找到 240 条结果
可解释性增强模糊集用于配电鲁棒最优调度中区域风电不确定性量化
Interpretable Augmented Ambiguity Set for Quantifying Regional Wind Power Uncertainty in Distributionally Robust Optimal Dispatch
Zhuo Li · Lin Ye · Ming Pei · Xuri Song 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
大规模风电并网给电力系统运行带来严峻的不确定性挑战。本文提出一种基于深度学习的可解释增强模糊集，用于分布鲁棒优化框架下的两阶段经济调度，以精确刻画区域风电不确定性。该模糊集融合各风电场细粒度误差模型及站点间交互依赖关系。首次提出多教师知识蒸馏-时间生成对抗网络（MKD-time GAN），通过级联学习机制构建单风电场预测误差的球形模糊集；进一步结合Nataf变换将多个模糊集映射为表征区域联合误差分布的增强模糊集，并推导出可 tractable 的两阶段调度求解算法。IEEE 118节点系统验证了...
解读: 该研究提出的深度学习增强模糊集方法对阳光电源的储能和风电产品线具有重要应用价值。具体而言：1) 可应用于ST系列储能变流器的调度优化,提升大规模风储联合系统的经济性和可靠性；2) 其多教师知识蒸馏框架可优化PowerTitan储能系统的功率预测算法,提高调度精度；3) 研究的区域联合误差建模方法可用...
基于自适应递归神经网络的ADRC附加阻尼控制器用于III型风电系统中次同步振荡抑制
Adaptive Recurrent Neural Network-Based ADRC Supplementary Damping Controller for SSO Mitigation in Type-3 Wind Power Systems
Anju M · Shihabudheen K V · Mija S J · IEEE Transactions on Power Delivery · 2025年8月
可再生能源接入改变了电力系统动态特性，增加了双馈感应发电机串联补偿系统中次同步振荡（SSO）的风险。传统次同步阻尼控制器（SSDC）虽易于实现，但在非线性、强不确定性的风电系统中效果受限。本文提出一种基于递归径向基函数神经网络（RRBFNN）的主动抗扰控制（ADRC）附加阻尼控制器，利用RRBFNN逼近参数不确定性、非线性动态及周期性扰动引起的总扰动，提升ADRC对扩展状态观测器的适应能力。采用Lyapunov方法分析闭环系统稳定性，并基于2009年ERCOT事件及互联风电场模型进行仿真验证，通...
解读: 该研究提出的RRBFNN-ADRC控制方案对阳光电源的储能变流器和大功率风电变流器产品具有重要参考价值。特别是ST系列储能变流器和风电产品线可借鉴其自适应抗扰控制思路,优化系统在弱电网下的次同步振荡抑制能力。该方案将神经网络与ADRC结合,可提升产品在复杂电网环境下的适应性,有助于提高PowerTi...
基于深度强化学习的多模态对抗攻击下鲁棒光伏功率预测
Robust Photovoltaic Power Forecasting Against Multi-Modal Adversarial Attack via Deep Reinforcement Learning
Jingxuan Liu · Haixiang Zang · Lilin Cheng · Tao Ding 等6人 · IEEE Transactions on Sustainable Energy · 2025年3月
随着深度学习与多模态外部数据在光伏功率预测中的广泛应用，网络攻击尤其是虚假数据注入可能严重误导预测结果，威胁电网安全经济运行。现有研究尚未充分关注多模态协同攻击的影响，且难以应对隐蔽性攻击。为此，本文提出一种新型鲁棒预测框架，通过构建充分利用多模态相关性的对抗攻击模拟潜在虚假数据注入，并采用深度确定性策略梯度算法动态调整各模态权重，以抑制数据污染并保留有效信息。 actor与环境模块预训练以提升收敛性与泛化能力。实验表明，在输入扰动低于5%时，所提方法均绝对误差仅增加0.053 kW，显著优于无...
