找到 2 条结果 · 功率器件技术
基于物理信息自监督预训练的GNN在大规模电力系统分析中的泛化能力提升
GNNs' Generalization Improvement for Large-Scale Power System Analysis Based on Physics-Informed Self-Supervised Pre-Training
Yuhong Zhu · Yongzhi Zhou · Wei Wei · Peng Li 等5人 · IEEE Transactions on Power Systems · 2025年2月
在人工智能驱动的电力系统分析（PSA）中，系统拓扑的高效且信息丰富的表示至关重要。尽管取得了重大突破，但近期采用图神经网络（GNNs）的方法在大规模电力系统分析中面临重大挑战，包括获取足够标注数据的高计算需求，以及对未见故障拓扑的泛化能力较差。为解决这些问题，我们提出了一种用于预训练图神经网络的自监督策略，该策略可在单个节点特征层面和整个图结构层面提升图神经网络的表达能力。通过集成物理信息技术，我们的策略使图神经网络能够内化适用于多个下游任务的基本原理。我们证明，我们的方法能够在无监督的情况下对...
解读: 该研究提出的物理信息自监督GNN框架对阳光电源的智能化产品升级具有重要价值。首先可应用于ST系列储能系统和SG系列光伏逆变器的电网拓扑感知与控制优化,提升GFM/GFL控制的适应性;其次可集成到iSolarCloud平台,增强分布式电站群的智能调度与故障诊断能力。该方法通过物理规律预训练提升模型泛化...
基于正向衬底偏压的氮化镓高电子迁移率晶体管中的载流子输运特性
Charge Transport in GaN High Electron Mobility Transistor With Positive Substrate Bias
Peng Huang · Matthew D. Smith · Michael J. Uren · Zequan Chen 等6人 · IEEE Transactions on Electron Devices · 2025年6月
采用高达 +600 V 的正衬底偏压，对额定电压为 650 V 的氮化镓（GaN）高电子迁移率晶体管（HEMT）中的电荷输运进行了研究。正衬底偏压导致沟道电流减小，这归因于缓冲层中存储了负电荷，使得二维电子气（2DEG）沟道密度降低了超过 50%。通过在衬底偏压应力后测量恢复瞬态，研究了累积电荷的动力学特性，当衬底应力偏压 > +200 V 时，恢复时间超过 1000 秒。在正衬底偏压应力之后，立即施加短时间的负衬底偏压，可显著缩短恢复时间。本文给出了全面的解释，这需要详细了解外延层叠结构中各层...
解读: 从阳光电源的业务视角来看，这项关于GaN HEMT器件在正衬底偏压下电荷传输特性的研究具有重要的工程应用价值。GaN功率器件凭借其高开关频率、低导通损耗和高功率密度特性，已成为我司光伏逆变器和储能变流器产品实现高效率、小型化的关键技术路径。 该研究揭示的正衬底偏压导致沟道电流下降、二维电子气密度降...