找到 7 条结果
一种基于物理信息神经网络的参数化热仿真方法用于功率模块快速热设计
A Parameterized Thermal Simulation Method Based on Physics-Informed Neural Networks for Fast Power Module Thermal Design
Yayong Yang · Zhiqiang Wang · Yu Liao · Wubin Kong 等7人 · IEEE Transactions on Power Electronics · 2025年7月
本文提出了一种基于物理信息神经网络（PINNs）的参数化3D热仿真方法，旨在实现功率模块热设计的快速空间探索。通过利用PINNs快速近似描述功率模块热行为的参数化偏微分方程解的能力，该方法显著提升了热场仿真的效率。
解读: 该技术对阳光电源的核心产品线（如组串式/集中式光伏逆变器、PowerTitan储能系统及风电变流器）具有重要价值。功率模块是上述产品的核心发热源，传统有限元仿真耗时较长，限制了研发迭代速度。引入PINNs技术可实现热设计的快速参数化仿真，显著缩短逆变器和PCS产品的研发周期，优化散热结构设计，提升功...
基于物理信息神经网络的参数化热仿真方法用于快速功率模块热设计
A Parameterized Thermal Simulation Method Based on Physics-Informed Neural Networks for Fast Power Module Thermal Design
Yayong Yang · Zhiqiang Wang · Yu Liao · Wubin Kong 等6人 · IEEE Transactions on Power Electronics · 2025年3月
本文提出一种基于物理信息神经网络（PINNs）的参数化三维热仿真方法，以实现功率模块热设计的快速设计空间探索。利用PINNs能够快速逼近描述功率模块热行为的参数化偏微分方程解的能力，开发了用于碳化硅（SiC）三相半桥功率模块的热场仿真框架，以进行参数化仿真。经过一次无监督训练后，基于PINNs的模型可以快速预测不同输入参数组合下功率模块的热场分布结果。对比结果表明，在不同组合情况下，PINNs的预测结果与COMSOL数值模拟和实验测量结果大致相符。此外，在用于参数优化的大规模设计空间探索任务中，...
解读: 从阳光电源的业务视角来看，这项基于物理信息神经网络（PINNs）的参数化热仿真技术具有重要的工程应用价值。作为全球领先的光伏逆变器和储能系统供应商，我们在功率模块热设计方面面临着日益严峻的挑战：一方面，碳化硅（SiC）等新型功率器件的广泛应用使得热管理复杂度显著提升；另一方面，市场对产品快速迭代和定...
基于物理信息神经网络的鲁棒电力系统状态估计
Robust Power System State Estimation Using Physics-Informed Neural Networks
Solon Falas · Markos Asprou · Charalambos Konstantinou · Maria K. Michael · IEEE Transactions on Industrial Informatics · 2025年7月
现代电力系统在状态估计和实时监测方面面临重大挑战，特别是在故障条件或网络攻击下的响应速度和准确性方面。本文提出一种结合物理信息神经网络（PINNs）的混合方法，以提高电力系统状态估计的准确性和鲁棒性。通过将物理定律嵌入神经网络架构，PINNs 提高了输电网络在正常和故障条件下应用的估计准确性，同时在应对诸如数据操纵攻击等安全问题方面也显示出潜力。实验结果表明，所提出的方法优于传统机器学习模型，在训练数据集的未见子集上的准确性提高了近 83%，在全新的、不相关的数据集上的性能提升了近 65%。实验...
解读: 从阳光电源的业务视角来看，这项基于物理信息神经网络（PINNs）的电力系统状态估计技术具有重要的战略价值。作为全球领先的新能源设备供应商和系统集成商，阳光电源在光伏逆变器、储能系统及智慧能源管理平台方面的核心竞争力，正日益依赖于对电网实时状态的精准感知与快速响应能力。 该技术的核心优势在于将物理定...
用于交流最优潮流的高效计算数据合成：融合物理信息神经网络求解器与主动学习
Computationally efficient data synthesis for AC-OPF: Integrating Physics-Informed Neural Network solvers and active learning
Jiahao Zhang · Ruo Peng · Chenbei Lu · Chenye Wu · Applied Energy · 2025年1月 · Vol.378
摘要 本研究针对在发布保护隐私的交流最优潮流（AC Optimal Power Flow, AC-OPF）运行数据时面临的隐私性、实用性与效率性挑战展开研究。传统方法在差分隐私（Differential Privacy, DP）框架下向运行数据（即负荷需求数据和调度配置文件）中注入噪声，但此类操作常导致数据违反物理约束，产生不现实且不可行的结果，从而降低数据的实用性。尽管基于AC-OPF求解器的双层后处理优化能够强制实现物理可行性，但由于后处理目标与AC-OPF本身目标之间存在偏差，仍会导致结果...
