找到 3 条结果
面向锂离子电池跨工况容量估计的多源加权域自适应方法
Multisource Weighted Domain Adaptation for Cross-Conditions Capacity Estimation of Lithium-Ion Batteries
Hui Hua · Lifeng Wu · IEEE Transactions on Power Electronics · 2024年8月
准确的在线电池容量估计对BMS安全至关重要。由于锂离子电池在不同运行环境和负载条件下表现出差异化的退化过程，本文提出一种多源加权域自适应方法，旨在解决多工况下的无监督电池容量估计难题，提升复杂场景下的状态监测精度。
解读: 该技术对阳光电源的PowerTitan和PowerStack储能系统具有极高的应用价值。目前储能系统在不同电网环境（如调峰、调频）及温度工况下，电池衰减特性差异巨大，传统的BMS算法往往难以兼顾泛化性。通过引入域自适应（Domain Adaptation）算法，可显著提升iSolarCloud智能运...
面向多目标工况的电池健康状态估计的多源域元学习网络
Multisource Domain Metalearning Network for Battery State-of-Health Estimation Under Multitarget Working Conditions
Mengqi Miao · Chaoang Xiao · Jianbo Yu · IEEE Transactions on Power Electronics · 2025年7月
电池健康状态（SOH）估计对电池寿命预测至关重要。工况差异导致的域偏移现象是准确估计SOH的主要障碍。本文提出一种多源域元学习网络，通过最小化不同工况下的分布差异，解决电池SOH估计中的域偏移问题，提升在多目标工况下的预测精度。
解读: 该研究直接服务于阳光电源的储能业务核心需求。在PowerTitan和PowerStack等大型储能系统中，电池全生命周期的SOH精准评估是保障系统安全与收益的关键。该元学习算法能有效解决不同温度、充放电倍率等复杂工况下的数据分布偏移问题，显著提升BMS的预测精度。建议将此算法集成至iSolarClo...
一种基于多核最大均值差异域自适应的磁芯损耗建模方法
A Magnetic Core Loss Modeling Method Based on Domain Adaptation Using Multiple Kernel Maximum Mean Discrepancy
Jing Chen · Yiyuan Liang · Xiangxi Li · Xinyu Liu 等7人 · IEEE Transactions on Power Electronics · 2026年4月
磁芯损耗是影响电力设备效率、可靠性和紧凑性的关键指标。传统损耗模型在多变工况下精度不足。本文提出一种基于多核最大均值差异（MK-MMD）的域自适应磁芯损耗建模方法，旨在解决不同材料与复杂工况下的损耗预测难题，提升电力电子变换器的设计精度。
解读: 磁性元件是光伏逆变器（如组串式、集中式）及储能变流器（PowerTitan、ST系列PCS）的核心部件，其损耗直接决定了整机的效率与温升表现。该研究提出的域自适应建模方法，能够有效提升在复杂工况（如宽电压范围、高频开关）下对磁性元件损耗的预测精度。对于阳光电源而言，该技术可集成至研发仿真平台，优化电...