Shuzhi Wen · Bingkun Wei · Lisha Peng · Shisong Li 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月

功率器件的健康状态监测对其安全可靠运行至关重要。近年来，开关瞬态电磁声纹（EMVP）信号成为评估器件健康状态的新颖指标。然而，现有基于EMVP的老化状态识别依赖人工判读，准确率较低。本文提出一种适用于多种工况的IGBT器件电磁声纹健康监测方法，构建了时空特征融合交叉注意力神经网络用于老化状态识别。实验结果表明，该网络对IGBT老化状态的识别准确率超过95%。同时引入迁移学习策略，提升了模型在小样本数据下的有效性与泛化能力，实现了多工况下IGBT器件老化状态的快速精确评估。

解读: 该IGBT电磁声纹诊断技术对阳光电源核心产品线具有重要应用价值。在ST系列储能变流器和PowerTitan大型储能系统中，IGBT作为关键功率器件，其健康状态直接影响系统可靠性。该方法通过时空特征融合神经网络实现95%以上的老化识别准确率，可集成至iSolarCloud智能运维平台，实现从人工判读到...