← 返回
基于人工神经网络的SiC MOSFET功率模块开关损耗预测
ANN-Assisted Switching Loss Prediction for SiC MOSFET Power Module
| 作者 | Youyang Wang · Wenxiao Wang · Shilong Zhu · Hui Zhu · Yu Zhang · Daohui Li · Xiaobo Zhu · Wenhua Gu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 预计 2026年5月 |
| 技术分类 | 功率器件技术 |
| 技术标签 | SiC器件 功率模块 机器学习 深度学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | SiC MOSFET 开关损耗 功率模块 人工神经网络 预测 能耗 热设计 |
语言:
中文摘要
准确快速地确定开关损耗对于SiC MOSFET功率模块的能耗评估和系统散热设计至关重要。然而，传统方法难以兼顾建模复杂度和预测精度。本文提出了一种有效的开关损耗预测方法，利用人工神经网络（ANN）实现高精度与低复杂度的平衡。
English Abstract
Accurate and rapid determination of switching loss is crucial for energy consumption assessment and system cooling design of silicon carbide (SiC) metal-oxide-semiconductor field-effect transistor (mosfet) power modules. However, traditional switching loss prediction methods struggle to balance low modeling complexity with high prediction accuracy. This article proposes an effective switching loss...
S
SunView 深度解读
该技术对阳光电源的核心业务具有极高价值。随着公司组串式逆变器及PowerTitan/PowerStack储能系统向高功率密度、高效率方向演进，SiC器件的应用日益普及。该ANN辅助预测方法可直接优化逆变器及PCS的散热设计，减少过设计带来的成本浪费，并提升系统在极端工况下的热管理精度。建议研发团队将此模型集成至iSolarCloud智能运维平台或产品研发仿真工具链中，通过机器学习手段实现功率模块全生命周期的损耗实时监测与可靠性评估，从而进一步提升产品竞争力。