找到 50 条结果
考虑数据集误差下基于数据驱动的新能源设备多工况导纳获取方法
A Data-Driven Multi-Operating Condition Admittance Acquisition Method for Renewable Energy Equipment Considering Dataset Errors
李晗 · 李萌 · 王垚鑫 · 马骏超 等7人 · 中国电机工程学报 · 2025年2月 · Vol.45
基于数据驱动的神经网络建模广泛用于电力电子设备多工况阻抗/导纳建模，但实测导纳样本少且受测量噪声影响，导致数据质量差，模型预测误差大。为此，本文提出一种考虑测量误差的多工况导纳建模方法。以预测值与真实值的均方误差为指标指导网络训练，分析电压电流噪声对导纳测量的影响，建立测量误差与模型性能的关系，并采用贝叶斯算法搜索最优参数，抑制噪声干扰，提升模型精度。通过构建双馈感应发电机的BP神经网络导纳模型，在含测量误差的数据集中验证了方法的有效性。
解读: 该研究的数据驱动导纳建模方法对阳光电源的储能和光伏产品线具有重要应用价值。首先，可用于ST系列储能变流器和SG系列光伏逆变器的阻抗特性建模，提升系统稳定性分析精度。其次，该方法考虑实际测量误差的影响，通过贝叶斯优化提高模型鲁棒性，这对提升PowerTitan等大型储能系统的并网性能和iSolarCl...
基于单机模型扩展的直驱风电场通用等值模型构建方法
A Generalized Equivalent Modeling Method for PMSG-Based Wind Farms Based on Single-Turbine Model Extension
李东晟曹仟妮赖启平沈沉 · 电力系统自动化 · 2025年4月 · Vol.49
构建风电场动态等值模型是分析风电并网系统的基础。现有多机等值方法需随运行工况变化重新分群建模，难以满足在线动态安全分析的高效性需求。为此，本文提出一种适用于任意运行场景的直驱风电场通用等值模型构建方法。首先建立单台永磁直驱风机的神经网络通用模型，通过等效处理输入参数将其扩展至风电场整体，形成通用等值建模框架。基于CloudPSS电磁暂态仿真平台验证了模型的准确性与适用性，结果表明该方法可有效提升风电场建模效率与通用性。
解读: 该风电场等值建模方法对阳光电源的储能和光伏产品线具有重要参考价值。首先，其通用等值模型思路可用于优化ST系列储能变流器的群控策略，特别是在大型储能电站中实现多机协调控制。其次，该方法的神经网络建模框架可借鉴应用于SG系列光伏逆变器的集群控制，提升光伏电站的整体并网性能。此外，文中的动态等值技术对完善...
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...
一种用于直线开关磁阻电机速度控制的多层感知器训练方法
A Multilayer Perception Trained Method in Speed Control of a Linear Switched Reluctance Motor
Siamak Masoudi · Hasan Mehrjerdi · IEEE Transactions on Power Electronics · 2022年4月
开关磁阻电机具有非线性、不确定性及未建模动态特性，导致推力和速度波动大，传统控制器难以实现精确控制。本文提出一种基于多层感知器（MLP）的训练方法，通过神经网络优化控制策略，有效解决了非线性系统控制中偏导数计算复杂的难题，显著提升了电机的动态响应与控制精度。
解读: 该研究探讨了基于神经网络的非线性系统控制算法，虽然针对的是直线开关磁阻电机，但其核心思想——利用多层感知器（MLP）解决非线性系统的精确控制问题，对阳光电源的控制技术具有参考价值。在阳光电源的电机驱动类产品（如风电变流器）或储能系统中的电力电子变换器控制中，面对复杂的非线性负载或弱电网环境，引入此类...
基于多环神经网络的智能互补终端滑模有源电力滤波器控制
Intelligent Complementary Terminal Sliding Mode Using Multiloop Neural Network for Active Power Filter
Lei Zhang · Juntao Fei · IEEE Transactions on Power Electronics · 2023年8月
本文提出了一种用于有源电力滤波器（APF）的智能互补终端滑模控制方法。通过引入多环神经网络，该方法有效提升了电流环的控制精度，并增强了系统对集总扰动的鲁棒性，实现了高效的谐波抑制。
解读: 该研究提出的智能滑模控制与神经网络结合算法，对阳光电源的电力电子变换技术具有重要参考价值。在APF及高性能并网逆变器（如组串式逆变器、PowerTitan储能变流器）中，该算法可显著提升电流跟踪精度，优化在弱电网或复杂谐波环境下的电能质量表现。建议研发团队关注其在非线性负载补偿中的应用，通过引入此类...
