找到 25 条结果
利用深度残差机器学习估计电机温度
Estimating Electric Motor Temperatures With Deep Residual Machine Learning
Wilhelm Kirchgassner · Oliver Wallscheid · Joachim Bocker · IEEE Transactions on Power Electronics · 2021年7月
针对牵引驱动应用中电机温度监测不足的问题，本文提出一种基于深度残差学习的温度估计方法。传统热模型依赖复杂的参数选择且受几何结构和冷却动力学影响，而该数据驱动方法通过深度学习模型，在无需精确物理建模的情况下，实现了对电机内部温度的精准预测，有效提升了系统的运行安全性与设计优化能力。
解读: 该技术在电机热管理方面的应用对阳光电源的电动汽车充电桩及风电变流器业务具有参考价值。通过深度学习替代传统的复杂热网络模型，可以更精准地预测功率模块或电机在极端工况下的温度，从而优化散热设计，提升产品功率密度。建议研发团队关注该方法在iSolarCloud平台中的应用，通过挖掘设备运行数据，实现对逆变...
用于并网变换器快速稳定性评估的数据轻量化振荡模式识别
Data-Light Oscillation Mode Identification for Fast Stability Assessment of Grid-Tied Converters
Rui Kong · Subham Sahoo · Shuyu Ou · Xiangyu Meng 等6人 · IEEE Transactions on Power Electronics · 2025年8月
动态模态分解（DMD）是识别并网变换器失稳的有效数据驱动方法，但计算耗时且参数设置依赖经验，限制了其在快速稳定性评估中的应用。本文提出了数据轻量化动态模态分解（DL-DMD），通过优化算法提升了计算效率，实现了对并网系统振荡模式的快速识别。
解读: 该技术对阳光电源的组串式及集中式光伏逆变器、PowerTitan/PowerStack储能变流器（PCS）具有极高的应用价值。随着全球电网弱网化趋势加剧，逆变器在复杂电网环境下的振荡抑制成为核心竞争力。DL-DMD算法能够显著提升iSolarCloud平台及现场运维终端对系统小干扰稳定性的实时监测能...
用于逆变器系统早期故障检测的密集多阶特征提取方法
Intensive Multiorder Feature Extraction for Incipient Fault Detection of Inverter System
Min Wang · Feiyang Cheng · Min Xie · Gen Qiu 等5人 · IEEE Transactions on Power Electronics · 2025年2月
逆变器系统在电力系统中至关重要，故障诊断是研究热点。现有基于数据的方法在处理顽固的早期故障时表现不佳。本文提出了一种密集多阶特征提取方法，旨在提升逆变器系统早期故障检测的准确性与鲁棒性，有效解决复杂工况下的故障识别难题。
解读: 该研究提出的早期故障检测技术对阳光电源的核心业务具有极高价值。在组串式逆变器和PowerTitan/PowerStack储能系统中，早期故障预警能显著降低运维成本并提升系统可用性。通过将该特征提取算法集成至iSolarCloud智能运维平台，可实现从“事后维修”向“预测性维护”的跨越。建议研发团队关...
用于提升并网逆变器电流动态性能的数据回归补偿算法
Data Regression Compensation Algorithm for Improving the Current Dynamic Performance of Grid-Tied Inverters
Cong Li · Qi Zhang · Rongwu Zhu · Fujin Deng 等7人 · IEEE Transactions on Power Electronics · 2025年3月
并网逆变器的非线性特性会降低系统性能。虽然基于内模原理的控制器可抑制非线性，但其在计算耗时与模型不确定性之间存在权衡。本文提出一种数据驱动方法，旨在消除非线性影响并提升并网逆变器的动态性能。
解读: 该算法直接针对光伏逆变器的核心控制痛点，即非线性带来的动态性能损耗。对于阳光电源的组串式和集中式逆变器产品线，该数据驱动补偿策略可有效提升在复杂电网环境下的电流跟踪精度和响应速度，减少对精确数学模型的依赖，从而增强产品在弱电网或电网波动下的稳定性。建议研发团队评估该算法在iSolarCloud平台数...
