找到 3 条结果

排序:
智能化与AI应用 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于多域迁移学习的电池健康状态估计

Battery Health Estimation Based on Multidomain Transfer Learning

Hanmin Sheng · Biplob Ray · Shaben Kayamboo · Xintao Xu 等5人 · IEEE Transactions on Power Electronics · 2024年4月

机器学习在电池健康状态(SOH)估计中具有显著优势,但面临数据分布差异带来的概念漂移挑战。本文提出一种多域迁移学习方法,旨在解决训练集与测试集分布不一致的问题,从而提升电池SOH估计的准确性与鲁棒性。

解读: 该技术对阳光电源的储能业务(PowerTitan、PowerStack系列)具有极高价值。电池健康状态(SOH)的精准评估是提升储能系统全生命周期经济性的核心。目前储能电站面临工况复杂、数据分布差异大的挑战,引入多域迁移学习算法,可显著提升iSolarCloud平台对大规模储能电站的运维精度,减少电...

可靠性与测试 故障诊断 可靠性分析 ★ 2.0

一种基于牵引控制系统信号的电力机车齿轮间隙故障检测方法

A Traction Control System Signal-Based Method for Gear Slack Fault Detection in Electric Locomotive

Qiang Ni · Juntong Liu · Jinxin Zhang · Haohuan Luo 等6人 · IEEE Transactions on Power Electronics · 2025年6月

齿轮间隙故障(GSF)是牵引电机驱动系统中的典型故障,会导致电机转矩无法有效转化为驱动力。该故障常被误诊为轮对空转或速度传感器故障,导致牵引控制单元(TCU)误动作。本文提出一种基于牵引控制信号的检测方法,以提升系统运行安全性。

解读: 该文献探讨的电机驱动系统故障诊断技术,对于阳光电源的电机控制类产品(如风电变流器)具有一定的参考价值。虽然文章针对的是电力机车领域,但其通过分析控制信号(如转矩、转速)来识别机械传动链故障的思路,可借鉴于风电变流器对传动链状态的监测。建议研发团队关注该信号处理算法,以提升风电变流器在复杂工况下的故障...

电动汽车驱动 故障诊断 可靠性分析 ★ 3.0

电力牵引驱动系统主电路接地故障的差异化运行策略

A Differentiated Operation Strategy for Main Circuit Ground Faults in Electrical Traction Drive System

Qiang Ni · Juntong Liu · Zhengkai Zhan · Ziwei Ke 等6人 · IEEE Transactions on Power Electronics · 2025年11月

主电路接地故障(MCGF)是电力牵引驱动系统中的典型故障。多点接地会导致严重事故。现有策略在发生单点接地(SPGF)时即刻隔离故障转向架,但忽略了SPGF的六种典型类型及其差异化影响。本文提出了一种差异化运行策略,旨在提高系统可靠性与可用性。

解读: 该研究聚焦于牵引驱动系统的故障诊断与差异化运行策略,其核心逻辑在于通过精细化诊断避免不必要的系统停机。对于阳光电源而言,该技术思路可迁移至电动汽车充电桩及储能系统(如PowerTitan/PowerStack)的运维中。在充电桩产品线中,引入更智能的接地故障分级处理策略,可提升设备在复杂工况下的连续...