找到 8 条结果
基于数据驱动与机理模型的锂离子电池健康状态估计与拐点识别
State-of-health estimation and knee point identification of lithium-ion battery based on data-driven and mechanism model
Yulong Ni · Kai Song · Lei Pei · Xiaoyu Li 等8人 · Applied Energy · 2025年5月 · Vol.385
准确的健康状态（SOH）估计与拐点识别对于优化电池性能及生命周期管理至关重要。本文提出了一种结合改进的基于牛顿-拉夫逊优化算法优化支持向量回归与自适应提升算法（INRBO-SVR-AdaBoost）的SOH估计方法，以及一种基于最大垂直距离法并考虑失效阈值的拐点识别方法。首先，引入三项改进以增强标准NRBO算法的全局搜索能力与收敛速度，从而使SVR方法能够获得最优参数；随后，采用AdaBoost算法对INRBO-SVR方法进行集成，进一步提高SOH估计精度。实验结果表明，INRBO-SVR-Ad...
解读: 该锂电池SOH估计与拐点识别技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要价值。INRBO-SVR-AdaBoost算法可集成至iSolarCloud平台,实现储能系统电池健康状态精准预测(误差<0.89%),优化BMS管理策略。拐点识别方法可指导ESS全生命周期管理,精确判定电...
基于采样电压参考的母线钳位PWM滞环控制电压源逆变器驱动感应电机在线边界计算
Online Boundary Computation Using Sampled Voltage Reference for Bus Clamping PWM-Based Hysteresis-Controlled VSI-Fed IM Drive
Joseph Peter · Mohammed Shafi KP · Lakshmi R · Rijil Ramchand · IEEE Transactions on Power Electronics · 2020年4月
本文提出了一种基于电流误差空间矢量的滞环电流控制器（HCC），通过在线计算采样电压参考（SVR）来确定两电平电压源逆变器（VSI）驱动感应电机的电流误差边界，从而有效控制电流误差。
解读: 该研究提出的滞环电流控制与在线边界计算方法，能够显著提升逆变器在动态负载下的电流跟踪精度和响应速度。对于阳光电源的组串式光伏逆变器和储能变流器（PCS）产品线，该技术有助于优化逆变器在复杂电网环境下的输出电流质量，减少谐波畸变。特别是在应对弱电网或电机驱动类负载时，该算法可提升系统的动态稳定性。建议...
利用光伏参数和机器学习确定硅太阳能电池中的铁浓度
Determination the iron concentration in silicon solar cells using photovoltaic parameters and machine learning
Oleg Olikh · Oleksii Zavhorodni · Solar Energy · 2025年11月 · Vol.300
摘要 本研究提出了一种基于机器学习（ML）的创新方法，用于量化硅太阳能电池中的铁杂质。通过对80种模型进行综合分析，采用随机森林（RF）、梯度提升（GB）、极端梯度提升（XGB）、支持向量回归（SVR）和深度神经网络（DNN）等算法，根据FeB对解离引起的光伏参数变化来预测铁浓度。研究识别了训练数据集为最小化预测误差所需满足的条件，以及能够产生最准确预测的特征组合。此外，评估了使用主成分分析（PCA）进行数据预处理的有效性。结果表明，XGB和DNN模型优于其他模型，在合成数据上达到的均方误差（M...
解读: 该机器学习铁杂质检测技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。通过XGB/DNN算法实时监测组件铁污染导致的效率衰减,可集成至MPPT优化算法中实现动态功率预测修正。建议将此方法嵌入智能运维系统,结合光伏参数变化特征实现组件质量分级与寿命预测,提升电站资产管理精度...
集成多层感知器和支持向量回归增强锂离子电池健康状态估计
Integrating Multilayer Perceptron and Support Vector Regression for Enhanced State of Health Estimation in Lithium-Ion Batteries
Sadiqa Jafari · Jisoo Kim · Wonil Choi · Yung-Cheol Byun · IEEE Access · 2024年11月
准确评估电池健康状态SOH对保证电动汽车EV安全可靠运行至关重要。本文提出新策略解决传统SOH测量方法中复杂预处理和大量数据需求的困难。利用先进机器学习算法提出全面SOH预测方法。方法包括细致数据准备,分析电压、电流和温度等关键运行因素。利用超参数优化微调的支持向量回归SVR和多层感知器MLP模型。使用均方根误差RMSE、均方误差MSE和R平方评估模型。为提高预测准确性,使用随机森林RF元模型将这些模型组合成堆叠集成,R²达0.987,MAE为0.02559,MSE为0.0013,RMSE为0....
解读: 该SOH估计技术对阳光电源电池管理系统BMS产品线有重要应用价值。阳光车载OBC和储能BMS需要高精度SOH估计来优化电池使用和延长寿命。SVR和MLP集成模型可集成到阳光BMS算法中,提高SOH估计准确性。超参数优化方法对阳光机器学习算法开发有借鉴意义。该研究验证的高R²值和低误差率,证明集成学习...
