找到 4 条结果
基于Transformer的深度学习多时间尺度全球发电量预测
Transformer-based deep learning for multi-horizon global power generation forecasting
Sidique Gawusu · Xiaobing Zhang · Energy Conversion and Management · 2026年4月 · Vol.354
本文提出一种基于Transformer架构的深度学习模型，用于实现跨区域、多时间尺度（小时级至周级）的全球电力生成量预测，支持光伏、风电等可再生能源出力的联合建模与不确定性量化。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统能量管理具有直接价值：可提升ST系列PCS在光储协同调度中的日前/日内功率预测精度，优化充放电策略；建议将Transformer模型轻量化后嵌入iSolarCloud边缘节点，支撑组串式逆变器集群的动态MPPT与电网侧储...
“4H-SiC功率MOSFET雪崩诱导退化建模”一文的勘误
Erratum to “Modeling Avalanche Induced Degradation for 4H-SiC Power MOSFETs”
Jiaxing Wei · Siyang Liu · Xiaobing Zhang · Weifeng Sun 等5人 · IEEE Transactions on Power Electronics · 2021年2月
本文是对原论文作者单位信息的更正说明，原论文主要研究了4H-SiC功率MOSFET在雪崩应力下的退化机理及建模方法。
解读: SiC功率器件是阳光电源组串式逆变器、PowerTitan储能系统及电动汽车充电桩提升功率密度与转换效率的核心。雪崩诱导退化直接影响SiC器件在极端工况下的寿命与可靠性。该研究提供的退化建模方法，有助于公司研发团队在产品设计阶段更精准地评估SiC器件的鲁棒性，优化驱动电路保护策略，从而提升光伏逆变器...
4H-SiC功率MOSFET雪崩诱导退化建模
Modeling Avalanche Induced Degradation for 4H-SiC Power MOSFETs
Jiaxing Wei · Siyang Liu · Xiaobing Zhang · Weifeng Sun 等5人 · IEEE Transactions on Power Electronics · 2020年11月
本文提出了一种预测4H-SiC功率MOSFET在重复雪崩应力下退化的模型。通过分析JFET区域栅氧化层界面的正电荷注入现象，选取栅漏电容（Cgd）作为量化雪崩诱导退化的关键参数，建立了退化模型以评估器件的长期可靠性。
解读: SiC器件是阳光电源组串式逆变器、PowerTitan储能系统及高压充电桩实现高效率、高功率密度的核心。雪崩应力是功率器件在极端工况下的主要失效模式之一。该研究提出的退化模型有助于研发团队在设计阶段更精准地评估SiC MOSFET的寿命，优化驱动电路的保护策略，从而提升阳光电源产品在复杂电网环境下的...
数字控制LCL型并网逆变器的宽频谐波谐振阻尼策略
Wide-Band Harmonic Resonance Damping Strategy for Grid-Connected Digitally Controlled LCL-Type Inverter
Jinhong Liu · Xiaobing Zhang · Baohua Wang · IET Power Electronics · 2025年9月 · Vol.18
鉴于低损耗和结构简单，首先建立了采用电容电流有源阻尼反馈结构的数字控制LCL型并网逆变器的等效阻抗模型。基于该模型，深入分析了控制系统数字延时及电网等效阻抗对逆变器有源阻尼性能的影响，重点包括有效阻尼范围和谐波谐振特性。为提升在数字延时与电网阻抗作用下逆变器的阻尼性能，最终提出一种基于电容电压有源阻尼结构的宽频谐波谐振阻尼策略。
解读: 该研究的宽频谐波谐振阻尼策略对阳光电源的SG系列光伏逆变器和ST系列储能变流器具有重要应用价值。通过电容电压有源阻尼结构，可有效解决数字控制延时和电网阻抗变化导致的谐振问题，提升产品在弱电网条件下的并网稳定性。这一技术可优化SG350HX等大功率组串式逆变器的LCL滤波设计，降低谐波失真，提高产品可...