找到 23 条结果
基于拟态视觉的光伏电池缺陷检测仿生模型
Mimetic Vision-Based Bionic Model for Photovoltaic Cell Defect Detection
曲朝阳 · 臧积业 · 曲楠 · 董运昌 等6人 · 中国电机工程学报 · 2025年5月 · Vol.45
太阳能在新型电力系统中具有关键作用，光伏电池缺陷检测对清洁能源转型至关重要。针对传统模型难以识别复杂纹理下微小瑕疵的问题，提出一种拟态视觉仿生检测模型。该模型受人类感受野与周边视觉机制启发，设计拟态视觉注意力与仿生特征提取模块，动态感知上下文并捕捉缺陷细粒度特征；结合脑信息传递方式构建分离式空间语义融合金字塔，增强特征表达能力；借鉴脑皮层分区机制设计自适应分离检测头，解耦分类与定位任务，提升多尺度检测性能。实验验证了模型的有效性。
解读: 该拟态视觉缺陷检测技术对阳光电源光伏产业链具有重要应用价值。在SG系列光伏逆变器的智能运维层面，可集成至iSolarCloud云平台实现组件级缺陷智能诊断，通过仿生注意力机制精准识别EL图像中的隐裂、热斑等微小缺陷，提升预测性维护能力。在PowerTitan储能系统中，该模型可用于电池模组出厂质检与...
基于小波变换与卷积神经网络的电容参数估计
Capacitor Parameter Estimation Based on Wavelet Transform and Convolution Neural Network
Hongjian Xia · Yi Zhang · Minyou Chen · Dan Luo 等6人 · IEEE Transactions on Power Electronics · 2024年11月
本文提出了一种基于小波变换和卷积神经网络（CNN）的电容参数估计方法。通过利用小波变换和带通滤波器的非理想特性，高分辨率地提取电容电压中的低频和中频特征，并利用CNN网络实现参数的精确估计。
解读: 电容是光伏逆变器和储能变流器（PCS）中寿命最薄弱的元器件之一，其老化状态直接影响设备的可靠性。该技术通过深度学习实现电容参数的在线监测，可直接集成于iSolarCloud智能运维平台，实现对组串式逆变器、PowerTitan及PowerStack储能系统内部直流母线电容的健康状态（SOH）预警。建...
一种用于跨多种变换器类型的多任务故障诊断的由粗到精神经网络框架
A Coarse-to-Fine Neural Network Framework for Multitask Fault Diagnosis Across Diverse Converter Types
Fan Wu · Kai Chen · Hao Ying · Gen Qiu 等5人 · IEEE Transactions on Power Electronics · 2025年9月
本文提出了一种基于多任务神经网络的联合故障诊断模型，旨在解决多种变换器类型下的故障诊断问题。该方法通过由粗到精的策略，有效提取共享故障特征，提升了诊断性能并降低了开发成本，为开发便携式、通用化的智能诊断工具提供了新思路，克服了传统方法中负迁移带来的挑战。
解读: 该技术对于阳光电源的iSolarCloud智能运维平台具有极高的应用价值。阳光电源产品线涵盖光伏逆变器、储能PCS（如PowerTitan/PowerStack）及风电变流器等多种设备，该框架通过多任务学习实现跨设备类型的故障诊断，能显著降低针对不同产品线单独开发诊断算法的成本。建议将其集成至iSo...
基于特征提取的DC/DC降压变换器退化检测
Degradation Detection of a DC/DC Buck Converter Based on Feature Extraction
Yang Liu · Jigui Miao · Quan Yin · Haoran Wang · IEEE Transactions on Power Electronics · 2026年1月
DC/DC变换器在电子系统中起着关键的电源支撑作用。在运行过程中，环境因素（如温度、湿度）会导致元器件退化，从而威胁系统可靠性。本文提出了一种有效的退化检测方法，通过特征提取技术对DC/DC降压变换器的性能衰退进行监测，以保障系统的稳定运行与功能可靠性。
解读: 该研究关注电力电子变换器的全生命周期健康管理，对阳光电源的核心产品线具有重要参考价值。在组串式逆变器、储能系统（PowerTitan/PowerStack）以及充电桩产品中，DC/DC变换级是核心功率单元。通过引入文中的特征提取与退化检测算法，阳光电源可进一步优化iSolarCloud平台的智能运维...
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...
