找到 7 条结果
电能质量扰动识别
Recognition of Power Quality Disturbances
Jiansheng Huang · Zhuhan Jiang · Michael Negnevitsky · IEEE Transactions on Industry Applications · 2025年6月
劣质电源可能会干扰通信网络、增加电力损耗、缩短电气/电子设备的使用寿命，并导致发电、输电、配电及终端用户系统出现各种故障。因此，一项关键任务是确定电网当前面临哪些电能质量问题，以及这些问题的模式和发生频率。电力公司和监管机构随后便可据此找出相应对策，以减轻这些影响。在本文中，作者提出了一种新颖的电能质量（PQ）扰动识别系统，该系统采用支持向量机和纠错输出码技术构建多分类器。此外，通过探寻电能质量扰动与相关傅里叶幅值和相位谱分量之间的联系，提出了一种基于傅里叶变换的特征提取方法。仿真结果表明，所开...
解读: 该电能质量扰动识别技术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，可集成该识别框架实时监测电网侧电压暂降、谐波、闪变等扰动，优化主动支撑策略；在SG系列光伏逆变器中，可提升LVRT/HVRT故障穿越能力，通过精准识别扰动类型触发相应控制模式；在PowerTitan大型储能系统中，可...
基于自适应神经模糊推理系统和支持向量机的交流微电网故障识别与定位优化
Optimization of Fault Identification and Location Using Adaptive Neuro-Fuzzy Inference System and Support Vector Machine for an AC Microgrid
A. Kurmaiah · C. Vaithilingam · IEEE Access · 2025年1月
交流微电网中高阻抗故障、低故障电流水平和通信延迟使传统方法无法准确识别故障和定位。可再生能源与交流微电网集成时故障识别和定位至关重要。机器学习实现快速故障识别和定位。本文开发自适应神经模糊推理系统ANFIS和支持向量机SVM方法,解决低故障电流水平、检测高阻抗故障和通信延迟影响等问题。所提方法在IEEE 12节点系统的孤岛和并网模式下测试评估,孤岛模式执行时间0.00202s,并网模式0.0022s。ANFIS方法识别最优故障类型,SVM准确识别故障位置,实现最短执行时间和最小误差百分比,适合交...
解读: 该微电网故障诊断技术对阳光电源微电网解决方案的保护功能提升有重要价值。阳光微电网系统需要快速准确的故障识别和定位能力。ANFIS结合SVM的混合方法可应用于阳光微电网控制器的故障诊断模块。毫秒级执行时间满足阳光实时保护要求。该方法对高阻抗故障的检测能力可增强阳光微电网系统的安全性。孤岛和并网双模式验...
一种基于分数阶微分电压-容量曲线的锂离子电池健康状态估计新方法
A novel method for state of health estimation of lithium-ion batteries based on fractional-order differential voltage-capacity curve
Xugang Zhang · Xiyuan Gao · Linchao Duan · Qingshan Gong 等6人 · Applied Energy · 2025年1月 · Vol.377
准确估计锂离子电池的健康状态（SOH）对于确保电池管理系统稳定运行至关重要。特征参数（CPs）的提取是实现SOH精确预测的关键。传统的特征参数提取方法存在诸如参数数量少、特征提取困难等局限性。为解决上述问题，本研究将Caputo分数阶导数理论与电压-容量曲线相结合，引入分数阶微分电压-容量曲线用于特征参数的提取。此外，本文引入了v-支持向量机、弹性网络，并提出了闭环高斯过程回归方法，利用融合模型算法将这三个模型集成到一个融合模型中，从而提高SOH估计的精度。最后，我们设计了多组对比实验：将本文提...
解读: 该分数阶微分电压-容量曲线SOH估算技术对阳光电源ST系列储能变流器及PowerTitan系统的BMS优化具有重要价值。通过提取更丰富的特征参数并采用融合模型算法,可显著提升电池健康状态预测精度,增强储能系统全生命周期管理能力。该方法可集成至iSolarCloud平台实现预测性维护,降低储能电站运维...
基于 horizon-自适应周期校正的电机驱动电压源逆变器开路故障诊断方法
An Open-Circuit Fault Diagnosis Method Based on Horizon-Adaptive Period Correction for Voltage Source Inverter in Motor Drive
Naizhe Diao · Xiaoqing Zhang · Yingwei Zhang · Xiaoqiang Guo 等5人 · IEEE Transactions on Industrial Electronics · 2024年9月
本文针对电压源逆变器（VSI）提出了一种基于水平自适应周期校正（HaPC）的绝缘栅双极型晶体管（IGBT）开路（OC）故障诊断方法，该方法能够在频率变化条件下实现任意 IGBT 开路故障的诊断与定位。首先，提出了水平自适应周期提取（HaPE）方法，用于在频率变化时准确获取电流信号的周期。HaPE 将信号从时域转换到相位域，以间接获取电流信号的周期，同时使每个周期内的采样点数相同。其次，提出了基于虚拟时域周期校正（VTDPC）的多维特征提取方法，该方法能够实现不同周期特征的一致性，从而大幅减少训练...