解读: 该多模态鲁棒预测技术对阳光电源iSolarCloud云平台和PowerTitan储能系统具有重要应用价值。针对光伏电站面临的网络安全威胁，可将深度强化学习的动态权重调整机制集成到智能运维平台中，增强气象数据、历史功率等多源信息融合的抗攻击能力。对于ST系列储能变流器的功率预测模块，该方法可有效抵御虚...
基于物理信息神经网络的振荡越浪式波浪能转换装置系统辨识
System identification of oscillating surge wave energy converter using physics-informed neural network
Mahmoud Ayy · Lisheng Yang · Alaa Ahm · Ahmed Shalaby 等9人 · Applied Energy · 2025年1月 · Vol.378
优化波浪能转换装置的几何结构并通过PTO控制提高其效率，需要发展能够预测其水动力响应的有效低阶模型。本文采用多步方法，识别控制振荡越浪式波浪能转换装置响应方程的系数。依次利用准静态实验、自由响应实验和扭矩强迫实验的数据，分别识别水静力刚度系数、辐射阻尼系数、附加质量系数以及非线性阻尼系数。这些数据集来源于对振荡式波浪能转换装置模型所进行的实验。刚度系数由准静态实验确定。随后，将物理信息神经网络应用于自由响应数据，以识别表征辐射阻尼的状态空间模型的系数。同样的方法被应用于扭矩强迫响应数据，以识别附...
解读: 该物理信息神经网络(PINN)系统辨识方法对阳光电源储能变流器ST系列和电机驱动控制具有重要借鉴价值。文中多步骤辨识非线性阻尼、辐射阻尼及附加质量的思路,可应用于PowerTitan储能系统的PCS控制参数自适应优化和电动汽车驱动系统的电机参数在线辨识。结合SiC器件高频特性,PINN可实现GFM/...
基于机器学习增强的大规模并行暂态仿真方法用于大规模可再生能源电力系统
Machine-Learning-Reinforced Massively Parallel Transient Simulation for Large-Scale Renewable-Energy-Integrated Power Systems
Tianshi Cheng · Ruogu Chen · Ning Lin · Tian Liang 等5人 · IEEE Transactions on Power Systems · 2024年6月
可再生能源系统（RESs）在向绿色智能电网转型中起关键作用，但其受光照、风速等自然因素影响，具有复杂性与不确定性，给并网带来挑战。电磁暂态（EMT）仿真可有效研究RES并网问题，但现有方法受限于模型非线性和计算复杂度，难以实现大规模精细化仿真。本文提出一种面向数据、结合机器学习的CPU-GPU大规模并行EMT仿真方法，采用人工神经网络构建数据驱动的RES模型，并基于实体-组件-系统架构集成。模型训练依托传统物理EMT模型生成的数据，并通过MATLAB/Simulink验证。将RES元件组建成微网...
解读: 该机器学习增强的大规模并行EMT仿真技术对阳光电源具有重要战略价值。在PowerTitan储能系统和大型光伏电站并网设计中，可快速仿真数百万级SiC逆变器的暂态交互特性，400倍加速性能显著缩短产品开发周期。对ST系列储能变流器的构网型GFM控制策略优化尤为关键，能高效评估微电网场景下多台设备的协同...
一种结合局部-全局特征提取的混合深度学习框架用于智能电力系统稳定性评估
A Hybrid Deep Learning Framework With Local-Global Feature Extraction for Intelligent Power System Stability Assessment
Wei Yao · Runfeng Zhang · Yurun Zhang · Shanyang Wei 等6人 · IEEE Transactions on Power Systems · 2025年5月
暂态仿真对保障电力系统安全稳定运行至关重要。大扰动后，系统可能出现暂态功角失稳和短期电压失稳，二者电气特性相似但需不同控制策略，因此准确识别主导失稳模式（DIM）尤为关键。本文提出一种新型混合深度学习框架，通过充分提取电力数据中的局部-全局特征实现高精度DIM识别。该框架采用经随机采样与聚合优化的图神经网络以增强局部特征捕捉与模型泛化能力，并引入基于自注意力机制的Transformer网络挖掘关键全局特征。同时嵌入重要离散故障特征以提升性能。所提方法有效融合多层级特征，克服了现有模型局限于单一失...