基于CNN的模块化多电平变换器开路故障检测与定位的鲁棒谐波特征提取
CNN-Based Robust Harmonic Feature Extraction for Open-Circuit Fault Detection and Localization in Modular Multilevel Converters
Dihong Huang · Zhipeng Zhou · Ningyi Dai · IEEE Transactions on Power Electronics · 2025年12月
本文提出了一种基于卷积神经网络（CNN）的模块化多电平变换器（MMC）开路故障检测与定位方法。该方法不采用端到端分类，而是将CNN作为物理信息特征提取器，通过鲁棒估计开关频率来增强基础理论模型，从而实现对子模块（SM）故障的精确识别。
解读: 该技术对阳光电源的集中式逆变器及大型储能系统（如PowerTitan系列）具有重要参考价值。随着大功率变换器拓扑向多电平化发展，子模块的可靠性直接影响系统可用性。本文提出的基于CNN的物理信息特征提取方法，能够有效提升故障诊断的鲁棒性，减少误报。建议研发团队将其应用于iSolarCloud智能运维平...
基于在线属性匹配的永磁同步电机驱动电气故障少样本数据驱动诊断方法
Online Attribute Matching Based Few-Sample Data-Driven Diagnosis of Electrical Faults in PMSM Drive
Luhan Jin · Xueqing Wang · Yao Mao · Linlin Lu 等5人 · IEEE Transactions on Power Electronics · 2024年2月
本文提出了一种基于在线属性匹配的少样本数据驱动诊断方法，用于永磁同步电机驱动系统的电气故障诊断。该方法通过在特征提取过程中融合电机模型知识，在减少训练数据需求和降低计算复杂度的同时，显著提升了诊断精度和鲁棒性。
解读: 该技术主要针对电机驱动系统的故障诊断，与阳光电源的风电变流器及电动汽车充电桩业务具有较高的技术同源性。在风电变流器领域，电机侧的故障诊断对于提升风机可靠性至关重要；在充电桩业务中，该算法可用于提升功率模块及内部驱动系统的故障预警能力。建议研发团队关注其‘少样本’与‘模型知识融合’的特性，将其应用于i...
基于特征提取与状态分类的IGBT键合线老化识别
Identification of IGBT Bonding Wire Degradation Based on Feature Extraction and State Classification
Xiaoyu Shen · Xiangyu Zhang · Hong Shen · Zhonghao Dongye 等6人 · IEEE Transactions on Power Electronics · 2025年10月
本文针对IGBT键合线这一薄弱环节，提出了一种结合特征提取与状态分类的监测方法。通过利用多周期低频运行数据构建高维矩阵，实现对键合线老化故障的早期检测，从而有效预防系统失效，提升电力电子设备的运行安全性。
解读: IGBT是阳光电源组串式/集中式光伏逆变器、PowerTitan/PowerStack储能变流器及风电变流器的核心功率器件。键合线老化是导致功率模块失效的主要原因之一。该研究提出的基于特征提取的故障诊断方法，可直接应用于iSolarCloud智能运维平台，通过分析逆变器运行数据，实现对核心功率模块的...
电动汽车锂离子电池数据驱动故障溯源
A Data-Driven Fault Tracing of Lithium-Ion Batteries in Electric Vehicles
Shuhui Wang · Zhenpo Wang · Jinquan Pan · Zhaosheng Zhang 等5人 · IEEE Transactions on Power Electronics · 2024年12月
针对电动汽车锂离子电池火灾隐患，本文提出了一种基于全生命周期充电数据的大数据驱动故障溯源框架。通过随机森林算法挖掘并自动筛选与故障强相关的电压特征，实现对电池故障的精准识别与溯源，为提升电池系统安全性提供了有效的数据驱动方案。
解读: 该研究提出的数据驱动故障溯源方法与阳光电源的储能业务高度契合。阳光电源的PowerTitan和PowerStack系列储能系统均配备先进的BMS，通过引入此类机器学习算法，可显著提升对电芯级异常的预判能力，从“事后报警”转向“事前预防”。建议将该技术集成至iSolarCloud智能运维平台，利用海量...
