找到 80 条结果
基于神经网络的电力电子资源主导型电力系统不确定性感知稳定性分析
Uncertainty-Aware Stability Analysis of IBR-Dominated Power System With Neural Networks
Galadrielle Humblot-Renaux · Yang Wu · Sergio Escalera · Thomas B. Moeslund 等6人 · IEEE Transactions on Power Electronics · 2025年11月
机器学习技术在加速电力电子资源（IBR）主导的电力系统稳定性筛选方面潜力巨大。然而，基于神经网络的方法在面对未见过的运行场景时，难以保证预测的准确性和可靠性，存在安全隐患。本文提出了一种不确定性感知方法，以提升神经网络在电力系统稳定性评估中的可靠性。
解读: 随着阳光电源组串式逆变器和PowerTitan等储能系统在全球电网中的渗透率提升，系统稳定性分析变得日益复杂。该研究提出的不确定性感知神经网络方法，能够有效解决传统AI模型在复杂电网环境下（如弱电网）泛化能力不足的问题。建议将此技术集成至iSolarCloud智能运维平台，用于实时监测电网稳定性风险...
基于人工智能的电力电子变换器开路故障诊断：最新进展与未来展望
Artificial Intelligence-Based Open-Circuit Fault Diagnosis for Power Electronic Converters: Recent Advances and Future Prospects
Kangli Liu · Jingyang Zhou · Cheng Jin · Peng Chen 等5人 · IEEE Transactions on Power Electronics · 2026年3月
本文探讨了人工智能（AI）在电力电子变换器开路故障诊断中的应用。针对变换器故障定位与识别这一关键问题，AI算法提供了高效的新型解决方案，对保障电力电子系统的稳定运行具有重要意义。
解读: 故障诊断技术是提升阳光电源产品可靠性的核心。对于组串式/集中式光伏逆变器及PowerTitan/PowerStack储能系统，引入AI驱动的开路故障诊断算法，可实现故障的实时预警与精准定位，显著降低运维成本（O&M），提升iSolarCloud平台的智能化水平。建议研发团队将该技术集成至功率模块驱动...
一种用于三相逆变器IGBT开路故障诊断的可迁移数据驱动方法
A Transferrable Data-Driven Method for IGBT Open-Circuit Fault Diagnosis in Three-Phase Inverters
Yang Xia · Yan Xu · IEEE Transactions on Power Electronics · 2021年12月
本文提出了一种新型可迁移数据驱动故障诊断方法，旨在解决机器学习模型在不同参数逆变器系统间泛化能力差的问题。该方法通过迁移学习技术，使在单一故障数据库上训练的模型能够准确应用于拓扑相同但参数不同的电力电子转换器系统，提升了故障诊断的鲁棒性。
解读: 该技术对阳光电源的核心产品线（组串式/集中式光伏逆变器、储能变流器PCS）具有极高的应用价值。目前逆变器在不同功率等级和应用场景下参数差异大，传统故障诊断模型需针对每种机型重新训练，成本高昂。该可迁移诊断方法能显著降低研发与运维成本，提升iSolarCloud智能运维平台在处理复杂工况下的故障定位精...
一种用于检测光伏电站虚假数据注入攻击的联邦学习框架
A Federated Learning Framework for Detecting False Data Injection Attacks in Solar Farms
Liang Zhao · Jiaming Li · Qi Li · Fangyu Li · IEEE Transactions on Power Electronics · 2022年3月
随着光伏系统接入智能电网，网络安全威胁日益严峻。基于数据驱动的机器学习方法在电力电子设备攻击检测中表现优异，但集中式处理存在效率瓶颈。本文提出一种联邦学习框架，在保护数据隐私的同时，实现对光伏电站虚假数据注入攻击的有效检测，提升了系统的安全性与鲁棒性。
解读: 该研究对于阳光电源的iSolarCloud智能运维平台具有重要参考价值。随着光伏电站规模扩大，数据隐私与网络安全成为运维痛点，联邦学习技术可实现分布式模型训练，在不上传原始电站数据的前提下提升逆变器及储能系统的故障诊断与安全防御能力。建议将此框架集成至PowerTitan等大型储能系统及组串式逆变器...
