找到 240 条结果
基于可学习小波自注意力模型的海上风电功率超短期预测
A Learnable Wavelet Self-Attention Model for Ultra-Short-Term Offshore Wind Power Forecasting
汪敏 · 荣腾飞 · 李茜 · 魏澈 等5人 · 高电压技术 · 2025年3月 · Vol.51
为提升海上风电功率超短期预测的精度与可信度，提出一种融合可学习小波的自注意力模型。该模型结合小波分解与深度学习，实现多频域特征提取，并通过稀疏自注意力机制捕获全局时序依赖，增强预测性能。进一步设计时序“敏感度”量化分析方法，对输入变量进行多维度重要性评估，辅助解析预测机理。基于实际风场数据的实验结果表明，所提模型在预测精度上优于对比模型。
解读: 该研究的可学习小波自注意力模型对阳光电源的新能源预测与智能运维具有重要应用价值。首先，该技术可集成到iSolarCloud平台，提升风电场功率预测精度，优化储能调度策略，特别适用于ST系列储能变流器的功率调节。其次，模型的多频域特征提取方法可应用于光伏电站的发电预测，提高SG系列逆变器的MPPT效率...
基于KAN的可解释净负荷概率预测方法
A KAN-Based Interpretable Probabilistic Net Load Forecasting Method
刘栋 · 郭国栋 · 辛蜀骏 · 毛志航 等6人 · 电力系统自动化 · 2025年1月 · Vol.49
分布式光伏的大规模接入导致电力系统净负荷预测面临强不确定性。针对现有深度学习模型在预测精度与可解释性之间的权衡难题，提出一种基于Kolmogorov-Arnold网络（KAN）的净负荷概率预测方法。通过挖掘KAN基函数权重矩阵与样条系数的可解释性，实现模型内在可解释性；结合最大似然估计设计均值与方差网络结构，有效拟合概率密度函数；采用最大互信息系数进行气象特征筛选，提升模型对多维气象因素的映射能力。算例验证表明，该方法在准确性、可解释性、训练效率与泛化性能方面优于传统方法。
解读: 该KAN可解释概率预测技术对阳光电源储能与光伏产品具有重要应用价值。在PowerTitan储能系统中，可集成该算法优化充放电策略，通过概率预测提升净负荷波动应对能力，降低电网调度风险；在iSolarCloud平台中，可解释性特征使运维人员直观理解气象因素对发电影响，提升预测性维护精度；对于ST储能变...
基于Transformer的传感器融合在自动驾驶中的应用综述
Transformer-Based Sensor Fusion for Autonomous Vehicles: A Comprehensive Review
Ahmed Abdulmaksoud · Ryan Ahmed · IEEE Access · 2025年1月
传感器融合在机器人、自动驾驶和航空航天等关键领域至关重要。通过整合多源传感器数据，可克服单一传感器的局限性，提升测量可靠性并降低不确定性。基于深度学习的融合方法促进了多模态学习的发展，增强了目标检测性能，但在恶劣天气条件下仍面临挑战。Transformer模型因其在视觉与语言等领域的强大建模能力，为传感器融合提供了新机遇，但其高延迟与计算开销仍是瓶颈。本文系统综述了传感器融合与Transformer模型的研究进展，深入调研了基于Transformer的相机-LiDAR与相机-雷达融合的前沿方法，...
解读: 该Transformer传感器融合技术对阳光电源新能源汽车产品线具有重要应用价值。在车载OBC充电机和电机驱动系统中，可融合电流、电压、温度等多传感器数据，提升SiC器件的实时故障诊断与可靠性预测能力。对于充电桩产品，多模态融合可增强异常检测精度，优化充电安全策略。Transformer的长序列建模...
基于OWT-STGradRAM的超短期时空风速预测
Ultra-Short-Term Spatio-Temporal Wind Speed Prediction Based on OWT-STGradRAM
Feihu Hu · Xuan Feng · Huaiwen Xu · Xinhao Liang 等5人 · IEEE Transactions on Sustainable Energy · 2025年2月
考虑风电场中风机站点的方向与距离特征有助于提升风电功率预测精度。本文提出一种基于正交风向变换时空梯度回归激活映射（OWT-STGrad-RAM）的深度学习时空预测方法。该模型将风电场编码为图像，各风机作为图像中的点，通过时空融合卷积网络集成风速、温度和气压等多源数据进行特征融合与预训练，构建特征数据集。利用OWT消除不同主导风向的影响，结合STGrad-RAM刻画风机节点间的方位与距离关系，增强空间特征的可解释性，并用于风速预测。实验结果表明，所提方法在预测精度上显著优于对比模型。
解读: 该风速预测技术对阳光电源的储能和风电产品具有重要应用价值。OWT-STGradRAM模型通过深度学习实现的高精度风速预测，可优化ST系列储能变流器的调度策略和PowerTitan储能系统的容量配置。在风电场应用中，该技术可提升风电并网点功率预测精度，有助于改进储能系统的功率平滑控制和调频调峰性能。模...