电动汽车应用中锂离子电池的优化特征选择健康预测
Health Prognosis With Optimized Feature Selection for Lithium-Ion Battery in Electric Vehicle Applications
Ji Wu · Xuchen Cui · Hui Zhang · Mingqiang Lin · IEEE Transactions on Power Electronics · 2021年11月
针对电动汽车锂离子电池健康管理需求，本文提出了一种基于优化特征选择的数据驱动型电池健康状态（SOH）估计方法。该方法旨在解决现有预测模型计算效率低的问题，通过优化特征提取提升SOH估计的准确性与实时性，为电池全生命周期管理提供技术支撑。
解读: 该研究对于阳光电源的储能业务（PowerTitan、PowerStack系列）具有极高参考价值。精准的SOH估计是BMS核心算法的关键，直接影响储能电站的运维效率与安全性。通过引入优化特征选择的数据驱动模型，可显著提升iSolarCloud平台对电池资产的健康评估能力，优化电池衰减预测，从而降低运维...
一种基于模态分解机制的数据驱动锂离子电池剩余寿命预测方法
A Data-Driven Method With Mode Decomposition Mechanism for Remaining Useful Life Prediction of Lithium-Ion Batteries
Jianguo Wang · Shude Zhang · Chenyu Li · Lifeng Wu 等5人 · IEEE Transactions on Power Electronics · 2022年11月
锂离子电池具有高效、轻便等优势，但其不稳定性及失效风险仍是行业挑战。本文提出了一种基于模态分解的数据驱动方法，用于预测锂离子电池的剩余使用寿命（RUL），旨在通过精准的寿命评估有效预防电池突发故障，保障系统运行安全。
解读: 该研究直接服务于阳光电源PowerTitan、PowerStack等储能系统业务。通过引入模态分解与数据驱动算法，可显著提升iSolarCloud平台对电芯健康状态（SOH）的监测精度，并优化BMS的寿命预测模型。这不仅能降低储能电站的运维成本，还能通过提前预警潜在失效风险，提升系统安全性，对阳光电...
基于概率曲率框架的恒功率负载DC-DC变换器数据驱动小信号稳定性评估
Probabilistic Curvature Framework for Data-Driven Small-Signal Stability Assessment of DC-DC Converters With Constant Power Loads
Thor Westergaard · Poras T. Balsara · Babak Fahimi · IEEE Transactions on Power Electronics · 预计 2026年5月
针对分布式电源系统、级联DC-DC变换器及恒功率负载（CPL）配置中，基于模型的稳定性分析方法难以捕捉复杂小信号不稳定性问题，本文提出一种数据驱动方法。该方法通过测量状态轨迹的曲率来推断系统稳定性，无需精确的系统模型，有效避免了因模型不准确导致的性能下降或系统失效。
解读: 该研究对于阳光电源的储能系统（如PowerTitan、PowerStack）及光伏组串式逆变器具有重要参考价值。在储能变流器（PCS）与复杂直流微电网或多级联负载交互时，恒功率负载（CPL）常引发振荡问题。该数据驱动的稳定性评估方法可集成至iSolarCloud智能运维平台，通过分析运行数据实时监测...
一种考虑不确定性和波动性的光伏阵列寿命预测自数据驱动方法
A Self-Data-Driven Method for Lifetime Prediction of PV Arrays Considering the Uncertainty and Volatility
Yongjie Liu · Kun Ding · Jingwei Zhang · Ariya Sangwongwanich 等5人 · IEEE Transactions on Power Electronics · 2024年3月
本文提出了一种基于自状态监测数据的光伏阵列剩余寿命预测方法。首先，通过健康指标重构技术消除监测数据中的不确定性和波动性；其次，建立非线性Gamma随机过程模型，以准确描述光伏阵列的退化过程，实现对光伏系统长期运行可靠性的精确评估。
解读: 该研究对阳光电源的iSolarCloud智能运维平台具有重要应用价值。通过引入非线性Gamma随机过程模型，可提升iSolarCloud在光伏电站资产管理中的故障预警与寿命预测精度，降低运维成本。该技术可直接集成于组串式及集中式逆变器的数据分析模块中，实现对光伏阵列健康状态的实时监控。建议研发团队将...