解读: 该混合深度学习框架对阳光电源储能系统和电网侧产品具有重要应用价值。在PowerTitan大型储能系统中，可实时识别电网暂态功角失稳与短期电压失稳的主导模式，为ST系列储能变流器提供差异化控制策略：功角失稳时优先调节有功功率支撑，电压失稳时侧重无功补偿。该框架的图神经网络与Transformer架构可...
基于模型预测控制的双向充电机V2G功率调节策略
Fault Detection in Photovoltaic Systems Using a Machine Learning Approach
Jossias Zwirtes · Fausto Bastos Líbano · Luís Alvaro de Lima Silva · and Edison Pignaton de Freitas · IEEE Access · 2025年1月
车网互动技术通过双向充电实现电动汽车与电网的能量交换,但功率波动和电池寿命是关键挑战。本文提出基于模型预测控制的V2G功率调节策略,通过多步优化实现电网支撑、电池保护和用户需求的协调。
解读: 该V2G控制技术可应用于阳光电源双向充电桩产品。通过智能功率调节策略,实现电动汽车参与电网调峰调频,延长动力电池循环寿命,提升充电桩的电网友好性,为光储充一体化系统提供车网互动功能。...
通过神经网络方法加速钙钛矿太阳能电池的器件表征
Accelerating device characterization in perovskite solar cells via neural network approach
Xinhai Zhaoab1 · Chaopeng Huangae1 · Erik Birgersson · Nikita Suprun 等11人 · Applied Energy · 2025年1月 · Vol.392
摘要 钙钛矿太阳能电池是下一代高效光伏器件的有力候选者，尤其适合作为叠层结构中的顶部电池。基于物理机制的光电模型，我们采集了十万量级的大数据样本，用于训练神经网络模型，以高效预测器件性能和复合损耗。在数据准备、模型训练和神经网络优化过程中，分别采用了拉丁超立方采样、贝叶斯正则化和贝叶斯优化方法。最优的神经网络模型在预留的测试数据集上实现的均方误差低于4 × 10⁻⁴。神经网络的计算速度比传统光电模型快一千倍以上。因此，器件快速校准可在24秒内完成。显著降低的计算成本使得高效的器件表征、参数研究、...
解读: 该神经网络加速钙钛矿电池表征技术对阳光电源光伏逆变器产品线具有重要借鉴价值。研究采用的深度学习方法将器件仿真速度提升千倍以上,可应用于SG系列逆变器的MPPT算法优化和iSolarCloud平台的预测性维护功能。通过贝叶斯优化和敏感性分析快速标定器件参数的思路,可迁移至SiC/GaN功率器件的损耗分...
基于深度神经网络的变气象条件下光伏参数精确估计模型
Deep neural networks model for accurate photovoltaic parameter estimation under variable weather conditions
Salem Batiyah · Ahmed Al-Subhi · Osama Elsherbiny · Obaid Aldosari 等5人 · Solar Energy · 2025年1月 · Vol.299
摘要 估算光伏（PV）参数对于光伏系统的精确建模和性能预测至关重要。本文提出了一种基于深度神经网络的方法，通过数据手册中的信息来确定光伏参数。该技术利用MATLAB/Simulink库中光伏模块单元生成的数千个数据点进行训练。采用平均绝对百分比误差（MAPE）、决定系数（R-squared）和均方根误差（RMSE）等指标对模型的有效性进行了评估。通过利用神经网络固有的模式识别和学习能力，该模型能够准确地估计光伏参数。为了评估所提方法的有效性，对其性能进行了多种测试，包括对测试数据、实验数据以及在...
