找到 5 条结果
基于广义动态因子模型与生成对抗网络的风电场景生成
Wind Power Scenario Generation based on the Generalized Dynamic Factor Model and Generative Adversarial Network
Young-ho Cho · Hao Zhu · Junghyeop Im · Duehee Lee 等5人 · IEEE Transactions on Power Systems · 2025年9月
为开展资源充足性研究，我们利用时空特征（空间和时间相关性、波形、边际和爬坡率分布、功率谱密度以及统计特征）合成了分布式风电场的多个长期风电情景。在情景中生成空间相关性需要为相邻风电场设计公共因子，为远距离风电场设计对立因子。广义动态因子模型（GDFM）可以通过互谱密度分析提取公共因子，但它无法精确复制波形模式。生成对抗网络（GAN）可以通过假样本判别器验证样本，从而合成能体现时间相关性的合理样本。为结合GDFM和GAN的优势，我们使用GAN提供一个滤波器，从观测数据中提取包含时间信息的动态因子，...
解读: 该风电场景生成技术对阳光电源储能与并网产品具有重要应用价值。通过广义动态因子模型与GAN网络的结合，可以准确预测风电功率波动特征，这对ST系列储能变流器的调度策略优化和PowerTitan系统的容量配置具有重要指导意义。该方法可集成到iSolarCloud平台，提升风储联合运行的经济性。同时，其时空...
基于物理学习的针对可再生能源供电不确定电力系统的隐蔽虚假数据攻击
Physics Learning Based Stealthy False Data Attack Against Renewable Fed Uncertain Power System
Jagendra Kumar Narang · Baidyanath Bag · IEEE Transactions on Industry Applications · 2025年8月
尽管现有无模型虚假数据攻击（MFFDA）方法成功率较高，但在大规模可再生能源接入的电力系统中，其针对状态估计（SE）的性能存疑。这些方法缺乏稀疏性，且未考虑发电机和零注入母线情况，容易被控制中心检测到。可再生能源带来的不确定性增加，进一步提高了被检测的风险。本文评估了状态估计在先进无模型虚假数据攻击下的安全性。我们提出了一种结合物理模型与深度学习的自编码器 - 生成对抗网络（AE - GAN）框架，用于捕捉测量数据的内在变异性并生成攻击数据。基于自编码器的代理状态估计模型考虑了不确定测量数据的时...
解读: 该研究揭示的虚假数据攻击机制对阳光电源储能及光伏系统的网络安全防护具有重要警示价值。针对ST系列储能变流器和PowerTitan大型储能系统，需在iSolarCloud云平台中强化状态估计数据的物理一致性校验，建立基于功率平衡、电压约束的多维度异常检测机制。对于SG系列光伏逆变器的1500V系统，应...
基于感知损失的DCGAN与VGG16集成模型在电致发光图像中增强光伏缺陷检测
Enhanced Photovoltaic Defect Detection Using Perceptual Loss in DCGAN and VGG16-Integrated Models on Electroluminescence Images
Nadia Drir · Adel Mellit · Maamar Bettayeb · Mahmoud Dhimish · IEEE Journal of Photovoltaics · 2025年3月
光伏（PV）组件中的缺陷会显著影响其效率和可靠性，因此精确检测对于质量控制至关重要。本研究提出了一种改进的生成对抗网络框架，将深度卷积生成对抗网络（DCGAN）与视觉几何组16（VGG16）以及感知损失函数相结合，以生成高质量的合成缺陷图像并改进缺陷分类。所提出的模型将分类准确率从84%提高到了90%，表现出优于标准DCGAN的性能。主要改进包括生成更逼真的合成图像、减少图像质量差异以及解决缺陷数据集的类别不平衡问题。该改进框架在呈现罕见和复杂缺陷方面表现尤为出色，能改善具有挑战性的缺陷模式的分...
解读: 该基于DCGAN与VGG16的EL图像缺陷检测技术对阳光电源光伏产品线具有重要应用价值。可直接应用于SG系列逆变器的生产质量控制环节，通过电致发光成像快速识别组件微裂纹、热斑等隐性缺陷，提升出厂检测效率。感知损失函数增强的语义特征提取能力，可集成至iSolarCloud智能运维平台，实现电站组件的在...
一种基于GAN隐写术的物联网轻量级图像伪造防护方案
A Lightweight Image Forgery Prevention Scheme for IoT Using GAN-Based Steganography
Xiao Li · Liquan Chen · Ju Jia · Zhongyuan Qin 等5人 · IEEE Transactions on Industrial Informatics · 2024年10月
计算机视觉（CV）应用赋能了各种物联网（IoT）场景。然而，图像生成和处理工具的发展使得制作极具欺骗性的伪造图像变得越来越容易，从而加剧了图像伪造的风险。基于密码学的方法可以保障图像安全，但由于会损害图像的视觉清晰度，无法直接支持计算机视觉应用。现有的基于生成对抗网络（GAN）的隐写方法能够有效促进计算机视觉应用和图像伪造防范，且隐写图像与原始图像之间具有很高的不可区分性。然而，在资源受限的物联网场景中，这些方法效率低下。因此，我们提出了一种基于生成对抗网络隐写技术的轻量级物联网图像伪造防范方案...
解读: 从阳光电源的业务场景来看，这项基于GAN的轻量级图像防伪技术具有重要的潜在应用价值。在光伏电站运维、储能系统监控等场景中，我们大量依赖物联网设备采集的图像数据进行设备状态诊断、故障检测和运维决策。随着AI视觉技术的普及，图像篡改风险日益增加，可能导致误判设备状态、影响运维决策准确性，甚至引发安全事故...
生成式人工智能的演进：趋势与应用
The Evolution of Generative AI: Trends and Applications
Maria Trigka · Elias Dritsas · IEEE Access · 2025年1月
生成式AI通过实现文本、图像、音频和结构化数据的高保真内容创建彻底革新AI领域。本综述探讨生成式AI的核心方法、进展、应用和持续挑战，涵盖变分自编码器、生成对抗网络、扩散模型和Transformer架构等关键模型。这些创新推动医疗、科学计算、自然语言处理、计算机视觉和自主系统的突破。尽管取得进展，生成式AI在偏见缓解、可解释性、计算效率和伦理治理方面面临挑战，需要研究可扩展架构、可解释性和AI安全机制。整合强化学习、多模态学习和自监督技术增强生成模型可控性和适应性。随着AI重塑工业自动化、数字媒...
解读: 该生成式AI综述对阳光电源智能化转型具有战略指导意义。阳光可将生成式AI应用于多个领域：电站运维中的故障诊断报告自动生成、光伏发电预测模型优化、储能调度策略智能生成等。结合阳光iSolarCloud平台的海量数据，可构建电力电子领域专用大模型，提升系统智能化水平，加速产品设计和运维优化，推进数字化转...