找到 4 条结果
基于长短期记忆模型利用短历史数据的锂离子电池健康状态估计
Lithium-Ion Battery SOH Estimation Based on a Long Short-Term Memory Model Using Short History Data
Wenbin Li · Changwei Lin · Seyedmehdi Hosseininasab · Lennart Bauer 等5人 · IEEE Transactions on Power Electronics · 2025年1月
准确估计电池健康状态（SOH）对于车辆应用中电池管理系统的预测与健康管理至关重要。由于在实际应用中部分循环是常见情况，使用灵活电压范围短期数据的算法正受到广泛关注。为此，本文提出了一种利用短期充电历史数据的驱动模型。该模型将增量容量分析曲线分类与基于长短期记忆网络的时间序列预测相结合，用于在荷电状态（SOC）变化较小的情况下进行SOH估计。使用了三个具有不同电池化学体系和老化轨迹的数据集进行验证。结果表明，所提出的模型实现了准确的SOH估计，平均绝对误差和均方根误差在1%至2%之间。该模型的突出...
解读: 从阳光电源储能系统业务视角来看，这项基于LSTM的电池SOH短历史数据估算技术具有显著的工程应用价值。当前我司储能产品线涵盖工商业储能、大型地面电站及户用储能系统，精准的电池健康状态评估直接关系到系统全生命周期的安全性和经济性。 该技术的核心优势在于突破了传统SOH估算对完整充放电循环的依赖，仅需...
基于自回归模型与递归最小二乘法的并网逆变器无模型死beat预测电流控制
Model-Free Deadbeat Predictive Current Control for Grid-Connected Inverters Using Autoregressive Model and Recursive Least Squares
Mostefa Kermadi · Aissa Rebai · Saad Mekhilef · Lotfi Baghli 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月
本文提出一种面向并网两电平逆变器的新型无模型死beat预测电流控制方法（MF-DBPC），适用于含阻感（R–L）滤波器的系统。该方法仅依赖电流与电压测量数据构建数据驱动模型，无需精确系统参数。核心在于采用带外生输入的自回归（ARX）模型结合递归最小二乘（RLS）算法实现参数在线辨识，显著提升动态适应性与抗参数失配能力。通过与滚动优化策略对比，仿真表明所提死beat控制方案在更低采样频率下仍可获得更优电流波形质量。实验验证了其在稳态与动态工况下的有效性及对滤波电感偏差的强鲁棒性。
解读: 该无模型死拍预测电流控制技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。基于ARX-RLS的数据驱动方法可显著提升产品对滤波参数偏差的鲁棒性，解决大规模生产中电感容差导致的控制性能差异问题。相比传统模型预测控制，该方法在较低采样频率下仍能保证电流质量，可降低DSP/FPGA算力...
训练集再应用:基于相似样本的电力系统主导失稳模式识别物理可靠框架
Reapplication of Training Set: A Physically Reliable Framework for Power Systems Dominant Instability Mode Identification Using Similar Samples
Yutian Lan · Shanyang Wei · Wei Yao · Yurun Zhang 等6人 · IEEE Transactions on Power Systems · 2025年8月
准确且在物理上可靠地识别主导不稳定模式（DIM）对于确保电力系统的安全稳定运行至关重要。数据驱动模型，尤其是深度学习（DL），在应对这一挑战方面取得了显著进展。然而，深度学习的“黑箱”特性限制了其可解释性，导致结果不可靠，这与电力系统严格的可靠性要求相冲突。为解决这一问题，本文提出了一种新颖的 DIM 识别框架，通过重新应用训练集样本提高识别的准确性和可靠性。首先，提出了一种训练方法，以增强 DIM 模型的抗噪声能力和对相似样本的聚类能力，实现高精度的 DIM 识别。此外，还开发了一种两阶段可解...
解读: 该失稳模式识别技术可应用于阳光电源智慧能源管理系统的稳定性监控。通过数据驱动的失稳模式识别,及时发现光伏并网系统和储能系统的潜在失稳风险,优化控制策略,提升大规模新能源并网的稳定性,为电网安全运行提供预警支持。...
基于数值天气数据驱动的光伏数字孪生传感器数据生成：一种混合模型方法
Numerical Weather Data-Driven Sensor Data Generation for PV Digital Twins: A Hybrid Model Approach
Jooseung Lee · Jimyung Kang · Sangwoo Son · Hui-Myoung Oh · IEEE Access · 2025年1月
随着全球对环保政策的重视，可再生能源系统广泛应用，光伏（PV）系统因其易管理性备受青睐，而数字孪生（DT）技术则用于实现实时监控与管理。本文提出一种基于数值天气预报（NWP）数据的新型传感器数据生成模型，结合LSTM与GAN构建混合数据驱动框架，并引入融合Transformer的TransTimeGAN以捕捉15分钟级变化特征。模型在自研PV DT系统数据上训练验证，实验结果显示其在均方误差（7.84e-3）、动态时间规整（1.3769）、KL散度（0.9591）和标准差相似性（0.9671）等...
解读: 该混合数字孪生技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。TransTimeGAN模型可基于NWP数据生成15分钟级高精度传感器数据，弥补实际电站传感器缺失或故障场景，为MPPT算法优化提供完整数据支撑。在PowerTitan储能系统中，该技术可实现光储协同...