找到 110 条结果
理解数据中心液冷对机器学习与人工智能工作负载能效和性能的影响
Understanding the Impact of Data Center Liquid Cooling on Energy and Performance of Machine Learning and Artificial Intelligence Workloads
Bharath Ramakrishnan · Cam Turner · Husam Alissa · Dennis Trieu 等13人 · Journal of Electronic Packaging · 2025年1月 · Vol.147
传统上，数据中心采用风冷方式为IT设备散热，但随着图形处理器（GPU）功耗的持续上升，对冷却技术提出了更高要求。为提升能效，直接液冷（DLC）成为一种有前景的解决方案。本文评估了在执行人工智能/机器学习（AI/ML）任务的微软G50 GPU服务器上，DLC相较于传统风冷的性能表现。实验结果表明，DLC显著提升了GPU计算性能，增强了能效，并有效降低了系统热阻，为高密度计算场景下的散热设计提供了重要参考。
解读: 该液冷技术研究对阳光电源PowerTitan大型储能系统和数据中心储能方案具有重要应用价值。研究证实直接液冷可显著提升GPU高功率密度场景下的能效和性能，这与储能变流器功率模块散热需求高度契合。对于ST系列储能变流器，可借鉴液冷方案优化SiC/GaN功率器件的热管理，降低系统热阻，提升功率密度和转换...
基于人工智能与物理模型的智能电网异常检测综述
Artificial Intelligence and Physics-Based Anomaly Detection in the Smart Grid: A Survey
Giovanni Battista Gaggero · Paola Girdinio · Mario Marchese · IEEE Access · 2025年1月
先进通信系统与分布式资源的融合推动了智能电网的发展，提升了控制能力与运行效率。然而，系统复杂性的增加也带来了新的脆弱性，加剧了网络攻击、设备故障等异常风险。机器学习技术作为数据分析的变革性工具，正广泛应用于异常检测。本文综述了结合人工智能与物理模型的智能电网异常检测方法，系统梳理了当前研究现状，评估了各类应用场景、算法性能及验证方式，识别出关键研究缺口，并为该领域的进一步发展提供了学术见解。
解读: 该综述对阳光电源智能运维体系具有重要指导价值。AI与物理模型融合的异常检测方法可直接应用于iSolarCloud平台，提升ST储能系统和SG光伏逆变器的故障预警能力。针对储能系统，可结合电池物理模型与机器学习实现热失控、SOC异常等早期检测；对光伏电站，可融合IV曲线物理特性与AI算法识别组件遮挡、...
基于LightGBM与自注意力编码-解码网络的日前太阳能功率预测
Day-Ahead Solar Power Forecasting Using LightGBM and Self-Attention Based Encoder-Decoder Networks
Hossein Nourollahi Hokmabad · Oleksandr Husev · Juri Belikov · IEEE Transactions on Sustainable Energy · 2024年10月
可再生能源大规模并网带来的随机性与间歇性对电网可靠性与稳定性构成挑战，数据驱动的预测方法在缓解该问题中至关重要。然而，在历史数据不足的情况下，纯数据驱动模型性能往往受限。为此，本文提出一种融合物理模型与机器学习的新型日前光伏功率混合预测框架，提升低数据场景下的预测可靠性；同时针对数据丰富环境设计了一种创新的机器学习流水线。该方法包含针对不同天气条件定制的回归器组与基于自注意力的编码-解码网络，并通过元学习器融合双分支输出，显著提升了预测精度。实验结果表明，所提方法在测试数据集上优于基准模型。
解读: 该混合预测框架对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。日前功率预测可直接集成至智能诊断系统，优化MPPT算法的前瞻性调度策略。针对ST系列储能变流器，精准的24小时功率预测能显著提升储能系统充放电策略优化，降低电网波动冲击。LightGBM与自注意力网络的双...