基于多域迁移学习的电池健康状态估计
Battery Health Estimation Based on Multidomain Transfer Learning
Hanmin Sheng · Biplob Ray · Shaben Kayamboo · Xintao Xu 等5人 · IEEE Transactions on Power Electronics · 2024年4月
机器学习在电池健康状态（SOH）估计中具有显著优势，但面临数据分布差异带来的概念漂移挑战。本文提出一种多域迁移学习方法，旨在解决训练集与测试集分布不一致的问题，从而提升电池SOH估计的准确性与鲁棒性。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack系列）具有极高价值。电池健康状态（SOH）的精准评估是提升储能系统全生命周期经济性的核心。目前储能电站面临工况复杂、数据分布差异大的挑战，引入多域迁移学习算法，可显著提升iSolarCloud平台对大规模储能电站的运维精度，减少电...
基于域对抗迁移学习的锂离子电池健康状态估计
State-of-Health Estimation for Lithium-Ion Batteries Using Domain Adversarial Transfer Learning
Zhuang Ye · Jianbo Yu · IEEE Transactions on Power Electronics · 2022年3月
锂离子电池健康状态（SOH）估计是电池管理系统的核心。针对现有模型在不同工况下泛化能力差的问题，本文提出一种基于域对抗迁移学习的方法。通过在不同工况数据集间进行特征对齐，有效解决了训练集与测试集分布不一致的挑战，显著提升了电池SOH估计的准确性与鲁棒性。
解读: 该技术对阳光电源的PowerTitan和PowerStack等大型储能系统至关重要。目前储能电站面临复杂多变的运行工况，基于域对抗迁移学习的SOH估计方法，能够显著提升iSolarCloud平台对电池全生命周期的精细化管理能力。通过解决不同工况下的数据分布差异，该算法可增强BMS对电池衰减趋势的预测...
用于永磁同步电机转子温度估计的梯度提升决策树
Gradient Boosting Decision Tree for Rotor Temperature Estimation in Permanent Magnet Synchronous Motors
Hao Jing · Zifeng Chen · Xinghao Wang · Xueqing Wang 等7人 · IEEE Transactions on Power Electronics · 2023年9月
随着永磁同步电机功率密度的提升，电机发热问题日益严重，精确的转子温度监测对于防止永磁体退磁至关重要。传统热模型依赖复杂的电机设计与热力学参数，获取难度大。本文提出利用梯度提升决策树（GBDT）算法，在无需深入热力学建模的情况下，实现对转子温度的精确估计。
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一定关联。在风电变流器中，电机侧的温度监测对于提升系统可靠性至关重要；在电动汽车充电桩的功率模块散热管理或未来潜在的电机驱动业务中，基于机器学习的温度估计可替代昂贵的传感器，降低硬件成本并提高系统鲁棒性。建议研发团队关注...
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...
数据驱动的同步电机驱动连续集预测电流控制
Data-Driven Continuous-Set Predictive Current Control for Synchronous Motor Drives
Paolo Gherardo Carlet · Andrea Favato · Saverio Bolognani · Florian Dorfler · IEEE Transactions on Power Electronics · 2022年6月
本文探讨了从基于模型的控制向数据驱动最优控制策略的转变。针对电机驱动领域，提出了一种数据驱动的连续集模型预测电流控制方法，旨在克服传统预测控制对电机参数精确模型的依赖，提升控制系统的鲁棒性与动态性能。
解读: 该技术主要针对电机驱动控制，虽然阳光电源核心业务侧重于光伏逆变器和储能变流器（PCS），但其底层控制逻辑与电机驱动中的电流预测控制具有高度同源性。该数据驱动控制策略可应用于阳光电源的组串式逆变器及PowerTitan储能变流器的电流环优化，通过减少对电感等参数的依赖，提升在弱电网或复杂工况下的并网电...