用于功率磁性材料特性的机器学习模型
Machine-Learned Models for Power Magnetic Material Characteristics
Paweł Leszczyński · Kamil Kutorasiński · Marcin Szewczyk · Jarosław Pawłowski · IEEE Transactions on Power Electronics · 2025年1月
本文提出了一种利用深度神经网络对功率磁性材料特性进行建模的通用框架。通过无监督学习训练神经自动编码器模型，利用多维磁特性数据预测理论模型的材料参数。该方法旨在提升磁性元件建模的准确性与效率，为电力电子变换器的设计优化提供支撑。
解读: 磁性元件（电感、变压器）是阳光电源组串式/集中式光伏逆变器及储能变流器（PCS）的核心部件，直接影响整机效率、功率密度及温升表现。传统的磁性材料建模依赖繁琐的实验测量与有限元仿真，该AI建模方法能显著缩短磁性元件的设计周期，提升对复杂工况下损耗预测的精度。建议研发团队将其应用于PowerTitan等...
一种基于神经网络的SPICE环境电热器件交互仿真方法
A Neural Network Based Approach to Simulate Electrothermal Device Interaction in SPICE Environment
Diego Chiozzi · Mirko Bernardoni · Nicola Delmonte · Paolo Cova · IEEE Transactions on Power Electronics · 2019年5月
本文提出了一种基于神经网络（NN）的电力电子器件电热交互仿真建模方法。该方法利用神经网络处理电力电子器件复杂的非线性及温度相关特性，并特别适用于电气仿真软件（如SPICE）的集成，有效提升了电热耦合仿真的效率与精度。
解读: 该技术对阳光电源的核心产品线（如组串式/集中式光伏逆变器、PowerTitan储能系统）具有极高价值。在功率密度不断提升的趋势下，IGBT/SiC模块的热管理是影响系统可靠性的关键。该方法通过神经网络实现电热耦合仿真，可显著缩短研发周期，提升对功率模块在极端工况下热应力的预测精度。建议研发团队将其引...
受磁化机制启发的磁芯损耗估计神经网络
Magnetization Mechanism-Inspired Neural Networks for Core Loss Estimation
Qiujie Huang · Yang Li · Jianguo Zhu · Sinan Li · IEEE Transactions on Power Electronics · 2024年12月
针对高功率密度电力电子系统，本文提出了一种受磁化机制启发的神经网络模型，旨在实现快速、准确且小样本下的磁芯损耗建模。该方法克服了传统建模在复杂工况下精度不足、设计效率低及成本高的问题，为电力电子磁性元件的设计优化提供了高效的智能化解决方案。
解读: 磁性元件（电感、变压器）是阳光电源组串式逆变器、PowerTitan储能变流器及风电变流器的核心部件。该研究提出的基于磁化机制的神经网络建模方法，能够显著提升磁芯损耗预测精度，特别是在复杂工况下。这有助于研发团队在设计阶段更精准地评估损耗，从而优化磁性元件体积与效率，进一步提升产品功率密度。建议将此...
用于中频变压器三维磁场建模的分层物理嵌入神经网络框架
Hierarchical Physics-Embedding Neural Network Framework for 3D Magnetic Modeling of Medium-Frequency Transformers
Xiao Yang · Liangcai Shu · Dongsheng Yang · IEEE Transactions on Power Electronics · 2025年3月
针对复杂几何结构中频变压器三维磁场建模数据获取困难的问题，本文提出了一种分层物理嵌入神经网络框架。该方法通过将物理定律融入神经网络，在保证模型精度的同时显著提升了计算效率，有效解决了传统有限元分析在复杂磁性元件建模中计算量大、数据依赖性强的问题。
解读: 中频变压器是阳光电源储能系统（如PowerTitan、PowerStack系列）及光伏组串式逆变器中高频隔离环节的核心部件。该研究提出的物理嵌入神经网络技术，可显著缩短变压器磁性设计与优化周期，提升磁芯损耗预测精度。建议研发团队将其应用于高功率密度变换器的磁性元件设计，通过AI辅助仿真替代部分繁琐的...
一种基于分数阶二次谐波电流抑制的非侵入式神经网络在线参数辨识方法
A Noninvasive Neural Network-Based Online Parameter Identification Method Under Fractional-Order Second Harmonic Current Suppressing
Miaoling Yang · Liangzong He · Yuanyuan Peng · Yixuan Li · IEEE Transactions on Power Electronics · 2026年4月
在单相两级式逆变器中，母线电容对维持系统稳定性至关重要。电容老化导致的参数漂移会严重降低控制性能。本文提出一种非侵入式神经网络在线参数辨识方法，在分数阶二次谐波电流抑制条件下，实现对电容参数的精确辨识，从而提升系统的可靠性与运行寿命。
解读: 该技术对阳光电源的户用光伏逆变器及小型组串式逆变器产品线具有重要价值。单相逆变器中母线电容的寿命是影响整机可靠性的关键瓶颈，通过引入神经网络进行非侵入式在线参数辨识，可实现电容老化状态的实时监测与预警，从而提升iSolarCloud智能运维平台的预测性维护能力。建议研发团队关注该算法的计算资源占用情...