基于深度强化学习的主动配电网动态重构综述
A Review of Dynamic Reconfiguration in Active Distribution Networks Based on Deep Reinforcement Learning
江昌旭郭辰刘晨曦林俊杰邵振国 · 高电压技术 · 2025年4月 · Vol.51
随着双碳目标推进，风电、光伏等分布式电源大量接入配电网，加剧了出力的间歇性与波动性。主动配电网动态重构属高维混合整数非线性随机优化问题，传统方法存在局限。深度强化学习融合深度学习表征能力与强化学习决策优势，适用于该场景下的重构策略求解。本文综述其研究进展，分析数学模型构建、编码方式及算法应用现状，总结现有方法不足与深度强化学习的优势，并展望未来研究方向。
解读: 该深度强化学习配电网重构技术对阳光电源储能与光伏系统协同优化具有重要价值。在PowerTitan大型储能系统中，可结合iSolarCloud平台实时数据，通过DRL算法动态优化储能充放电策略与网络拓扑，应对光伏出力波动。对于SG系列逆变器集群，该技术可优化多逆变器协同控制与潮流分配，提升MPPT效率...
基于机器学习的高压输电线路电晕损耗预测
Forecasting Corona Losses on High Voltage Transmission Lines Using Machine Learning
Pradeep Kumar Gupta · Kaur Tuttelberg · Jako Kilter · IEEE Transactions on Power Delivery · 2025年7月
本文研究了机器学习在高压架空输电线路电晕损耗预测中的应用。由于气象条件与电晕损耗之间关系高度复杂，准确预测具有挑战性。模型构建采用了沿线多个气象站两年的气象数据及线路两端的PMU测量数据，结合XGBoost和集成随机森林（ERF）回归算法，考虑多变量气象输入。研究设计了四种预测场景：不同时间步长预测、季节性预测、多线路联合预测以及特征缩减对预测精度的影响。最优模型在98%的数据点上误差控制在±0.5 kW/km以内，均方根误差为0.16 kW/km。精确预测有助于提升系统可靠性并降低运行成本。
解读: 该电晕损耗预测技术对阳光电源PowerTitan大型储能系统和iSolarCloud智能运维平台具有重要应用价值。在高压并网场景中，储能系统需精确评估输电线路损耗以优化充放电策略和能量管理。研究中的XGBoost多变量气象预测模型（RMSE 0.16 kW/km）可集成至ST系列储能变流器的EMS能...
基于机器学习的AC/DC/AC变换器直流链路电容器状态监测
Machine Learning-Based Condition Monitoring for DC-Link Capacitors in AC/DC/AC Converters
Kerim Örüklü · Şener Ağalar · IEEE Transactions on Industrial Electronics · 2024年9月
电力电子变换器在众多行业中发挥着关键作用。然而，自其早期应用以来，这些变换器的可靠性一直是一个关键问题。因此，本文提出了一种基于机器学习（ML）的交流 - 直流 - 交流变换器直流母线电容（DLC）状态监测（CM）系统。选择直流母线电容的电容值作为健康指标，并将直流母线电压纹波的功率谱密度（PSD）作为诊断工具。该技术对测量噪声具有鲁棒性，并且无需额外的滤波技术。此外，与类似研究不同，所提出的方法不需要高采样频率。这种方法的另一个显著优点是，由于它仅依赖于现有信号，因此不需要额外的电路。此外，通...
解读: 从阳光电源的业务视角来看，这项基于机器学习的直流母线电容状态监测技术具有重要的应用价值。直流母线电容是光伏逆变器和储能变流器中的关键易损元件，其失效是导致系统故障的主要原因之一。该技术通过功率谱密度分析直流母线电压纹波来监测电容健康状态，为我们提供了一种低成本、高可靠的预测性维护解决方案。 该技术...
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...
机器学习与电流调制在模块级光伏系统直流串联电弧故障检测与熄灭中的协调
Coordination of Machine Learning and Current Modulation for DC Series Arc Fault Detection and Extinguishing for Module-Level PV Systems
作者未知 · IEEE Transactions on Power Electronics · 2025年1月
模块级电力电子设备能够克服局部阴影影响，实现每个光伏（PV）面板的最大发电量。然而，这增加了光伏面板与转换器之间出现直流串联电弧故障的可能性。电流调制技术可利用电弧电阻特性检测并消除直流串联电弧故障。但该方法会因故障检测不准确而降低发电量。本文提出一种结合电流调制和机器学习方法的直流串联电弧故障检测与消除策略，通过双重筛选提高故障检测的准确性。合适的机器学习算法可最大程度减少电流调制的误触发，从而提高正常情况下的光伏发电量。所提方法能够在不考虑阻抗和外部变化的情况下，区分电弧故障和正常状态。本文...
