找到 576 条结果
电力变换器的FCS-MPC：一种数据驱动的无模型强化学习解决方案
FCS-MPC of Power Converters: A Data-Driven Model-Free Reinforcement Learning Solution
Xing Liu · Lin Qiu · Youtong Fang · Kui Wang 等6人 · IEEE Transactions on Power Electronics · 预计 2026年5月
本文为有限控制集模型预测控制（FCS-MPC）奠定了理论基础，利用数据驱动的无模型强化学习方法，结合比例积分型数据驱动动态内部模型预测控制与强化学习策略，实现了电力变换器的高效控制。
解读: 该技术对阳光电源的核心产品线（光伏逆变器、储能PCS及风电变流器）具有重大应用价值。传统的FCS-MPC高度依赖系统精确模型，而该无模型强化学习方案能显著降低建模难度，提升复杂工况下的动态响应速度与鲁棒性。建议研发团队将其应用于PowerTitan等大功率储能系统及组串式逆变器中，以优化在弱电网环境...
基于人工神经网络的SiC MOSFET功率模块开关损耗预测
ANN-Assisted Switching Loss Prediction for SiC MOSFET Power Module
Youyang Wang · Wenxiao Wang · Shilong Zhu · Hui Zhu 等8人 · IEEE Transactions on Power Electronics · 预计 2026年5月
准确快速地确定开关损耗对于SiC MOSFET功率模块的能耗评估和系统散热设计至关重要。然而，传统方法难以兼顾建模复杂度和预测精度。本文提出了一种有效的开关损耗预测方法，利用人工神经网络（ANN）实现高精度与低复杂度的平衡。
解读: 该技术对阳光电源的核心业务具有极高价值。随着公司组串式逆变器及PowerTitan/PowerStack储能系统向高功率密度、高效率方向演进，SiC器件的应用日益普及。该ANN辅助预测方法可直接优化逆变器及PCS的散热设计，减少过设计带来的成本浪费，并提升系统在极端工况下的热管理精度。建议研发团队将...
基于细粒度子域对齐和特征分组的锂离子电池跨域SOH估计：一种Patch时间序列CNN-Transformer网络
Fine-Grained Subdomain Alignment and Feature Grouping-Based Cross-Domain SOH Estimation for Lithium-Ion Batteries Using a Patch Time Series CNN-Transformer Network
Xuanang Gui · Shu Zhang · Yuheng Cheng · Qianlong Wang 等7人 · IEEE Transactions on Power Electronics · 预计 2026年5月
针对锂离子电池健康状态（SOH）估计在跨域场景下因数据分布差异和标签数据不足导致性能下降的问题，本文提出了一种基于模糊聚类子域自适应的Patch时间序列CNN-Transformer网络。该方法通过细粒度子域对齐和特征分组策略，有效提升了跨域场景下的SOH估计精度与鲁棒性。
解读: 该研究直接服务于阳光电源储能业务的核心痛点。在PowerTitan和PowerStack等大型储能系统中，电池全生命周期的SOH精准估计是保障系统安全与收益的关键。该算法通过Patch时间序列与Transformer架构，能更高效地处理BMS采集的复杂工况数据，解决不同批次电池或不同应用场景（如调峰...
面向弱电网下跟网型逆变器稳定运行的数据驱动多参数整定方法
Data-Driven Multiparameter Tuning for Stabilizing Grid-Following Inverters
Caiyun Qin · Feng Gao · Guoxiang Wang · Kaizhe Nie · IEEE Transactions on Power Electronics · 预计 2026年5月
本文提出了一种数据驱动的多参数整定方法，旨在确保跟网型逆变器在弱电网工况变化下的稳定运行。该方法利用人工智能技术，根据采样输出电流，同步调整电流控制环路和锁相环（PLL）的比例及积分增益，有效提升了系统在复杂电网环境下的适应性与稳定性。
解读: 该技术对阳光电源的核心产品线（组串式及集中式光伏逆变器）具有极高的应用价值。随着全球光伏渗透率提升，弱电网接入带来的振荡问题日益突出，传统固定参数整定难以应对。通过引入AI驱动的自适应参数调整，阳光电源可进一步优化逆变器在弱电网下的阻抗特性，提升并网稳定性。建议在iSolarCloud平台积累的电网...
