← 返回
基于人工神经网络的中频变压器最高温度与损耗分布在线监测
On-Line Monitoring of Maximum Temperature and Loss Distribution of a Medium Frequency Transformer Using Artificial Neural Networks
| 作者 | Daniel Santamargarita · David Molinero · Emilio Bueno · Marta Marrón · Miroslav Vasić |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年12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 热仿真 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 中频变压器 人工神经网络 损耗估计 温度监测 磁性元件 在线监测 健康状态 |
语言:
中文摘要
中频磁性元件的损耗与最高温度是评估其健康状态的关键指标。由于磁芯损耗随平均温度变化，且利兹线绕组损耗受结构影响复杂，直接测量或估算这些参数难度极大。本文提出一种基于人工神经网络的在线监测方法，旨在实现对中频变压器内部损耗分布及最高温度的精确估计。
English Abstract
Losses and maximum temperature are important indicators of the health status of the medium-frequency magnetic components. Both the losses and the maximum temperature are very difficult to obtain/estimate due to the high complexity, change of losses in the core with respect to the average temperature, or the variation of the losses of the windings derived from the construction of the litz wire and ...
S
SunView 深度解读
该技术对阳光电源的储能系统（如PowerTitan、PowerStack）及组串式逆变器中的高频磁性元件设计具有重要参考价值。随着功率密度提升，变压器热管理成为提升系统可靠性的瓶颈。通过引入神经网络进行在线热监测与损耗评估，可优化iSolarCloud平台的故障预警算法，实现从“被动维护”向“预测性维护”的转变。建议研发团队将此算法集成至PCS控制系统中，以实时监控关键磁性元件的运行状态，从而在极端工况下动态调整功率输出，延长设备寿命并提升系统整体可靠性。