一种基于自适应二次采样的多相驱动系统机器学习故障诊断方法
A Machine-Learning-Based Fault Diagnosis Method With Adaptive Secondary Sampling for Multiphase Drive Systems
Zicheng Liu · Lanlan Fang · Dong Jiang · Ronghai Qu · IEEE Transactions on Power Electronics · 2022年8月
针对多相电机定子相位排布多样性导致现有故障诊断方法通用性差的问题，本文提出了一种基于自适应二次采样滤波的机器学习故障诊断方法。该方法有效提升了多相驱动系统在复杂工况下的故障识别精度与鲁棒性，并通过实验验证了其在多相电机系统中的有效性。
解读: 该技术主要针对多相电机驱动系统，虽然与阳光电源核心的光伏逆变器和储能PCS（通常为三相）存在差异，但其核心的“自适应二次采样”与“机器学习故障诊断”逻辑对iSolarCloud智能运维平台具有重要参考价值。在风电变流器及大功率电机驱动领域，该方法可提升设备运行状态的实时监测精度，降低误报率。建议研发...
基于LPTN信息神经网络的永磁同步电机多节点温度估计混合热建模
Hybrid Thermal Modeling With LPTN-Informed Neural Network for Multinode Temperature Estimation in PMSM
Zirui Liu · Wubin Kong · Xinggang Fan · Zimin Li 等6人 · IEEE Transactions on Power Electronics · 2024年9月
针对永磁同步电机（PMSM）在有限训练数据下多节点温度估计精度不足的问题，本文提出了一种结合集总参数热网络（LPTN）与神经网络的混合建模方法。该方法通过将物理模型（LPTN）引入神经网络，有效解决了高阶热网络参数辨识及模型不确定性问题，实现了更精确的温度监测。
解读: 该技术主要针对电机驱动领域，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关联。在风电变流器中，功率模块与电机的热管理直接影响系统的可靠性与寿命；在充电桩领域，该混合建模方法可用于提升功率模块及关键部件的实时热状态感知精度，从而优化过温保护策略，提升产品在极端工况下的可靠性。建议研发团队关...
机器学习驱动的无线电能传输线圈与磁芯联合结构优化以增强互感并减少铁氧体体积
Machine Learning-Driven Joint Structuring of WPT Coil and Core for Enhanced Mutual Inductance and Reduced Ferrite Volume
Fawad · Syed Ahson Ali Shah · Yohan Park · Yun-Su Kim · IEEE Transactions on Power Electronics · 2025年10月
本文提出了一种集成优化方法，利用机器学习算法对无线电能传输（WPT）系统的线圈和磁芯进行联合设计。该研究旨在通过优化几何结构，在提升发射端与接收端之间互感的同时，有效降低铁氧体磁芯的体积，从而提升系统功率密度与效率。
解读: 该技术主要针对无线充电领域，与阳光电源的电动汽车充电桩业务具有潜在协同效应。虽然目前阳光电源以有线充电桩为主，但随着大功率无线充电技术在电动重卡及乘用车领域的商业化进程，该机器学习驱动的联合优化方法可用于提升充电模块的功率密度和磁性元件效率。建议研发团队关注该方法在磁性元件设计自动化（EDA）中的应...