基于Transformer的电动汽车电池荷电状态估计模型
A Transformer-Based Model for State of Charge Estimation of Electric Vehicle Batteries
Metin Yılmaz · Eyüp Çinar · Ahmet Yazıcı · IEEE Access · 2025年2月
电池在电动汽车EV系统设备中发挥关键作用。这些应用的安全性和性能依赖准确的电池管理系统BMS来监测和优化电池性能。传统BMS系统因复杂化学过程和电池老化在充电预测过程中面临挑战，导致故障。完美传感器的缺失凸显外部因素特别是传感器噪声引起的测量问题的局限性。因此需要能解决现实世界电池充电预测问题的算法。本研究比较创新解决方案Transformer模型与传统长短期记忆LSTM、双向LSTM和支持向量回归SVR。本研究旨在使用NASA、BMW i3、斯坦福大学电池数据集和本研究收集的Musoshi品牌...
解读: 该Transformer模型SOC估计技术对阳光电源电池管理系统产品线有重要应用价值。阳光车载OBC和储能BMS需要高精度SOC估计来优化充电策略和电池保护。Transformer相比传统LSTM的性能优势值得阳光BMS算法借鉴。RMSE接近1的卓越精度可显著提升阳光BMS的SOC估计准确性。该技术...
结合数据驱动与等效电路模型的无线电力传输系统互感及负载识别
Mutual Inductance and Load Identification of Wireless Power Transfer Systems Combining Data-Driven and Equivalent Circuit Models
Xu Wang · Yanjie Guo · Fei Xu · Ming Xue 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年10月
互感和负载变化影响无线电力传输（WPT）系统性能，准确识别这些参数对系统控制与状态监测具有重要意义。现有方法多基于电路模型，易受参数误差影响。本文提出一种融合电路模型与数据驱动模型的互感和负载识别方法，兼具数据驱动模型抗参数误差能力强和电路模型物理意义明确的优点，仅需WPT系统的直流输入电流和一个电压有效值即可实现精确识别，无需无线通信。采用支持向量回归（SVR）建立数据驱动模型，并结合考虑整流器等效输入阻抗的电路模型推导参数关系，进而提出负载识别方法。实验结果表明，互感、负载电阻和负载电压的最...
解读: 该互感与负载识别技术对阳光电源无线充电产品线具有重要应用价值。在新能源汽车充电桩业务中，可应用于无线充电系统的实时参数监测与自适应控制，通过融合SVR数据驱动模型与等效电路模型，仅需直流输入电流和电压有效值即可实现互感、负载的高精度识别（误差<5%），无需无线通信降低系统成本。该方法可增强阳光电源无...
基于第一性原理与机器学习方法研究双钙钛矿Li2CuBiX6
X = Br, I）的光学与电子性质及其在光伏中的应用
Taoufik Chargui · Ramzi El Idrissi · Abdelkabir Bacha · Fatima Lmaia · Solar Energy · 2025年10月 · Vol.299
摘要：开发高效且稳定的无铅材料对于推动下一代光伏技术的发展至关重要。在本研究中，我们结合第一性原理计算与机器学习技术，对Li2CuBiX6（X = Br, I）双钙钛矿作为有前景的光吸收材料进行了系统研究。密度泛函理论（DFT）结果表明，该材料具有适合太阳能转换的间接带隙，其中溴化物体系（Br）为1.7 eV，碘化物体系（I）为1.3 eV。关键光学性质，包括吸收系数、反射率、折射率和介电函数，均证实其具备优异的光捕获能力。采用SCAPS-1D模拟构建了FTO/ETL/Li2CuBiX6/HTL...
解读: 该无铅双钙钛矿材料研究对阳光电源光伏逆变器产品线具有前瞻价值。Li2CuBiX6材料展现的27-31%理论转换效率及宽光谱吸收特性,可为SG系列逆变器的MPPT算法优化提供新材料参数基础。研究中机器学习预测模型(XGBoost R²=99.87%)与DFT计算结合的方法,可借鉴应用于iSolarCl...
机器学习方法预测室内Li-Fi应用中自适应OFDM传输的直流偏置
ML Approach to Predict DC Bias for Adaptive OFDM Transmission in Indoor Li-Fi
Marwah T. Salman · David R. Siddle · Amadi G. Udu · IEEE Access · 2025年1月
多电平正交振幅调制M-QAM结合光正交频分复用中的直流偏置DCO-OFDM为室内光保真Li-Fi系统提供频谱高效解决方案和自适应传输速率。然而，DCO-OFDM方案提出的重大挑战是确保发射信号幅度非负所需的直流偏置额外功率。这些偏置信号根据光功率约束被裁剪，施加影响传输误码率BER的裁剪噪声。这种性能下降取决于对直流偏置的调整，需要持续修改以支持自适应传输。因此，同时解决直流偏置优化和裁剪缓解对提供可靠节能传输至关重要。本文提出机器学习ML方法基于OFDM信号统计特性和系统特征预测最优直流偏置。...
解读: 该自适应偏置优化技术对阳光电源多电平变流器控制具有借鉴意义。阳光ST储能变流器采用三电平或多电平拓扑，需要精确的偏置和调制策略优化。该研究的机器学习预测方法可应用于阳光变流器的自适应调制算法，根据工况动态优化PWM偏置，降低谐波和开关损耗。在光伏逆变器中，该技术可优化MPPT算法的直流工作点，提升发...