找到 2 条结果
交通场景理解的深度学习综述
Deep Learning for Traffic Scene Understanding: A Review
Parya Dolatyabi · Jacob Regan · Mahdi Khodayar · IEEE Access · 2025年1月
本综述论文深入分析深度学习模型在交通场景理解中的应用，这是现代智能交通系统的关键方面。研究检验分类、目标检测和分割等基础技术，并扩展到动作识别、目标跟踪、路径预测、场景生成检索、异常检测、图像到图像转换I2IT和人员重识别等更高级应用。论文综合广泛研究的见解，追溯从传统图像处理方法到复杂深度学习技术如卷积神经网络CNN和生成对抗网络GAN的演进。综述探讨三类主要领域自适应DA方法：基于聚类、基于差异和基于对抗，强调其在交通场景理解中的重要性。讨论超参数优化HPO的重要性，强调其在增强模型性能和效...
解读: 该交通场景理解技术可应用于阳光电源储能电站和充电站智能管理。阳光在新能源汽车充电领域需要车辆识别、车位管理和安全监控。该深度学习综述涵盖的目标检测和跟踪技术可集成到阳光充电站管理系统，实现车辆自动识别、充电桩智能分配和异常行为检测。在工商业储能场景下，该技术可优化园区能源管理，识别车辆进出和负荷变化...
一种用于升降压型部分功率变换器的混合调制方法以提高零部分功率附近的MPPT效率
A Hybrid Modulation Approach for Step-Up/Down Partial Power Converter With Improved MPPT Efficiency Around Zero Partiality
Neelesh Yadav · Andrii Chub · Naser Hassanpour · Andrei Blinov 等6人 · IEEE Transactions on Industry Applications · 2025年1月
文献表明，升降压型部分功率变换器（PPC）具有较低的部分功率占比和较高的效率。然而，如果变换器采用相同的调制技术，其在接近零部分功率占比（即源电压和负载电压相同）的情况下运行会面临挑战。这是因为当PPC在串联端口电压为零时运行，电容器没有足够的能量来提供所需的电压增益。这使得采用传统调制方式的升降压型PPC不适用于光伏（PV）实际应用。在接近零部分功率占比运行时，最大功率点跟踪（MPPT）效率在串联端口电压接近零时会下降。本文提出了一种混合调制MPPT方法，该方法可使PPC在接近零部分功率占比系...
解读: 从阳光电源光伏逆变器和储能系统的技术路线来看，这篇论文提出的混合调制部分功率变换器（PPC）技术具有重要的应用价值。该技术针对升降压PPC在零偏置点附近运行时MPPT效率下降的痛点，通过混合调制策略实现了99.56%的高效MPPT跟踪，这对我们的组串式逆变器和分布式储能产品线具有直接借鉴意义。 从...