找到 103 条结果
基于残差评估与机器学习的逆变器开路故障诊断方法
Inverter Open Circuit Fault Diagnosis Method Based on Residual Evaluation and Machine Learning
Tianyu Sun · Chaobo Chen · Jiawei Dai · Binbin Zhang 等5人 · IET Power Electronics · 2025年9月 · Vol.18
以三相两电平电压源逆变器（3P-2L-VSI）为研究对象，提出一种融合残差评估技术与机器学习框架的混合驱动故障诊断方法。该方法通过构建残差生成机制实现故障初步检测，并结合机器学习算法对残差特征进行分类识别，有效提升故障诊断的准确性与鲁棒性。实验结果表明，该方法可实现对不同负载条件及噪声干扰下的开路故障快速、准确识别。
解读: 该混合驱动故障诊断方法对阳光电源多条产品线具有重要应用价值。在ST系列储能变流器中，可集成该残差评估与机器学习框架实现IGBT/SiC功率器件开路故障的快速定位，提升系统可靠性；在SG系列光伏逆变器中，该方法可适应不同光照条件下的负载波动，增强故障诊断鲁棒性；在电动汽车OBC及电机驱动系统中，可实现...
基于计算智能的无人机集成光伏模块在结冰条件下的建模
Computational Intelligence-Based Modeling of a UAV-Integrated PV Module in Icing Conditions
MohammadHosein Saeedinia · Shamsodin Taheri · Ana-Maria Cretu · IEEE Journal of Photovoltaics · 2025年9月
太阳能无人机通过利用太阳能延长续航能力并降低维护成本，但飞行中结冰会显著影响其气动性能及光伏系统的运行可靠性。机翼结冰削弱机械性能，而光伏表面结冰则阻碍光照，导致输出参数下降，尤其是非均匀遮挡危害更大。本文提出一种新型建模方法，将非均匀结冰影响纳入辐照度计算，通过分析冰层对光伏方程的影响，将光伏工作曲线划分为结冰与正常两个区域，并采用先进计算智能方法确定参数。结合最小冗余最大相关性技术，利用训练的机器学习模型预测动态恶劣条件下光伏性能，实验验证了该方法的有效性与可靠性。
解读: 该研究针对极端结冰环境下光伏组件性能建模，对阳光电源高纬度及高海拔地区部署的SG系列光伏逆变器具有重要参考价值。非均匀结冰导致的局部遮挡与热斑效应，可直接应用于优化MPPT算法，提升极端工况下的功率跟踪精度。基于机器学习的动态性能预测方法，可集成至iSolarCloud智能运维平台，实现结冰风险预警...
揭示有机光伏中的结构-性能关系：可解释的机器学习模型预测功率转换效率
Uncovering Structure–Performance Relationships in Organic Photovoltaics: Interpretable Machine Learning Model for Predicting the Power Conversion Efficiency
Yi Yang · Arowa Yasmeen · Ovidiu Daescu · IEEE Journal of Photovoltaics · 2025年8月
有机光伏（OPV）是一种颇具前景的光伏技术，但传统上候选分子的设计采用试错法，效率低下。然而，机器学习通过从大量的有机光伏材料数据集中学习，提供了一种基于数据的策略，有助于加速高性能有机光伏材料的发现和优化。在本研究中，我们使用极端梯度提升（XGBoost）模型，利用从哈佛光伏数据集（HOPV15）中提取的结构特征，来预测通过密度泛函理论计算得到的有机光伏供体材料的功率转换效率（PCE）。为了提高预测性能，我们基于随机森林和XGBoost的平均特征重要性得分，选择了最具信息价值的分子指纹。我们的...
解读: 该可解释机器学习模型对阳光电源光伏产品线具有重要参考价值。虽然研究聚焦有机光伏材料设计，但其核心方法论——通过机器学习建立结构-性能映射关系——可迁移至SG系列逆变器的功率器件选型优化。具体而言，可借鉴该模型框架建立GaN/SiC器件的结构参数（掺杂浓度、栅极结构等）与性能指标（导通损耗、开关速度）...
