← 返回
基于傅里叶神经算子的功率模块空间温度监测
Advanced Spatial Temperature Monitoring of Power Modules via Fourier Neural Operator-Based Thermal Model
| 作者 | Yizheng Tang · Cao Zhan · Lingyu Zhu · Ziyi Zhao · Ku Zhao · Shengchang Ji |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年3月 |
| 技术分类 | 可靠性与测试 |
| 技术标签 | 功率模块 热仿真 深度学习 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 功率模块 空间温度监测 傅里叶神经算子 热模型 深度学习 热管理 |
语言:
中文摘要
功率模块空间温度（PMST）的精准监测是电力电子领域的关键挑战。本文首次提出了一种基于傅里叶神经算子的热模型（FNO-TM），通过数据驱动范式提取空间频率特征，实现了PMST的高效精准预测，显著提升了收敛速度并降低了训练成本。
English Abstract
Accurate monitoring of power module spatial temperature (PMST) remains a critical challenge in power electronics. This letter proposes a Fourier neural operator-based thermal model (FNO-TM) to enable efficient and precise prediction of PMST for the first time. Built on a data-driven paradigm, FNO-TM extracts spatial-frequency features, facilitating faster convergence and reduced training costs com...
S
SunView 深度解读
该技术对阳光电源的核心产品线（如组串式/集中式逆变器、PowerTitan/PowerStack储能系统）具有极高价值。功率模块是上述设备中最易受热应力影响的薄弱环节，FNO-TM模型通过AI手段实现了高精度的空间温度场实时监测，可替代昂贵的传感器部署。建议在iSolarCloud平台中集成该算法，实现对逆变器及PCS功率模块的“数字孪生”健康管理，提前预判热失效风险，从而优化散热设计、提升设备可靠性，并降低运维成本。