密顿量，提出了一种保持系统响应的全局能量函数，用于稳定控制。在双机系统上的仿真结果表明，与广义哈密顿系统理论和PID控制方法相比，该方法提高了系统稳定性，平...
解读: 该近似哈密顿神经网络控制技术对阳光电源构网型储能系统具有重要应用价值。在PowerTitan大型储能系统并网场景中，传统哈密顿励磁控制虽能保证能量结构稳定性，但对参数摄动敏感。该研究提出的深度学习补偿方案可直接应用于ST系列储能变流器的GFM控制策略：通过神经网络实时补偿电网阻抗变化、负载扰动等不确...
一种用于交流潮流计算的无监督物理信息神经网络方法
An Unsupervised Physics-Informed Neural Network Method for AC Power Flow Calculations
Bozhen Jiang · Chenxi Qin · Qin Wang · IEEE Transactions on Power Systems · 2025年7月
潮流（PF）计算对于电力系统分析至关重要。近年来，数据驱动方法作为一种有前景的加速潮流计算的途径应运而生。然而，这些方法需要高质量的标注数据，且往往存在泛化能力差的问题。为解决这些问题，本文提出了一种用于交流潮流计算的无监督物理信息神经网络（UPINN）方法。该方法遵循牛顿 - 拉夫逊法的一般过程。通过最小化基于有功和无功功率不匹配设计的物理信息损失函数，潮流方程可直接得到满足，而无需计算雅可比矩阵的逆。本文给出了所提出的UPINN训练方法收敛性的证明。在IEEE 24节点和118节点系统上的案...
解读: 该无监督物理信息神经网络潮流计算技术对阳光电源储能与光伏系统具有重要应用价值。在PowerTitan大型储能系统和光储一体化电站中，该方法可嵌入iSolarCloud云平台实现实时潮流分析，无需历史标注数据即可快速求解节点电压与功率分布，显著提升ST系列储能变流器的并网控制响应速度。对于构网型GFM...
基于软Actor-Critic算法的强化学习控制器改进交错并联DC-DC升压变换器电压调节
Improving Voltage Regulation of Interleaved DC-DC Boost Converter via Soft Actor-Critic Algorithm Based Reinforcement Learning Controller
Jian Ye · Di Zhao · Xuewei Pan · Sinan Li 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月
本文提出采用基于软Actor-Critic（SAC）算法的强化学习（RL）控制器作为三相交错并联DC-DC升压变换器的唯一主控制器，以提升输出电压的动态性能。阐述了最大熵学习的优势及SAC算法原理，给出了神经网络结构与奖励函数的设计方案。SAC智能体经离线训练后，在工作点处进行稳定性分析，并在物理平台上部署测试。与现有方法的对比表明，该方法显著提升了变换器的电压控制能力，且对参数、参考值及负载变化具有强鲁棒性。
解读: 该SAC强化学习控制技术对阳光电源DC-DC变换器产品具有重要应用价值。在ST系列储能变流器中，交错并联Boost拓扑广泛用于电池侧DC-DC升压环节，该方法可显著提升电压动态响应速度和参数鲁棒性，优化储能系统功率爬坡能力。在车载OBC充电机中，面对电池SOC变化和负载突变工况，SAC算法的最大熵学...
基于初级侧EMF相量估计的IPT系统参数识别及输出电压和电流控制
Parameter Identification and Output Voltage and Current Control of the IPT System Based on the Primary-Side EMF Phasor Estimation
Shaishai Zhao · Jianfei Chen · Chengzhi Li · Jiaqi Chi · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年7月
提出基于初级侧反电动势EMF相量估计的感应电力传输IPT系统参数识别方法和输出电压电流控制策略。该方法无需实时通信即可实现恒压恒流CC/CV电池充电。通过估计初级侧EMF相量推导系统参数并设计控制算法。实验结果验证所提方法在LCC-S补偿IPT系统中的有效性。
解读: 该初级侧控制研究对阳光电源无线充电系统简化有重要价值。无需通信的CC/CV控制方法可降低阳光OBC无线充电系统复杂度和成本，提高可靠性。EMF相量估计技术可应用于阳光iSolarCloud平台智能充电算法。...
