Yulin Liu · Tianhao Qie · Ujjal Manandhar · Xinan Zhang 等6人 · IEEE Transactions on Industrial Informatics · 2024年12月

随着可再生能源渗透率的不断提高，固体氧化物燃料电池（SOFC）为提高微电网供电的可靠性和可持续性提供了一种有前景的解决方案。所提出的方法解决了现有SOFC控制方法中的关键挑战，包括模型依赖、使用非最优控制策略、依赖离线训练的神经网络（NN）以及设计复杂等问题。与基于模型的方法相比，该方法利用神经网络和策略迭代技术来学习系统动态并逼近最优控制策略，从而消除了对模型的依赖。与基于离线学习的方法相比，该方法实现了在线策略评估和神经网络更新，省去了繁琐的离线训练和数据采集过程。与基于在线学习的SOFC控...

解读: 从阳光电源在新能源综合解决方案领域的战略布局来看，这项基于在线学习的固体氧化物燃料电池（SOFC）优化控制技术具有显著的战略参考价值。该技术通过神经网络和策略迭代实现系统动态学习与最优控制策略逼近，有效解决了传统方法对精确模型的依赖问题，这与阳光电源在多能互补微网系统中面临的控制复杂性挑战高度契合。...

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...

作者未知 · IEEE Transactions on Industrial Electronics · 2024年9月

在电力电子研究领域，用神经网络模型近似模型预测控制（MPC）算法作为一种实现计算成本高昂方法实时应用的有效工具，已受到广泛关注。训练机器学习模型以模仿MPC算法通常遵循传统的监督学习流程，其静态训练数据集通过均匀采样或仿真生成。使用均匀分布的数据进行训练可使模型在整个运行空间保持一致的性能，但非常小的模型可能无法在对应预期运行的区域取得令人满意的结果。相反，使用仿真数据进行训练可以得到能够精确跟踪某些轨迹的模型，但在数据代表性不足的区域无法获得足够好的性能。本文提出了一种结合这两种方法优势的方法...

解读: 从阳光电源的业务角度来看，这项基于重要性加权的模型预测控制（MPC）模仿学习技术具有重要的应用价值。该技术针对电力电子系统中MPC算法计算复杂度高、难以实时实现的痛点，通过神经网络模型近似MPC算法，并创新性地采用核密度估计对训练数据进行重要性加权，实现了模型性能的显著提升。 对于阳光电源的核心产...

Zhenkun Xiong · Liangzong He · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年8月

在复杂DC-DC变换器各种控制策略中,神经网络控制方法日益突出。其擅长无需精确数学模型的函数逼近,特别适合复杂、非线性和不确定控制系统。提出高阶DC-DC变换器新型在线无模型控制策略,利用神经网络能力。通过利用实时运行数据训练神经网络,该方法无需复杂模型即可开发变换器控制器。使用在线估计技术提取过程梯度。深入探讨无模型系统原理并详细分析控制方法稳定性。在高升压DC-DC变换器上进行大量实验验证控制框架的实用性、鲁棒性和响应性,该变换器高阶且难以建模,精确建模极具挑战性,可严格测试神经网络控制策略...

解读: 该在线神经网络无模型控制技术对阳光电源高阶复杂变换器控制有重要创新价值。无模型神经网络方法可应用于ST储能变流器的多级DC-DC变换器,简化控制器设计并提高适应性。在线训练和梯度估计技术对阳光电源变换器的自适应控制和参数漂移补偿有借鉴意义。该技术对PowerTitan大型储能系统的复杂拓扑控制和鲁棒...

Wu Fan · Qiu Gen · Zhang Gang · Sheng Hanming 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月

基于深度学习的数据驱动方法在变流器故障诊断中表现优异，但普遍存在依赖故障样本、精度与鲁棒性不足的问题，限制了其在工业系统中的应用。本文提出一种小样本学习理论，通过共享特征提取器实现严格的跨域特征分布对齐，以同时获取域不变性与故障判别性特征，从而提升诊断性能。基于该理论，设计了一种具有嵌入式结构和参数分离训练机制的渐近特征分布对齐神经网络。该结构通过多层渐近特征约束实现严格分布对齐，并结合渐近损失函数提升训练稳定性。在多种变流器上的实验表明，即使在零样本条件下，该方法仍能准确识别多个开路故障位置，...

解读: 该协同分布对齐神经网络技术对阳光电源ST系列储能变流器和SG系列光伏逆变器的智能运维具有重要应用价值。其零样本/小样本学习能力可解决工业现场故障数据稀缺问题，直接应用于iSolarCloud云平台的预测性维护模块。针对IGBT/SiC功率模块开路故障的精准定位能力，可显著提升PowerTitan大型...

Zhong Liu · Jialin Zheng · Xiaonan Lu · IEEE Transactions on Power Electronics · 2025年9月

基于耗散性的稳定性分析方法借助李雅普诺夫函数，在评估基于逆变器的电力系统暂态稳定性方面应用广泛。然而，特定厂商的逆变器控制方案具有专有性，这常常导致逆变器模型成为“黑箱”，透明度有限。同时，目前仍需要一个“通用”的暂态稳定性评估框架，以替代当前实践中通常采用的针对特定案例的设计。为克服这些局限性，本文提出了一种基于耗散性的动态感知学习方案，用于对含网络化黑箱型电网形成逆变器的电网进行暂态稳定性分析。与传统的黑箱建模方法不同，传统方法学习逐点轨迹映射作为输出特性，而所提出的方法直接学习状态变量的导...

