找到 3 条结果
基于代理标签引导的锂离子电池鲁棒健康监测：一种深度多任务学习方法
Robust Health Monitoring for Lithium-Ion Batteries Under Guidance of Proxy Labels: A Deep Multitask Learning Approach
Ruohan Guo · Kui Zhang · Shangyang He · Shengyu Tao 等10人 · IEEE Transactions on Power Electronics · 2025年8月
针对锂离子电池健康状态（SOH）估计中标签数据匮乏导致的泛化能力不足问题，本文提出了一种深度多任务学习方法。通过利用常规运行数据中的老化信息作为代理标签，有效提升了电池健康监测的鲁棒性，为电池全生命周期管理提供了新的数据驱动解决方案。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。目前储能系统在电网侧和工商业侧应用中，电池SOH的精准评估是保障系统安全与延长寿命的核心。该深度学习方法能有效解决实际运行中标签数据缺失的痛点，提升BMS的健康管理精度。建议将其集成至iSolarC...
一种基于改进直流解的物理信息图卷积网络用于交流最优潮流
A Physics-Informed Graph Convolution Network for AC Optimal Power Flow Via Refining DC Solution
Yundi Liu · Yuanzheng Li · Shangyang He · Yang Li 等6人 · IEEE Transactions on Power Systems · 2025年7月
求解大规模电力系统的交流最优潮流（AC - OPF）问题对于整合可再生能源的电力系统运行至关重要。然而，随着系统规模的增大，传统的交流最优潮流数值方法面临计算成本高和收敛困难等挑战。为应对这些挑战，现有研究采用直流最优潮流（DC - OPF）或数据驱动方法。直流最优潮流通过考虑电力系统的固有物理特性（如电压变化）对交流最优潮流问题进行线性化处理，从而提供近似解。同时，数据驱动方法利用其强大的端到端学习能力有效求解交流最优潮流。尽管这两种方法速度都足够快，但直流最优潮流由于其简化假设（忽略了无功功...
解读: 该物理信息图卷积网络技术对阳光电源PowerTitan大型储能系统及ST系列储能变流器的能量管理系统具有重要应用价值。通过快速求解AC-OPF问题，可显著提升储能系统在电网侧的实时调度响应速度，优化多台储能变流器并联运行时的功率分配策略。该方法融合物理约束的特性与阳光电源构网型GFM控制技术高度契合...
基于V2G提升网络化微电网韧性的分布式模型预测控制方法：采用非侵入式电池代理模型
Enhancing Resilience of Networked Microgrids Using V2G: A Distributed Model Predictive Control Approach With Non-Intrusive Battery Surrogate Model
Song Ke · Ruohan Guo · Weijie Mai · Shangyang He 等8人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种非侵入式电池代理模型（NBSM），结合分布式模型预测控制（DMPC），实现对电动汽车电池状态的实时估计与V2G响应精准调控，显著提升网络化微电网频率韧性，降低功率跟踪误差至10%以内，并在仿真中改善频率最低点11.2%。
解读: 该研究提出的NBSM+DMPC框架可直接赋能阳光电源ST系列储能变流器及PowerTitan系统在微电网场景下的V2G协同调控能力，增强其在黑启动、故障恢复及动态调频中的响应精度与鲁棒性。建议将NBSM嵌入iSolarCloud平台V2G调度模块，与组串式逆变器+户用储能系统联动，构建光储充一体化韧...