找到 2 条结果
多米诺结构无线电能传输系统的全局灵敏度分析
Global Sensitivity Analysis of Wireless Power Transfer System in Domino Structure
Xinyu Hou · Hui Xia · Yong Shi · IEEE Transactions on Power Electronics · 2024年7月
本文提出了一种多米诺结构无线电能传输（WPT）系统的全局灵敏度分析方法。通过研究电容偏差对系统特性的影响，识别出导致输出不确定性的敏感参数，并综合评估了电容偏差对输出电流、功率传输效率及功率因数的影响。
解读: 该研究聚焦于无线电能传输（WPT）的参数灵敏度与可靠性分析。虽然目前阳光电源的核心业务集中在光伏逆变器、储能系统及有线充电桩领域，但随着电动汽车充电技术向无线化、智能化方向演进，该类拓扑分析方法可作为阳光电源充电桩产品线的前瞻性技术储备。文中提到的全局灵敏度分析方法，对于提升公司现有电力电子变换器（...
可解释的物理深度学习模型用于架空输电线路覆冰厚度预测
Explainable Physical Deep-Learning Model for Overhead Transmission Line Icing-Thickness Prediction
Hui Hou · Yi Wan · Zhenguo Wang · Shaohua Wang 等6人 · IEEE Transactions on Industry Applications · 2025年7月
全球变暖导致极端天气事件频发，其中频繁发生的冰灾对电力系统的稳定性构成了重大威胁。随着预测模型复杂度的增加，必须同时确保其准确性和可解释性。因此，我们提出了一种用于架空输电线路覆冰厚度预测的可解释物理深度学习模型。首先，通过白鲸优化（BWO）方法构建了一个优化模型，该模型可使预测误差最小化。其次，将深度学习预测模型与物理模型和长短期记忆网络（LSTM）模型相结合。物理模型考虑了诸如风偏角、风荷载和冰荷载等物理定律。此外，我们使用沙普利加性解释法来阐释输入特征对输出特征及模型预测结果的影响。最后，...
解读: 该覆冰预测技术对阳光电源户外电力设备具有重要防护价值。针对ST系列储能变流器和PowerTitan大型储能系统的户外部署场景，可通过集成气象传感器与物理深度学习模型，实现设备覆冰风险的提前预警，触发主动加热或功率调节策略。对于SG系列光伏逆变器，该可解释AI方法可借鉴至iSolarCloud智能运维...