一种基于自适应滑动窗口的WRSM驱动系统逆变器开路故障在线数据驱动诊断方法
An Adaptive Sliding Window-Based Online Data-Driven Diagnosis Method for Inverter Open-Circuit Fault in WRSM Drive Systems
Chenyun Wu · Rabia Sehab · Javier Ojeda · Ahmad Akrad 等5人 · IEEE Transactions on Power Electronics · 预计 2026年5月
本文提出了一种针对三相逆变器的实时开路故障诊断策略，结合自适应滑动窗口（ASWIN）方法与机器学习算法，实现了22种状态分类。该方法不仅涵盖了静态单故障，还针对现有文献中较少涉及的非平稳故障模式进行了有效诊断。
解读: 该技术对阳光电源的核心产品线（组串式/集中式光伏逆变器、储能PCS）具有极高的应用价值。逆变器开路故障是影响系统可靠性的关键因素，该方法通过机器学习实现快速诊断，可显著提升iSolarCloud智能运维平台的故障预警与定位精度，降低运维成本。建议研发团队将其集成至逆变器底层控制固件中，利用ASWIN...
一种基于内置NTC传感器的SiC功率模块多芯片结温估计AI新方法
A Novel Artificial Intelligence-Enabled Junction Temperature Estimation Method for Multiple Chips in a SiC Power Module Based on an Inherent Built-in NTC Sensor
Zhewei Zhang · Laili Wang · Jin Zhang · Yi Liu 等6人 · IEEE Transactions on Power Electronics · 预计 2026年5月
结温是SiC功率模块监测的关键参数。针对现有非侵入式结温估计方法在处理多芯片热耦合及复杂工况时精度与分辨率不足的问题，本文提出了一种基于人工智能的创新结温估计方法，有效提升了多芯片模块的温度监测精度。
解读: 该技术对于阳光电源的组串式逆变器及PowerTitan/PowerStack储能系统至关重要。随着SiC器件在高性能逆变器和PCS中的广泛应用，多芯片热耦合导致的结温不均是影响系统可靠性的核心挑战。该AI方法利用内置NTC传感器实现高精度结温估计，可直接集成于iSolarCloud智能运维平台，实现...
面向多模态逆变系统早期故障检测的通道注意力共享-独占解耦表征学习
Shared-Exclusive Disentangled Representation Learning With Channel Attention for Incipient Fault Detection in Multimode Power Inverter Systems
Shuihui Rao · Yu Shuai · Zhihua Xiong · Min Wang · IEEE Transactions on Power Electronics · 预计 2026年5月
逆变系统在复杂多模态下运行，数据分布差异大，导致故障检测困难。本文提出了一种基于通道注意力的共享-独占解耦表征学习方法，旨在有效区分模态不变特征与模态特异性特征，从而提升多工作场景下的逆变器早期故障检测精度。
解读: 该技术对阳光电源的iSolarCloud智能运维平台具有极高的应用价值。阳光电源的组串式及集中式逆变器在不同光照、温度及电网环境下运行，属于典型的多模态系统。该研究提出的解耦表征学习方法，能有效解决传统算法在多工况下误报率高的问题，显著提升逆变器早期故障的预警准确性。建议将此算法集成至iSolarC...
无模型I-V曲线重构实现光伏系统全局柔性功率点跟踪
Model-free reconstruction of I-V curve for global flexible power point tracking of photovoltaic systems
Jun Yang · Qiao Peng · Haichuan Zhao · Tianqi Liu 等7人 · Solar Energy · 预计 2026年5月 · Vol.309
本文提出一种无需光伏系统数学模型的I-V曲线实时重构方法，结合在线测量与数据驱动拟合，支持动态阴影、老化等复杂工况下的全局最大功率点跟踪（GMPPT），提升多峰场景下能量捕获效率。
解读: 该技术可直接赋能阳光电源组串式逆变器（如SG系列）及iSolarCloud平台的智能MPPT算法升级，尤其适用于分布式工商业光伏中组件失配严重的场景。建议将该无模型重构方法嵌入ST系列PCS和PowerTitan储能系统的光储协同MPPT模块，增强弱光/局部遮挡下的功率追踪鲁棒性；同时为PowerS...