基于学习的电力变换器执行器FDI攻击下弹性FCS-MPC控制
Learning-Based Resilient FCS-MPC for Power Converters Under Actuator FDI Attacks
Xing Liu · Lin Qiu · José Rodríguez · Kui Wang 等6人 · IEEE Transactions on Power Electronics · 2024年10月
本文提出了一种基于学习的弹性预测控制框架，结合变步长事件触发机制，旨在应对执行器虚假数据注入（FDI）攻击，减少不必要的触发事件并提升系统鲁棒性。该方法通过优化控制策略，有效改善了系统在遭受攻击及参数扰动下的动态性能。
解读: 该研究针对电力电子变换器的网络安全与鲁棒控制，对阳光电源的核心产品线具有重要价值。随着光伏逆变器和PowerTitan/PowerStack储能系统在电网中渗透率提升，系统面临的网络安全威胁（如FDI攻击）日益严峻。该基于学习的弹性FCS-MPC控制策略，能够显著提升设备在复杂电网环境下的抗干扰能力...
MagNet-AI：作为磁性元件建模与材料推荐数据表的神经网络
MagNet-AI: Neural Network as Datasheet for Magnetics Modeling and Material Recommendation
Haoran Li · Diego Serrano · Shukai Wang · Minjie Chen · IEEE Transactions on Power Electronics · 2023年12月
本文介绍了MagNet-AI平台，该平台展示了“神经网络作为数据表”的概念，用于实现宽运行范围内功率磁性元件的B-H环路建模与材料推荐。研究摒弃了直接展示磁芯材料测量特性的传统方式，转而利用神经网络捕捉B-H环路映射关系，为磁性元件设计提供了高效的数字化解决方案。
解读: 磁性元件（电感、变压器）是阳光电源组串式/集中式光伏逆变器及PowerTitan/PowerStack储能变流器（PCS）的核心损耗部件。MagNet-AI提出的‘神经网络作为数据表’概念，可显著提升研发阶段磁性元件的设计精度与选型效率，优化高频化趋势下的磁芯损耗评估。建议研发团队引入该AI建模方法...
基于数据驱动机器学习框架的功率循环测试下IGBT模块失效模式分类
Failure Mode Classification of IGBT Modules Under Power Cycling Tests Based on Data-Driven Machine Learning Framework
Xin Yang · Yue Zhang · Xinlong Wu · Guoyou Liu · IEEE Transactions on Power Electronics · 2023年12月
在功率循环测试（PCT）中预先识别IGBT模块的失效模式至关重要，这不仅有助于精确应用失效物理寿命预测方法，还能优化IGBT设计。然而，针对不同IGBT模块建立准确且通用的离线失效模式分类方法仍具挑战。本文提出了一种基于数据驱动机器学习的框架，旨在实现高效、准确的失效模式分类。
解读: IGBT模块是阳光电源组串式/集中式光伏逆变器、PowerTitan/PowerStack储能变流器及风电变流器的核心功率器件。该研究提出的数据驱动失效分类方法，能显著提升公司对核心功率器件在极端工况下的可靠性评估能力。建议将此机器学习框架集成至iSolarCloud智能运维平台或研发测试环节，通过...
基于机器学习的高频BH曲线测量探头偏斜校正
Machine-Learning-Based Probe Skew Correction for High-Frequency BH Loop Measurements
Yakun Wang · Song Liu · Jun Wang · Binyu Cui 等5人 · IEEE Transactions on Power Electronics · 2025年10月
在高频PWM变换器中，磁性元件的特性表征至关重要。BH曲线测量是分离磁芯损耗的主要电学方法，但极易受到探头相位偏斜的影响。本文提出一种基于机器学习的校正方法，作为传统硬件去偏斜技术的替代方案，有效提升了高频磁性元件损耗测量的准确性。
解读: 磁性元件（电感、变压器）是阳光电源组串式逆变器、PowerTitan储能变流器及电动汽车充电桩的核心部件。随着产品向高频化、高功率密度发展，磁芯损耗的精确测量直接影响效率优化与热设计。该研究提出的机器学习校正方法，可集成至公司研发中心的功率测试平台，提升对SiC/GaN高频变换器中磁性元件的建模精度...
