找到 26 条结果 · 智能化与AI应用
面向多模态逆变系统早期故障检测的通道注意力共享-独占解耦表征学习
Shared-Exclusive Disentangled Representation Learning With Channel Attention for Incipient Fault Detection in Multimode Power Inverter Systems
Shuihui Rao · Yu Shuai · Zhihua Xiong · Min Wang · IEEE Transactions on Power Electronics · 预计 2026年5月
逆变系统在复杂多模态下运行，数据分布差异大，导致故障检测困难。本文提出了一种基于通道注意力的共享-独占解耦表征学习方法，旨在有效区分模态不变特征与模态特异性特征，从而提升多工作场景下的逆变器早期故障检测精度。
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。阳光电源的组串式及集中式逆变器在不同光照、温度及电网环境下运行，属于典型的多模态系统。该研究提出的解耦表征学习方法，能有效解决传统算法在多工况下误报率高的问题，显著提升逆变器早期故障的预警准确性。建议将此算法集成至iSolarC...
基于I-V曲线变形特征与计算机视觉的光伏组件故障诊断
PV Module Fault Diagnosis Based on I–V Curve Deformation Characteristics and Computer Vision
Lingxiang Zhang · Kun Xia · Po Xu · Yibo Yu 等5人 · IEEE Transactions on Power Electronics · 2026年3月
本文针对光伏组件早期故障诊断问题，提出了一种基于三二极管模型分析I-V曲线变形特征的新方法。不同于传统仅提取特征点的方式，该研究利用计算机视觉技术全面捕捉曲线形态变化，实现了更精准的故障识别，有效降低了运维成本。
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。通过将基于计算机视觉的I-V曲线分析算法集成至iSolarCloud，可实现对组串式逆变器和集中式逆变器接入的光伏阵列进行远程、自动化的故障预警与诊断，无需人工现场巡检即可精准定位遮挡、老化或隐裂等问题。建议研发团队将此算法模型...
一种用于跨多种变换器类型的多任务故障诊断的由粗到精神经网络框架
A Coarse-to-Fine Neural Network Framework for Multitask Fault Diagnosis Across Diverse Converter Types
Fan Wu · Kai Chen · Hao Ying · Gen Qiu 等5人 · IEEE Transactions on Power Electronics · 2025年9月
本文提出了一种基于多任务神经网络的联合故障诊断模型，旨在解决多种变换器类型下的故障诊断问题。该方法通过由粗到精的策略，有效提取共享故障特征，提升了诊断性能并降低了开发成本，为开发便携式、通用化的智能诊断工具提供了新思路，克服了传统方法中负迁移带来的挑战。
解读: 该技术对于阳光电源的iSolarCloud智能运维平台具有极高的应用价值。阳光电源产品线涵盖光伏逆变器、储能PCS（如PowerTitan/PowerStack）及风电变流器等多种设备，该框架通过多任务学习实现跨设备类型的故障诊断，能显著降低针对不同产品线单独开发诊断算法的成本。建议将其集成至iSo...
电力电子数字孪生技术综述：现状与未来趋势
An Overview of Digital Twin Technology for Power Electronics: State-of-the-Art and Future Trends
Chenhao Wu · Zhexin Cui · Qian Xia · Jiguang Yue 等5人 · IEEE Transactions on Power Electronics · 2025年9月
本文综述了数字孪生（DT）技术在电力电子系统中的应用现状。随着数字化转型加速，DT技术成为提升系统信息化与智能化水平的关键，涵盖了从建模、实时监测到故障预测的多种前沿技术，为电力电子系统的全生命周期管理提供了新范式。
解读: 数字孪生技术是阳光电源实现产品全生命周期智能运维的核心。在iSolarCloud平台中，引入数字孪生可实现组串式逆变器和PowerTitan储能系统的实时状态镜像，通过多物理场耦合仿真，精准预测功率模块及电芯的健康状态（SOH）。建议在PowerStack储能系统及大型光伏电站中部署基于DT的故障诊...