解读: 从阳光电源的业务视角来看，这项基于耗散理论的黑箱构网型逆变器暂态稳定性分析技术具有重要的战略价值。随着我司大规模储能系统和构网型逆变器在高比例新能源电网中的广泛应用，系统暂态稳定性评估已成为制约项目落地的关键技术瓶颈。 该技术的核心创新在于突破了传统方法对精确数学模型的依赖，通过神经网络直接学习系...

Liangyuchen Lu · Yanzhen Zhou · Hongtai Zeng · Zhengcheng Wang 等6人 · IEEE Transactions on Power Systems · 2025年5月

神经网络（NNs）可快速准确地评估电力系统安全性，但对输入微小扰动的鲁棒性有限，可能导致误判。现有鲁棒性认证方法在暂态稳定评估中面临物理约束与敏感动态的挑战。为此，本文提出考虑物理可行性的鲁棒性比率指标及两阶段认证框架，通过嵌入系统物理约束推导非平凡鲁棒下界，并利用优化样本的稳定性验证获取上界。基于该框架开展模型选择与对抗训练，提升模型鲁棒性。在新英格兰10机系统及实际区域电网中的验证表明所提方法有效。

解读: 该神经网络鲁棒性认证技术对阳光电源PowerTitan大型储能系统及构网型控制产品具有重要应用价值。在储能系统参与电网暂态稳定支撑时，需快速准确评估系统安全裕度，但传统神经网络模型易受扰动影响导致误判。该研究提出的物理约束嵌入式认证框架可应用于：1）ST系列储能变流器的GFM控制策略优化，通过鲁棒性...

Yijun Shen · Bo Chen · Jianzheng Wang · Shichao Liu 等5人 · IEEE Transactions on Sustainable Energy · 2025年3月

风电机组功率曲线是评估其发电性能的重要指标，对风电场运行和电力系统调度具有重要意义。然而，机组停机、传感器故障和限电等因素导致大量异常值，给状态监测与功率预测带来挑战。针对异常数据特点，本文提出一种基于Wasserstein距离的风电场迭代清洗方法，结合神经网络与单调性约束，利用Wasserstein距离建模风速-功率关系并同步剔除异常点，使拟合曲线逐步逼近真实功率曲线。在数值模拟和十二个实测风电机组数据集上的实验表明，该方法在存在大量异常数据的情况下仍能构建高精度功率曲线模型，性能显著优于现有...

解读: 该风电数据清洗方法对阳光电源的风电变流器和智能运维系统具有重要应用价值。基于Wasserstein距离的异常数据识别技术可集成到iSolarCloud平台,提升风电场运行数据的质量和可靠性。具体可应用于:(1)风电变流器的功率曲线优化与效率提升;(2)iSolarCloud平台的智能诊断与预测性维护...

Mohamad Alzayed · Michel Lemaire · Hicham Chaoui · Daniel Massicotte · IEEE Transactions on Power Systems · 2024年5月

在微电网中，电压源逆变器通常采用下垂控制技术，并结合电压和内部电流控制回路，以实现可靠的电力供应。由于线路阻抗不匹配，标准下垂控制技术难以实现功率的均匀分配，并限制并联连接之间的环流，尤其是在高度非线性系统中。本研究旨在引入一种基于神经网络的虚拟阻抗，并将其与双向电网逆变器控制技术相结合，以提高微电网动态运行期间的稳定性。为了在各种运行场景下以较小的偏差和更好的稳定性准确跟踪需求和参考功率，所提出的技术采用前馈神经网络（FFNN）来学习逆变器暂态过程中的非线性模型。该技术无需额外的调节步骤，仅需...

解读: 该神经网络自适应虚拟阻抗控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。当前阳光电源储能系统采用下垂控制实现多机并联功率分配，但线路阻抗不匹配和负载突变会影响动态响应。该研究提出的神经网络在线调节虚拟阻抗方案，可直接应用于ST储能变流器的控制算法优化，提升多台...

Xiaoqiang Liu · Yisen Huang · Yubin Wang · Chanchan Lin 等6人 · IEEE Access · 2025年2月

心电图记录心跳，具有潜在救命价值，但ECG信号严重受噪声干扰，包括有意义的心脏偏转、其他生物波和监测设备噪声，导致心脏疾病分析不准确，需在诊断前进行去噪预处理。以往方法基于滤波或波分解算法，未深入考虑ECG特定数据结构，不能适应不同设备和电极记录的信号。本文提出神经网络实现的新ECG去噪方法，无需清洁信号监督。通过估计和仿真噪声信号，再由神经网络减去仿真噪声获得去噪信号。公开数据集实验验证该方法适应不同患者和设备，基于所提去噪方法的ECG分类优于传统方法。

解读: 该自监督去噪技术对阳光电源储能系统信号处理具有启发。阳光ST储能变流器需要处理电网电压电流信号中的谐波和噪声，该神经网络去噪方法可应用于电能质量监测。阳光可开发无监督信号处理算法，提升电网扰动检测和谐波分析精度，优化并网控制策略，增强系统电网适应性和稳定性。...