基于神经网络模仿学习的随机电池管理系统近似
Neural Network-Based Imitation Learning for Approximating Stochastic Battery Management Systems
Andrea Pozzi · Alessandro Incremona · Daniele Toti · IEEE Access · 2025年1月
锂离子电池在电动汽车中发挥关键作用，但优化充电过程以提升电池寿命、安全性和效率仍是重大挑战。传统预测控制方法依赖精确模型，受老化、生产变异和运行条件导致的参数不确定性限制。随机预测控制策略可通过将不确定性纳入优化过程解决该问题，但引入大量计算复杂性。本文提出新型方法，通过模仿学习高效近似随机预测控制策略，通过离线训练显著降低计算负担。该方法利用Dataset Aggregation算法克服分布偏移问题。基于详细电化学模型的仿真验证方法有效性，遵守概率约束，为先进电池管理系统提供可扩展且计算高效的...
解读: 该随机电池管理优化技术对阳光电源新能源汽车电驱控产品线有重要价值。阳光车载OBC和BMS面临电池参数不确定性和复杂工况的挑战。模仿学习方法可将高计算复杂度的随机优化控制策略离线训练为轻量化神经网络模型，部署到阳光嵌入式BMS硬件中。该技术可提升阳光BMS在不确定条件下的充电优化性能，延长电池寿命，提...
基于人工神经网络控制的单相离网型太阳能微逆变器
ANN Controlled Single-Phase Microinverter for Off-Grid Solar Application
Ajay Kumar Sahu · Ramnarayan Patel · Lalit Kumar Sahu · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年9月
太阳能板输出电压受光照、温度及遮蔽影响而波动，难以直接为家用电器提供稳定电压。本文提出一种采用人工神经网络（ANN）控制器的太阳能微逆变器，可在24–46 V输入范围内稳定输出230 V<sub>rms</sub>交流电压。通过带主动开关的改进型Z源变换器实现所需电压增益，ANN控制器动态调节占空比，以应对输入电压与负载变化，确保系统最优控制性能。该微逆变器实现光伏板与负载间的共地连接，有效抑制光伏泄漏电流。文章详述了电路工作原理，并通过实时实验验证了其在实际工况下的有效性，为太阳能离网供电提供...
解读: 该ANN控制的微逆变器技术对阳光电源户用光伏产品线具有重要参考价值。其24-46V宽输入范围与改进型Z源拓扑可应用于SG系列户用逆变器的低压输入场景，特别是分布式MPPT优化。ANN动态占空比调节策略可融入阳光电源现有MPPT算法，提升复杂工况下的响应速度。共地连接抑制漏电流的设计与阳光电源储能系统...
基于忆阻器的人工神经元革新类脑计算
Revolutionizing neuromorphic computing with memristor-based artificial neurons
Yanning Chen1Guobin Zhang2Fang Liu1Bo Wu1Yongfeng Deng1Dawei Gao2Yishu Zhang2 · 半导体学报 · 2025年1月 · Vol.46
随着传统冯·诺依曼架构在应对大数据与复杂计算任务时面临瓶颈，受人脑神经网络启发的类脑计算成为有前景的替代方案。易失性忆阻器，特别是莫特忆阻器和扩散型忆阻器，因其可模拟神经元的脉冲发放等动态特性，受到广泛关注，有望构建可重构、自适应的计算系统。近期研究已实现漏电积分-放电、霍奇金-赫胥黎、光电及时间表面神经元模型，显著提升了类脑系统的能效与集成度。本文综述基于易失性忆阻器的人工神经元最新进展，探讨其与人工突触集成的潜力，并指出提升器件可靠性与探索新架构是未来发展的关键挑战。
解读: 忆阻器类脑计算技术对阳光电源智能控制系统具有前瞻性价值。其低功耗、高并行的神经形态计算特性可应用于：1）PowerTitan储能系统的实时功率预测与能量管理，通过硬件神经网络实现毫秒级响应的负荷预测和削峰填谷优化；2）SG系列逆变器的MPPT算法加速，利用忆阻器阵列实现复杂光照条件下的快速最优点追踪...
一种基于双流注意力机制的混合网络用于光伏发电预测
A Novel Dual-Stream Attention-Based Hybrid Network for Solar Power Forecasting
Rafiq Asghar · Michele Quercio · Lorenzo Sabino · Assia Mahrouch 等5人 · IEEE Access · 2025年1月
光伏发电功率预测对保障电网安全运行、降低运营成本具有重要意义。本文提出一种基于双向长短期记忆网络（BiLSTM）与卷积神经网络（CNN）的新型双流混合模型，通过并行提取时间与空间特征，并融合多头注意力机制强化关键特征选择。该模型在不同时间窗口、四季及天气条件下进行实验验证，并与三种单一模型和五种混合深度学习模型对比。结果表明，所提模型在多种气象、季节与气候条件下均具备优异的光伏功率预测精度。
解读: 该双流注意力混合预测模型对阳光电源iSolarCloud智能运维平台和ST系列储能系统具有重要应用价值。BiLSTM-CNN双流架构可集成至云平台的功率预测模块，通过多头注意力机制提升不同季节和天气条件下的预测精度，优化SG系列逆变器的MPPT算法动态响应。对PowerTitan大型储能系统，精准的...