基于数据驱动特征提取的并网电压源变换器阻抗特性预测
Impedance Profile Prediction for Grid-Connected VSCs With Data-Driven Feature Extraction
Yang Wu · Heng Wu · Li Cheng · Jianyu Zhou 等7人 · IEEE Transactions on Power Electronics · 2025年2月
本文提出了一种数据驱动方法，用于预测并网电压源变换器（VSC）在多种运行工况下的阻抗特性。针对传统方法在多变换器系统中因运行点与阻抗映射失效的问题，本文通过特征提取技术优化了预测模型，为复杂电网环境下变换器的稳定性分析提供了新思路。
解读: 该研究直接服务于阳光电源的核心业务——光伏逆变器及储能变流器（PCS）的并网稳定性优化。在弱电网或多机并联场景下，准确预测阻抗特性对于抑制谐振、提升系统鲁棒性至关重要。对于阳光电源的组串式逆变器和PowerTitan/PowerStack储能系统，引入此类数据驱动的阻抗预测模型，可显著提升iSola...
基于磁链跟踪的永磁同步电机温度混合建模与估计及数据驱动铁损补偿
Flux Linkage Tracking-Based Permanent Magnet Temperature Hybrid Modeling and Estimation for PMSMs With Data-Driven-Based Core Loss Compensation
Kaide Huang · Beichen Ding · Chunyan Lai · Guodong Feng · IEEE Transactions on Power Electronics · 2024年1月
针对永磁同步电机（PMSM）驱动，磁体温度的准确估计至关重要。传统的基于模型的估计方法在高速工况下易受铁损影响。本文提出了一种新型混合建模与估计方法，通过跟踪磁链建立估计模型，并结合数据驱动方法补偿铁损，有效提升了磁体温度估计的精度。
解读: 该技术主要应用于电机驱动控制领域，对阳光电源的风电变流器及电动汽车充电桩业务具有参考价值。在风电变流器中，发电机侧的精确温度监控有助于提升系统的可靠性与效率；在电动汽车充电桩及相关电机驱动应用中，该混合建模方法可优化热管理策略，延长功率模块与电机寿命。建议研发团队关注其在高速工况下的磁链跟踪算法，以...
基于短时特征的锂离子电池SOH估计数据驱动模型多目标优化
Multiobjective Optimization of Data-Driven Model for Lithium-Ion Battery SOH Estimation With Short-Term Feature
Lei Cai · Jinhao Meng · Daniel-Ioan Stroe · Jichang Peng 等6人 · IEEE Transactions on Power Electronics · 2020年11月
锂离子电池广泛应用于储能系统（BESS）和电动汽车。数据驱动方法通过测量特征估计电池健康状态（SOH），但过多特征会降低精度并增加人工成本。本文提出了一种多目标优化方法，旨在通过精简特征集提升SOH估计的准确性与效率。
解读: 该研究直接服务于阳光电源的储能业务（PowerTitan、PowerStack系列）。SOH的高精度估计是BMS核心算法的关键，直接影响储能系统的全生命周期管理与电芯衰减预测。通过引入多目标优化算法精简特征，可显著降低iSolarCloud平台在处理海量电芯数据时的计算负载，提升远程运维的实时性。建...