解读: 从阳光电源组串式逆变器和模块级电力电子（MLPE）产品线角度来看，这项结合机器学习与电流调制的直流串联电弧故障检测技术具有重要战略价值。随着光伏系统向分布式、模块级方向发展，我们的微型逆变器和优化器产品面临更复杂的电弧故障风险，这项技术提供了一个系统性解决方案。 该技术的核心价值在于通过双重筛选机...
基于机器学习的多浮置埋层LDMOS器件击穿电压建模与优化
Machine Learning-Based Modeling and BV Optimization for LDMOS With Multifloating Buried Layers
Zhen Cao · Qi Sun · Qiaowei Peng · Biao Hou 等6人 · IEEE Transactions on Electron Devices · 2024年12月
本文介绍了一种利用机器学习（ML）优化具有多浮动埋层（MFBL）的横向双扩散金属氧化物半导体场效应晶体管（LDMOS）器件击穿电压（BV）的新方法。本研究摒弃了传统复杂的物理推导方法，将神经网络与遗传算法相结合，构建了一个自适应优化框架。首先，我们分析了MFBL LDMOS的物理特性，以确定影响BV性能的关键参数，并确定其合理取值范围。然后，通过TCAD仿真生成数据集，并应用卷积神经网络（CNN）建立MFBL LDMOS的BV预测模型。在后续阶段，采用遗传算法对结构参数进行自适应优化，从而推导出...
解读: 从阳光电源的业务视角来看，该论文提出的基于机器学习优化多浮埋层LDMOS器件击穿电压的方法具有重要的战略价值。LDMOS作为功率半导体的核心器件，广泛应用于我司光伏逆变器和储能变流器的功率转换模块中，其击穿电压性能直接影响系统的功率密度、转换效率和可靠性。 该技术的核心价值在于突破了传统物理推导方...
揭示有机光伏中的结构-性能关系：可解释的机器学习模型预测功率转换效率
Uncovering Structure–Performance Relationships in Organic Photovoltaics: Interpretable Machine Learning Model for Predicting the Power Conversion Efficiency
Yi Yang · Arowa Yasmeen · Ovidiu Daescu · IEEE Journal of Photovoltaics · 2025年8月
有机光伏（OPV）是一种颇具前景的光伏技术，但传统上候选分子的设计采用试错法，效率低下。然而，机器学习通过从大量的有机光伏材料数据集中学习，提供了一种基于数据的策略，有助于加速高性能有机光伏材料的发现和优化。在本研究中，我们使用极端梯度提升（XGBoost）模型，利用从哈佛光伏数据集（HOPV15）中提取的结构特征，来预测通过密度泛函理论计算得到的有机光伏供体材料的功率转换效率（PCE）。为了提高预测性能，我们基于随机森林和XGBoost的平均特征重要性得分，选择了最具信息价值的分子指纹。我们的...
解读: 该可解释机器学习模型对阳光电源光伏产品线具有重要参考价值。虽然研究聚焦有机光伏材料设计，但其核心方法论——通过机器学习建立结构-性能映射关系——可迁移至SG系列逆变器的功率器件选型优化。具体而言，可借鉴该模型框架建立GaN/SiC器件的结构参数（掺杂浓度、栅极结构等）与性能指标（导通损耗、开关速度）...