基于端点密集格拉姆特征编码与Mixup增强域对抗网络的多构型光伏阵列跨阵列故障诊断
Cross-array fault diagnosis of photovoltaic arrays with different configurations based on endpoint-dense gram feature encoding and mixup-enhanced domain adversarial network
Jiaqi Qu · Pengyuan Ma · Qiang Sun · Xiaogang Wu 等7人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出一种融合端点密集格拉姆图编码与Mixup增强域对抗网络的跨阵列故障诊断方法，提升不同拓扑、朝向、遮挡条件下光伏阵列的泛化故障识别能力。
解读: 该研究直接支撑阳光电源组串式逆变器（如SG系列）及iSolarCloud智能运维平台的故障预警升级。其跨配置鲁棒诊断能力可显著提升复杂山地/屋顶电站中多朝向、多倾角阵列的隐性故障识别精度；建议将模型轻量化后嵌入ST系列PCS边缘侧推理模块，并与PowerTitan储能系统联动实现‘光-储-智’协同诊...
面向天气感知的双分支融合光伏功率预测方法
Weather-aware dual-branch fusion for photovoltaic power forecasting
Bo Liu · Gang Liu · Xinlong Ma · Yisheng Cao 等7人 · Solar Energy · 2026年4月 · Vol.308
本文提出一种融合气象数值预报与历史发电数据的双分支深度学习架构，通过注意力机制协同建模时空特征与天气敏感性，显著提升短期光伏功率预测精度。
解读: 该技术高度契合阳光电源iSolarCloud智能运维平台及组串式逆变器（如SG系列）的功率预测需求，可嵌入ST系列PCS和PowerTitan储能系统的能量管理模块，优化光储协同调度与电网辅助服务响应。建议将模型轻量化后部署于边缘侧逆变器，结合本地气象传感器实现实时滚动预测，提升户用及工商业光伏电站...
一种基于鲁棒规则的利用逆变器数据检测与分类光伏系统性能低下的方法
A robust rule-based method for detecting and classifying underperformance in photovoltaic systems using inverter data
Bernardo Mendonca Severiano · Earl Duran · Jonathan Rispler · Jaysson Guerrero Orbe 等10人 · Solar Energy · 2026年4月 · Vol.308
本文提出一种基于规则的鲁棒方法，利用光伏逆变器运行数据（如功率、电压、电流、温度等）自动识别和分类系统性能低下原因（如遮挡、污秽、组件失效、通信故障等），无需依赖高精度物理模型或大量标注数据。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及SG系列组串式逆变器的故障预警能力升级需求。其规则驱动的轻量化诊断方法可嵌入逆变器边缘侧固件，提升ST系列PCS和PowerTitan在光储电站中的实时健康评估能力，降低对云端AI算力依赖。建议将该方法集成至iSolarCloud 3.0故障...
面向并网光伏系统的可持续非侵入式监测框架开发
Development of a sustainable non-intrusive monitoring framework for grid-connected photovoltaic systems
J.L. Sánchez-Jiménez · G. Jiménez-Castillo · F.J. Muñoz-Rodríguez · J.I. Fernández-Carrasco 等5人 · Solar Energy · 2026年4月 · Vol.308
本文提出一种可持续的非侵入式监测框架，用于实时识别并网光伏系统中的性能退化与潜在故障，无需额外传感器或硬件改造，融合信号处理与轻量化机器学习模型，提升运维效率与系统可靠性。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及组串式逆变器（如SG系列）、ST系列PCS的远程诊断与预测性维护需求。非侵入式监测可降低现场部署成本，增强PowerTitan等大型储能电站中光储协同运行的可观可控性。建议将轻量级模型嵌入逆变器边缘计算单元，并与iSolarCloud云端AI...