基于概念漂移监测与增量更新机制的超短期风电功率在线预测
Online Ultra-Short-Term Wind Power Prediction Based on Concept Drift Detection and Incremental Update Mechanism
潘春阳 · 文书礼 · 朱淼 · 侯川川 等6人 · 中国电机工程学报 · 2025年6月 · Vol.45
高精度风电功率预测对提升风电消纳与经济效益具有重要意义。针对现有模型离线训练后难以适应实时波动、缺乏在线优化能力的问题，本文提出一种结合概念漂移监测与增量更新机制的超短期风电在线预测方法。通过双通道对冲循环神经网络进行预训练，并在实际运行中利用概念漂移检测识别数据分布变化，实时分析风电波动性；结合对冲算法与在线学习实现模型权重的动态调整，提升模型自适应能力。实验结果表明，该方法较传统离线模型显著提高了预测精度与实时适应性。
解读: 该研究的在线预测与自适应优化技术对阳光电源的新能源产品具有重要应用价值。首先可应用于ST系列储能变流器的功率调度优化，通过实时监测风电波动提升储能调峰效率；其次可集成到iSolarCloud平台，增强对风光储多能互补系统的智能运维能力。双通道对冲循环神经网络的预测框架也可用于SG系列逆变器的MPPT...
基于能量收集的无人机辅助智能反射面系统：5G/6G关键场景的可靠性增强
UAV-Assisted IRS System With Energy Harvesting: Enhanced Reliability in Critical Scenarios for 5G/6G Wireless Communication
Wentao Zhang · Meng Cheng · Qianliang Xiang · Qinmiao Li · IEEE Access · 2025年1月
本文提出无人机辅助智能反射面系统，提升5G/6G地对地用户网络性能，适用于城市拥堵区域深衰落场景。采用射频能量收集为IRS和无人机供电，动态功率分配因子依赖高度相关Nakagami-m参数。数学框架包含高度相关的小尺度和大尺度衰落模型，推导频谱效率和中断概率表达式。仿真验证了分析结果并与现有技术对比，证明系统优越性。
解读: 该无人机能量收集技术与阳光电源无线充电解决方案相关联。阳光在新能源汽车领域积累的无线充电技术可延伸至无人机和智能设备。该研究的RF能量收集和动态功率分配算法，可优化阳光OBC车载充电机的能量管理，提升新能源汽车V2G场景下的通信可靠性和能源利用效率。...
基于失稳模式引导的模型更新方法用于数据驱动的暂态稳定性评估
Instability Pattern-Guided Model Updating Method for Data-Driven Transient Stability Assessment
Huaiyuan Wang · Fajun Gao · Qifan Chen · Siqi Bu 等5人 · IEEE Transactions on Power Systems · 2024年7月
深度学习方法广泛应用于电力系统暂态稳定性评估（TSA），但其结果缺乏可解释性且评估过程难以控制，限制了实际应用。本文提出一种失稳模式引导的模型更新方法以优化TSA模型。首先，构建基于Transformer编码器的TSA模型，通过注意力分布解释和分析预测结果；其次，引入注意力引导损失函数，针对特定失稳模式调整评估规则，提升分类精度；同时采用注意力保持损失，维持其他样本的评估能力并抑制过拟合；此外，基于注意力分布构建代表性数据集以降低更新成本。在IEEE 39节点系统与华东电网中的仿真验证了该方法的...
解读: 该失稳模式引导的暂态稳定评估技术对阳光电源PowerTitan大型储能系统和构网型控制产品具有重要应用价值。在电网侧储能场景中，ST系列储能变流器需快速判断电网扰动后的稳定性并调整控制策略，该方法基于Transformer的注意力机制可实现毫秒级稳定性预判，指导GFM控制器动态调节虚拟惯量和阻尼参数...