解读: 该研究提出的物理信息神经网络(PINN)求解AC-OPF方法,对阳光电源储能系统(ST系列PCS、PowerTitan)和光伏逆变器(SG系列)的智能调度具有重要价值。通过主动学习加速优化计算,可应用于iSolarCloud平台的实时能量管理系统,在保护用户隐私前提下实现多站点协同优化。该技术能显著...
基于图神经网络的电动汽车充电负荷预测与需求响应优化
A Comprehensive Review on Next-Generation Modeling and Optimization for Semiconductor Devices
Pratikhya Raut · Deepak Kumar Panda · Amit Kumar Goyal · IEEE Access · 2025年7月
电动汽车大规模接入对电网负荷管理提出新挑战,精准的充电负荷预测是需求响应优化的基础。本文提出基于图神经网络的充电负荷预测模型,捕捉充电站之间的时空关联性,结合需求响应策略实现充电负荷的削峰填谷。
解读: 该充电负荷预测技术可应用于阳光电源充电桩和储能系统的协同优化。通过智能预测和需求响应策略,优化充储一体化系统的能量调度,降低电网峰值负荷,提升充电基础设施的经济性,为光储充一体化解决方案提供智能调度支持。...
利用物理信息神经网络构建代理模型辅助强化学习优化智能电网能源管理
Optimizing energy management of smart grid using reinforcement learning aided by surrogate models built using physics-informed neural networks
Julen Cestero · Carmine Delle Femine · Kenji S. Muroa · Marco Quartulli 等5人 · Applied Energy · 2025年12月 · Vol.401
摘要 在智能电网场景下优化能源管理面临重大挑战，主要源于现实世界系统的复杂性以及各组件之间错综复杂的相互作用。强化学习（Reinforcement Learning, RL）正逐渐成为解决智能电网中最优潮流（Optimal Power Flow, OPF）问题的一种有效方案。然而，RL需要在给定环境中进行强制性的反复迭代才能获得最优策略，这意味着必须从一个很可能代价高昂的模拟器中获取样本，从而导致样本效率低下问题。在本研究中，我们通过使用基于物理信息神经网络（Physics-Informed N...
解读: 该研究采用物理信息神经网络(PINN)构建代理模型加速强化学习训练,对阳光电源ST系列储能变流器和PowerTitan系统的能量管理优化具有重要价值。通过PINN代理模型可将训练速度提升50%,能显著加快储能系统最优潮流控制策略的开发周期。该方法可应用于iSolarCloud平台的智能调度算法优化,...
基于物理信息的积分神经网络用于溶剂法燃烧后CO2捕集过程的动态建模
Physics informed integral neural network for dynamic modelling of solvent-based post-combustion CO2 capture process
Peng Sh · Cheng Zheng · Xiao Wu · Jiong Shen · Applied Energy · 2025年1月 · Vol.377
摘要 溶剂法燃烧后碳捕集（PCC）是实现能源和工业领域大规模脱碳最有前景的技术。然而，该过程的复杂特性和高能耗阻碍了PCC在复杂电力市场中的高效灵活运行。PCC系统的成功运行优化高度依赖于对过程的动态建模，而采用先进的数据驱动方法已成为研究热点。目前广泛使用的数据驱动动态建模方法未将PCC过程的物理机理信息融入模型中，导致模型稳定性不足。物理信息神经网络（PINNs）通过融合数据与物理信息，提供了一种创新的建模方法。然而，其在PCC过程动态建模中的应用仍面临重大挑战。为此，本文基于带外生输入的非...
解读: 该物理信息神经网络(PIINN)动态建模技术对阳光电源储能系统具有重要应用价值。碳捕集系统的复杂非线性动态特性与PowerTitan储能系统在电力市场中的灵活调度需求高度相似。PIINN方法通过平衡点稳定性约束保证模型可靠性的思路,可借鉴应用于ST系列PCS的宽工况运行建模,提升GFM/GFL控制策...