解读: 该深度学习光伏参数估计技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。通过神经网络精准估算不同气象条件下的光伏参数,可优化MPPT算法实时性能,提升逆变器发电效率。该方法可集成至智能运维平台,实现组件参数在线辨识与性能预测,减少现场测试成本。结合PowerTitan储能系统...
基于多层感知机人工神经网络的频谱间谐波诊断方法
Multilayer Perceptron Artificial Neural Network-Based Solution for Interharmonics Diagnosis in Frequency Spectra
Stefan Thiago Cury Alves dos Santos · Paulo Roberto Ubaldo Guazzelli · Gaspar Henrique Martins de Oliveira · José Roberto Boffino de Almeida Monteiro · IEEE Transactions on Industry Applications · 2025年5月
由于电力电子设备、可再生能源系统及相关技术的兴起，间谐波诊断变得愈发重要。IEC 61000 - 4 - 7 对频谱中间谐波幅值的计算进行了标准化；然而，该标准在间谐波识别和频率估计方面存在不足，这导致文献中出现了一些未遵循 IEC 61000 - 4 - 7 所确立框架的替代解决方案。本研究提出了一种基于多层感知器人工神经网络的新型间谐波诊断解决方案。作为一种后处理技术，该解决方案采用了 IEC 61000 - 4 - 7 中定义的间谐波组，并通过验证测量的含噪信号频谱中间谐波的存在性以及估计...
解读: 该基于MLP神经网络的间谐波诊断技术对阳光电源多条产品线具有重要应用价值。在ST储能变流器和SG光伏逆变器中，可精准识别PWM调制、MPPT扰动及并网控制产生的间谐波成分，突破IEC 61000-4-7标准FFT方法在动态工况下的分辨率瓶颈。对于电动汽车驱动系统和充电桩产品，该方法能有效诊断电机驱动...
基于最优FNN的高实时性与良好可解释性的并网微电网电池能量管理系统
Optimal FNN-Based Energy Management System With High Real-Time Performance and Good Interpretability for Battery in Grid-Connected Microgrid
Bin Liu · Dan Wang · Jiawei Huang · Chengxiong Mao · IEEE Transactions on Industrial Electronics · 2025年1月
本文提出一种基于模糊神经网络（FNN）的新型能量管理系统（EMS），通过实时控制电池充放电功率，最小化并网微电网中可再生能源发电与负荷需求之间的功率失配，提升可再生能源的就地消纳能力。该系统采用在线FNN控制器快速响应净负荷的随机波动，参数通过周期性离线训练更新。仿真结果表明：所提FNN-EMS在优化性能上平均优于基准方法18.0217%；具备秒级实时响应能力；且所有FNN参数具有明确物理意义，具有良好可解释性。实验平台验证结果与仿真一致，证明了该系统的有效性与实用性。
解读: 该FNN能量管理技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。其秒级实时响应能力可显著提升储能系统在微电网场景下的功率调节性能，优化可再生能源就地消纳率平均达18%以上。该技术的良好可解释性与阳光电源iSolarCloud云平台的智能诊断功能高度契合，可实现储能...
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...
基于CGAN视觉Transformer的F型逆变器少样本开路故障诊断
A Few-Shot Open-Circuit Fault Diagnosis of F-Type Inverters Using CGAN-Based Vision Transformer
Mahmoud S. Mahmoud · Ahmed Salem · Van Khang Huynh · Kjell G. Robbersmyr · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年10月
多电平逆变器因结构特点广泛应用于各工业领域，但其元件增多导致故障率升高。深度学习模型虽可自动提取特征并实现精确故障诊断，但依赖大量训练样本，而实际工程中故障数据获取困难。为此，本文提出一种融合条件生成对抗网络（CGAN）与视觉Transformer（ViT）的少样本开路故障诊断方法。首先将测量信号转化为时频图像，利用CGAN生成具有相似分布的二维样本图像，再通过改进ViT结合原始与生成样本，采用多头自注意力机制提取局部与全局特征并完成故障分类。在F型逆变器实验平台上验证表明，每类仅用6个样本时，...