通过机器学习增强可及性：视觉和听觉障碍技术综述
Enhancing Accessibility Through Machine Learning: A Review on Visual and Hearing Impairment Technologies
Pal Patel · Shreyansh Pampaniya · Ananya Ghosh · Ritu Raj 等6人 · IEEE Access · 2025年1月
机器学习驱动的辅助技术正在变革感官障碍的解决方式。本文全面综述为听觉和视觉障碍群体设计的机器学习算法。针对听觉障碍，分析SVM、随机森林RF和多层感知器MLP等先进模型在听觉辅助应用中的有效性。针对视觉障碍，评估YOLO、SSD和RetinaNet等最先进目标检测框架实现实时物体识别和导航辅助的能力。研究还综述生成式AI在视觉和听觉障碍场景中的应用，强调深度学习模型在推进辅助技术、提升感官障碍者生活质量方面的变革潜力。
解读: 该机器学习辅助技术对阳光电源智慧运维和人机交互系统有启发意义。阳光iSolarCloud平台可借鉴目标检测技术实现光伏组件缺陷自动识别和无人机巡检。YOLO等实时检测算法可应用于阳光储能电站安全监控和异常检测。语音识别和自然语言处理技术可优化阳光智能运维系统的人机交互界面，提升现场运维人员操作便利性...
可解释性机器学习揭示杂化钙钛矿太阳能电池的光电转换效率
Interpretable machine learning insights of power conversion efficiency for hybrid perovskites solar cells
Yudong Shi · Jiansen Wen · Cuilian Wen · Linqin Jiang 等7人 · Solar Energy · 2025年1月 · Vol.290
摘要 杂化有机-无机钙钛矿（HOIPs）太阳能电池因其高能量转换效率、易于制备以及低成本等优势，在光伏领域展现出广阔的应用前景。随着人工智能的蓬勃发展，机器学习（ML）近年来已被用于新型HOIPs材料的设计。然而，由于现有机器学习模型缺乏可解释性，其在HOIPs材料设计中的实际应用受到较大限制。本文提出一种数据驱动的可解释性机器学习方法，用于提取影响基于HOIPs太阳能电池功率转换效率（PCE）的通用且简洁的描述符。研究突出提出了两个由易于获取参数构成的描述符，可用于准确预测PCE，其预测性能优...
解读: 该可解释机器学习技术为阳光电源光伏逆变器研发提供重要启示。通过数据驱动方法快速筛选高效钙钛矿电池,可优化SG系列逆变器的MPPT算法适配性。研究中提出的简化描述符预测方法,可应用于iSolarCloud平台的组件性能预测模型,实现电站级效率优化。结合GaN功率器件特性,该方法有助于加速新型光伏材料与...
基于机器学习增强的大规模并行暂态仿真方法用于大规模可再生能源电力系统
Machine-Learning-Reinforced Massively Parallel Transient Simulation for Large-Scale Renewable-Energy-Integrated Power Systems
Tianshi Cheng · Ruogu Chen · Ning Lin · Tian Liang 等5人 · IEEE Transactions on Power Systems · 2024年6月
可再生能源系统（RESs）在向绿色智能电网转型中起关键作用，但其受光照、风速等自然因素影响，具有复杂性与不确定性，给并网带来挑战。电磁暂态（EMT）仿真可有效研究RES并网问题，但现有方法受限于模型非线性和计算复杂度，难以实现大规模精细化仿真。本文提出一种面向数据、结合机器学习的CPU-GPU大规模并行EMT仿真方法，采用人工神经网络构建数据驱动的RES模型，并基于实体-组件-系统架构集成。模型训练依托传统物理EMT模型生成的数据，并通过MATLAB/Simulink验证。将RES元件组建成微网...
解读: 该机器学习增强的大规模并行EMT仿真技术对阳光电源具有重要战略价值。在PowerTitan储能系统和大型光伏电站并网设计中，可快速仿真数百万级SiC逆变器的暂态交互特性，400倍加速性能显著缩短产品开发周期。对ST系列储能变流器的构网型GFM控制策略优化尤为关键，能高效评估微电网场景下多台设备的协同...