基于两阶段级联模型的光伏功率群体预测方法
A Two-Stage Cascaded Model for Group Photovoltaic Power Forecasting
谢宇辰孙玉玺耿光超江全元 · 高电压技术 · 2025年7月 · Vol.51
光伏发电的不确定性与波动性使得准确预测成为提升系统效率的关键挑战。相较于单站点预测，群体预测可提升整体精度，有助于省级电网的电力电量平衡。本文提出一种两阶段级联模型：第一阶段结合数值天气预报，采用混合神经网络对各站点独立进行短期光伏功率预测；第二阶段利用全连接层建立单站与群体预测间的映射关系，在保留第一阶段特征的基础上优化整体预测性能。实验结果表明，该方法较单站点预测误差降低近1%，且训练时间短于单一模型，验证了其优越的预测性能。
解读: 该两阶段级联光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。第一阶段的混合神经网络可集成到SG系列逆变器的本地MPPT优化算法中，结合NWP数据实现单站点精准预测；第二阶段的群体映射模型可部署于省级电网侧的PowerTitan大型储能系统，通过全连接层建立多站点协同预测...
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...
基于转置Transformer模型的电化学储能自适应SOH估计方法
An Adaptive SOH Estimation Method for Electrochemical Energy Storage Based on Transposed Transformer Model
李鹏 · 葛儒哲 · 董存 · 孙树敏 等6人 · 高电压技术 · 2025年6月 · Vol.51
为保障锂离子电池运行的可靠性与安全性，及时监测其健康状态，本文在Autoformer与iTransformer模型基础上，融合线性回归模型，提出一种基于转置Transformer的自适应特征感知电池健康状态融合估计模型。通过提取充电曲线健康因子，将容量退化分解为趋势项与再生项，分别由线性回归和转置Transformer模型进行预测与估计，结合二者输出获得最终容量退化趋势。利用注意力权重增强模型可解释性。实验结果表明，该方法在NASA数据集上预测误差显著低于其他时序模型，验证了其精度与可靠性，为电...
解读: 该转置Transformer自适应SOH估计技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。通过将容量退化分解为趋势项与再生项的混合建模方法，可显著提升iSolarCloud云平台的电池健康状态监测精度，实现更准确的预测性维护。该方法基于充电曲线健康因子提取，可无...
基于尾流关联的动态超图风电功率超短期预测方法
A Dynamic Hypergraph-Based Ultra-Short-Term Wind Power Prediction Method Considering Wake Effects
钟吴君李培强涂春鸣 · 中国电机工程学报 · 2025年12月 · Vol.45
精准的风电功率预测对电力系统安全稳定运行具有重要意义。针对风电场内风机间受尾流效应影响存在的复杂时空关联特性，现有方法因忽略其动态变化且受限于传统图结构的二元表达能力，难以准确建模多元关系。本文提出一种基于尾流关联的动态超图预测方法，将风机作为节点，利用空间位置与多元关系构建超边，并结合Jensen尾流模型与射线法建立动态超图结构。设计动态超图卷积与双向LSTM融合的时空特征提取与拟合模块，有效捕捉风电功率的动态时空依赖性。基于真实数据的实验验证了该方法在多维度上的优越性。
解读: 该研究的动态超图预测方法对阳光电源的风电变流器和智能运维系统具有重要应用价值。首先，该方法可集成到iSolarCloud平台的预测模块中，提升风电场发电功率预测精度，优化调度策略。其次，对于风储混合电站的ST系列储能变流器，精准的功率预测有助于优化储能调度和容量配置。此外，该方法的时空特征建模思路可...
基于Vague软集的海上风电功率区间预测
Interval Prediction of Offshore Wind Power Based on Vague Soft Sets
田书欣 · 朱峰 · 杨喜军 · 符杨 等5人 · 中国电机工程学报 · 2025年4月 · Vol.45
海上风电输出功率的精确预测是保障并网系统调度运行的关键。针对海上风电环境复杂、时空随机性强的特点，提出一种基于Vague软集的区间预测方法。通过融合Vague集的真伪隶属度函数，实现功率数据的Vague软区间化，并构建Vague-CNN-LSTM组合预测模型，将双隶属度概率向量转化为不确定环境下的预测区间。建立覆盖精度、区间宽度及综合水平等评估指标，验证结果表明该模型能有效兼顾预测精度与清晰性，适应不同运行工况需求。
解读: 该Vague软集预测方法对阳光电源的风电变流器和储能产品具有重要应用价值。可应用于ST系列储能变流器的功率预测与调度优化,提升系统响应速度和调节精度。该技术的双隶属度概率模型有助于提高PowerTitan储能系统在风电配套场景下的功率预测准确性,优化充放电策略。对iSolarCloud平台的智能运维...