解读: 该少样本故障诊断技术对阳光电源多电平逆变器产品线具有重要应用价值。针对ST系列储能变流器和SG系列光伏逆变器普遍采用的三电平及多电平拓扑，功率器件数量增多导致开路故障概率上升，而实际运行中故障样本稀缺。该方法通过CGAN数据增强结合ViT特征提取，仅需6个样本即可达98.46%诊断准确率，可直接集成...
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1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...
基于物理信息图学习的大规模机组组合问题求解
Solve Large-scale Unit Commitment Problems by Physics-informed Graph Learning
Jingtao Qin · Nanpeng Yu · IEEE Transactions on Power Systems · 2025年4月
机组组合（UC）问题通常建模为混合整数规划（MIP），并通过分支定界（B&B）算法求解。近年来，图神经网络（GNN）通过学习“下潜”与“分支”策略来增强现代MIP求解器的性能。然而，现有GNN模型多基于数学表达构建，在处理大规模UC问题时计算代价较高。本文提出一种物理信息引导的分层图卷积网络（PI-GCN），用于神经下潜，利用电力系统各组件的物理特征寻找高质量变量赋值；同时采用基于MIP模型的图卷积网络（MB-GCN）进行神经分支。将二者嵌入现代MIP求解器，构建面向大规模UC问题的新型神经求解...
解读: 该物理信息图学习求解大规模机组组合技术对阳光电源储能系统和微网调度具有重要应用价值。在PowerTitan大型储能系统中，可优化多储能单元的充放电调度策略，显著降低综合运行成本；在iSolarCloud云平台的智能运维模块，可实现光储充一体化场景下的实时优化调度，通过PI-GCN快速求解含数百台SG...
一种基于神经网络虚拟阻抗的双向电网逆变器控制新方法以改善微电网动态性能
A Novel Bi-Directional Grid Inverter Control Based on Virtual Impedance Using Neural Network for Dynamics Improvement in Microgrids
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...
基于领域知识引导的特征与损失函数构建的可解释风电功率预测
Interpretable Wind Power Forecasting with Feature and Loss Function Construction Guided by Domain Knowledge
Yongning Zhao · Yuan Zhao · Yanxu Chen · Haohan Liao 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月
针对当前风电功率预测方法缺乏领域知识融合导致精度与可解释性不足的问题，提出一种可解释的数据-知识融合超短期预测模型。通过历史风速输入构建风速-功率曲线生成理论输出，并结合实测数据作为模型输入；设计边界约束损失函数，利用alpha shape算法和局部加权线性回归提取功率上下边界并动态更新以捕捉波动特性；引入基于Jensen-Shannon散度的误差分布形状损失，促使训练误差逼近正态分布。在30个风电场的实验表明，该方法在各预测时域均优于基线模型，且在噪声与缺失数据下具有强鲁棒性。
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。特别是其基于领域知识的边界约束和误差分布优化方法,可直接应用于ST系列储能变流器的功率调度和PowerTitan系统的容量规划。通过将该预测算法集成到iSolarCloud平台,可提升风储联合项目的调度精度和经济性。其数据-知识融合的...