基于可靠性评分基准与电阻损耗分布的电机驱动系统开路故障诊断方法
Reliability Score Benchmarking and Resistive Loss Profile-Based Open-Circuit Fault Diagnosis Approach for Motor Drive System
Ali Arsalan · Behnaz Papari · Laxman Timilsina · Grace Muriithi 等9人 · IEEE Transactions on Power Electronics · 2025年7月
近年来，数据驱动方法在逆变器驱动系统的开路故障（OCF）诊断中表现出潜力。然而，现有研究多仅以分类准确率评估可靠性，忽略了计算延迟和数据传输延迟等关键实时因素。本文提出了一种结合可靠性评分基准与电阻损耗分布的诊断方法，旨在提升故障诊断的实时性与准确性。
解读: 该研究提出的实时故障诊断方法对阳光电源的核心产品线具有重要参考价值。首先，在光伏逆变器（组串式及集中式）中，功率模块的开路故障诊断直接影响电站的运维效率与iSolarCloud的预警精度。其次，对于储能系统（PowerTitan/PowerStack）中的PCS模块，该方法通过引入计算延迟评估，有助...
学习多个凸电压稳定约束用于机组组合
Learning Multiple Convex Voltage Stability Constraints for Unit Commitment
Hongyang Jia · Qingchun Hou · Pei Yong · Fei Teng 等6人 · IEEE Transactions on Power Systems · 2024年5月
随着可变可再生能源（VRE）渗透率的不断提高，电力系统电压稳定性面临着重大挑战，因为VRE机组属于基于逆变器的发电机（IBG），往往会削弱电力系统的电压支撑能力。因此，发电调度应避免可能导致电压不稳定问题的运行状态。本文提出了一种数据驱动的方法，用于学习多个凸电压稳定约束条件，并将其有效嵌入机组组合问题中。首先，利用多个凸多面体来表示非线性和非凸的电压稳定边界。然后，通过决策树对多面体进行初始化，并采用全局优化策略对其进行优化。最后，将学习得到的电压稳定边界作为约束条件嵌入机组组合问题中。对六个...
解读: 该研究对阳光电源的储能与光伏逆变器产品线具有重要参考价值。研究提出的多凸约束学习方法可优化ST系列储能变流器和SG系列光伏逆变器的电压稳定控制策略。具体而言，可将其应用于：1)储能系统的GFM控制算法优化，提升PowerTitan在弱电网条件下的电压支撑能力；2)大型光伏电站的VSG控制设计，增强S...
基于发电机测量的强迫振荡源定位
Forced Oscillation Source Localization From Generator Measurements
Melvyn Tyloo · Marc Vuffray · Andrey Y. Lokhov · IEEE Transactions on Power Systems · 2025年9月
设备故障、误操作或周期性负荷变化可能引发持续的周期性扰动，导致系统内能量异常传递，即强迫振荡。广域振荡可能损坏设备、触发误跳闸或控制动作，甚至导致设备失效。然而，其振源的位置、频率和幅值难以确定。近期提出了一种基于数据驱动的最大似然方法用于传输电网中的振源定位，但该方法依赖全PMU覆盖且假设所有母线具有惯性和阻尼。本文将其扩展至更真实场景，包含无惯性和阻尼的节点（如被动负荷和逆变型电源）。通过将克朗降阶直接融入最大似然估计器，可准确识别施加于传统发电机和负荷上的强迫源位置与频率。
解读: 该强迫振荡源定位技术对阳光电源储能和光伏并网系统具有重要应用价值。文章针对含逆变型电源（无惯性节点）的电网场景，通过克朗降阶扩展最大似然估计方法，可精准识别振荡源位置与频率。这直接适用于阳光电源ST系列储能变流器和SG系列光伏逆变器的并网控制优化：1）在PowerTitan大型储能系统中集成振荡源监...
面向多方风电功率预测的隐私保护自适应联邦深度学习
Privacy-Preserving and Adaptive Federated Deep Learning for Multiparty Wind Power Forecasting
Yi Wang · Qinglai Guo · IEEE Transactions on Industry Applications · 2024年7月
先进的预测工具对于现代电力系统减轻可再生能源的不确定性至关重要。尽管数据驱动的方法在风电预测方面取得了显著进展，但数据可用性有限阻碍了其有效性。严格的数据监管规则和竞争利益使得相邻风电场无法整合数据集以学习更准确的预测模型。为应对这一挑战，我们提出了 SecFedAProx - LSTM，这是一种结合深度学习模型和隐私保护自适应联邦学习框架的新型风电预测方法。该方法动态调整局部优化目标，以在全局收敛性能和探索个体特征之间取得平衡，从而解决统计异质性问题。此外，它采用去中心化多客户端功能加密进行安...