解读: 从阳光电源的业务视角来看，这项基于水平自适应周期校正的IGBT开路故障诊断技术具有重要的工程应用价值。作为核心功率器件，IGBT的可靠性直接影响光伏逆变器和储能变流器的系统稳定性，而开路故障是最常见的失效模式之一。 该技术的核心创新在于解决了变频工况下的故障诊断难题。传统方法在电网频率波动或MPP...
基于红外热成像图像和轻量级深度CNN的光伏组件故障诊断端到端原型
An End-to-End Prototype for Fault Diagnosis of Solar Photovoltaic Modules Using Infrared Thermographic Images and Lightweight Deep CNNs
A. Mellit · C. Moussaoui · S. Pastore · A. Massi Pavan · IEEE Transactions on Industry Applications · 2025年7月
随着太阳能在各领域的广泛应用，为确保太阳能光伏（PV）装置的安全性和效率，已开发出有效且可靠的故障检测与诊断技术。近年来，利用红外热成像（IRT）图像对光伏电站进行故障诊断受到了研究人员的广泛关注。基于IRT图像设计一个有效且经济实惠的端到端原型，以协助光伏电站的操作人员和维护团队进行故障诊断，这极为必要，也是光伏界关注的关键问题。在本研究中，首先，我们将基于轻量级深度卷积神经网络（DCNN）的模型与五种混合模型进行比较，利用采集到的IRT图像对光伏组件的缺陷严重程度进行分类。结果表明，DCNN...
解读: 从阳光电源的业务视角来看，这项基于红外热成像和轻量级深度学习的光伏故障诊断技术具有显著的战略价值。作为全球领先的光伏逆变器和储能系统供应商，阳光电源不仅提供硬件设备，更致力于构建全生命周期的智能运维解决方案，而该技术正好契合这一战略方向。 该研究的核心价值在于实现了从实验室到工业应用的关键跨越。通...
基于CONMI特征选择和支持向量机的光伏系统并发故障精确诊断
Accurate diagnosis of concurrent faults in photovoltaic systems using CONMI-based feature selection and Support vector machines
Mohammad Shahmeer Hassa · Vun Jack Chin · Lenin Gopal · Energy Conversion and Management · 2025年1月 · Vol.344
摘要 光伏（PV）系统在户外环境中容易发生故障。多个故障可能同时存在于光伏系统中，这种现象被称为并发故障。准确识别并发故障至关重要，因为它们会带来安全风险并导致经济损失。通常情况下，这些故障表现出高度相似的电气特征，无法通过传统方法加以区分。尽管光伏系统单故障诊断已得到广泛研究，但针对并发故障的研究仍较为缺乏。本研究考虑并分析了多种并发故障数据集，并采用基于过滤式特征选择算法CONMI所选取的关键特征进行处理。为便于分析，本研究聚焦于双故障组合情形。研究结果表明，支持向量机（SVM）因其在区分高...
解读: 该并发故障诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud智能运维平台具有重要应用价值。研究采用CONMI特征选择与SVM算法,可将计算效率提升18倍,诊断准确率达94.52%,特别适合集成到iSolarCloud预测性维护系统中。针对线间故障与局部阴影等难区分并发故障的识别方法,可优化...
基于自适应蒸馏增量学习与注意力MobileNetV2网络的“一对所有”拒绝识别算法在电力终端多标签识别中的应用
Electricity terminal multi-label recognition with a “one-versus-all” rejection recognition algorithm based on adaptive distillation increment learning and attention MobileNetV2 network for non-invasive load monitoring
Linfei Yin · Nannan Wang · Jishen Li · Applied Energy · 2025年1月 · Vol.382
随着分布式可再生能源接入智能电网，分布式系统及新能源发电的不确定性严重影响了电网的稳定运行。需求侧管理是解决分布式用电问题的有效手段，因此监测接入系统负荷类型已成为当前研究热点。负荷监测包括侵入式负荷监测（ILM）和非侵入式负荷监测（NILM）。目前，NILM缺乏增量学习能力且识别准确率较低。为此，本文提出一种基于自适应蒸馏增量学习与注意力MobileNetV2网络的“一对所有”拒绝识别算法用于电力终端多标签识别（ET-MR “OVA” RR-ADIL-AMN）。该算法融合了多标签识别与“一对所...
解读: 该非侵入式负荷监测技术对阳光电源智慧能源管理系统具有重要价值。可集成至iSolarCloud平台实现用电侧精细化管理:在储能系统(ST系列PCS/PowerTitan)中应用该多标签识别算法,可精准识别并网负荷类型,优化充放电策略;结合分布式光伏(SG系列逆变器)场景,通过增量学习动态适应新接入设备...