找到 60 条结果
级联H桥储能变流器的模块化冗余控制与容错运行策略
Integrated Spatiotemporal Hybrid Solar PV Generation Forecast Between Countries on Different Continents Using Transfer Learning Method
Bowoo Kim · Kaouther Belkilani · Gerd Heilscher · Marc-Oliver Otto 等6人 · IEEE Access · 2024年12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。...
基于迎风侧首排数据与深度学习的长跨柔性光伏阵列风压分布预测
Prediction of wind pressure distribution on long-span flexible photovoltaic arrays using windward first row data and deep learning
Hehe Rena · Haoyue Liua · Shitang Kea · Wenxin Tiana 等8人 · Solar Energy · 2025年9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...
边缘计算环境中基于分布式深度强化学习的多域物联网网络任务卸载优化
Optimized Task Offloading in Multi-Domain IoT Networks Using Distributed Deep Reinforcement Learning
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...
基于可重构有机光伏器件的视觉突触
Visual synapse based on reconfigurable organic photovoltaic cell
Xiangrong Pu1Fan Shu2Qifan Wang1Gang Liu2Zhang Zhang1 · 半导体学报 · 2025年2月 · Vol.46
受大脑分层协同处理视觉信息的启发，本文利用PM6:Y6体系优异的光响应特性，构建了一种垂直结构的光可调有机忆阻器，系统研究了其阻变特性、光电探测能力及光突触行为模拟。该器件实现了稳定的渐进式电阻调控，成功模拟了电压控制的长时程增强/抑制（LTP/LTD）及多种光电协同调节的突触可塑性，并仿真实现了人类视觉神经系统的图像感知与识别功能。以非易失性Au/PM6:Y6/ITO忆阻器作为人工突触与神经元模型，构建了分层协同处理的SLP-CNN级联神经网络，利用其线性可调光电导特性实现网络权重更新，图像识...
解读: 该有机光伏忆阻器技术为阳光电源智能运维系统提供创新思路。其光电协同突触可塑性机制可应用于iSolarCloud平台的边缘智能诊断：利用光伏组件自身光响应特性实现分布式故障识别，无需额外传感器。分层协同SLP-CNN架构可优化ST储能系统的BMS电池状态预测，通过模拟神经突触的渐进式权重调节实现自适应...
基于卫星图像纹理特征与迁移学习的区域光伏功率预测优化高效方法
An efficient approach for regional photovoltaic power forecasting optimization based on texture features from satellite images and transfer learning
Yang Xi · Jianyong Zheng · Fei Mei · Gareth Taylor 等5人 · Applied Energy · 2025年5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...
基于动态参数的物理信息神经网络用于短期光伏功率预测：融合物理信息与数据驱动
Dynamic-parameter physics-informed neural networks for short-term photovoltaic power prediction: Integrating physics-informed and data driven
Weiru Wanga · Hanyang Guoa · Shaofeng Liub · Yechun Xina 等6人 · Applied Energy · 2025年12月 · Vol.401
为了克服传统混合预测模型中物理约束刚性以及样本不平衡的局限性，本文提出了一种基于动态参数物理信息神经网络（DP-PINN）的新型短期光伏（PV）功率预测框架。基于牛顿-拉夫森优化的K-means++（NBRO-Kmeans++）算法将天气划分为四种类型，与标准K-means++相比，轮廓系数提升了6.6%至45.8%。采用合成少数类过采样技术（SMOTE）对少数类样本进行动态平衡，在该情况下使均方根误差（RMSE）降低了50.5%。物理方程根据天气类型进行动态调整，三重约束损失函数融合了数据拟合...
解读: 该DP-PINN动态物理信息神经网络技术对阳光电源iSolarCloud智慧运维平台及SG系列光伏逆变器具有重要应用价值。通过天气分类与SMOTE样本平衡,极端天气下RMSE降低50.8%,可显著提升光伏电站功率预测精度。其动态参数优化机制(光电转化效率η、温度系数α可学习)与阳光电源MPPT优化技...
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，...
基于机器学习代理的手动与自动开关在配电网中的优化配置
Optimal Placement of Manual and Automatic Switches in Power Distribution Systems Using a Machine Learning Proxy
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...
融合迁移学习和集成方法的光伏系统短期功率预测
A Spatiotemporal Feature Extraction Technique Using Superlet-CNN Fusion for Improved Motor Imagery Classification
Neha Sharma · Manoj Sharma · Amit Singhal · Nuzhat Fatema 等6人 · IEEE Access · 2024年12月
光伏功率预测对电网稳定运行和能源管理至关重要,但气象条件波动导致预测精度挑战。本文提出融合迁移学习和集成方法的短期功率预测框架,通过多源气象数据和历史发电数据的协同学习,实现高精度的15分钟至4小时功率预测。
解读: 该短期功率预测技术可集成到阳光电源iSolarCloud智慧光伏云平台。通过精准的功率预测优化SG系列光伏逆变器的能量管理策略,提升分布式光伏系统的电网友好性,为电力调度提供可靠的功率预测数据,支持高比例新能源接入。...
