找到 22 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...
基于物理增强分层神经网络的电力变换器深度学习建模
Deep Learning-Based Modeling for Power Converters via Physics-Enhanced Hierarchical Neural Network
Qianyi Shang · Fei Xiao · Yaxiang Fan · Ruitian Wang 等5人 · IEEE Transactions on Power Electronics · 2026年4月
针对电力变换器时间序列建模中数据依赖性高、物理信息神经网络计算需求大及泛化能力差的问题，本文提出了一种物理增强的分层神经网络方法，旨在提升变换器建模的效率与精度，为电力电子系统的智能化建模提供新思路。
解读: 该技术对阳光电源的核心产品线具有显著价值。在光伏逆变器和PowerTitan/PowerStack储能变流器（PCS）的研发中，传统的物理建模在复杂工况下计算量大，而纯数据驱动模型缺乏物理约束。该物理增强分层神经网络能有效结合物理规律与AI算法，提升逆变器在电网波动、极端环境下的动态响应预测精度。建...
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...
基于可迁移知识共享网络的锂离子电池SOH与RUL同步预测
Simultaneous Prediction of SOH and RUL for Lithium-Ion Batteries Using Transferable Knowledge Sharing Network
Kai Zhong · Zhihao Liu · Jiaqiang Tian · Chao Fan 等8人 · IEEE Transactions on Power Electronics · 2025年9月
锂离子电池的健康状态（SOH）和剩余使用寿命（RUL）预测对电力系统的安全运行至关重要。针对现有方法在泛化能力、预测精度及多任务协同方面的不足，本文提出了一种可迁移知识共享网络，实现了SOH与RUL的同步预测，有效提升了复杂工况下的预测性能。
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。通过引入可迁移知识共享网络，BMS系统能够更精准地评估电池衰减状态，提升电池全生命周期的安全性与运维效率。建议将该算法集成至iSolarCloud智能运维平台，通过大数据分析实现电池簇的精细化管理，...
结合元学习与CNN-LSTM算法的锂离子电池健康状态估计
Combined Meta-Learning With CNN-LSTM Algorithms for State-of-Health Estimation of Lithium-Ion Battery
Tiancheng Ouyang · Yingying Su · Chengchao Wang · Song Jin · IEEE Transactions on Power Electronics · 2024年8月
针对锂离子电池实际运行工况复杂导致健康状态（SOH）估计泛化能力差的问题，本文提出了一种结合元学习与CNN-LSTM的SOH估计方法。该方法通过元学习框架提升模型在不同工况下的适应性，有效解决了传统深度学习模型对大规模数据依赖及泛化性不足的难题。
解读: 该技术对阳光电源的PowerTitan和PowerStack等储能系统至关重要。目前BMS在全生命周期SOH预测上存在精度与泛化性的平衡难题，元学习算法能显著提升系统在不同环境温度、充放电倍率下的电池寿命评估准确度。建议将此算法集成至iSolarCloud智能运维平台，通过云端大数据训练与边缘侧BM...
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...
基于时频域深度卷积神经网络的锂离子电池SoC估计
Time–Frequency Domain Deep Convolutional Neural Network for Li-Ion Battery SoC Estimation
Ki-Hyeon Kim · Koog-Hwan Oh · Hyo-Sung Ahn · Hyun-Duck Choi · IEEE Transactions on Power Electronics · 2024年1月
针对电动汽车、无人机及不间断电源等应用，SoC估计至关重要。本文提出一种基于时频域的深度神经网络用于电池SoC估计。与仅在时域操作或使用一维卷积提取特征的传统研究不同，该方法通过时频分析提升了估计精度与鲁棒性。
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BMS算法多依赖于传统的安时积分或卡尔曼滤波，在复杂工况下精度受限。引入时频域深度学习算法，可显著提升储能系统在全生命周期内的SoC估计精度，从而优化电池均衡策略，延长系统寿命，并提升iSola...
基于学习率优化的深度全卷积网络锂离子电池SOC估计
SOC Estimation of Li-ion Batteries With Learning Rate-Optimized Deep Fully Convolutional Network
M. A. Hannan · D. N. T. How · M. S. Hossain Lipu · Pin Jern Ker 等7人 · IEEE Transactions on Power Electronics · 2021年7月
本文提出了一种深度全卷积网络（DFCN）模型，直接利用电压、电流和温度数据估计锂离子电池的荷电状态（SOC）。通过引入学习率优化策略，该模型在恒定及变温环境下均表现出优异的SOC估计精度，为电池管理系统提供了高效的算法支撑。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack及户用储能系统）具有极高价值。SOC估计的精度直接决定了储能系统的可用容量和安全性。通过引入深度全卷积网络（DFCN）及学习率优化策略，可显著提升BMS在复杂工况（如变温、动态充放电）下的SOC估算准确度，从而优化电池均衡策略，...
