找到 7 条结果 · 智能化与AI应用
面向电力变换器物理信息机器学习的预测性维护研究综述
Toward Physics-Informed Machine-Learning-Based Predictive Maintenance for Power Converters—A Review
Youssof Fassi · Vincent Heiries · Jerome Boutet · Sebastien Boisseau · IEEE Transactions on Power Electronics · 2024年2月
本文综述了电力电子变换器预测性维护的研究进展。随着深度学习技术的快速发展，其在提升变换器性能与可靠性方面展现出巨大潜力。文章重点探讨了在数据资源、物理一致性及泛化能力等方面面临的挑战，并分析了物理信息机器学习在解决这些问题中的关键作用。
解读: 该研究对阳光电源全线产品（如PowerTitan储能系统、组串式逆变器及风电变流器）的智能化运维具有重要指导意义。通过引入物理信息机器学习（PIML），可有效解决传统数据驱动模型在极端工况下泛化能力差的问题，提升iSolarCloud平台的故障预警精度。建议研发团队将物理模型（如IGBT热模型、电容...
基于图半监督学习的光伏阵列故障检测与分类
Graph-Based Semi-supervised Learning for Fault Detection and Classification in Solar Photovoltaic Arrays
Ye Zhao · Roy Ball · Jerry Mosesian · Jean-Francois de Palma 等5人 · IEEE Transactions on Power Electronics · 2015年5月
光伏阵列故障检测对提升系统可靠性与安全性至关重要。由于光伏输出具有非线性特征，传统保护装置难以识别多种复杂故障，存在安全隐患。本文提出一种基于图半监督学习的机器学习方法，旨在填补现有光伏系统保护技术的空白，实现对光伏阵列故障的精准检测与分类。
解读: 该技术对阳光电源的iSolarCloud智能运维平台具有极高的应用价值。通过引入图半监督学习算法，可显著提升iSolarCloud在组串式及集中式逆变器层面的故障预警精度，尤其是在复杂环境下的隐蔽性故障识别。建议将此算法集成至逆变器边缘计算单元，实现从“被动保护”向“主动运维”的升级，降低运维成本，...
电力电子系统故障诊断中的数据挖掘应用：系统综述
Data Mining Applications to Fault Diagnosis in Power Electronic Systems: A Systematic Review
作者未知 · IEEE Transactions on Power Electronics · 日期未知
本文综述了电力电子系统（PES）故障诊断的研究进展，重点介绍了基于数据挖掘的技术，包括人工神经网络、机器学习和深度学习算法。文章探讨了这些先进算法在提升系统可靠性、实现早期故障检测方面的应用潜力与挑战。
解读: 该研究直接服务于阳光电源的核心可靠性战略。在光伏逆变器（如SG系列组串式逆变器）和储能系统（如PowerTitan系列）中，引入机器学习和深度学习进行故障预测与健康管理（PHM）是提升运维效率的关键。通过iSolarCloud平台集成此类算法，可实现从“被动维修”向“主动运维”的转型，有效降低电站停...
基于深度迁移学习技术的电动汽车动力总成系统状态监测与故障诊断综述
Deep Transfer Learning Technology-Based Condition Monitoring and Fault Diagnosis of Electric Vehicle Electric Powertrain Systems: A Review
Haoxiang Xu · Zicheng Liu · Dong Jiang · Ronghai Qu 等5人 · IEEE Transactions on Power Electronics · 2026年1月
本文综述了电动汽车动力总成（电池、电机、电力电子系统）的状态监测与故障诊断技术。针对电动汽车运行工况复杂、系统配置多样导致的诊断难题，重点探讨了深度迁移学习在提升系统可靠性与安全性方面的应用，为实现动力总成的高效运维提供了理论基础。
解读: 该技术对阳光电源的电动汽车充电桩业务及储能系统运维具有重要参考价值。深度迁移学习能有效解决不同工况下设备故障特征提取难的问题，建议将其引入iSolarCloud智能运维平台，通过迁移学习算法优化充电桩及储能PCS的故障预测模型，提升设备在复杂环境下的预警准确率。此外，该诊断思路可延伸至PowerTi...
基于多通道全局最大池化CNN的永磁同步电机驱动电流传感器故障检测与识别
Current Sensor Fault Detection and Identification for PMSM Drives Using Multichannel Global Maximum Pooling CNN
Sijia Wu · Guangtong Ma · Chunxing Yao · Zhenyao Sun 等5人 · IEEE Transactions on Power Electronics · 2024年8月
永磁同步电机（PMSM）在电机驱动应用中广泛使用。电流传感器在闭环控制中至关重要，但易受热应力和振动影响发生故障。本文提出了一种基于多通道全局最大池化卷积神经网络（CNN）的高效电流传感器故障检测与识别（FDI）方法，旨在提升电机驱动系统的可靠性。
解读: 该技术对阳光电源的电机驱动类产品（如风电变流器、电动汽车充电桩中的功率模块及储能系统中的辅助电机控制）具有重要参考价值。通过引入深度学习算法进行传感器故障诊断，可显著提升系统运行的鲁棒性，降低因传感器失效导致的停机风险。建议研发团队在iSolarCloud智能运维平台中集成此类AI诊断模型，实现对关...
用于新能源汽车电力电子系统中伺服电机预测的时序记忆增强时频建模
Temporal Memory Enhanced Time-Frequency Modeling for Servo Motor Forecasting in NEV Power Electronics Systems
Qi Zhang · Jie Li · Jinsong Bao · Dan Zhang · IEEE Transactions on Power Electronics · 预计 2026年6月
本文针对新能源汽车换电系统中的伺服电机，提出了一种时序记忆增强的时频建模方法。通过分析伺服驱动器的转矩和速度信号，实现对动态负载条件的监测，这对评估电力电子系统的可靠性及组件健康状态至关重要。
解读: 该研究提出的时频建模与时序记忆增强技术，在智能化运维领域具有重要参考价值。阳光电源的iSolarCloud智能运维平台及PowerTitan/PowerStack储能系统，均涉及大量电力电子器件的运行状态监测。该算法可优化对逆变器及PCS内部关键功率器件的健康状态评估（PHM），通过分析电流/电压信...
无刷直流电机高阻连接诊断的瞬态电流比树突网络
Transient Current Ratio Dendrite Net for High-Resistance Connection Diagnosis in BLDCM
Chong Luo · Jianyu Wang · Qiang Miao · IEEE Transactions on Power Electronics · 2024年4月
无刷直流电机（BLDCM）中的高阻连接（HRC）会导致性能下降、设备故障甚至火灾，因此其诊断至关重要。现有研究在多场景适应性上存在不足。本文提出了一种瞬态电流比树突网络（TCR-DD），通过分析瞬态电流特征实现对HRC的精准诊断，提升了电机系统的运行可靠性。
解读: 该技术主要针对电机驱动领域，虽与阳光电源核心的光伏/储能业务存在差异，但其核心逻辑——基于瞬态特征的故障诊断与AI算法应用，对阳光电源具有重要参考价值。在风电变流器及电动汽车充电桩的功率模块驱动控制中，通过引入类似的深度学习诊断模型，可实现对功率器件及关键连接点的早期故障预警。建议研发团队关注该算法...