基于解析神经网络高斯过程的机会约束电压调节方法用于含光伏、电池和电动汽车的主动配电网
Analytic Neural Network Gaussian Process Enabled Chance-Constrained Voltage Regulation for Active Distribution Systems With PVs, Batteries and EVs
Tong Su · Junbo Zhao · Yansong Pei · Yiyun Yao 等5人 · IEEE Transactions on Power Systems · 2024年11月
本文提出一种基于解析神经网络高斯过程（NNGP）的机会约束实时电压调节方法，适用于含光伏、储能和电动汽车的主动配电网。NNGP利用历史量测数据通过贝叶斯推断实现节点电压的实时概率估计，并被完全解析地嵌入最优潮流模型中，以适应多种拓扑变化。通过机会约束显式考虑电压估计的不确定性，显著提升了不同场景下电压调节的可靠性。在美国科罗拉多州西部实际759节点系统上的仿真结果表明，所提方法在多种拓扑下均能实现精确电压估计，并有效协调光伏、电池与电动汽车实现可靠电压调节。
解读: 该解析神经网络高斯过程电压调节技术对阳光电源多产品线协同控制具有重要价值。在ST储能系统方面，可将NNGP概率预测嵌入PowerTitan的能量管理系统，实现基于不确定性的机会约束优化调度，提升电压支撑可靠性。对于SG系列光伏逆变器，该方法可优化无功调节策略，在拓扑变化场景下保持电压稳定。在充电桩产...
基于贝叶斯量子神经网络的高可再生能源渗透电力系统潮流计算
Bayesian Quantum Neural Network for Renewable-Rich Power Flow with Training Efficiency and Generalization Capability Improvements
Ziqing Zhu · Shuyang Zhu · Siqi Bu · IEEE Transactions on Power Systems · 2025年9月
针对高比例可再生能源接入下大规模电力系统潮流计算面临的计算效率与泛化能力挑战，本文提出一种基于贝叶斯量子神经网络（BayesianQNN）的新型潮流计算模型。该模型利用量子计算提升训练效率，并通过贝叶斯方法动态更新对可再生能源不确定性的认知，显著增强对未见场景的泛化能力。为评估模型性能，引入有效维度和泛化误差界两项指标。结果表明，所提方法在训练效率与泛化性能方面均优于现有数据驱动方法，适用于未来稳态电力系统分析。
解读: 该贝叶斯量子神经网络潮流计算技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。在大规模新能源电站集群管理中，该算法可显著提升实时潮流计算效率，为ST系列储能变流器的功率调度提供快速决策支持。其对可再生能源不确定性的动态认知能力，可优化SG光伏逆变器与储能...
基于循环神经网络与SustainaBoost增强的微电网在线流驱动能量管理
Online Stream-Driven Energy Management in Microgrids Using Recurrent Neural Networks and SustainaBoost Augmentation
Younes Ghazagh Jahed · Seyyed Yousef Mousazadeh Mousavi · Saeed Golestan · IEEE Transactions on Sustainable Energy · 2024年11月
近年来，可再生能源和电动汽车的广泛接入使微电网运行面临显著的供需不确定性。本文提出一种面向并网型微电网的在线流驱动能量管理策略，结合循环神经网络（RNN）实现对时序数据的学习与实时决策，并引入名为SustainaBoost（SB）的增强技术以提升系统可持续性与神经网络训练质量，有效应对噪声数据影响。实验结果表明，所提RNN模型在测试集上实现98.7%的最优运行成本降低性能。
解读: 该在线流驱动能量管理技术对阳光电源ST系列储能变流器和PowerTitan储能系统具有重要应用价值。RNN时序学习能力可集成至iSolarCloud平台，实现微电网场景下光伏-储能-充电桩的实时协调优化，提升98.7%成本降低性能直接对应储能系统经济性提升。SustainaBoost抗噪声增强技术可...
