找到 43 条结果
面向FDI攻击的结构自适应稀疏生成对抗学习微电网控制
Sparse-Promoting Generative Adversarial Learning for Microgrid Control With Structural Adaptive Optimization Against FDI Attacks
Jian Sun · Ruixiao Lv · Shuiqing Xu · Sen Tan 等5人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对虚假数据注入（FDI）攻击对微电网的威胁，本文提出一种无需线性化模型的稀疏促进生成对抗学习方法，联合优化控制结构与控制律；通过条件生成对抗网络估计各分布式电源节点受攻击概率，并结合安全置信函数与稀疏神经网络实现攻击下自适应调控，显著缓解馈线功率退化。
解读: 该研究提出的稀疏生成对抗学习框架可增强微电网在恶意数据攻击下的鲁棒控制能力，直接支撑阳光电源PowerTitan、PowerStack等储能系统在复杂电网环境中的智能防御与自主调节。其结构自适应优化机制可集成至iSolarCloud平台的AI运维模块，提升ST系列PCS在光储联合微网中的异常检测与动...
线性与方形元胞SiC MOSFET单粒子响应对比研究
Comparison of the Single-Event Response for SiC MOSFETs With Linear and Square Cells
Xiaoping Dong · Qian Xu · Yao Ma · Mingmin Huang 等13人 · IEEE Transactions on Electron Devices · 2026年1月 · Vol.73
本文对比了方形与线性元胞结构SiC MOSFET在1443 MeV ¹⁸¹Ta离子辐照下的单粒子效应（SEE）敏感性。发现方形元胞因p-base/n⁻结尖角引发电流聚集和强电热耦合，更易失效；线性元胞电流分布更均匀，抗辐射能力更强。提出圆形电极方形元胞结构，在维持低导通电阻的同时缓解电流拥挤。
解读: 该研究对阳光电源面向航天、深空及高可靠性场景的功率器件选型具有重要参考价值。SiC MOSFET是ST系列PCS、PowerTitan储能系统及组串式逆变器核心开关器件，其抗辐射鲁棒性直接影响极端环境（如低轨卫星供电、空间站能源系统）下设备寿命与故障率。建议在下一代高可靠性光伏/储能变流器中优先采用...
基于SHAP与物理引导神经网络的卡诺电池主导因素识别与快速优化
Dominant factor identification and fast optimization of carnot battery by integrating SHAP and physics-guided neural network
Yunfei Zhang · Jian Lia · Mingzhe Yua · Xu Chena 等6人 · Applied Energy · 2025年12月 · Vol.401
摘要 卡诺电池是一种新兴的长时电能储存技术，有望大规模应用于促进波动性可再生能源的消纳。然而，卡诺电池由热泵、储热和热机单元组成，其内部存在复杂的能量流耦合关系。在不同工况下决定电-电（PTP）效率的主导因素及其耦合关系尚不明确，传统的优化方法也因耗时较长而制约了优化设计进程。本文构建了SHapley加性解释（SHAP）模型，用于识别卡诺电池的主导因素及其相互间的耦合关系。进一步提出一种融合SHAP与物理引导神经网络（PGNN）的新型优化方法——SPGO方法，能够快速实现最大PTP效率并给出相应...
解读: 该卡诺电池优化技术对阳光电源储能系统具有重要借鉴价值。论文提出的SHAP主导因素识别与物理引导神经网络(PGNN)优化方法,可应用于ST系列PCS及PowerTitan储能系统的效率优化。其多物理场耦合分析思路与SiC器件热管理优化高度契合,PGNN模型在插值/外推场景下误差降低15-30%的表现,...
第 3 / 3 页