一种考虑高温老化下表面金属化效应的SiC模块互连层力学性能快速识别与预测的机器学习框架
A Machine Learning Framework for Rapidly Identifying and Predicting Mechanical Properties of Interconnected Layer in SiC Module Considering Surface Metallization Effect Under High-Temperature Aging
Libo Zhao · Yanwei Dai · Fei Qin · IEEE Transactions on Industrial Informatics · 2025年7月
烧结银（Ag）作为高温碳化硅（SiC）功率模块封装中最具潜力的芯片互连材料，在封装过程和高温服役条件下常承受热应力，这极大地降低了SiC功率模块的热机械可靠性。本文通过机器学习辅助的实验与模拟方法，获取并评估了考虑金属化层和高温时效效应的烧结银互连层界面强度预测参数。提出了一种基于多层MLP（多层人工神经网络） - LSTM（长短期记忆网络）框架的模型，该模型具有更高的分类和预测能力。在该方法中，MLP用于提取不同金属化层作用下的分类特征，LSTM用于提取时间特征，以对高温时效引起的力学性能退化...
解读: 从阳光电源的业务角度来看，这项基于机器学习的SiC功率模块互连层性能预测技术具有重要的战略价值。随着公司光伏逆变器和储能系统向高功率密度、高效率方向发展，SiC功率器件已成为核心技术路线。该研究针对烧结银互连层在高温老化下的可靠性预测问题，直接关系到我们产品在严苛工况下的长期稳定性。 该技术的核心...
融合人工智能与基于物理的建模用于极端高温事件下的长期级联水电调度
Integrated Artificial Intelligence and Physics-Based Modeling for Long-Term Cascaded Hydropower Scheduling under Extreme Heat Events
Maryam Baghkarvasef · Masood Parvania · IEEE Transactions on Sustainable Energy · 2025年6月
极端热浪事件对水电站运行构成严峻挑战。本文结合人工智能与基于物理的模型，提出一种高效的长期调度框架，旨在极端高温期间最大化水力发电量。所提出的模型生成的水价值可用于指导短期调度策略制定。构建了考虑陆-气相互作用的物理蒸发模型（PEM），以刻画极端高温下水库蒸发量的变化，并采用多变量长短期记忆（M-LSTM）模型预测PEM及调度所需的关键输入参数。通过回归型机器学习算法拟合水电出力函数，实现了非线性、非凸特性的线性化集成。案例研究涵盖哥伦比亚河上11个级联水电站，结果表明该模型能有效优化水库调度，...
解读: 该研究的AI-物理混合建模方法对阳光电源PowerTitan储能系统与水光互补项目具有重要应用价值。其M-LSTM多变量预测模型可移植至iSolarCloud平台，用于极端气候下的储能系统热管理与功率预测，优化ST系列储能变流器的散热策略与功率调度。物理蒸发模型的陆-气耦合思路可启发储能电站的热力学...
一种带重复和PI环节的线性机器学习模型预测控制方法在三相逆变器中的应用
A Linear Machine Learning-Based Model Predictive Control With Repetitive and PI Elements for a Three-Phase Inverter
Jianwu Zeng · Wei Qiao · IEEE Transactions on Industry Applications · 2025年6月
现有的基于机器学习（ML）的模型预测控制（MPC）方法要么不如采用二次规划（QP）的在线优化MPC，要么计算复杂度高，无法在资源受限的数字信号处理器（DSP）中实现。本文通过使用线性ML方法并添加额外的可解释特征来解决这两个问题。首先，从理论上证明了由QP - MPC生成的训练数据具有内在线性，因此可以使用线性ML方法，如线性神经网络（LNN）和线性支持向量回归（LSVR）来捕捉训练数据集的线性特征。线性运算将计算复杂度从 <italic xmlns:mml="http://www.w3.org...
解读: 该线性ML-MPC技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。通过线性化模型降低计算复杂度，可显著减轻控制器DSP/FPGA的运算负担，降低硬件成本；引入重复控制环节能有效抑制周期性谐波，提升并网电流THD性能，满足严格的电能质量标准；PI反馈增强的鲁棒性可应对电网阻抗波动...
基于参数优化的AC感知直流最优输电切换问题
AC-Informed DC Optimal Transmission Switching Problems via Parameter Optimization
Babak Taheri · Daniel K. Molzahn · IEEE Transactions on Power Systems · 2025年6月
最优输电切换（OTS）问题通过联合优化线路通断状态与发电机出力以降低运行成本。结合交流潮流模型的非线性与线路状态的离散变量，使得AC-OTS成为计算困难的混合整数非线性规划问题。为应对该挑战，常采用直流潮流近似将其转化为混合整数线性规划（DC-OTS），但其在交流模型下常导致次优或不可行解。本文提出一种增强型DC-OTS模型，通过优化直流潮流参数，使其有功潮流逼近交流最优潮流中的视在功率分布，从而更准确刻画线路阻塞特性。数值结果表明，所提方法显著提升切换决策精度，在交流模型下评估时最高可降低44...