基于改进GMM分割和DenseNet的遥感识别新方法
A Novel Remote Sensing Recognition Using Modified GMM Segmentation and DenseNet
Muhammad Waqas Ahmed · Moneerah Alotaibi · Sultan Refa Alotaibi · Dina Abdulaziz Alhammadi 等6人 · IEEE Access · 2025年1月
航空图像准确分类是遥感关键任务，应用范围从土地覆盖制图、城市规划到灾害响应和环境监测。然而，标记数据有限、固有数据复杂性和高计算需求等挑战常阻碍传统方法性能。为应对这些挑战，我们提出创新框架，结合先进分割技术、多样化特征提取方法、优化算法和深度学习。我们方法始于新颖图割优化模糊GMM分割GC-GMM，确保精确目标识别和边界描绘。采用方位角平均特征提取、Haar小波变换和最大稳定极值区域MSER捕获涵盖纹理、频率和形状信息的丰富特征集。使用粒子群优化PSO融合和精炼这些特征，创建鲁棒信息表示。利用...
解读: 该遥感识别技术对阳光电源光伏电站监测和管理具有重要应用。阳光管理全球数百GW光伏电站，需要高效的遥感图像分析能力。该研究的分割和特征提取方法可应用于阳光iSolarCloud平台的卫星图像分析，自动识别光伏组件、阴影遮挡和环境变化。在大型地面电站中，该DenseNet分类器可实现电站区域规划、土地利...
基于DETR的视障人士辅助技术目标检测增强方法
Enhancing Object Detection in Assistive Technology for the Visually Impaired: A DETR-Based Approach
Sunnia Ikram · Imran Sarwar Bajwa · Sujan Gyawali · Amna Ikram 等5人 · IEEE Access · 2025年1月
本文提出实时障碍物检测识别系统，通过辅助技术增强视障人士导航。系统集成配备微型相机的移动应用实现实时图像采集，采用深度学习技术进行目标检测分类。对YOLOv8、Faster R-CNN和DETR进行比较评估。DETR表现最优，达到99%置信度、98%精度和40毫秒/帧处理速度。系统遵循结构化工作流程，包括实时采集、预处理、创新数据增强和TensorFlow Lite边缘设备优化。可分类80种障碍物类型如行人、车辆和交通信号，提供即时音频反馈确保安全导航。模型训练20轮达到98%准确率。该研究引入...
解读: 该目标检测技术可应用于阳光电源智能光伏电站巡检系统。阳光大型地面电站采用无人机和机器人巡检，需要高精度实时目标检测能力。该DETR方法的99%置信度和40毫秒处理速度可集成到阳光巡检设备，实现组件缺陷、热斑、遮挡物的自动识别。结合阳光SG逆变器的AI边缘计算能力和iSolarCloud云平台，该技术...
基于深度学习的光伏系统健康监测
Deep Learning-Based Health Monitoring for Photovoltaic Systems
Khaled Alnuaimi · Ameena Saad Al-Sumaiti · Mohamad Alansari · Huai Wang 等5人 · IEEE Journal of Photovoltaics · 2025年5月
向光伏（PV）系统等可再生能源转型对于社会进步至关重要，有助于抵消化石燃料的负面影响。然而，管理光伏系统面临着重大挑战和经济影响。光伏故障一旦发生，需要迅速检测和解决，这会加重经济负担。有效的故障诊断在很大程度上依赖于光伏电站监测和能源管理系统的数据。过去，光伏监测主要依靠人工检查，但无人机（UAV）技术提供了一种更高效、更全面的解决方案，它提高了安全性，能提供详细的图像、具备可扩展性、可进行环境监测以及开展先进的数据分析。本研究利用深度学习（DL）方法对光伏系统的健康状况进行监测，重点分析无人...
解读: 该深度学习健康监测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。LSTM时序建模方法可直接集成至SG系列光伏逆变器的智能诊断模块，通过分析MPPT工作曲线、直流侧电压电流等运行数据，实现组件热斑、遮挡、PID效应等故障的早期预警。对于PowerTitan大型储能系统，该技术可监测...
