Dinesh Kumar Nishad · Saifullah Khalid · Rashmi Singh · IEEE Access · 2025年1月

模糊技术出现彻底改变医疗保健，赋能更智能医疗设备和设备。然而，这些模糊驱动系统的成功运行取决于高电能质量。本文引入创新模糊驱动能源管理系统，结合卷积神经网络CNN用于实时电能质量事件检测、长短期记忆LSTM网络用于预测分析以及强化学习用于优化控制。通过IEEE 13总线测试馈线广泛仿真，证明系统在检测和缓解电能质量扰动方面的卓越性能。基于CNN的检测在事件分类中达到97%准确率，而LSTM实现95%准确预测新兴问题。强化学习控制器相比传统方法，实现电压凹陷恢复快50%、谐波降低提升20%、停电期...

解读: 该电能质量管理技术对阳光电源储能系统在医疗等关键负荷场景具有重要参考。阳光PowerTitan工商业储能系统服务医院、数据中心等对电能质量要求极高的场所。该研究的CNN-LSTM-强化学习混合框架可集成到阳光储能变流器的智能控制系统，实现电能质量事件实时检测和快速响应。在医疗场景下，电压凹陷和谐波可...