基于微调策略的跨工况船用柴油机故障诊断通用迁移学习框架
A universal transfer learning framework for cross-working-condition marine diesel engine fault diagnosis based on fine-tuning strategy
Zeyu Shia · Zhongwei Wanga · Zhiguo Yuana · Muyu Wanga 等6人 · Applied Energy · 2025年8月 · Vol.392
摘要 船用柴油机（MDEs）及时且准确的故障诊断（FD）对于提升船舶动力系统的安全性和可靠性至关重要。MDEs在变工况下运行，导致其运行状态和故障数据存在显著差异。这种变异性降低了数据驱动FD模型的适应能力，而这些模型通常是基于单台发动机或特定工况下的数据构建的。为解决上述问题，本研究提出了一种基于深度迁移学习与微调策略的MDEs故障诊断框架。为了增强故障特征提取能力，引入了一种数据层级融合方法用于数据重构。此外，提出了一种新型混合预训练网络，结合CNN + GRU与KAN，以获取源域数据的全面...
解读: 该跨工况迁移学习故障诊断框架对阳光电源储能系统(ST系列PCS、PowerTitan)及光伏逆变器(SG系列)具有重要应用价值。文章提出的CNN+GRU+KAN混合网络和精细调优策略,可应用于不同环境工况下的功率器件(SiC/IGBT)健康监测与故障预测。该方法能有效解决iSolarCloud平台中...
基于I-V曲线成像与双流深度神经网络的光伏系统遮挡类型及严重程度诊断
Shading type and severity diagnosis in photovoltaic systems via I-V curve imaging and two-stream deep neural network
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...
基于注意力增强InceptionNeXt的肺癌检测混合深度学习模型
Attention Enhanced InceptionNeXt-Based Hybrid Deep Learning Model for Lung Cancer Detection
Burhanettin Ozdemir · Emrah Aslan · Ishak Pacal · IEEE Access · 2025年2月
肺癌是全球癌症相关死亡的最常见原因。这种高度致命和流行疾病的早期诊断可显著提高生存率并防止其进展。计算机断层扫描CT是肺癌诊断的金标准成像方式，为肺结节评估提供关键见解。呈现集成卷积神经网络CNN和视觉Transformer ViT的混合深度学习模型。通过优化和集成网格和块注意力机制与InceptionNeXt块，所提模型有效捕获CT图像中的细粒度和大规模特征。这种综合方法使模型不仅能区分恶性和良性结节，还能识别腺癌、大细胞癌和鳞状细胞癌等特定癌症亚型。InceptionNeXt块的使用促进多尺...
解读: 该肺癌检测深度学习模型对阳光电源智能诊断技术有跨领域借鉴意义。虽然阳光主要聚焦能源设备，但CNN与ViT混合架构和注意力机制可应用于阳光设备缺陷检测和故障诊断。多尺度特征处理技术对阳光光伏组件热斑检测和储能设备异常识别有参考价值。轻量级高精度模型设计思路与阳光边缘智能设备需求一致。迁移学习方法可应用...
AM-MFF：一种基于注意力机制的多特征融合框架用于鲁棒且可解释的锂离子电池健康状态估计
AM-MFF: A multi-feature fusion framework based on attention mechanism for robust and interpretable lithium-ion battery state of health estimation
Si-Zhe Chen · Jing Liu · Haoliang Yuan · Yibin Tao 等6人 · Applied Energy · 2025年3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...
可再生能源驱动的膜技术：集成太阳辐照度预测用于光伏驱动苦咸水淡化系统的预测控制
Renewable energy powered membrane technology: Integration of solar irradiance forecasting for predictive control of photovoltaic-powered brackish water desalination system
Martin Ansong · Emmanuel O.Ogunniyi · Blanca Pérez Jiméneza1 · Bryce S.Richards · Applied Energy · 2025年12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...
多尺度协同建模与基于深度学习的风冷数据中心热预测：热管理的新视角
Multi-scale collaborative modeling and deep learning-based thermal prediction for air-cooled data centers: An innovative insight for thermal management
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...
基于卷积神经网络和遗传算法的BIPV曲面屋顶体育馆碳减排优化方法
Carbon reduction optimization method for BIPV curved-roof gymnasiums based on CNN and genetic algorithms
Haoqi Duan · Yu Dong · Kuntong Huang · Ruinan Zhang · Solar Energy · 2025年1月 · Vol.286
摘要 随着建筑一体化光伏（BIPV）技术的发展，其在曲面建筑表皮上的应用逐渐成为可能，利用体育馆大面积未占用屋顶安装光伏系统所带来的碳减排效益正受到越来越多关注。尽管已有研究对不同类型曲面屋顶体育馆的能耗、光伏发电量及二氧化碳排放进行了比较，但曲面几何形态影响上述三项指标的作用因素与机制仍不明确。本研究分别模拟了500组具有凸形、凹形、双曲形和自由形态屋顶的体育馆的能源使用强度（EUI）、太阳能发电强度（SEGI）和碳排放强度（CEI），并对四种曲面屋顶体育馆的EUI、SEGI与CEI之间的相关...
