← 返回
基于神经网络模型的实心与利兹线PCB绕组非隔离临界软开关变换器电感设计
Inductor Design for Nonisolated Critical Soft Switching Converters Using Solid and Litz PCB and Wire Windings Leveraging Neural Network Model
| 作者 | Liwei Zhou · Matthias Preindl |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年3月 |
| 技术分类 | 拓扑与电路 |
| 技术标签 | DC-DC变换器 功率模块 储能变流器PCS 光伏逆变器 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 高频 软开关 电感设计 神经网络 功率密度 效率 PCB绕组 电流纹波 |
语言:
中文摘要
本文提出了一种针对高频（300 kHz–1 MHz）、高效率（≥99.7%）临界软开关变换器的电感设计方法，适用于大电流纹波（ΔiL ≥ 200%）场景。通过结合神经网络模型，优化了磁芯/线圈尺寸、匝数、气隙及电感量，旨在提升电力电子转换系统的功率密度与效率。
English Abstract
High-frequency (300 kHz–1 MHz) and high-efficiency ($\ge\! \! 99.7\%$) inductor design method is proposed for the application of critical soft switching with large current ripple ($\triangle i_L \geq 200\%$) to improve the power density and efficiency of electrified energy conversion systems. First, for the theoretical design section, the core/coil size, number of turns, airgap, and inductance are...
S
SunView 深度解读
该研究聚焦于高频、高效率电感设计及神经网络建模，对阳光电源的组串式逆变器和储能PCS（如PowerTitan系列）具有重要参考价值。随着功率密度要求的不断提升，高频化是必然趋势，该方法可有效优化磁性元件设计，降低损耗并减小体积。建议研发团队将其应用于高频DC-DC变换级，利用神经网络模型加速磁性元件的迭代设计，提升产品在极端工况下的效率表现，进一步巩固阳光电源在电力电子变换效率上的领先地位。