基于试点节点数据与神经网络的配电网实时光伏承载力分析
Real-time PV hosting capacity analysis of distribution networks using pilot buses data and neural networks
Md. Nazrul Islam Siddique · Krishneel Prakash · Saad Mekhilef · Hemanshu Pota · Applied Energy · 2026年4月 · Vol.409
该文提出一种利用试点节点量测数据结合神经网络模型实时评估配电网光伏承载力的方法，提升分布式光伏大规模接入下的安全裕度评估效率与精度。
解读: 该研究直接支撑阳光电源iSolarCloud智能运维平台对海量组串式逆变器集群的承载力动态评估需求，可集成至ST系列PCS及PowerTitan储能系统的协同调度模块，优化光储联合并网策略。建议将轻量化神经网络模型嵌入逆变器边缘侧（如SG系列组串逆变器），结合云端iSolarCloud实现‘端-边-...
面向早期循环的自适应置信度校准半监督集成方法用于电池寿命预测
Adaptive confidence-calibrated semi-supervised ensemble for early-cycle battery lifetime prediction
Jianlong Bi · Zicheng Fei · Jin Wang · Applied Energy · 2026年4月 · Vol.409
本文提出一种自适应置信度校准的半监督集成方法，利用少量标注早期循环电池数据与大量无标签数据，提升电池剩余寿命（RUL）预测精度与可靠性。
解读: 该研究直接支撑阳光电源PowerTitan、PowerStack及ST系列PCS中嵌入式电池健康状态（SOH）与寿命预测功能升级。结合iSolarCloud平台，可实现储能电站全生命周期智能运维。建议将该算法集成至新一代PCS固件及BMS协同架构中，强化用户侧/电网侧储能项目的质保评估与二手电池梯次...
面向宽电压范围LLC谐振变换器电压增益建模的知识感知神经网络
Knowledge-Aware Neural Network for Voltage Gain Modeling of LLC Resonant Converters With Wide Voltage Range
Fanghao Tian · Yu Zuo · Wilmar Martinez · IEEE Transactions on Power Electronics · 2026年4月
LLC谐振变换器因其高效率和高功率密度被广泛应用。然而，在脉冲频率调制下，特别是在宽电压范围内，利用传统的一阶谐波近似（FHA）和时域分析法进行电压增益建模仍面临挑战。本文提出了一种知识感知神经网络方法，通过结合物理知识与数据驱动模型，实现了对LLC变换器电压增益的精确建模。
解读: LLC拓扑是阳光电源户用光伏逆变器及储能系统（如PowerStack、ST系列PCS）中DC-DC变换级的核心技术。随着光伏与储能系统对宽电压范围适应性要求的提升，传统FHA建模在边界条件下精度不足。本文提出的知识感知神经网络方法，能够显著提升变换器在全工作范围内的控制精度与动态响应速度。建议研发团...
基于随机森林增强型电热老化模型的锂离子电池安全可持续快速充电策略
A Secure-Sustainable-Fast Charging Strategy for Lithium-Ion Batteries Based on a Random Forest-Enhanced Electro-Thermal-Degradation Model
Yajie Jiang · Noven Lee · Xiaojun Deng · Yun Yang · IEEE Transactions on Power Electronics · 2026年4月
本文提出了一种基于先进电热老化（ETD）模型的锂离子电池快速充电策略。该模型耦合了温度、荷电状态（SOC）和健康状态（SOH），结合了等效电路模型的简洁性与随机森林（RF）算法的高精度，旨在实现电池充电过程中的安全性、可持续性与高效性平衡。
解读: 该研究对于阳光电源的储能业务（如PowerTitan、PowerStack系列）具有极高价值。通过引入随机森林增强的电热老化模型，公司可进一步优化BMS（电池管理系统）的充电控制算法，在保证电池寿命和安全的前提下，显著提升储能系统的充电效率。该技术可直接应用于iSolarCloud智能运维平台，通过...