解读: 从阳光电源的业务视角来看，本文提出的隐私保护自适应联邦学习风电预测方法具有重要的战略参考价值。虽然研究聚焦于风电场景，但其核心技术框架可直接迁移至光伏功率预测、储能系统优化及多能源协同管理等阳光电源的核心业务领域。 该技术的核心价值在于突破了数据孤岛困境。当前阳光电源在全球部署了大量光伏电站和储能...
基于数据驱动状态空间映射的风电场下垂-惯性频率调节可行域评估
Droop-Inertia Frequency Regulation Feasible Region Assessment for Wind Farm Based on Data-Driven State Space Mapping
Zhongguan Wang · Jiachen Liu · Li Guo · Xiaodi Zang 等6人 · IEEE Transactions on Industry Applications · 2024年7月
可再生能源在电力系统中的渗透率不断提高，这使得风电场提供频率支撑成为必要。考虑到风力发电机组（WTs）的复杂协调以及频率响应的时变特性，有必要评估风电场的一次频率调节（PFR）能力并构建可行区域。为应对基于物理的方法中参数不完整以及现有数据驱动方法可解释性不足的挑战，本文提出了一种用于风电场的基于数据驱动的状态空间映射方法，以构建下垂系数和惯性系数的可行区域，并通过迭代方案确定最优系数。基于库普曼算子理论（KOT），将一次频率调节的非线性模型转化为线性升维形式，从而可以利用测量数据进行实时评估。...
解读: 从阳光电源的业务视角看，这项基于数据驱动状态空间映射的风电场频率调节技术具有重要的战略参考价值。随着我国"双碳"目标推进，新能源渗透率持续提升，电网对风光储系统的一次调频能力提出了更高要求。该论文提出的下垂-惯量系数可行域评估方法，为解决新能源参与电网频率支撑这一核心问题提供了新思路。 该技术的核...
基于数据驱动特征提取的并网电压源换流器阻抗特性预测
Impedance Profile Prediction for Grid-Connected VSCs With Data-Driven Feature Extraction
Yang Wu · Heng Wu · Li Cheng · Jianyu Zhou 等6人 · IEEE Transactions on Power Electronics · 2024年11月
数据驱动方法在预测并网电压源变流器（VSC）在广泛运行点（OP）下的阻抗特性方面具有良好前景。然而，传统方法依赖于运行点与阻抗特性之间的一一映射，正如本文所指出的，这种方法在多变流器系统中可能失效。为应对这一挑战，本文提出了一种基于堆叠自编码器的机器学习框架用于预测并网VSC的阻抗特性，并给出了详细的设计指南。所提出的方法使用特征而非运行点来表征阻抗特性，因此可扩展应用于多变流器系统。该方法的另一个优点是能够预测电网 - VSC系统在不稳定运行点处的VSC阻抗特性。仅基于稳定运行期间收集的数据即...
解读: 从阳光电源的业务视角来看，这项基于数据驱动的阻抗特性预测技术对我们在光伏并网逆变器和储能系统领域具有重要战略价值。 该技术的核心突破在于解决了多变流器系统中阻抗预测的可扩展性难题。传统方法采用工作点与阻抗曲线的一对一映射，在我们日益复杂的光储一体化项目中存在明显局限。论文提出的堆叠自编码器框架通过...
