找到 8 条结果
三角波注入与电流微分项对永磁同步电机多参数辨识的影响
Effects of Triangular Wave Injection and Current Differential Terms on Multiparameter Identification for PMSM
Qingsong Wang · Xiaokai Zhao · Pengfei Yang · Wei Hua 等5人 · IEEE Transactions on Power Electronics · 2024年3月
永磁同步电机（PMSM）因其高功率密度和高效率被广泛应用。精确的电磁参数对控制系统设计、故障诊断及状态监测至关重要。本文研究了电机稳态运行下，通过三角波注入及电流微分项改进参数辨识精度的方法，解决了传统方法在特定工况下的局限性。
解读: 该研究涉及的电机参数辨识与故障诊断技术，对阳光电源的风电变流器及储能系统中的电机驱动控制具有参考价值。在风电变流器领域，精确的电机参数辨识能提升变流器的动态响应与控制精度；在储能系统及电动汽车充电桩的冷却系统电机控制中，该算法有助于实现更精准的状态监测与早期故障预警，从而提升系统整体的可靠性与运维效...
带中继线圈的无线电能传输系统效率提升的非谐振补偿优化
Nonresonant Compensation Optimization for Efficiency Improvement of Wireless Power Transfer System With Relay Coil
Haisen Zhao · Zihan Tian · Xueying Zhang · Yue Qiu 等9人 · IEEE Transactions on Power Electronics · 2024年2月
中继线圈可有效增加无线电能传输（WPT）系统的传输距离，但较低的传输效率限制了其应用。本文基于带中继线圈的串联补偿WPT系统模型，分析了传统补偿方法的缺陷，揭示了系统在谐振状态下效率并非最优的问题，并提出了非谐振补偿优化方案以提升系统整体传输效率。
解读: 该研究聚焦于无线电能传输（WPT）的效率优化，虽目前阳光电源的核心业务（光伏逆变器、储能系统、风电变流器）主要基于有线连接，但该技术在电动汽车充电桩领域具有潜在的长期应用价值。随着无线充电技术的成熟，未来可将其作为充电桩产品线的技术储备，提升用户充电的便捷性。建议研发团队关注该非谐振补偿算法在小功率...
一种用于高压IGBT传感器的新型局部电压检测模式
A Novel Local Voltage Sensing Mode for High Voltage IGBT Sensor
Yang Yang · Zehong Li · Yule Lin · Pengfei Jia 等9人 · IEEE Transactions on Power Electronics · 2022年3月
IGBT的集电极-发射极电压（Vce）检测对电力电子系统的安全至关重要。传统检测方法受限于信号动态范围与ADC分辨率之间的矛盾。本文提出一种新型局部电压检测模式，通过优化检测电路，提升了高压IGBT在关键应用中的电压监测精度与可靠性。
解读: 该技术对阳光电源的核心产品线具有极高的应用价值。在光伏逆变器（尤其是大功率组串式和集中式）以及储能系统（PowerTitan/PowerStack）中，IGBT是核心功率器件。Vce的精准监测直接关系到短路保护、过压保护及器件健康状态评估。通过引入该新型局部电压检测模式，可以显著提升逆变器和PCS在...
面向异常事件的在线时空集成学习负荷预测方法
Online Spatiotemporal Ensemble Learning for Load Forecasting Against Anomalous Events
Yaqi Zeng · Pengfei Zhao · Di Cao · Zhe Chen 等5人 · IEEE Transactions on Power Systems · 2025年11月 · Vol.41
本文提出一种在线时空集成学习框架，通过融合区域间空间相关性与时间动态性，快速适应疫情等异常事件引发的负荷模式突变；采用在线互补学习网络提取时空特征，并结合指数梯度下降与强化学习优化凸组合权重。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统在负荷侧协同调度中具有直接应用价值。其在线自适应预测能力可提升光储充一体化系统的日前-日内负荷与新能源出力联合预测精度，优化PCS功率指令生成与BMS充放电策略。建议将该算法集成至iSolarCloud边缘AI...