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...
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...
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...
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...
基于异常发热与深度学习算法的电动汽车电池热失控故障预测
Battery Thermal Runaway Fault Prognosis in Electric Vehicles Based on Abnormal Heat Generation and Deep Learning Algorithms
Da Li · Peng Liu · Zhaosheng Zhang · Lei Zhang 等9人 · IEEE Transactions on Power Electronics · 2022年7月
针对电动汽车在复杂工况下电池热失控预测难的问题，本文提出了一种基于异常发热（AHG）的预测模型。该模型结合长短期记忆网络（LSTM）等深度学习算法，能够有效识别电池异常状态，提升电动汽车运行安全性。
解读: 该研究对阳光电源的储能系统（如PowerTitan、PowerStack）具有重要参考价值。储能系统本质上是大规模电池组的集成，热失控监测是BMS的核心安全功能。通过引入基于异常发热的深度学习预测模型，阳光电源可优化iSolarCloud平台的电池健康状态（SOH）评估与预警算法，从单纯的阈值报警升...
基于物联网的DC/DC深度学习功率变换器控制：实时实现
IoT-Based DC/DC Deep Learning Power Converter Control: Real-Time Implementation
Meysam Gheisarnejad · Mohammad Hassan Khooban · IEEE Transactions on Power Electronics · 2020年12月
本文提出了一种基于物联网（IoT）的模块化智能电网架构，将物联网技术集成至DC/DC变换器中，以构建单电压总线的可编程电网。该架构利用低成本计算硬件实现了对物联网电网的有效控制与管理，并针对系统不确定性，研究了基于深度学习的实时控制策略。
解读: 该研究探讨的深度学习控制策略与阳光电源的iSolarCloud智能运维平台及PowerTitan/PowerStack储能系统中的PCS控制逻辑具有高度协同潜力。通过在DC/DC环节引入深度学习算法，可显著提升储能系统在复杂工况下的动态响应速度与效率。建议研发团队关注该技术在轻量化硬件上的部署方案，...
基于注意力机制的永磁同步电机转子温度估计深度学习方法
Attention-Based Deep Learning Method for Rotor Temperature Estimation in Permanent Magnet Synchronous Motors
Hao Jing · Zifeng Chen · Lefei Ge · Xueqing Wang 等5人 · IEEE Transactions on Power Electronics · 2026年3月
永磁同步电机转子温度的实时精准估计对系统安全高效运行至关重要。本文提出了一种基于注意力机制的深度学习框架，旨在解决实际部署中面临的模型效率、稳定性及实现难度等挑战。通过轻量级编码器-GRU架构，该方法在性能评估中表现优异。
解读: 该技术主要应用于电机驱动控制领域，与阳光电源的风电变流器及电动汽车充电桩业务具有较强的技术协同性。在风电变流器中，电机转子温度的精准监测可提升变流器的热管理水平，预防过热故障，从而提高系统可靠性。在电动汽车充电桩业务中，该算法可用于优化充电模块内部风机或功率器件的温控策略。建议研发团队关注该轻量化深...
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...
基于贝叶斯优化残差CNN的永磁同步电机匝间短路故障估计
On Bayesian Optimization-Based Residual CNN for Estimation of Inter-Turn Short Circuit Fault in PMSM
Qiang Song · Mingsheng Wang · Wuxuan Lai · Sifang Zhao · IEEE Transactions on Power Electronics · 2023年2月
本文提出了一种基于贝叶斯优化（BO）的残差卷积神经网络（CNN）算法，用于永磁同步电机（PMSM）匝间短路（ITSC）故障的早期诊断。该方法通过优化CNN结构提升了故障特征提取能力，有效解决了传统CNN在电机故障诊断中应用面临的挑战，提高了电机运行的安全性与可靠性。
解读: 该技术主要针对电机驱动系统的故障诊断，与阳光电源的风电变流器及电动汽车充电桩业务具有一定的技术关联性。虽然阳光电源目前核心业务侧重于电力电子变换，但随着风电变流器向高可靠性、智能化运维方向发展，引入基于深度学习的故障预测与健康管理（PHM）技术是提升产品竞争力的关键。建议研发团队关注该算法在变流器功...
第 1 / 2 页