找到 2 条结果
基于集成机器学习的串联直流电弧故障检测
Series DC Arc Fault Detection Based on Ensemble Machine Learning
Vu Le · Xiu Yao · Chad Miller · Bang-Hung Tsao · IEEE Transactions on Power Electronics · 2020年8月
串联直流电弧故障若无法及时检测与隔离，将引发火灾隐患并影响配电母线。由于故障电流小、无过零点以及现代电力电子负载下电弧行为的不确定性，检测难度极大。本文提出了一种实用的集成机器学习方法，旨在提升直流电弧故障的检测精度与鲁棒性。
解读: 该技术对阳光电源的核心业务至关重要。直流电弧检测是光伏逆变器（尤其是组串式逆变器）和储能系统（如PowerTitan/PowerStack）实现安全防护的关键功能（AFCI）。随着光伏系统电压等级提升，电弧风险增加，集成机器学习算法能有效解决传统阈值法在复杂负载下的误报与漏报问题。建议将该算法集成至...
基于传导EMI时频分析与机器学习分类的直流母线电容状态监测
Condition Monitoring of DC-Link Capacitors Using Time–Frequency Analysis and Machine Learning Classification of Conducted EMI
Tyler McGrew · Viktoriia Sysoeva · Chi-Hao Cheng · Chad Miller 等6人 · IEEE Transactions on Power Electronics · 2022年10月
本文提出了一种非侵入式状态监测系统，利用三相逆变器直流母线电容产生的传导电磁干扰（EMI）的时频分析特征，结合机器学习算法对电容的健康状态进行分类，旨在降低电力电子系统的维护成本并提升可靠性。
解读: 直流母线电容是阳光电源组串式逆变器、集中式逆变器及PowerTitan/PowerStack储能变流器（PCS）中的核心易损件。该研究提出的非侵入式EMI监测技术，无需额外传感器即可实现电容健康状态的在线诊断，极大地契合了iSolarCloud智能运维平台对设备全生命周期管理的需求。建议研发团队将此...