基于机器学习的并网逆变器增强稳定性和动态性能的正向设计方法
Machine Learning-Based Forward Design Approach for Grid-Connected Inverters With Enhanced Stability and Dynamic Performance
Longxiang You · Xin Zhang · Sicong Jin · Moude Luan · IEEE Transactions on Power Electronics · 2025年10月
针对并网逆变器在弱电网下易发生级联失稳的问题，本文提出一种基于机器学习的正向设计方法。该方法在设计阶段即综合考虑了系统的级联稳定性与动态响应性能，通过机器学习模型优化控制参数，有效提升了逆变器在复杂电网环境下的运行稳定性和动态调节能力。
解读: 该研究直接契合阳光电源组串式逆变器及集中式逆变器在弱电网环境下的并网需求。随着全球光伏渗透率提升，电网强度降低，逆变器的稳定性设计面临挑战。该方法可应用于阳光电源iSolarCloud智能运维平台的数据积累，通过机器学习优化逆变器控制参数库，提升产品在弱电网下的适应性。建议研发团队将此正向设计方法集...
一种基于自适应滑动窗口的WRSM驱动系统逆变器开路故障在线数据驱动诊断方法
An Adaptive Sliding Window-Based Online Data-Driven Diagnosis Method for Inverter Open-Circuit Fault in WRSM Drive Systems
Chenyun Wu · Rabia Sehab · Javier Ojeda · Ahmad Akrad 等5人 · IEEE Transactions on Power Electronics · 预计 2026年5月
本文提出了一种针对三相逆变器的实时开路故障诊断策略，结合自适应滑动窗口（ASWIN）方法与机器学习算法，实现了22种状态分类。该方法不仅涵盖了静态单故障，还针对现有文献中较少涉及的非平稳故障模式进行了有效诊断。
解读: 该技术对阳光电源的核心产品线（组串式/集中式光伏逆变器、储能PCS）具有极高的应用价值。逆变器开路故障是影响系统可靠性的关键因素，该方法通过机器学习实现快速诊断，可显著提升iSolarCloud智能运维平台的故障预警与定位精度，降低运维成本。建议研发团队将其集成至逆变器底层控制固件中，利用ASWIN...
一种针对低质量数据下三相逆变器功率开关开路故障诊断的鲁棒数据驱动方法
A Robust Data-Driven Method for Open-Circuit Fault Diagnosis of Power Switches in Three-Phase Inverters With Low-Quality Data
Yang Xia · Yan Xu · IEEE Transactions on Power Electronics · 2025年4月
机器学习在功率变换器故障诊断中展现出巨大潜力，但实际应用中传感器数据常受噪声或缺失影响，导致模型性能下降。本文提出了一种鲁棒的数据驱动方法，专门解决低质量数据环境下的功率开关开路故障诊断问题，提高了诊断模型的可靠性与鲁棒性。
解读: 该技术对阳光电源的核心产品线（组串式/集中式光伏逆变器、PowerTitan/PowerStack储能系统及风电变流器）具有极高的应用价值。在实际电站运行中，传感器噪声和数据丢失是影响运维准确性的痛点。引入该鲁棒性诊断算法，可显著提升iSolarCloud智能运维平台对功率模块故障的预判能力，减少误...
基于可视化单循环数据的锂离子电池循环寿命超早期预测
Ultra-Early Prediction of Lithium-Ion Battery Cycle Life Based on Visualized Single-Cycle Data
Wenjin Yang · Fanqi Min · Jingying Xie · Hengzhao Yang · IEEE Transactions on Power Electronics · 2025年5月
本文提出了一种基于电池运行超早期单次充放电循环可视化数据的循环寿命预测框架。通过滑动窗口法将原始序列数据转化为图像，并利用欧几里得距离等方法进行特征提取，实现了对电池寿命的早期精准预测。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack及ST系列PCS）具有极高的应用价值。通过在电池运行初期实现寿命的超早期预测，可显著优化BMS的健康状态（SOH）评估算法，提升储能电站的运维效率。建议将此可视化预测模型集成至iSolarCloud平台，通过大数据分析实现储能资...
第 2 / 4 页