找到 6 条结果
模块化无缓冲双向软开关电流型双六管
CFD6P）DC/DC变换器
Satarupa Bal · Akshay K. Rathore · Dipti Srinivasan · IEEE Transactions on Power Electronics · 2015年2月
本文提出了一种模块化、自然钳位、无缓冲的双向软开关电流型双六管（CFD6P）DC/DC变换器，用于连接24V和380V等大电压差直流母线。该拓扑具有高效率和高功率密度特性，适用于储能系统、不间断电源、可再生能源系统、电动汽车及微电网等应用场景。
解读: 该拓扑结构在处理大电压差转换时表现出的软开关特性和无缓冲设计，对阳光电源的储能变流器（PCS）及PowerTitan/PowerStack系列具有重要参考价值。其模块化设计有助于提升储能系统的功率密度，并降低开关损耗，从而提高整机效率。建议研发团队关注该拓扑在低压侧与高压侧直流耦合场景下的应用，特别...
用于光伏并网的电流型五电平逆变器改进同步脉宽调制技术
Modified Synchronous Pulsewidth Modulation of Current-Fed Five-Level Inverter for Solar Integration
Kulothungan Gnanasambandam · Amarendra Edpuganti · Akshay Kumar Rathore · Dipti Srinivasan · IEEE Transactions on Power Electronics · 2017年5月
本文针对大型光伏（LSPV）系统，研究了电流型多电平逆变器在无变压器并网中的应用。提出了一种改进的同步脉宽调制（PWM）策略，旨在优化电流型五电平逆变器的性能，提升光伏能量转换效率，并改善并网电流质量，为大型光伏电站的功率变换提供技术参考。
解读: 该研究聚焦于电流型多电平逆变器拓扑及PWM控制优化，与阳光电源的核心产品——大型地面电站用集中式逆变器及组串式逆变器技术路线高度契合。多电平技术是提升逆变器功率密度、降低输出谐波及减小滤波器体积的关键手段。对于阳光电源而言，该改进型同步PWM策略可进一步优化大功率逆变器的开关损耗与电能质量，有助于提...
预测不确定性建模技术及概率型风速与风电功率预测评估指标综述
A review of predictive uncertainty modeling techniques and evaluation metrics in probabilistic wind speed and wind power forecasting
Yun Wanga · Fan Zhang · Hongbo Koua · Runmin Zoua 等7人 · Applied Energy · 2025年10月 · Vol.396
摘要 鉴于风能资源具有显著的变异性，解决风能预测中固有的不确定性至关重要。因此，研究人员已开发出多种概率模型，这些模型为理解风能的波动特性提供了有价值的见解，并提升了预测的准确性。本文旨在分析预测不确定性中不同类型不确定性的意义，并对风速与风电功率预测的概率方法进行系统而全面的综述。特别地，本文详细考察了用于生成预测区间（作为预测不确定性的一种通用表示形式）的代表性模型结构。此外，本综述还探讨了用于评估概率预测质量的各类评价指标，并对其数学表达、时间复杂度以及适用条件进行了分析。这些评价指标在判...
解读: 该风电预测不确定性建模技术对阳光电源储能系统具有重要应用价值。通过概率预测方法可优化ST系列PCS的充放电策略,提升PowerTitan储能系统在风储耦合场景下的能量管理精度。预测区间技术可为iSolarCloud平台提供更可靠的风电波动预判能力,辅助GFM/VSG控制策略实现更平滑的功率调节。不确...
一种端到端集成学习方法以提升风电功率预测精度
An End-to-End Ensemble Learning Approach for Enhancing Wind Power Forecasting
Yun Wang · Houhua Xu · Yaohui Huang · Fan Zhang 等8人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
本文提出MG-DS模型，基于Dempster-Shafer证据理论实现端到端集成学习，融合MLP特征提取、GRU与交叉注意力生成多样化基预测，并引入DSSE插件协同RNN与非RNN模型，在5个风电数据集上显著提升预测精度。
解读: 该研究提出的MG-DS端到端集成预测框架可直接赋能阳光电源风电变流器的智能功率预测模块，提升其iSolarCloud平台在风电场侧的短期功率预测精度，支撑ST系列PCS与风电变流器的AGC/AVC协同调度。建议将DSSE插件集成至iSolarCloud风功率预测引擎，适配现有SCADA数据流；同时为...
基于混合HOA-CINN方法的太阳能驱动自动化干燥系统先进控制以提升谷物品质
Advanced control of solar-powered automated drying systems to enhance grain quality using a hybrid HOA-CINN approach
S.Malaisamy · B. Meenakshi Sundaram · A.Srinivasan · Solar Energy · 2025年6月 · Vol.293
摘要 谷物干燥是一项关键的产后处理过程，可确保长期储存的稳定性并保持其品质。然而，传统的干燥方法通常存在能耗高、水分去除不一致等问题，亟需开发更加高效且具有适应性的干燥解决方案。本研究提出了一种新的自适应控制方法，以提升太阳能驱动的自动化谷物干燥系统的性能。所提出的自适应系统采用河马优化算法（Hippopotamus Optimization Algorithm, HOA）优化干燥参数，从而提高谷物品质；同时引入条件可逆神经网络（Conditional Invertible Neural Net...
解读: 该太阳能自适应控制技术对阳光电源ST系列储能系统和SG光伏逆变器具有重要借鉴价值。HOA优化算法可应用于储能系统的充放电策略优化,CINN预测模型可增强iSolarCloud平台的负载预测能力。研究中的能效管理思路(峰值能耗1.113kWh)与阳光电源MPPT优化技术协同,可提升光储一体化系统在农业...
基于物理超参数优化联邦多层深度学习模型的物联网入侵检测
Physics-Based HPO Federated Multi-Layered DL Model for IDS in IoT Networks
Chirag Jitendra Chandnani · Vedik Agarwal · Shlok Chetan Kulkarni · Aditya Aren 等6人 · IEEE Access · 2025年1月
物联网正以其无处不在重塑我们生活。从健身手表到飞机的IoT设备无处不在性质突然上升导致网络攻击激增。AI驱动入侵检测系统IDS近期被用于对抗IoT环境中这一攻击激增。然而，现有解决方案缺乏分布式去中心化环境训练优化。去中心化环境训练模型的流行解决方案是联邦学习，多个客户端模型协作训练全局模型同时保持各客户端数据去中心化和私密。然而这存在各客户端数据泛化能力差的问题。本研究提出新型联邦多层深度学习Fed-MLDL模型，在分布式联邦学习环境中采用基于物理的超参数优化技术FedRIME用于CICIoT...
解读: 该联邦学习入侵检测技术对阳光电源分布式能源物联网安全具有重要应用。阳光管理全球数百万台光伏逆变器和储能设备，设备分布式部署和数据隐私保护是关键需求。该Fed-MLDL模型可应用于阳光iSolarCloud平台的分布式安全防护，在保护各电站数据隐私的同时实现全局入侵检测模型训练。在工商业储能场景下，该...