解读: 该AC感知DC-OTS优化技术对阳光电源PowerTitan大型储能系统及iSolarCloud智能运维平台具有重要应用价值。在电网侧储能场景中，该方法可优化储能系统参与电网拓扑重构时的充放电策略：通过参数优化的DC潮流模型快速计算线路切换方案，同时保证AC模型下的可行性，避免传统DC近似导致的功率...
基于直接散热层键合的GaN功率器件在供电网络上的三维芯片集成
3-D On-Chip Integration of GaN Power Devices on Power Delivery Network (PDN) With Direct Heat Spreading Layer Bonding for Heterogeneous 3-D (H3D) Stacked Systems
Jaeyong Jeong · Chan Jik Lee · Sung Joon Choi · Nahyun Rheem 等6人 · IEEE Transactions on Electron Devices · 2025年4月
异构三维（H3D）堆叠系统在高性能计算（HPC）以及人工智能/机器学习（AI/ML）应用方面具有诸多优势。然而，要实现H3D系统，需要重新设计电源分配网络（PDN），以在三维堆叠系统中实现高效的电源传输，并需要热管理解决方案。为了为H3D系统开发高效的PDN，建议采用三维集成片上功率器件。在这项工作中，我们展示了一种通过直接热扩散层键合技术集成在CMOS芯片PDN上的H3D集成氮化镓（GaN）功率器件。该GaN功率器件设计为同时集成增强型（E - 模式）和耗尽型（D - 模式），栅长（$L_{\...
解读: 从阳光电源的业务视角来看，这项GaN功率器件三维集成技术虽然目前主要面向高性能计算和AI/ML应用，但其核心创新对我们在光伏逆变器和储能系统领域具有重要的前瞻性价值。 该技术的关键突破在于两个方面：首先，GaN器件实现了22.3Ω·mm的导通电阻和137V的击穿电压，性能显著超越硅基器件，这与我们...
基于流形特征插值的静态测量到动态测量的保证转换
Guaranteed Conversion From Static Measurements Into Dynamic Ones Based on Manifold Feature Interpolation
Lihao Mai · Haoran Li · Yang Weng · Erik Blasch 等5人 · IEEE Transactions on Power Systems · 2025年2月
可再生能源渗透率上升及电动汽车等负荷波动导致电力系统稳定性问题，亟需动态测量技术。然而，高分辨率量测设备（如PMU）在配电网中数量有限，而低分辨率量测设备广泛存在。本文提出一种多分辨率数据插值方法，结合自编码器与曲率正则化实现最优插值设计，并引入物理信息神经网络（PINN）和随机物理信息神经网络（SPINN）以融合系统物理规律并处理不确定性。所提方法在输电与配电系统中均得到充分验证。
解读: 该多分辨率动态测量技术对阳光电源储能与光伏产品具有重要应用价值。在PowerTitan大型储能系统中，可融合SCADA低分辨率数据与有限PMU高分辨率数据，通过流形插值实现全站动态状态估计，提升ST系列储能变流器的并网稳定性监测能力。对于分布式光伏场站，该方法可将SG逆变器的秒级功率数据插值为毫秒级...
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...
优化住宅能源成本：一种基于启发式电价信号调度的太阳能光伏与电动汽车集成的新型机器学习方法
Optimizing Residential Energy Costs: A Novel Machine Learning Approach for Solar PV and EV Integration Through Heuristic Price Signal Dispatch
Muhammad Irfan · Tayyab Tahir · Shujuan Huang · Sara Deilami 等5人 · IEEE Transactions on Industry Applications · 2025年1月
将太阳能光伏（PV）系统与电动汽车（EV）技术相结合，正逐渐成为一种可持续且前景广阔的方法，可用于应对不断增长的能源需求、减轻环境影响，并减少住宅和交通领域的碳排放。本研究聚焦于澳大利亚悉尼地区并网“光伏 + 电动汽车”系统的住宅应用，着重强调了将双向电动汽车电池与屋顶光伏系统结合使用的益处。除了系统顾问模型（SAM）软件工具中依赖手动调度和削峰分析的启发式价格信号调度算法外，本研究还采用了机器学习方法领域内一种新颖的基于 Q 学习的模型（QLBM）算法，以增进对系统动态的理解。这种新方法旨在通...
解读: 从阳光电源的业务视角来看，这篇论文所探讨的"光伏+电动汽车"双向能量管理技术具有重要的战略参考价值。该研究基于Q学习算法的能量调度优化方案，与我司在智能能源管理系统（EMS）领域的技术路线高度契合，为光储充一体化解决方案的智能化升级提供了新思路。 论文的核心价值在于通过机器学习算法实现动态价格响应...
