← 返回
电力电子设备中基于残差的初期异常检测
Incipient Residual-Based Anomaly Detection in Power Electronic Devices
| 作者 | Qian Yang · Muhammed A. Gultekin · Vahe Seferian · Krishna Pattipati · Ali M. Bazzi · Francesco A. N. Palmieri · Ravi Rajamani · Shailesh Joshi · Muhamed Farooq · Hiroshi Ukegawa |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年6月 |
| 技术分类 | 可靠性与测试 |
| 技术标签 | 可靠性分析 故障诊断 机器学习 功率模块 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 电力电子 异常检测 电动汽车 基于残差 状态监测 可靠性 数据预处理 |
语言:
中文摘要
电力电子设备及高频开关电路是电动汽车高性能的关键。实时监测电力电子组件的状态对于保障安全与可靠性至关重要。本文提出两种基于数据预处理（抑制噪声与异常值）与多元回归模型预测信号的异常检测方法，旨在实现电力电子设备的早期故障预警。
English Abstract
Power electronics (PE) and high-frequency switching circuits are key to superior performance of electric vehicles. It is vital to monitor the condition of the PE components in real-time for safety and reliability. In this article, we propose two anomaly detection methods based on a combination of data preprocessing to suppress noise and outliers, multivariate regression models to predict signals o...
S
SunView 深度解读
该研究提出的初期异常检测方法对阳光电源的可靠性提升具有极高价值。在电动汽车充电桩及光伏逆变器产品线中，功率模块（IGBT/SiC）的早期故障预警是提升系统可用性的核心。通过引入该类基于残差分析与机器学习的算法，iSolarCloud智能运维平台可实现从“被动维修”向“预测性维护”的转型，有效降低运维成本。建议研发团队将此模型集成至PowerTitan储能变流器及组串式逆变器的控制系统中，通过实时监测关键信号残差，提前识别功率器件的老化或异常，从而提升全生命周期的安全性。