找到 10 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9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...
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、...
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...
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...
基于物联网多传感器融合的关键特征与混合迁移学习活动识别
IoT-Based Multisensors Fusion for Activity Recognition via Key Features and Hybrid Transfer Learning
Ahmad Jalal · Danyal Khan · Touseef Sadiq · Moneerah Alotaibi 等6人 · IEEE Access · 2025年1月
人类活动识别HAR在医疗保健、智能家居和人机交互等领域备受关注。本文提出使用RGB视频和IMU传感器数据的综合HAR系统。系统采用多阶段处理流程包括预处理、分割、特征提取和分类，实现高精度活动识别。预处理阶段从视频提取帧，IMU数据去噪。分割阶段对视频帧应用朴素贝叶斯分割，对传感器数据应用汉明窗。关键特征提取技术包括图像数据的ORB、MSER、DFT和KAZE，传感器数据的LPCC、PSD、AR系数和熵。使用线性判别分析LDA进行特征融合创建统一特征集，然后使用ResNet50分类识别如使用智能...
解读: 该多传感器融合识别技术可应用于阳光电源智能运维场景。阳光光伏电站和储能站需要工作人员行为识别和安全监控。该HAR系统的视频和传感器融合方法可部署在阳光电站巡检系统，识别运维人员操作行为，确保作业安全规范。结合阳光iSolarCloud平台的视频分析功能，该技术可实现电站人员活动智能监控，检测异常行为...
基于自适应神经模糊分类的高精度动作识别:先进生物信号与RGB融合技术
Advanced Biosignal-RGB Fusion With Adaptive Neurofuzzy Classification for High-Precision Action Recognition
Iqra Aijaz Abro · Haifa F. Alhasson · Shuaa S. Alharbi · Mohammed Alatiyyah 等6人 · IEEE Access · 2025年1月
在使用多传感器数据进行动作识别的领域中,生物信号与RGB模态的融合为提升动作分类系统精度提供了新途径。本文提出一种自适应神经模糊分类框架,融合肌电信号、加速度计数据和视觉信息,通过模糊逻辑优化多模态数据的特征融合。
解读: 该多传感器融合技术可应用于阳光电源储能系统的人机交互和安全监控。通过融合视觉和生物信号数据,实现储能电站运维人员的行为识别和异常动作检测,提升工业现场的安全管理水平,为智能运维系统提供人机协同支持。...
梯度提升特征选择用于串补输电线路集成故障诊断
Gradient Boosting Feature Selection for Integrated Fault Diagnosis in Series-Compensated Transmission Lines
Rab Nawaz · Abdul Wadood · Khawaja Khalid Mehmood · Syed Basit Ali Bukhari 等6人 · IEEE Access · 2025年1月
串补输电线路是现代电网的组成部分，增强系统可靠性和稳定性。然而，它们引入电压反转、谐波失真和非线性动态等挑战，使当代电力系统故障诊断复杂化。本研究引入创新方法分析故障信号波形，利用互联网和传感器技术进步提供时间序列形式的大量电压和电流数据。通过优化从特征提取到模型学习的每个数据处理阶段，所提系统有效解决故障检测、分类和定位作为多分类问题。特征提取与高效梯度提升特征选择集成确保高准确度、速度和计算效率，优于需要大量预处理的技术。该方法使用四种集成分类器实施：自适应提升AB、轻量梯度提升机LGBM、...
解读: 该故障诊断技术对阳光电源光伏储能系统智能运维具有重要价值。阳光大型地面电站和集中式储能站需要快速准确的故障检测和定位。该研究的梯度提升特征选择和多分类模型可集成到阳光iSolarCloud平台，实现电站级故障智能诊断。在输电线路并网场景下，阳光储能系统需要识别电网侧故障并快速响应。该RF和XGB算法...