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...
基于神经网络的电力电子资源主导型电力系统不确定性感知稳定性分析
Uncertainty-Aware Stability Analysis of IBR-Dominated Power System With Neural Networks
Galadrielle Humblot-Renaux · Yang Wu · Sergio Escalera · Thomas B. Moeslund 等6人 · IEEE Transactions on Power Electronics · 2025年11月
机器学习技术在加速电力电子资源（IBR）主导的电力系统稳定性筛选方面潜力巨大。然而，基于神经网络的方法在面对未见过的运行场景时，难以保证预测的准确性和可靠性，存在安全隐患。本文提出了一种不确定性感知方法，以提升神经网络在电力系统稳定性评估中的可靠性。
解读: 随着阳光电源组串式逆变器和PowerTitan等储能系统在全球电网中的渗透率提升，系统稳定性分析变得日益复杂。该研究提出的不确定性感知神经网络方法，能够有效解决传统AI模型在复杂电网环境下（如弱电网）泛化能力不足的问题。建议将此技术集成至iSolarCloud智能运维平台，用于实时监测电网稳定性风险...
用于高效宽增益CLLC变换器的神经网络辅助同步整流混合控制策略
Hybrid Control Strategy With Neural-Network-Assisted Synchronous Rectification for Efficient Wide-Gain CLLC Converter
Zihang Cheng · Liangzong He · IEEE Transactions on Power Electronics · 2025年1月
同步整流（SR）是提升CLLC变换器效率的关键技术，但因其复杂的物理模型及多样的调制方式，实现实时控制极具挑战。本文提出一种混合控制策略，通过引入神经网络辅助，有效解决了宽增益范围内CLLC变换器的同步整流控制难题，显著提升了变换效率。
解读: CLLC拓扑是阳光电源储能系统（如PowerTitan、PowerStack系列）中双向DC-DC变换器的核心技术。该研究提出的神经网络辅助同步整流策略，能够有效降低变换器在宽电压范围下的开关损耗，直接提升储能系统的充放电效率。建议研发团队关注该AI辅助控制算法的轻量化部署，将其集成至iSolarC...
有源电力滤波器的双隐含层输出反馈神经网络自适应全局滑模控制
Double Hidden Layer Output Feedback Neural Adaptive Global Sliding Mode Control of Active Power Filter
Juntao Fei · Yundi Chu · IEEE Transactions on Power Electronics · 2020年3月
本文提出了一种自调节双隐含层输出反馈神经网络（DHLFNN）作为有源电力滤波器（APF）的电流控制器，旨在提升系统的响应特性与电能质量。通过引入全局滑模控制策略，增强了系统在全运行范围内的鲁棒性。
解读: 该研究提出的神经网络自适应滑模控制算法在提升电能质量和系统响应速度方面具有显著优势。对于阳光电源的组串式及集中式光伏逆变器、储能变流器（PCS）而言，该算法可优化并网电流的谐波抑制能力，特别是在弱电网或复杂电网环境下，能有效提升并网稳定性。建议研发团队关注该算法在iSolarCloud智能运维平台数...
锂电池健康状态预测的对抗性防御框架
Adversarial Defensive Framework for State-of-Health Prediction of Lithium Batteries
Anas Tiane · Chafik Okar · Hicham Chaoui · IEEE Transactions on Power Electronics · 2023年10月
神经网络易受恶意数据投毒攻击，导致预测准确性下降。本文提出一种对抗性防御框架，针对锂离子电池健康状态（SOH）预测模型，通过识别并防御微小噪声干扰，提升模型在复杂环境下的鲁棒性与决策边界稳定性。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等大型储能系统的智能化运维。随着储能电站规模扩大，BMS数据的安全性与预测模型的鲁棒性至关重要。该对抗性防御框架可集成至iSolarCloud平台，提升电池SOH预测的抗干扰能力，防止恶意数据导致误判，从而优化电池寿命管理，降低运维风...