基于模型预测控制的双向充电机V2G功率调节策略
Fault Detection in Photovoltaic Systems Using a Machine Learning Approach
Jossias Zwirtes · Fausto Bastos Líbano · Luís Alvaro de Lima Silva · and Edison Pignaton de Freitas · IEEE Access · 2025年1月
车网互动技术通过双向充电实现电动汽车与电网的能量交换,但功率波动和电池寿命是关键挑战。本文提出基于模型预测控制的V2G功率调节策略,通过多步优化实现电网支撑、电池保护和用户需求的协调。
解读: 该V2G控制技术可应用于阳光电源双向充电桩产品。通过智能功率调节策略,实现电动汽车参与电网调峰调频,延长动力电池循环寿命,提升充电桩的电网友好性,为光储充一体化系统提供车网互动功能。...
一种基于低质量数据的三相逆变器功率开关开路故障鲁棒数据驱动诊断方法
A Robust Data-Driven Method for Open-Circuit Fault Diagnosis of Power Switches in Three-Phase Inverters With Low-Quality Data
Yang Xia · Yan Xu · IEEE Transactions on Power Electronics · 2024年11月
机器学习（ML）技术在电力变换器故障诊断方面显示出了巨大潜力。然而，在实际应用中，诊断处理器所测量的数据可能会受到损坏，这会降低基于机器学习的诊断模型的性能。本文提出了一种鲁棒的数据驱动方法，用于在数据存在缺失值、异常值和噪声等低质量问题的情况下进行功率开关开路故障诊断。在离线阶段，首先训练一个鲁棒子空间矩阵，用于从缺失数据和异常值中恢复受损数据。然后，通过联合稀疏编码和变换学习对恢复后的数据进一步去噪，在此过程中可以得到一个变换权重矩阵。以处理后的数据作为输入，训练一个随机向量功能链接网络来生...
解读: 从阳光电源的业务视角来看，这项针对三相逆变器功率开关开路故障诊断的鲁棒数据驱动方法具有重要的应用价值。作为全球领先的光伏逆变器和储能系统供应商，阳光电源在大规模光伏电站和储能项目中部署了海量的逆变器设备，功率开关作为核心器件，其故障诊断能力直接影响系统可靠性和运维成本。 该技术的核心优势在于其对低...
基于机器学习的两步算法预测变功率输入下质子交换膜水电解槽性能
Machine learning two-step algorithm for prediction of proton exchange membrane water electrolyzer cell performance under variable power inputs
Nikola Frani · Andrej Zvonimir Tomić · Frano Barbi · Ivan Piv · Energy Conversion and Management · 2025年1月 · Vol.343
摘要 可再生能源（如太阳能和风能）具有波动性，导致输入条件动态变化，难以通过传统的实验室方法进行复现和分析。本研究提出一种基于机器学习的方法，用于预测在动态功率输入条件下质子交换膜水电解槽（PEMWE）的性能，旨在降低实验复杂性，并加速控制系统开发及PEMWE技术的部署应用。本文开发了一种新颖的两步机器学习算法：首先采用前馈神经网络估计PEMWE的电流，然后利用长短期记忆网络架构预测氢气产量。模型训练与验证所用的实验数据来自八种不同功率曲线并在多种温度条件下采集获得。该算法在未见过的操作电压曲线...
解读: 该机器学习预测算法对阳光电源制氢储能系统具有重要应用价值。可集成至iSolarCloud平台,实现光伏-电解槽动态耦合优化:利用SG逆变器实时功率数据,通过神经网络预测PEM电解槽性能,指导ST储能系统功率调度策略。该两步算法(电流估算+产氢预测)可优化GFM控制下的波动功率管理,减少实验成本,加速...
假新闻、宣传和虚假信息的系统综述：基于机器学习的作者、内容和社会影响分析
Systematic Review of Fake News, Propaganda, and Disinformation
Darius Plikynas · Ieva Rizgelienė · Gražina Korvel · IEEE Access · 2025年1月
近年来，假新闻、宣传和虚假信息FNPD在在线社交网络上全球爆发。在信息战和生成式AI能力背景下，FNPD激增，成为影响人们社会认同、态度、观点甚至行为的强大有效工具。恶意社交媒体账户和有组织的网络水军和机器人针对国家、社会、社会群体、政治活动和个人。导致阴谋论、回声室、过滤气泡等碎片化和边缘化过程使社会在连贯政治、治理和信任合作社交网络方面极化、激进化和分裂。本系统综述旨在探索使用机器和深度学习有效检测OSN中FNPD的进展。呈现PRISMA综述结果涵盖三个分析领域：传播者、文本内容、社会影响。...