一种基于电磁声纹的IGBT器件多工况老化状态诊断方法
An Electromagnetic Voiceprint Method for Aging Condition Diagnosis of IGBT Devices Under Multiple Operating Conditions
Shuzhi Wen · Bingkun Wei · Lisha Peng · Shisong Li 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月
功率器件的健康状态监测对其安全可靠运行至关重要。近年来，开关瞬态电磁声纹（EMVP）信号成为评估器件健康状态的新颖指标。然而，现有基于EMVP的老化状态识别依赖人工判读，准确率较低。本文提出一种适用于多种工况的IGBT器件电磁声纹健康监测方法，构建了时空特征融合交叉注意力神经网络用于老化状态识别。实验结果表明，该网络对IGBT老化状态的识别准确率超过95%。同时引入迁移学习策略，提升了模型在小样本数据下的有效性与泛化能力，实现了多工况下IGBT器件老化状态的快速精确评估。
解读: 该IGBT电磁声纹诊断技术对阳光电源核心产品线具有重要应用价值。在ST系列储能变流器和PowerTitan大型储能系统中，IGBT作为关键功率器件，其健康状态直接影响系统可靠性。该方法通过时空特征融合神经网络实现95%以上的老化识别准确率，可集成至iSolarCloud智能运维平台，实现从人工判读到...
基于生物材料介电层的有机滞回反相器用于人工神经元电路
Organic Hysteretic Inverter with Biomaterial Dielectric for Artificial Neuronal Circuit
Chong Qian · Xu Gao · Zhong-Da Zhang · Zi-Yi Yin 等6人 · IEEE Electron Device Letters · 2025年9月
受人类大脑启发，人工神经元的开发对于实现脉冲神经网络至关重要，该网络通过离散的脉冲传输利用时空处理能力。在这项工作中，我们展示了一种具有类似反相施密特触发器功能的有机滞后反相器，其中 p 型和 n 型有机薄膜晶体管（OTFT）均采用与十六烷基三甲基氯化铵复合的脱氧核糖核酸（DNA - CTMA）这种生物材料作为栅极电介质。DNA - CTMA 介电层的极化特性赋予了反相器稳定的记忆窗口，该窗口被充分利用以构建一个电子漏电积分发放（LIF）神经元，该神经元能够对输入电流脉冲进行积分并产生输出电压脉...
解读: 从阳光电源的业务视角来看，这项基于生物材料介电层的有机滞后逆变器研究虽然聚焦于神经形态计算，但其底层技术原理对我司在智能逆变器和储能系统控制领域具有前瞻性启示意义。 该研究展示的施密特触发器式滞后特性与我司光伏逆变器中的电压稳定控制、储能系统的充放电管理存在技术关联。其利用DNA-CTMA介电层实...
物理信息梯度估计加速基于深度学习的交流最优潮流
Physics-Informed Gradient Estimation for Accelerating Deep Learning-Based AC-OPF
Kejun Chen · Shourya Bose · Yu Zhang · IEEE Transactions on Industrial Informatics · 2025年3月
通过采用基于神经网络的响应式在线求解器，可以快速且可靠地解决最优潮流（OPF）问题。可再生能源发电的动态特性和电网条件的多变性要求利用新的数据实例频繁更新神经网络。为满足这一需求并减少数据准备所需的时间，我们提出了一种借助数据增强的半监督学习框架。在此框架下，岭回归取代了传统求解器，便于快速预测给定输入负荷需求的最优解。此外，为了在训练过程中加速反向传播，我们开发了新颖的批量均值梯度估计方法，并采用简化支路集来降低梯度计算的复杂度。数值模拟表明，配备了所提出的梯度估计器的神经网络能够始终获得可行...
解读: 从阳光电源的业务视角来看，这项基于深度学习的交流最优潮流（AC-OPF）加速技术具有重要的战略价值。随着我司在新能源发电和储能系统领域的深度布局，如何实现分布式能源的实时优化调度已成为核心技术挑战。 该论文提出的物理信息梯度估计方法直击新能源并网的关键痛点。光伏、风电等可再生能源的间歇性和波动性要...
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...
基于物理信息神经网络与交叉注意力的磁芯损耗模型
A Magnetic Core Loss Model Based on Physics-Informed Neural Network with Cross-Attention
Yunhao Xiao · Chi Li · Zedong Zheng · IEEE Transactions on Power Electronics · 2025年8月
由于软磁材料固有的损耗机制尚不明确，损耗建模往往成为电力电子系统分析中的瓶颈。一方面，损耗会显著影响整体效率；另一方面，高频运行导致的小型化使得高频磁性元件的温升对损耗更为敏感，这使得热可靠性分析变得至关重要。然而，现有的损耗模型由于对复杂运行条件的高敏感性，在这些条件下的适用性会变差。本文提出了一种自适应损耗模型，该模型通过交叉注意力机制增强了物理损耗模型的学习能力和运行条件适应性，在测试集上实现了平均误差2.8%、最大误差12.3%的效果。此外，通过热分析验证了所提模型的准确性，相对误差为1...