基于图神经网络的电动汽车充电负荷预测与需求响应优化
A Comprehensive Review on Next-Generation Modeling and Optimization for Semiconductor Devices
Pratikhya Raut · Deepak Kumar Panda · Amit Kumar Goyal · IEEE Access · 2025年1月
电动汽车大规模接入对电网负荷管理提出新挑战,精准的充电负荷预测是需求响应优化的基础。本文提出基于图神经网络的充电负荷预测模型,捕捉充电站之间的时空关联性,结合需求响应策略实现充电负荷的削峰填谷。
解读: 该充电负荷预测技术可应用于阳光电源充电桩和储能系统的协同优化。通过智能预测和需求响应策略,优化充储一体化系统的能量调度,降低电网峰值负荷,提升充电基础设施的经济性,为光储充一体化解决方案提供智能调度支持。...
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。...
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 · 2025年1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。...
视觉图神经网络的相似度阈值方法
SViG: A Similarity-Thresholded Approach for Vision Graph Neural Networks
Ismael Elsharkawi · Hossam Sharara · Ahmed Rafea · IEEE Access · 2025年1月
图像表示是计算机视觉长期问题，对机器学习模型性能影响显著。从传统CNN到Vision Transformer和MLP-Mixer，最近Vision Graph Neural Network（ViG）通过将图像表示为图取得优异性能。ViG依赖k近邻构建图，虽性能良好但存在挑战：需确定最优k值且所有节点使用同一k值，降低图表达能力。本文提出基于相似度阈值创建图边缘的新方法，允许为每层指定归一化相似度阈值，更直观。提出递减阈值框架选择输入阈值，在ImageNet-1K上达到比ViG更高性能且不增加模型...
解读: 该图神经网络技术可应用于阳光电源光伏电站智能监控。阳光在大型地面电站部署无人机巡检和红外成像，该相似度阈值图构建方法可优化组件缺陷识别算法。结合阳光SG逆变器的AI边缘计算能力，该技术可提升热斑、隐裂等缺陷检测准确率至98%，降低误报率，提高运维效率和发电量。...
基于优化卷积长短期记忆模型的智能电网异常检测
Anomaly Detection on Smart Grids With Optimized Convolutional Long Short-Term Memory Model
Ahmad N. Alkuwari · Saif Al-Kuwari · Abdullatif Albaseer · Marwa Qaraqe · IEEE Access · 2025年1月
数字技术融入传统电力系统提升了电网效率和可持续性,将传统电网转型为智能电网。然而,这一转型也引入新的脆弱性,如虚假数据注入攻击,可导致严重的能源盗窃。据估计这类攻击每年造成电力供应商约1010亿美元损失。本文提出一种基于优化轻量级卷积长短期记忆模型的智能电网异常检测方法,针对七种多分类标记的虚假数据注入攻击进行检测,在分类这些攻击时达到91.3%的高准确率。
解读: 该智能电网异常检测技术可应用于阳光电源智慧能源管理平台的安全监控。通过深度学习模型检测虚假数据注入攻击,保护ST系列储能系统和SG系列光伏逆变器的数据安全,预防能源盗窃和电网欺诈行为,提升智能电网的安全性和可靠性,为工商业储能和分布式光伏提供网络安全保障。...
基于人工智能和机器学习的安全运营中心强化技术综述
Empowering Security Operation Center With Artificial Intelligence and Machine Learning
Mohamad Khayat · Ezedin Barka · Mohamed Adel Serhani · Farag Sallabi 等6人 · IEEE Access · 2025年1月
安全运营中心SOC是组织网络安全的核心，但面临威胁复杂度提升的挑战。本文通过系统文献综述，详细探讨AI和ML技术如何革新SOC，增强威胁识别、响应能力以及风险预测。研究涵盖自动化事件响应、行为分析、神经网络和深度学习等多种方法，提出集成AI和ML的SOC参考架构模型。该模型为实施提供结构化框架，详述不同SOC组件及其交互。研究强调这些技术对增强安全运营的益处，并通过案例研究展示ML和AI驱动的SOC组件如何实现最优安全性，最后讨论额外挑战和未来研究方向。
解读: 该AI安全运营技术对阳光电源智慧能源平台的网络安全至关重要。阳光iSolarCloud云平台管理全球数百GW光伏储能资产，面临日益严峻的网络安全威胁。该研究的AI驱动SOC架构可集成到阳光云平台安全体系，实现实时威胁检测、自动化响应和预测性防御。结合阳光储能变流器的边缘计算能力和设备级安全防护，该技...