一种基于深度学习的配电网谐波在线估计技术
An Online Harmonic Estimation Technique Based on Deep Learning in Distribution Networks
Amir Taghvaie · Tharindu Fernando · Firuz Zare · Dinesh Kumar 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年1月
随着现代电力电子变换器在配电网中的广泛应用，谐波问题日益突出，严重影响电能质量，可能导致设备过热、误跳闸和故障。传统谐波分析方法难以准确估计谐波，且现有在线估计技术尚不完善。本文提出一种基于深度神经网络（DNN）的深度学习方法，用于实现配电网中谐波的快速、实时在线估计。所提方法采用新型时间卷积神经网络（TCNN）结构，并结合双回归头网络分别估计电压与电流谐波的幅值和相位角，具备强适应性和灵活性。通过引入在线训练机制，模型可快速响应非平稳运行条件。实验基于包含变频调速装置与三相二极管整流器的实际系...
解读: 该基于深度学习的谐波在线估计技术对阳光电源多条产品线具有重要应用价值。在ST系列储能变流器和PowerTitan大型储能系统中，可实时监测并预测谐波污染，优化PWM调制策略以主动抑制谐波注入；在SG系列光伏逆变器中，结合MPPT算法实现电能质量与发电效率的协同优化；在充电桩产品中，可应对非线性负载引...
融合迁移学习和集成方法的光伏系统短期功率预测
A Spatiotemporal Feature Extraction Technique Using Superlet-CNN Fusion for Improved Motor Imagery Classification
Neha Sharma · Manoj Sharma · Amit Singhal · Nuzhat Fatema 等6人 · IEEE Access · 2025年1月
光伏功率预测对电网稳定运行和能源管理至关重要,但气象条件波动导致预测精度挑战。本文提出融合迁移学习和集成方法的短期功率预测框架,通过多源气象数据和历史发电数据的协同学习,实现高精度的15分钟至4小时功率预测。
解读: 该短期功率预测技术可集成到阳光电源iSolarCloud智慧光伏云平台。通过精准的功率预测优化SG系列光伏逆变器的能量管理策略,提升分布式光伏系统的电网友好性,为电力调度提供可靠的功率预测数据,支持高比例新能源接入。...
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...
基于多通道的二维递归融合图和LMCR模型的NPC型三电平逆变器故障诊断
A Fault Diagnosis Method for NPC Three-Level Inverters Based on Multi-Channel 2D Recurrence Fusion Maps and LMCR Model
毕贵红王小玲陈冬静赵四洪陈世语陈仕龙 · 高电压技术 · 2025年3月 · Vol.51
针对中点钳位型三电平逆变器在恶劣并网环境下IGBT易发生单管与双管故障、故障特征差异微弱导致识别精度低的问题，提出一种结合多通道二维递归融合图与轻量化多尺度残差网络（LMCR）的故障诊断方法。通过仿真获取三相电流信号，构造递归图并进行多通道融合以提取时序特征；将融合图输入LMCR模型，利用多级Inception结构与残差连接实现多尺度特征提取与梯度稳定。实验结果表明，该方法在无噪声下平均识别准确率达100%，含噪环境下仍达92.53%，具有优异的特征提取能力与抗噪性能。
解读: 该故障诊断方法对阳光电源的三电平拓扑产品线具有重要应用价值。特别适用于SG350/360HX等大功率光伏逆变器和ST储能变流器系列,可提升IGBT故障诊断的准确性和实时性。通过多通道递归融合图提取特征的创新方法,能有效解决阳光产品在复杂并网环境下的故障识别难题。该技术可集成到iSolarCloud平...
基于混合博弈与电动汽车共享储能特性的园区综合能源系统协调优化运行
Coordinated Optimal Operation of Park-level Integrated Energy Systems Based on Hybrid Game and Shared Energy Storage Characteristics of Electric Vehicles
王义 · 靳梓康 · 王要强 · 吴坡 等6人 · 高电压技术 · 2025年1月 · Vol.51
针对园区综合能源系统中多利益主体间收益分配不均的问题，提出一种基于混合博弈的双层能量管理模型。构建微网运营商与用户聚合商的互动框架，通过主从博弈确定售能价格，并结合纳什-海萨尼理论实现用户侧利益分配。为降低储能投资成本，挖掘电动汽车集群的可调度潜力，采用CNN-BiLSTM方法处理其历史数据以抑制不确定性，提出利用电动汽车共享储能特性的运行策略。案例分析表明，该模型可有效降低碳排放，实现多方共赢。
解读: 该混合博弈能量管理模型对阳光电源PowerTitan储能系统和充电桩业务具有重要应用价值。研究提出的电动汽车共享储能策略可直接应用于阳光电源充电桩产品线，通过CNN-BiLSTM预测算法优化车网互动调度，降低独立储能配置成本。主从博弈定价机制可集成到iSolarCloud云平台，实现园区级微网运营商...
第 1 / 12 页