解读: 该假新闻检测技术对阳光电源品牌声誉管理具有应用价值。阳光作为全球领先的新能源企业，在社交媒体和行业论坛面临虚假信息和恶意攻击风险。该研究的机器学习检测方法可集成到阳光企业传播监控系统，实时识别和追踪针对公司的虚假信息。结合阳光iSolarCloud平台的大数据分析能力，该技术可构建舆情监控体系，自动...
云原生环境中使用大语言模型和贝叶斯网络的异常检测与根因分析
Anomaly Detection and Root Cause Analysis in Cloud-Native Environments Using Large Language Models and Bayesian Networks
Diego Frazatto Pedroso · Luís Almeida · Lucas Eduardo Gulka Pulcinelli · William Akihiro Alves Aisawa 等6人 · IEEE Access · 2025年1月
云计算技术提供可扩展性和性能优势,但微服务架构引入复杂的监控和故障诊断挑战。本文提出一种集成大语言模型与贝叶斯网络的异常检测与根因分析框架,通过智能化分析微服务日志和指标数据,自动识别系统异常并追溯根本原因。
解读: 该智能运维技术可应用于阳光电源的储能云平台和远程监控系统。通过AI驱动的异常检测技术,提升ST系列储能系统的故障预警能力和运维效率,减少人工诊断时间,实现大规模储能电站的智能化运维管理。...
基于残差评估与机器学习的逆变器开路故障诊断方法
Inverter Open Circuit Fault Diagnosis Method Based on Residual Evaluation and Machine Learning
Tianyu Sun · Chaobo Chen · Jiawei Dai · Binbin Zhang 等5人 · IET Power Electronics · 2025年9月 · Vol.18
以三相两电平电压源逆变器（3P-2L-VSI）为研究对象，提出一种融合残差评估技术与机器学习框架的混合驱动故障诊断方法。该方法通过构建残差生成机制实现故障初步检测，并结合机器学习算法对残差特征进行分类识别，有效提升故障诊断的准确性与鲁棒性。实验结果表明，该方法可实现对不同负载条件及噪声干扰下的开路故障快速、准确识别。
解读: 该混合驱动故障诊断方法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，可集成该残差评估与机器学习框架实现IGBT/SiC功率器件开路故障的快速定位，提升系统可靠性；在SG系列光伏逆变器中，该方法可适应不同光照条件下的负载波动，增强故障诊断鲁棒性；在电动汽车OBC及电机驱动系统中，可实现...
一种基于机器学习的光伏系统在复杂局部遮阴条件下的全局最大功率点跟踪技术
A Machine Learning-Based Global Maximum Power Point Tracking Technique for a Photovoltaic Generation System Under Complicated Partially Shaded Conditions
Yi-Hua Liu · Yu-Shan Cheng · Yu-Chih Huang · IEEE Transactions on Sustainable Energy · 2024年12月
在局部遮阴条件下，光伏系统输出功率与电压关系呈多峰特性，导致全局最大功率点（GMPP）追踪困难。本文提出一种基于机器学习的两阶段GMPPT方法：第一阶段采用回归树预测GMPP大致位置，第二阶段利用α-扰动观察法精确捕获GMPP。通过建立仿真平台生成训练数据，优化并集成回归树模型。在252种遮阴模式下，平均跟踪损耗为2.13 W，平均响应时间0.11秒，准确识别出244种情况下的GMPP区间。实验结果表明，该方法在追踪精度和速度上均优于五种先进方法。
解读: 该机器学习GMPPT技术对阳光电源SG系列光伏逆变器的MPPT算法优化具有重要应用价值。当前SG逆变器在复杂遮阴场景下的多峰功率曲线处理仍依赖传统扰动观察法，易陷入局部最优。该研究提出的回归树+α-扰动观察两阶段方法，可将平均响应时间缩短至0.11秒，跟踪损耗降至2.13W，显著优于现有方案。建议将...
第 1 / 6 页