解读: 从阳光电源的业务视角来看，这项基于物理信息神经网络的磁芯损耗模型技术具有重要的战略价值。在光伏逆变器和储能变流器等核心产品中，高频变压器和电感等磁性元件是影响系统效率和可靠性的关键部件。该技术通过交叉注意力机制实现的自适应损耗建模，能够在复杂工况下保持2.8%的平均误差和1.7%的热分析误差，这对我...
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...
基于最优动态下垂系数的分布式光伏快速有功功率调节
Rapid Active Power Regulation of Distributed Photovoltaics based on Optimal Dynamic Droop Coefficients
Ting Yan · Chunxia Dou · Dong Yue · Ziwei He 等5人 · IEEE Transactions on Sustainable Energy · 2025年7月
为实现大规模分布式光伏（DPV）对快速有功功率调节的主动响应，本文提出一种融合聚类与优化的双层架构，用于协调设计DPV的动态下垂系数。底层根据调节需求选取可调容量和响应时间作为聚类特征，采用U-k-means算法实现DPV聚类；上层构建计及调节性能与网损的频率偏差-最优下垂系数模型，并从潮流影响角度进行优化。通过图注意力网络（GAT）预先求解不同频率波动下的下垂系数调节策略。在改进的IEEE 33节点系统上的仿真结果表明，所提GAT模型优于现有神经网络模型，且所提最优下垂系数调节策略具有有效性与...
解读: 该动态下垂系数优化技术对阳光电源SG系列光伏逆变器和PowerTitan储能系统具有重要应用价值。研究提出的双层架构可直接应用于iSolarCloud平台的分布式光伏集群控制：底层U-k-means聚类算法可根据各逆变器可调容量和响应时间实现智能分组，上层GAT神经网络模型可实时预测最优下垂系数，实...
基于时空图对比学习的风电功率预测
Spatiotemporal Graph Contrastive Learning for Wind Power Forecasting
Guiyan Liu · Yajuan Zhang · Ping Zhang · Junhua Gu · IEEE Transactions on Sustainable Energy · 2025年2月
精确且鲁棒的风电功率预测对电力系统的安全稳定运行至关重要。基于图卷积网络的混合时空预测模型因在空间特征提取方面的优势而受到广泛关注，但其性能易受数据噪声和缺失影响导致的图结构质量下降制约。本文提出一种基于时空图对比学习的混合深度学习模型，其编码器结合自适应图卷积网络与LSTM以捕捉细粒度时空依赖关系。为提升编码器对数据噪声的鲁棒性，我们在特征层和拓扑层引入数据增强，并设计了时序与空间双重视角的对比学习辅助任务。此外，通过融合静态图与可学习参数矩阵构建自适应图以捕获更全面的空间关联。在两个真实数据...
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。首先可集成至ST系列储能变流器和PowerTitan系统的能量管理系统(EMS)中,提升风储联合运行的调度精度。其次,该技术的时空图对比学习方法可优化iSolarCloud平台的预测算法,提高新能源电站群的发电预测准确性。特别是其抗噪...
基于物理信息神经网络的鲁棒电力系统状态估计
Robust Power System State Estimation Using Physics-Informed Neural Networks
Solon Falas · Markos Asprou · Charalambos Konstantinou · Maria K. Michael · IEEE Transactions on Industrial Informatics · 2025年7月
现代电力系统在状态估计和实时监测方面面临重大挑战，特别是在故障条件或网络攻击下的响应速度和准确性方面。本文提出一种结合物理信息神经网络（PINNs）的混合方法，以提高电力系统状态估计的准确性和鲁棒性。通过将物理定律嵌入神经网络架构，PINNs 提高了输电网络在正常和故障条件下应用的估计准确性，同时在应对诸如数据操纵攻击等安全问题方面也显示出潜力。实验结果表明，所提出的方法优于传统机器学习模型，在训练数据集的未见子集上的准确性提高了近 83%，在全新的、不相关的数据集上的性能提升了近 65%。实验...
解读: 从阳光电源的业务视角来看，这项基于物理信息神经网络（PINNs）的电力系统状态估计技术具有重要的战略价值。作为全球领先的新能源设备供应商和系统集成商，阳光电源在光伏逆变器、储能系统及智慧能源管理平台方面的核心竞争力，正日益依赖于对电网实时状态的精准感知与快速响应能力。 该技术的核心优势在于将物理定...
第 3 / 12 页