Sukanta Roy · Milad Behnamfar · Anjan Debnath · Arif Sarwat · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年11月

在商业应用中，DC/DC变换器的运行状态显著影响系统整体性能与长期可靠性。本文提出一种数据驱动的数字孪生方法，用于估计稳态下DC/DC降压变换器关键退化参数。首先，利用离线粒子群优化算法对电路级数字模型进行校准，并通过平均模型验证其稳态响应。随后，在模型中引入电感、电容及MOSFET的退化特性，生成大规模数据集，用于训练和验证随机森林机器学习模型。实验结果表明，该方法回归精度高，决定系数达0.99978，均方根误差低至4.2×10⁻⁶，并在中等功率硬件原型上验证了不同负载及MOSFET导通电阻退...

解读: 该数据驱动数字孪生技术对阳光电源ST系列储能变流器及SG光伏逆变器的DC/DC变换模块具有重要应用价值。通过随机森林模型非侵入式识别电感、电容及MOSFET导通电阻退化（R²=0.99978），可集成至iSolarCloud平台实现预测性维护，提前预警功率器件老化。该方法特别适用于工商业储能系统中B...

Sukanta Roy · Alexander Stevenson · Shahid Tufail · Hugo Riggs 等6人 · IEEE Transactions on Industry Applications · 2024年12月

摘要：天气引发的时空劣化限制了户外光伏逆变器的使用寿命和可靠性，因此需要进行先进的数据分析。本研究采用自上而下、数据驱动的方法，利用多种机器学习（ML）算法来评估一座1.4兆瓦光伏电站中逆变器的可靠性，同时考虑了辐照度、湿度、温度、一天中的时间以及天气状况等因素。来自17台相同逆变器的大量警报数据集，包括警报类型、传播情况和发生频率，揭示了其与环境因素和逆变器输出功率之间的显著相关性，从而能够构建性能可靠性模型。对双阶段监督式机器学习模型的准确性进行了评估，其中人工神经网络（ANN）的“分类 -...

解读: 该机器学习驱动的可靠性评估技术对阳光电源SG系列光伏逆变器及ST储能变流器产品线具有重要应用价值。研究提出的告警-环境变异性分析框架可直接集成至iSolarCloud智能运维平台，通过融合温湿度、辐照度等多源环境参数与现场告警数据，实现对户外逆变器的精准寿命预测与预测性维护。该方法可优化阳光电源现有...