一种SPWM激励下卷铁芯电磁-结构耦合振动改进模型
An Improved Electromagnetic-Structural Coupling Vibration Model of Wound Core Under SPWM Excitation
Beichao Yang · Fei Xiao · Xinsheng Zhang · Ruitian Wang 等8人 · IEEE Transactions on Power Electronics · 2025年9月
针对变压器铁芯在SPWM激励下的振动问题，本文提出了一种基于电磁-结构耦合的改进预测方法。研究考虑了磁滞和磁致伸缩效应，利用神经网络建模磁致伸缩特性，并通过多物理场耦合仿真，实现了对卷铁芯振动特性的精确预测，为电力电子设备的噪声控制与结构优化提供了理论支撑。
解读: 该研究对于阳光电源的组串式逆变器及储能变流器（PCS）中的磁性元件设计具有重要意义。随着产品功率密度的提升，高频SPWM激励下的电磁振动与噪声控制已成为提升产品可靠性与用户体验的关键。通过引入该多物理场耦合模型，研发团队可在设计阶段精确评估磁芯振动，优化电感与变压器结构，从而降低PowerTitan...
一种基于神经网络的多色LED系统色彩控制方法
A Neural-Network-Based Color Control Method for Multi-Color LED Systems
Xiaoqing Zhan · Wenguan Wang · Henry Chung · IEEE Transactions on Power Electronics · 2019年8月
本文提出了一种基于神经网络的多色LED系统色彩控制方法。该方法即使在环境光干扰下，也能实现高显色指数的色彩控制。通过光谱峰值控制获取高显色指数数据点，并利用这些数据训练神经网络，从而实现精确的色彩调节。
解读: 该文章研究领域为LED照明控制，与阳光电源的核心业务（光伏逆变器、储能系统、风电变流器、充电桩等）关联度极低。虽然文章涉及的“神经网络”和“控制算法”在阳光电源的iSolarCloud智能运维平台或储能系统能量管理策略中具有潜在的借鉴意义，但其具体应用场景（LED色彩调节）与公司电力电子产品线无直接...
基于神经网络和双相位补偿器的步进电机自适应电流控制器
Adaptive Current Controller Based on Neural Network and Double Phase Compensator for a Stepper Motor
Hoang Ngoc Tran · Kien Minh Le · Jae Wook Jeon · IEEE Transactions on Power Electronics · 2019年8月
本文提出了一种改进步进电机精度的先进方法，包含自适应电流控制器和自适应位置控制器。核心技术是基于神经网络（NN）的自适应前馈比例谐振（AFPR）电流控制技术，该方法在传统比例积分控制基础上实现了显著优化。
解读: 该文献聚焦于电机控制算法，虽然主要针对步进电机，但其提出的基于神经网络的自适应控制策略（AFPR）在电力电子控制领域具有通用性。对于阳光电源而言，该算法思想可借鉴应用于光伏逆变器或储能变流器（PCS）的电流环控制，特别是在复杂电网环境下提升谐波抑制能力和动态响应速度。此外，在iSolarCloud智...
基于LPTN信息神经网络的永磁同步电机多节点温度估计混合热建模
Hybrid Thermal Modeling With LPTN-Informed Neural Network for Multinode Temperature Estimation in PMSM
Zirui Liu · Wubin Kong · Xinggang Fan · Zimin Li 等6人 · IEEE Transactions on Power Electronics · 2024年9月
针对永磁同步电机（PMSM）在有限训练数据下多节点温度估计精度不足的问题，本文提出了一种结合集总参数热网络（LPTN）与神经网络的混合建模方法。该方法通过将物理模型（LPTN）引入神经网络，有效解决了高阶热网络参数辨识及模型不确定性问题，实现了更精确的温度监测。
解读: 该技术主要针对电机驱动领域，与阳光电源的风电变流器及电动汽车充电桩业务具有较强的技术关联。在风电变流器中，功率模块与电机的热管理直接影响系统的可靠性与寿命；在充电桩领域，该混合建模方法可用于提升功率模块及关键部件的实时热状态感知精度，从而优化过温保护策略，提升产品在极端工况下的可靠性。建议研发团队关...
一种基于经验模型信息的软磁材料铁损神经网络预测器
An Empirical Model Informed Neural Network Core Loss Predictor for Soft Magnetic Materials
Neha Rajput · Himanshu Bhusan Sandhibigraha · Neeraj Agrawal · Vishnu Mahadeva Iyer · IEEE Transactions on Power Electronics · 2025年8月
为提升电力电子变换器的效率与功率密度，本文提出了一种结合经验模型与神经网络的软磁材料铁损预测方法。该研究响应了IEEE MagNet挑战赛，旨在通过数据驱动手段解决复杂工况下磁性元件损耗建模难题，为电力电子磁性元件的优化设计提供高精度支撑。
解读: 磁性元件是阳光电源光伏逆变器（如组串式、集中式）及储能变流器（如PowerTitan、ST系列PCS）的核心部件，其损耗直接影响整机效率与功率密度。该研究提出的神经网络铁损预测模型，能有效提升磁性元件在复杂高频工况下的设计精度，缩短研发周期。建议研发团队将其集成至iSolarCloud智能运维平台的...
第 1 / 3 页