一种改进的高功率IGBT模块剩余寿命预测与预测性维护融合框架
An Improved Fusion Framework of Remaining Useful Life Prediction and Predictive Maintenance for High-Power IGBT Modules
Hengzhi Liu · He-sheng Zhang · Yicong Tang · IEEE Transactions on Power Electronics · 2026年4月
本文提出了一种针对高功率IGBT模块的剩余寿命（RUL）预测与预测性维护（PdM）融合框架。该框架解决了现有方法在不确定性管理上鲁棒性不足的问题，并综合考虑了可靠性信息与随机失效因素，旨在提升电力电子设备的运行可靠性与维护决策的及时性。
解读: IGBT模块是阳光电源组串式/集中式光伏逆变器、PowerTitan/PowerStack储能变流器及风电变流器的核心功率器件。该研究提出的RUL预测与PdM融合框架，能够显著提升阳光电源iSolarCloud智能运维平台在设备全生命周期管理中的预测精度。通过将该算法集成至逆变器及PCS的本地控制器...
基于退化与失效数据的直流母线薄膜电容自适应剩余寿命预测
Adaptive Remaining Useful Life Prediction for Film Capacitors in DC-Link Applications Using Degradation and Failure Data
Jian Gao · Shaowei Chen · Da Wang · Huai Wang 等5人 · IEEE Transactions on Power Electronics · 2026年4月
本文提出了一种针对电力电子应用中直流母线薄膜电容的自适应剩余寿命（RUL）预测方法。该方法利用比例风险模型框架，整合了退化数据与失效时间数据，以概率方式量化组件的失效行为，从而实现对电容健康状态的精准监测与寿命预测。
解读: 薄膜电容是阳光电源组串式/集中式光伏逆变器及PowerTitan/PowerStack储能变流器（PCS）中的核心易损元器件，其寿命直接决定了设备的运维周期。该研究提出的自适应RUL预测方法，能够有效提升iSolarCloud智能运维平台对关键功率模块的健康管理能力。建议将此算法集成至PCS及逆变器...
基于物理增强分层神经网络的电力变换器深度学习建模
Deep Learning-Based Modeling for Power Converters via Physics-Enhanced Hierarchical Neural Network
Qianyi Shang · Fei Xiao · Yaxiang Fan · Ruitian Wang 等5人 · IEEE Transactions on Power Electronics · 2026年4月
针对电力变换器时间序列建模中数据依赖性高、物理信息神经网络计算需求大及泛化能力差的问题，本文提出了一种物理增强的分层神经网络方法，旨在提升变换器建模的效率与精度，为电力电子系统的智能化建模提供新思路。
解读: 该技术对阳光电源的核心产品线具有显著价值。在光伏逆变器和PowerTitan/PowerStack储能变流器（PCS）的研发中，传统的物理建模在复杂工况下计算量大，而纯数据驱动模型缺乏物理约束。该物理增强分层神经网络能有效结合物理规律与AI算法，提升逆变器在电网波动、极端环境下的动态响应预测精度。建...
基于潜在特征感知神经常微分方程的黑盒并网逆变器轻量化稳定性评估
Latent-Feature-Informed Neural ODE Modeling for Lightweight Stability Evaluation of Black-Box Grid-Tied Inverters
Jialin Zheng · Zhong Liu · Xiaonan Lu · IEEE Transactions on Power Electronics · 2026年4月
针对黑盒并网逆变器稳定性评估面临的数据依赖性强及内部机理不透明问题，本文提出了一种基于潜在特征感知神经常微分方程（LFI-NODE）的建模方法。该方法仅利用轨迹数据即可实现轻量化的稳定性评估，有效解决了传统建模方法在处理复杂电力电子系统时的局限性。
解读: 该研究对阳光电源的组串式及集中式光伏逆变器、PowerTitan储能系统具有重要参考价值。在弱电网环境下，逆变器与电网的交互稳定性是行业痛点，而黑盒建模技术能有效规避核心控制算法泄露风险，实现对第三方或自身产品的快速稳定性评估。建议研发团队将其应用于iSolarCloud智能运维平台，通过轨迹数据分...
第 1 / 29 页