基于电流-电压转换的光伏阵列故障预诊断、类型识别及程度诊断方法
Fault Prediagnosis, Type Identification, and Degree Diagnosis Method of the Photovoltaic Array Based on the Current–Voltage Conversion
Xiang Chen · Meng Jiang · Kun Ding · Zenan Yang 等7人 · IEEE Transactions on Power Electronics · 2024年12月
本文提出了一种基于电流-电压（I-V）转换的光伏阵列故障诊断方法。通过I-V转换技术消除环境条件对数据的影响，为故障预诊断、类型识别及程度评估提供了可靠的数据基础，有效提升了光伏电站的运维效率与安全性。
解读: 该技术对于阳光电源的iSolarCloud智能运维平台具有极高的应用价值。通过将该故障诊断算法集成至iSolarCloud，可实现对组串式及集中式逆变器接入的光伏阵列进行远程实时监测与故障预警，显著降低运维成本。该方法通过消除环境干扰，能精准识别遮挡、老化或短路等故障类型，有助于提升阳光电源大型地面...
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...
基于多层长短期记忆网络的光伏电站数据完整性攻击检测与诊断
Detection and Diagnosis of Data Integrity Attacks in Solar Farms Based on Multilayer Long Short-Term Memory Network
Fangyu Li · Qi Li · Jinan Zhang · Jiabao Kou 等7人 · IEEE Transactions on Power Electronics · 2021年3月
随着光伏系统数字化程度提高，网络安全威胁日益严峻。本文提出一种基于深度序列学习的诊断方案，利用多层长短期记忆网络（LSTM）检测并识别光伏电站中的数据完整性攻击，为电力电子变换器的网络物理安全提供有效防护。
解读: 随着阳光电源iSolarCloud平台接入规模的扩大，电站数据安全已成为运维核心。该研究提出的多层LSTM诊断模型可直接集成至iSolarCloud的智能运维算法库中，用于实时监测组串式逆变器及PowerTitan储能系统的遥测数据异常。通过识别数据完整性攻击，可有效防止恶意指令导致的逆变器误动作或...
考虑积尘影响的混合人工蜂群算法与半监督极限学习机光伏故障诊断设计
Design of Hybrid Artificial Bee Colony Algorithm and Semi-Supervised Extreme Learning Machine for PV Fault Diagnoses by Considering Dust Impact
Jun-Ming Huang · Rong-Jong Wai · Geng-Jie Yang · IEEE Transactions on Power Electronics · 2020年7月
户外光伏系统易受积尘等环境因素影响，导致发电效率下降及潜在安全隐患。本文提出一种结合混合人工蜂群算法与半监督极限学习机的故障诊断方法，旨在精准识别光伏系统异常状态，为运维决策及清洗方案提供技术支持，有效降低运维成本并提升系统安全性。
解读: 该研究直接赋能阳光电源iSolarCloud智能运维平台。通过引入混合人工蜂群算法与半监督学习，可显著提升组串式及集中式逆变器在复杂环境下的故障识别精度，特别是针对积尘导致的非硬性故障进行精准预警。这不仅能减少人工巡检成本，还能通过智能清洗策略优化，提升地面及工商业光伏电站的发电收益。建议将该算法模...
分布式光伏系统故障诊断的数字孪生方法
A Digital Twin Approach for Fault Diagnosis in Distributed Photovoltaic Systems
Palak Jain · Jason Poon · Jai Prakash Singh · Costas Spanos 等6人 · IEEE Transactions on Power Electronics · 2020年1月
本文针对屋顶及建筑集成分布式光伏系统，提出了一种用于故障诊断的数字孪生设计方法。通过构建光伏能量转换系统的数字孪生模型，实现对系统可测量特征输出的实时估计，并结合数学分析、仿真研究与实验验证，有效提升了分布式光伏系统的故障检测与诊断能力。
解读: 该数字孪生技术与阳光电源iSolarCloud智能运维平台高度契合。通过在云端构建组串式逆变器及户用光伏系统的数字孪生模型，可实现从“被动报警”向“主动预测性维护”的跨越。建议将此技术集成至iSolarCloud，利用实时数据与孪生模型比对，精准定位组件级故障（如遮挡、热斑、组串失配），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...
电动汽车锂离子电池数据驱动故障溯源
A Data-Driven Fault Tracing of Lithium-Ion Batteries in Electric Vehicles
Shuhui Wang · Zhenpo Wang · Jinquan Pan · Zhaosheng Zhang 等5人 · IEEE Transactions on Power Electronics · 2024年12月
针对电动汽车锂离子电池火灾隐患，本文提出了一种基于全生命周期充电数据的大数据驱动故障溯源框架。通过随机森林算法挖掘并自动筛选与故障强相关的电压特征，实现对电池故障的精准识别与溯源，为提升电池系统安全性提供了有效的数据驱动方案。
解读: 该研究提出的数据驱动故障溯源方法与阳光电源的储能业务高度契合。阳光电源的PowerTitan和PowerStack系列储能系统均配备先进的BMS，通过引入此类机器学习算法，可显著提升对电芯级异常的预判能力，从“事后报警”转向“事前预防”。建议将该技术集成至iSolarCloud智能运维平台，利用海量...