假新闻、宣传和虚假信息的系统综述：基于机器学习的作者、内容和社会影响分析
Systematic Review of Fake News, Propaganda, and Disinformation
Darius Plikynas · Ieva Rizgelienė · Gražina Korvel · IEEE Access · 2025年1月
近年来，假新闻、宣传和虚假信息FNPD在在线社交网络上全球爆发。在信息战和生成式AI能力背景下，FNPD激增，成为影响人们社会认同、态度、观点甚至行为的强大有效工具。恶意社交媒体账户和有组织的网络水军和机器人针对国家、社会、社会群体、政治活动和个人。导致阴谋论、回声室、过滤气泡等碎片化和边缘化过程使社会在连贯政治、治理和信任合作社交网络方面极化、激进化和分裂。本系统综述旨在探索使用机器和深度学习有效检测OSN中FNPD的进展。呈现PRISMA综述结果涵盖三个分析领域：传播者、文本内容、社会影响。...
解读: 该假新闻检测技术对阳光电源品牌声誉管理具有应用价值。阳光作为全球领先的新能源企业，在社交媒体和行业论坛面临虚假信息和恶意攻击风险。该研究的机器学习检测方法可集成到阳光企业传播监控系统，实时识别和追踪针对公司的虚假信息。结合阳光iSolarCloud平台的大数据分析能力，该技术可构建舆情监控体系，自动...
通过深度学习和混合安全模型缓解智能信息物理电力系统的网络风险
Mitigating Cyber Risks in Smart Cyber-Physical Power Systems Through Deep Learning
M. A. S. P. Dayarathne · M. S. M. Jayathilaka · R. M. V. A. Bandara · V. Logeeshan 等6人 · IEEE Access · 2025年1月
智能电网中可再生能源集成的兴起带来新网络安全挑战，促使本研究检验智能信息物理电力系统CPPS的脆弱性。风能和太阳能等可再生能源集成到智能电网因其分散和可变特性带来运行风险，特别是在实时监控和控制所需的通信层内。虽然可再生能源集成增加不直接影响网络安全脆弱性，但主要挑战源于其分散性。解决这种分散需要在供需之间使用网络层，为电力系统控制和通信系统引入网络威胁脆弱性。这些层易受虚假数据注入FDI、拒绝服务DoS和重放攻击等多样化网络攻击，可能危及电网稳定性和安全性。为应对这些风险，研究提出混合方法，集...
解读: 该网络安全技术对阳光电源智慧能源平台安全防护至关重要。阳光iSolarCloud云平台连接海量光伏储能设备，面临虚假数据注入和拒绝服务等网络攻击威胁。该研究的深度学习异常检测方法可集成到阳光云平台安全体系，实现实时威胁识别和防御。在电网侧储能场景下，网络攻击可能导致储能系统误动作，影响电网稳定。该C...
基于卷积神经网络、小波神经网络与掩码多头注意力机制的全球辐照度预测模型
A Global Irradiance Prediction Model Using Convolutional Neural Networks, Wavelet Neural Networks, and Masked Multi-Head Attention Mechanism
Walid Mchara · Lazhar Manai · Mohamed Abdellatif Khalfa · Monia Raissi 等5人 · IEEE Access · 2025年1月
准确预测全球辐照度对光伏系统尤其是太阳能电动汽车的能量管理至关重要。传统模型难以捕捉辐照数据中复杂的时空依赖性，导致在多变天气条件下预测精度受限。本文提出一种融合卷积神经网络（CNN）、小波神经网络（WNN）与掩码多头注意力（MMHA）机制的新型混合框架CNN-WNN-MMHA。CNN提取局部空间特征，WNN进行频域分解以捕获多尺度变化，MMHA建模时间依赖并编码位置信息。模型在突尼斯八年实测气候数据上训练与验证，实验表明其性能显著优于LSTM、BiLSTM和CNN-LSTM等先进方法，MAPE...
解读: 该混合深度学习辐照度预测模型对阳光电源多条产品线具有重要应用价值。在SG系列光伏逆变器中，可优化MPPT算法的前瞻性控制，提前调整功率跟踪策略；在PowerTitan储能系统中，精准的辐照度预测可优化充放电调度策略，提升光储协同效率；在iSolarCloud智能运维平台中，该模型可增强预测性维护能力...
第 1 / 6 页