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S变换和PSO-LSSVM的永磁同步直线电机局部退磁故障识别
Local Demagnetization Fault Recognition of Permanent Magnet Synchronous Linear Motor Based on S-Transform and PSO–LSSVM
Xuewei Song · Jiwen Zhao · Juncai Song · Fei Dong 等6人 · IEEE Transactions on Power Electronics · 2020年8月
本文研究了永磁同步直线电机（PMSLM）的局部退磁故障识别，旨在实现退磁位置和程度的精确诊断。提出了一种基于S变换（ST）和粒子群优化最小二乘支持向量机（PSO-LSSVM）的故障识别系统，通过S变换提取特征，利用PSO优化LSSVM参数，有效提高了故障诊断的准确性。
解读: 该研究聚焦于电机故障诊断与智能算法应用，虽然阳光电源的核心业务集中在光伏逆变器、储能系统及风电变流器，而非直线电机，但其提出的S变换特征提取与PSO-LSSVM优化算法在设备状态监测领域具有参考价值。建议将此类基于机器学习的故障诊断思路引入iSolarCloud智能运维平台，用于提升组串式逆变器或储...
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...
逆变器电路驱动三相电机串联电弧故障特征提取方法
Feature Extraction Method of Series Arc Fault Occurred in Three-Phase Motor With Inverter Circuit
Hongxin Gao · Zhiyong Wang · Congxin Han · Aixia Tang 等6人 · IEEE Transactions on Power Electronics · 2022年9月
串联电弧故障是电气火灾的主要诱因。在逆变器驱动的三相电机系统中，由于电源侧存在复杂谐波，准确识别逆变器后端线路的串联电弧故障极具挑战。本文提出了一种基于电流信号的串联电弧故障特征提取新方法，旨在解决复杂工况下的故障检测难题。
解读: 该研究提出的电弧故障诊断技术对阳光电源的逆变器产品线具有重要参考价值。虽然文章背景为电机驱动，但其核心的“复杂谐波背景下电弧特征提取”方法可直接迁移至光伏组串式逆变器及储能PCS的直流/交流侧电弧故障检测（AFCI）中。随着光伏系统安全标准的提升，将该特征提取算法集成至iSolarCloud智能运维...
基于物理信息的LSTM电力变压器时间序列预测模型
Physics-Informed LSTM-Based Time-Series Forecasting Model for Power Transformers
Leixiao Lei · Yigang He · Zhikai Xing · Zihao Li 等5人 · IEEE Transactions on Industrial Informatics · 2025年4月
数据的复杂性和有限的模型泛化能力极大地阻碍了预测精度。本文提出了一种具有自适应权重分配的物理信息融合长短期记忆模型（PILSTM - AWA）。首先，PILSTM - AWA采用分段特征提取方法，以增强局部信息捕获能力，提高对非线性数据的特征提取能力。然后，将油中溶解气体的物理分布和动态变化规律嵌入到长短期记忆（LSTM）框架中。设计了PILSTM模型来约束数据波动并预测油中溶解气体。最后，引入自适应动态加权策略来平衡物理信息和数据信息，提高预测精度。本研究利用了一台1000 kV变压器的在线监...
解读: 从阳光电源的业务视角来看，这项基于物理信息的LSTM时序预测技术虽然聚焦于电力变压器油中溶解气体预测，但其核心方法论对我司储能系统和光伏逆变器的预测性维护具有重要借鉴价值。 该技术的核心创新在于将物理约束嵌入深度学习框架，通过自适应权重平衡物理规律与数据驱动信息，这与我司大型储能电站中电池热管理、...
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...
基于云的锂离子电池异常检测、定位与分类
Cloud-Based Li-ion Battery Anomaly Detection, Localization and Classification
Aihua Tang · Zikang Wu · Yuchen Xu · Kailong Liu 等5人 · IEEE Transactions on Industrial Informatics · 2024年12月
实现对电池异常的全面、准确检测对于电池管理系统至关重要。然而，电气结构的复杂性和有限的计算资源往往给直接的车载诊断带来巨大挑战。本文提出了一种部署在云平台上的多功能电池异常诊断方法，满足异常检测、定位和分类的需求。首先，该方法从放电电压中提取四个异常特征以指示电池异常。利用这些特征，通过风险筛查过程将车辆分为高、中、低风险类别。其次，在离线阶段利用这些分类和先前的异常标签来训练异常分类器。然后，通过专门开发的电压累积差分均值模型进一步细分故障类型，细化预警信息。最后，利用25辆真实车辆的数据对所...
解读: 从阳光电源储能系统业务视角来看，这项基于云平台的锂电池异常检测技术具有重要的应用价值和借鉴意义。该技术通过提取放电电压的四个异常特征，实现了对电池异常的检测、定位和分类，在25辆实车数据验证中达到98%以上的检测准确率，展现出较高的技术成熟度。 对于阳光电源的储能系统产品线而言，该技术方案提供了三...