基于轻量级多源信息数据层融合的永磁同步电机系统故障诊断改进方法
Improved Fault Diagnosis Method for Permanent Magnet Synchronous Machine System Based on Lightweight Multisource Information Data Layer Fusion
Jun Hang · Gaopeng Qiu · Menglu Hao · Shichuan Ding · IEEE Transactions on Power Electronics · 2024年10月
针对永磁同步电机（PMSM）系统，本文提出了一种基于轻量级多源信息数据层融合的故障诊断方法。传统深度学习方法多依赖单源信号，导致诊断性能受限。该方法通过多源数据融合与轻量化模型设计，有效提升了故障特征提取能力与诊断精度，适用于对实时性与可靠性要求较高的电机驱动系统。
解读: 该技术对阳光电源的风电变流器及电动汽车驱动系统具有重要参考价值。风电变流器作为风电机组的核心，其电机侧控制的可靠性至关重要。通过引入多源信息融合与轻量化AI诊断模型，阳光电源可提升iSolarCloud平台在风电及驱动系统中的预测性维护能力，实现故障的早期预警。建议将该轻量化算法部署于变流器主控芯片...
基于半监督少样本学习的大型数据中心VRLA电池故障诊断密集连接对比观测器
Densely-Connected Contrastive Observer for Fault Diagnosis of VRLA Battery in Large Data Center Based on Semisupervised Few-Shot Learning
Wenyi Liu · Shang Yue · Pu Yang · Ruixu Zhou 等5人 · IEEE Transactions on Power Electronics · 2024年10月
本文针对大型数据中心阀控式铅酸（VRLA）电池充放电数据稀疏及样本质量不佳的难题，提出了一种新型半监督少样本学习模型。该模型通过密集连接对比观测器，有效提升了复杂工况下电池故障诊断的准确性与鲁棒性，为数据中心后备电源系统的健康管理提供了新方案。
解读: 该研究聚焦于电池系统的故障诊断与健康管理，对阳光电源的PowerStack及PowerTitan系列储能系统具有重要参考价值。虽然本文针对的是VRLA电池，但其提出的‘半监督少样本学习’算法框架可迁移至锂电池BMS的故障预警中。在数据中心储能应用场景下，该技术能有效解决实际运行中故障样本稀缺的问题，...
一种基于极值样本熵的电动汽车锂离子电池微小短路故障诊断方法
An Applicable Minor Short-Circuit Fault Diagnosis Method for Automotive Lithium-Ion Batteries Based on Extremum Sample Entropy
Ziheng Mao · Xin Gu · Jinglun Li · Kailong Liu 等6人 · IEEE Transactions on Power Electronics · 2024年4月
保障锂离子电池模块安全是推广电动汽车的关键。在实际应用中，仅能获取模块总电压及单体最大/最小电压，导致现有方法难以诊断故障。本文提出一种基于极值样本熵的微小短路故障诊断方法，有效解决了在有限数据条件下对电动汽车电池模块进行故障诊断的难题。
解读: 该研究提出的基于极值样本熵的故障诊断算法，对于阳光电源的储能系统（PowerTitan、PowerStack）及BMS研发具有重要参考价值。储能系统在运行中同样面临单体电池微小短路难以早期发现的痛点，该方法在仅有有限监测数据的情况下即可实现诊断，能够显著提升阳光电源iSolarCloud平台对储能电...
基于自定义相空间重构图像驱动的少样本PMSM故障诊断
Custom Phase Space Reconstruction Image-Driven Fault Diagnosis for PMSM Under Few-Labeled Samples
Jinping Xie · Xiaofei Zhang · Derong Luo · Guojun Qin 等5人 · IEEE Transactions on Power Electronics · 2024年2月
针对现有电机故障诊断方法依赖大规模标注数据且忽略信号全局特征的问题，本文提出一种基于自定义双侧相空间重构（CDPSR）的图像驱动诊断方法。该方法通过将一维信号转化为二维图像，有效提取永磁同步电机（PMSM）的全局特征，在少样本条件下实现了高精度的故障诊断。
解读: 该技术对阳光电源的电机驱动类产品（如风电变流器）及iSolarCloud智能运维平台具有重要参考价值。风电变流器作为风电机组的核心，其功率模块与控制系统的可靠性至关重要。本文提出的少样本故障诊断技术，能够解决实际运行中故障样本稀缺的痛点，通过将信号转化为图像进行深度学习分析，可显著提升iSolarC...