解读: 该BIPV曲面屋顶碳减排优化研究对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。研究通过CNN和遗传算法优化曲面屋顶几何参数,最高可实现6.5%的碳排放强度降低,为我司MPPT优化技术在复杂曲面场景的应用提供理论支撑。建议将该几何优化算法集成至iSolarCloud智能运维...
SolarNexus：一种用于自适应光伏功率预测与可扩展管理的深度学习框架
_SolarNexus_: A deep learning framework for adaptive photovoltaic power generation forecasting and scalable management
Hyunsik Mina · Byeongjoon Noh · Applied Energy · 2025年8月 · Vol.391
摘要 光伏（PV）功率预测在可再生能源管理中发挥着关键作用。然而，传统预测模型通常难以适应动态环境变化，并在不同区域间实现有效扩展。针对这些挑战，本文提出了一种融合时间卷积网络（TCN）、多头注意力机制（MHA）、在线学习和迁移学习的深度学习框架。为验证所提方法的有效性，我们采用了来自韩国九个太阳能电站的数据。该数据集来源于韩国开放数据门户和韩国气象厅，涵盖了2017年1月1日至2019年12月31日的逐小时光伏发电量及气象参数，其中两年用于训练，一年用于测试。我们在相同条件下将所提出的TCN-...
解读: 该深度学习预测框架对阳光电源iSolarCloud智能运维平台具有重要应用价值。TCN-MHA在线学习模型可集成至SG系列逆变器和ST储能系统的智能调度算法,实现17.19%的NRMSE预测精度,支持多区域迁移学习降低85%训练时间和99%功耗。该技术可优化PowerTitan储能系统的充放电策略,...
一种基于卫星的结合云透射率预报与物理晴空辐射模型的短期
10分钟−4小时）太阳辐射预测新方法
Bing Hu · Huaiyong Shao · Changkun Shao · Wenjun Tang · Solar Energy · 2025年4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。...
基于TCN-LSTM神经网络与迁移学习的数字孪生支持型电池状态估计
Digital Twin-supported Battery State Estimation Based on TCN-LSTM Neural Networks and Transfer Learning
Kai ZhaoYing LiuYue ZhouWenlong MingJianzhong Wu · 中国电机工程学会热电联产 · 2025年4月 · Vol.45
准确估计电池荷电状态（SOC）、健康状态（SOH）及剩余使用寿命（RUL）对储能技术发展至关重要。本文提出一种融合时间卷积网络（TCN）与长短期记忆网络（LSTM）的数字孪生（DT）支持型电池状态估计算法。构建四层层次化DT架构以克服传统电池管理系统在计算与存储上的局限，并引入基于迁移学习的在线TCN-LSTM模型，实现神经网络参数的动态更新与实时精度优化。实验结果表明，该方法在90个循环数据下SOC、SOH和RUL的平均均方根误差分别为1.1%、0.8%和0.9%，显著优于传统CNN等模型，展...
解读: 该数字孪生支持的电池状态估计技术对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。TCN-LSTM融合架构可直接集成至BMS系统，实现SOC/SOH/RUL的高精度实时估计（RMSE<1.1%），显著提升电池全生命周期管理能力。四层DT架构突破边缘侧计算瓶颈，可与iSol...
量子密钥分发在智能电网网络安全系统中的适用性研究
Quantum Key Distribution Applicability to Smart Grid Cybersecurity Systems
Farid · Proshanta Kumer Das · Monirul Islam · Ebna Sina · IEEE Access · 2025年2月
为应对电力需求增长和提升电网韧性，电网现代化需部署先进通信设备。智能电网效率和可靠性与设备间信息交换密切相关，但信息流增加会扩大攻击面并引入新漏洞。目前智能电网主要通过密码学保护信息，但随着算力提升和复杂攻击增加，传统密码算法安全性受威胁。量子密钥分发提供对称密钥安全分发方案，安全性源于量子物理本质。本文研究QKD在智能电网各领域的适用性，识别18个用例和7个评估因子，分析各用例的保密性、完整性和可用性影响及QKD适用性。
解读: 该量子加密技术对阳光电源智慧能源平台的数据安全至关重要。阳光iSolarCloud云平台管理海量光伏储能设备，数据安全是核心关切。该研究为阳光未来布局量子加密通信提供理论基础。在电网侧储能和虚拟电厂场景下，QKD可保护调度指令和交易数据安全，防止恶意攻击和数据篡改，提升系统安全等级至金融级标准。...
第 3 / 3 页