基于真实同步波形测量数据的逆变型资源次周期动态数据驱动建模
Data-Driven Modeling of Sub-Cycle Dynamics of Inverter-Based Resources Using Real-World Synchro-Waveform Measurements
Hossein Mohsenzadeh-Yazdi · Fatemeh Ahmadi-Gorjayi · Hamed Mohsenian-Rad · IEEE Transactions on Power Delivery · 2025年6月
随着逆变型资源（IBRs）在现代电力系统中的广泛接入，亟需能够准确捕捉其扰动下动态响应的建模方法。本文提出三种基于长短期记忆（LSTM）网络的新型数据驱动方法，用于建模IBRs在次周期扰动下的动态响应。利用加利福尼亚某试验 site 安装的波形测量单元（WMUs）采集的真实电压电流波形数据，构建并验证模型。所提方法在LSTM结构和特征提取方面各有差异，并进一步提出两种策略，通过分析两个IBRs的时序同步波形数据，实现模型在不同IBR间的复用或调整。实验结果表明，即使模型源自不同IBR，仍具有高精...
解读: 该研究对阳光电源的SG系列光伏逆变器和ST系列储能变流器的动态响应建模具有重要应用价值。通过LSTM网络对IBR次周期动态特性的精确建模，可以优化我司产品的GFL/GFM控制策略，提升大规模新能源并网场景下的系统稳定性。研究中提出的模型复用方法，可用于快速开发不同容量等级产品的控制参数，显著提升产品...
基于数据驱动方法在液态金属电池容量骤降前的提前预警
Advance Warning Prior to Capacity Plunge of Liquid Metal Battery Using Data-Driven Methods
Qionglin Shi · Min Zhou · Haomiao Li · Kangli Wang 等5人 · IEEE Transactions on Industry Applications · 2025年2月
液态金属电池（LMB）因其卓越的安全性和长寿命，作为一种新型储能技术受到了广泛关注。分析其老化轨迹，特别是容量骤降过程，对于理解其老化机制和实现有效的健康诊断至关重要。然而，在容量骤降之前，该电池往往缺乏明显的预警信号，这阻碍了在实际应用中对容量的准确预测和采取主动措施。为应对这一挑战，本研究提出了一种数据驱动的方法，该方法能有效量化液态金属电池的容量变化，在容量骤降发生前发出预警。首先，采用经验模态分解方法将容量数据分解为多个分量，这些分量代表了液态金属电池的不同特征。随后，应用高斯混合模型为...
解读: 该液态金属电池容量骤降预警技术对阳光电源储能产品线具有重要借鉴价值。虽然阳光电源主要采用锂电池技术路线，但其数据驱动的预测性维护方法可直接应用于PowerTitan储能系统和ST系列储能变流器。通过在iSolarCloud云平台集成充放电曲线特征参数实时监测与机器学习异常检测算法，可提前数个周期识别...
基于数据驱动与非线性灵敏度函数的配电网光伏承载力研究
Research on PV Hosting Capacity of Distribution Networks Based on Data-Driven and Nonlinear Sensitivity Functions
Le Su · Xueping Pan · Xiaorong Sun · Jinpeng Guo 等5人 · IEEE Transactions on Sustainable Energy · 2024年9月
电压计算对评估光伏承载力至关重要，但中压配电网精确参数与拓扑结构难以获取，导致传统潮流方法失效。为此，本文提出一种融合数据驱动与非线性函数的混合方法。首先，利用历史数据构建深度神经网络模型，实现潮流与电压-功率灵敏度的映射，降低计算耗时并提升精度；其次，基于潮流方程推导功率对电压的四阶泰勒展开式，用于外推光伏接入后超出历史范围的节点电压；最后，采用麻雀搜索算法求解光伏承载力。在IEEE 33和IEEE 69系统上的仿真验证了该方法在电压与承载力计算中的准确性。
解读: 该数据驱动的光伏承载力评估技术对阳光电源SG系列光伏逆变器和iSolarCloud云平台具有重要应用价值。文章提出的深度神经网络潮流计算与非线性灵敏度分析方法，可直接集成到iSolarCloud智能运维平台，实现配电网光伏接入容量的快速评估与动态监测。对于SG逆变器的并网控制策略，该方法可基于历史运...
第 1 / 2 页