基于自适应神经模糊推理系统
ANFIS）在逆变器中的应用：综述
Oscar Sánchez Vargas · Susana Estefany De León Aldaco · Jesús Aguayo Alquicira · Luis Gerardo Vela-Valdés 等5人 · IEEE Transactions on Power Electronics · 2024年1月
本文综述了自适应神经模糊推理系统（ANFIS）在工程领域的应用。ANFIS结合了人工神经网络的学习能力与模糊推理系统的表达能力，在逆变器控制、故障诊断及参数优化等方面展现出巨大潜力，为电力电子系统的智能化提供了有效手段。
解读: ANFIS技术在逆变器控制与诊断中的应用，对阳光电源的核心业务具有重要参考价值。在光伏逆变器领域，ANFIS可用于优化MPPT算法，提升复杂光照下的发电效率；在储能系统（如PowerTitan/PowerStack）中，可用于PCS的非线性控制，提升系统动态响应速度。此外，该技术在iSolarClo...
VWM-DCRNN：一种结合信号处理与深度学习的单相PWM整流器故障诊断方法
VWM-DCRNN: A Method of Combining Signal Processing With Deep Learning for Fault Diagnosis in Single-Phase PWM Rectifier
Na Qin · Tianwei Wang · Deqing Huang · Yiting You 等5人 · IEEE Transactions on Power Electronics · 2023年7月
本文提出了一种基于变分模态分解与卷积循环神经网络（VMD-DCRNN）的故障诊断方法，用于识别高速铁路牵引供电系统中单相PWM整流器的IGBT、二极管及串联谐振电路故障。该方法通过信号处理与深度学习的融合，有效提升了电力电子变换器故障检测的准确性与可靠性。
解读: 该研究提出的VMD-DCRNN故障诊断模型对阳光电源的核心业务具有重要参考价值。在光伏逆变器（尤其是组串式逆变器）和储能变流器（PCS）中，IGBT的健康状态监测是提升系统可靠性的关键。阳光电源可将此类深度学习算法集成至iSolarCloud智能运维平台或本地控制器中，实现对功率模块故障的早期预警和...
基于深度学习和改进RGB声学图像的永磁同步电机转子与轴承两阶段故障识别数字孪生系统
A Digital Twin System for Two-Stage PMSM Rotor and Bearing Faults Identification Based on Deep Learning and Improved-RGB Acoustic Image
Bochao Du · Wan Huang · Taoyong Li · Ruogu Hu 等6人 · IEEE Transactions on Power Electronics · 2025年1月
本文提出了一种基于声学信号的永磁同步电机（PMSM）六种转子及轴承故障诊断方法，并构建了基于物联网和云端的两阶段故障诊断数字孪生系统。第一阶段在电机边缘侧利用短时傅里叶变换和卷积神经网络进行初步诊断，实现了高效的故障识别与状态监测。
解读: 该技术在电机故障诊断与数字孪生领域的应用，对阳光电源的风电变流器及储能系统中的旋转部件（如冷却风扇、水泵）具有参考价值。通过引入边缘计算与深度学习，可提升iSolarCloud智能运维平台对关键辅机设备的预测性维护能力，减少非计划停机。建议研发团队关注声学信号特征提取技术，将其集成至现有变流器或储能...
基于人工智能技术的电机应用综述
Application of Artificial Intelligence-Based Technique in Electric Motors: A Review
Wangde Qiu · Xing Zhao · Andy Tyrrell · Suresh Perinpanayagam 等6人 · IEEE Transactions on Power Electronics · 2024年10月
电机在工业领域应用广泛，提升其综合性能一直是研究热点。随着人工智能（AI）技术的快速发展，越来越多的AI方法被应用于电机领域，以实现更优的控制、监测与优化。
解读: 该文献探讨的AI技术在电机控制与故障诊断方面的应用，对阳光电源的业务具有参考价值。在风电变流器领域，AI算法可用于发电机侧的预测性维护及复杂工况下的自适应控制；在储能系统（如PowerTitan）的冷却风扇电机及PCS内部功率模块的健康状态监测中，引入机器学习模型可显著提升系统可靠性。建议研发团队关...
第 1 / 2 页