电力电子设备存在下低压配电系统中电弧/火花放电现象的表征
Characterization of Arc/Spark Discharge Phenomena in Low Voltage Distribution Systems in the Presence of Power Electronic Devices
Ratnakar Nutenki · Aurobinda Routray · Ashok Kumar Pradhan · IEEE Transactions on Industry Applications · 2025年8月
现代电力负载日益复杂，对传统的电弧故障检测方法构成了挑战，这需要采用复杂的方法来进行可靠识别。本研究探讨了低压配电系统中的电弧/火花放电行为，尤其关注嵌入了电力电子元件的现代家用电器对其产生的影响。通过实验观察并结合电压 - 电流滞后和能量平衡等物理原理，建立了电弧/火花放电的非线性等效电路模型。该模型纳入了动态参数，如电弧时间常数和碳桥电阻，以分析它们对放电特性的影响。为了分析实际负载条件下的电弧放电行为，对包括变阻器、搅拌机、笔记本电脑、微波炉和吸尘器等具有代表性的电器进行了大量实验室实验。...
解读: 该电弧故障检测技术对阳光电源多条产品线具有重要应用价值。在ST储能系统中，电力电子变流器的高频开关特性易与故障电弧混淆，研究揭示的电弧高频特征与波形畸变规律可优化PowerTitan系统的直流侧电弧检测算法，降低误报率。在SG光伏逆变器中，可改进直流拉弧保护功能，提升1500V高压系统安全性。在新能...
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...
一种结合局部-全局特征提取的混合深度学习框架用于智能电力系统稳定性评估
A Hybrid Deep Learning Framework With Local-Global Feature Extraction for Intelligent Power System Stability Assessment
Wei Yao · Runfeng Zhang · Yurun Zhang · Shanyang Wei 等6人 · IEEE Transactions on Power Systems · 2025年5月
暂态仿真对保障电力系统安全稳定运行至关重要。大扰动后，系统可能出现暂态功角失稳和短期电压失稳，二者电气特性相似但需不同控制策略，因此准确识别主导失稳模式（DIM）尤为关键。本文提出一种新型混合深度学习框架，通过充分提取电力数据中的局部-全局特征实现高精度DIM识别。该框架采用经随机采样与聚合优化的图神经网络以增强局部特征捕捉与模型泛化能力，并引入基于自注意力机制的Transformer网络挖掘关键全局特征。同时嵌入重要离散故障特征以提升性能。所提方法有效融合多层级特征，克服了现有模型局限于单一失...
解读: 该混合深度学习框架对阳光电源储能系统和电网侧产品具有重要应用价值。在PowerTitan大型储能系统中，可实时识别电网暂态功角失稳与短期电压失稳的主导模式，为ST系列储能变流器提供差异化控制策略：功角失稳时优先调节有功功率支撑，电压失稳时侧重无功补偿。该框架的图神经网络与Transformer架构可...
基于门控循环单元神经网络利用稀疏监测数据的车载超级电容器储能系统寿命预测
Life prediction of on-board supercapacitor energy storage system based on gate recurrent unit neural network using sparse monitoring data
Li Wei · Yu Wang · Tingrun Lin · Xuelin Huang 等5人 · Applied Energy · 2025年2月 · Vol.379
摘要 随着超级电容器在交通和能源领域的广泛应用，其服役寿命预测成为一个需要重点考虑的问题。由于车载超级电容器的老化过程与实际工况密切相关，其实际使用寿命可能与实验室测得的循环寿命不一致。然而，记录历史工作状况的车载监测数据质量较低，通常具有稀疏性和碎片化特征，导致难以提取有价值的信息。在我们前期的研究中，已成功从稀疏且碎片化的数据中获取了特征参数，但这些特征参数呈周期性变化，无法直接用于寿命预测。本文首先通过复合正弦函数与多项式时间序列分解模型，从特征参数中提取超级电容器的退化趋势项；其次，为弥...
解读: 该超级电容寿命预测技术对阳光电源储能系统和充电桩产品具有重要价值。针对车载及储能应用中监测数据稀疏问题,GRU神经网络结合时序分解模型可实现2.36%高精度预测,可直接应用于ST系列PCS和PowerTitan储能系统的健康管理。该方法通过提取特征电容、温度等退化趋势,能有效补偿iSolarClou...
第 1 / 2 页