多市场中具有风险与预期溢价的能量存储容量复用
Energy Storage Capacity Multiplexing With Risk and Expected Premium in Multimarket
Binhuan Gao · Xiaohe Yan · Nian Liu · Alexis Pengfei Zhao · IEEE Transactions on Industrial Informatics · 2025年8月
作为重要的市场主体，储能（ES）可同时参与多个电力市场并从中获益。然而，当前储能的运营模式主要侧重于计算市场收益，未能准确评估市场价格的风险和相关性。因此，本文设计了一种考虑市场价格风险和耦合性的储能运营方法。首先，设计了一种考虑市场价格风险和市场耦合性的储能多市场复用运营方案。其次，引入广义自回归条件异方差和指数加权移动平均模型来精确评估价格风险，并设计了动态Copula方法来反映耦合系数。此外，引入了通过实物期权理论计算的预期溢价概念，从而能够在市场正向波动的情况下制定更精细的利润最大化策略...
解读: 从阳光电源储能业务发展角度看，该论文提出的多市场容量复用运营方法具有重要战略价值。当前公司PowerTitan、PowerStack等储能系统在全球市场快速部署，但传统运营模式多聚焦单一市场收益测算，未能充分挖掘储能资产的多元价值。该研究引入GARCH和EWMA模型量化价格风险，结合动态Copula...
基于模仿专家经验的可解释深度强化学习在电动汽车智能充电中的应用
Interpretable Deep Reinforcement Learning With Imitative Expert Experience for Smart Charging of Electric Vehicles
Shuangqi Li · Alexis Pengfei Zhao · Chenghong Gu · Siqi Bu 等6人 · IEEE Transactions on Power Systems · 2024年7月
深度强化学习（DRL）因计算效率高，有望实现复杂系统的在线优化控制，但其可解释性与可靠性限制了在智能电网能量管理中的工程应用。本文首次提出一种新颖的模仿学习框架，用于解决电网连接电动汽车（GEV）充电管理中的高效计算问题。通过基于车网互动（V2G）成本效益分析的先验优化模型生成最优策略，并构建专家经验池以配置学习环境。设计双Actor-Imitator网络结构，实现专家知识向强化学习模型的有效迁移，提升训练效率与调度性能。实验结果表明，该方法在英国某示范微网中有效提升了V2G经济效益并缓解了电池...
解读: 该可解释深度强化学习技术对阳光电源充电桩产品线及储能系统具有重要应用价值。文章提出的模仿学习框架可直接应用于阳光电源V2G充电桩的智能调度算法，通过专家经验池加速DRL训练，提升充电策略的可靠性与可解释性，解决传统黑盒AI在电网能量管理中的工程化难题。该方法可集成至iSolarCloud云平台，实现...
基于无人机的微电网网络攻击
Uncrewed Aerial Vehicle-Based Cyberattacks on Microgrids
Alexis Pengfei Zhao · Shuangqi Li · Zhengmao Li · Zixiao Ma 等7人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种利用无人机实施虚假数据注入攻击（FDIA）的新范式，通过通信干扰与数据篡改威胁网络化微电网安全；构建NSGA-III多目标优化框架，量化攻击对功率平衡、电压稳定及运行成本的影响，并指出传统规则检测失效，亟需AI驱动的自适应防御。
解读: 该研究直击阳光电源iSolarCloud智能运维平台与PowerTitan/ST系列储能系统在微电网场景下的网络安全短板。UAV攻击可干扰PCS遥测数据、误导MPPT策略或触发误动作，威胁构网型GFM逆变器黑启动可靠性。建议在iSolarCloud中集成轻量级LSTM异常检测模块，结合边缘侧UAV射...
因果机制赋能的零标签学习在新建光伏电站发电功率预测中的应用
Causal Mechanism-Enabled Zero-Label Learning for Power Generation Forecasting of Newly-Built PV Sites
Pengfei Zhao · Weihao Hu · Di Cao · Rui Huang 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月
针对新建光伏（PV）电站因缺乏历史发电数据导致的功率预测难题，本文提出一种无需任何标注样本的无监督零标签学习方法。通过挖掘不同电站间的不变因果结构，并利用因果机制提升目标电站的预测性能。设计了因果赋能的域自适应网络（CEDAN），结合内外注意力机制从时滞数据片段中提取发电因果关联，并构建域适应损失函数以对齐源域与目标域的因果分布差异。进一步扩展为分位数域适应损失以应对输出不确定性。联合优化域适应与预测损失，实现跨域不变因果机制的学习，从而在无标签情况下完成高泛化性功率预测。基于真实数据的实验表明...
解读: 该零标签功率预测技术对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。针对新建光伏电站缺乏历史数据的痛点，通过因果机制实现无标签跨域迁移学习，可直接应用于阳光电源新部署站点的发电预测模块。该方法提升7.57%的确定性预测精度，能优化iSolarCloud平台的智能诊断...