基于学习增强型模型预测控制的混合储能系统实时能量管理策略及其在波浪能转换器中的应用
Real-Time Energy Management of Hybrid Energy Storage System with Application to Wave Energy Converters: A Learning-Augmented MPC Strategy
Xuanyi Zhu · Zechuan Lin · Xuanrui Huang · Kemeng Chen 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
将混合储能系统（HESS）集成到波浪能转换器（WEC）中可有效抑制多时间尺度下的功率波动，但需依赖高效的能量管理策略（EMS）。模型预测控制（MPC）虽能逼近全局最优并满足约束，但非线性优化问题带来高计算负担，且多目标权衡下的代价函数权重因子（WF）整定困难。为此，本文提出一种学习增强型MPC策略。该方法结合模糊逻辑非对称动作裁剪技术以降低计算耗时，并引入高效暖启动Q学习框架实现WF的在线自整定。为缩小仿真与实际间的差距，设计了基于神经网络的电流预测器以感知功率转换中的非线性损耗。仿真与实验结果...
解读: 该学习增强型MPC策略对阳光电源ST系列储能变流器及PowerTitan大型储能系统具有重要应用价值。其模糊逻辑动作裁剪技术可显著降低MPC实时计算负担，适配储能变流器DSP/FPGA控制平台；Q学习框架实现的权重因子在线自整定能优化多目标权衡（功率平滑、电池寿命、效率），提升ESS集成方案的全生命...
基于历史依赖Prandtl-Ishlinskii神经网络的任意激励波形下准静态铁心损耗预测
History-Dependent Prandtl–Ishlinskii Neural Network for Quasi-Static Core Loss Prediction Under Arbitrary Excitation Waveforms
作者未知 · IEEE Transactions on Power Electronics · 2025年1月
电力电子应用中的磁性元件通常会经历包含高频谐波和/或直流偏置的复杂激励波形。这种复杂性对传统的磁芯损耗建模方法提出了挑战，这些方法往往容易出现严重误差，或者仅适用于某些类型的激励波形。本文提出了基于历史依赖的普朗特 - 伊斯林斯基神经网络（HDPI - NN），用于在任意激励下准确预测准静态磁芯损耗。HDPI - NN 通过考虑磁性材料更完整的磁化机制（即磁畴壁运动、磁畴旋转和记忆效应），并利用专门的神经网络确定模型参数，实现了较高的建模精度和通用性。获取了硅钢 B35A270 和铁氧体 N87...
解读: 从阳光电源的业务视角来看，这项基于历史相关Prandtl-Ishlinskii神经网络的磁芯损耗预测技术具有重要的工程应用价值。在我司光伏逆变器和储能变流器产品中，磁性元件（如高频变压器、电感）是核心功率器件，其损耗特性直接影响系统效率和热管理设计。 该技术的核心价值在于能够准确预测复杂激励波形下...
基于OT-IRM算法的棒-板长间隙操作冲击击穿电压海拔校正
Altitude Correction of Switching Impulse Breakdown Voltage for Rod-Plane Long-Gap Based on OT-IRM Algorithm
Bingxue Yang · Yujian Ding · Xiaoxu Ma · Zhanhui Lu 等6人 · IEEE Transactions on Power Delivery · 2024年12月
随着海拔升高，空气间隙的绝缘强度降低。目前，间隙放电研究主要集中于低海拔区域，缺乏高海拔电气设备外绝缘设计的实验与理论支持。本文通过在55 m、2500 m和4300 m海拔下开展棒-板长间隙操作冲击放电实验，获取了不同海拔下的放电特性曲线。针对实验数据分布特点，提出基于最优传输的不变性风险最小化神经网络集成算法（OT-IRM），构建了适用于多海拔的击穿电压预测模型。模型在测试集上的平均误差为2.3%，表现出高精度与良好泛化能力。计算结果与现有海拔校正方法及其他机器学习模型对比，验证了其有效性。...
解读: 该高海拔绝缘击穿电压预测技术对阳光电源高原地区产品部署具有重要价值。针对PowerTitan储能系统和SG系列光伏逆变器在西藏、青海等高海拔电网的应用，OT-IRM算法可优化设备外绝缘设计，指导母线间隙、开关柜空气绝缘距离的海拔校正系数制定。该方法结合气象条件的泛化能力，可应用于ST系列储能变流器的...
第 7 / 12 页