找到 2 条结果 · 功率器件技术
基于动态模态分解的IGBT模块降阶温度场预测方法
Dynamic Mode Decomposition Based Reduced-Order Temperature Field Prediction Method for IGBT Module
Jiahao Geng · Fujin Deng · Kai Hou · Qiang Yu 等8人 · IEEE Transactions on Power Electronics · 2025年10月
针对高功率IGBT模块的温度场分布分析，本文提出了一种基于动态模态分解（DMD）的降阶温度场预测方法。该方法利用有限元仿真获取的快照数据，在保证高精度的前提下，显著降低了计算复杂度，为电力电子系统的热设计与可靠性评估提供了高效的分析手段。
解读: 热管理是阳光电源组串式/集中式逆变器及PowerTitan储能系统核心竞争力的关键。该研究提出的DMD降阶模型能显著提升热仿真效率，缩短产品研发周期。在实际应用中，该技术可集成至iSolarCloud平台或嵌入式控制系统中，实现对IGBT模块结温的实时高精度预测，从而优化功率器件的过温保护策略，提升...
基于动态模态分解与深度学习的IGBT模块温度场预测混合模型方法
Hybrid Model Temperature Field Prediction Method Based on Dynamic Mode Decomposition and Deep Learning for IGBT Modules
Jiahao Geng · Fujin Deng · Qiang Yu · Yaqian Zhang 等6人 · IEEE Transactions on Power Electronics · 2025年8月
大功率IGBT模块的温度场分布对于电力电子系统的可靠性分析与热设计至关重要，但难以快速获取。本文提出了一种基于动态模态分解（DMD）与深度学习的IGBT模块温度场预测混合模型，旨在实现对IGBT内部温度分布的快速、高精度预测。
解读: 该技术直接服务于阳光电源核心产品线（光伏逆变器、储能PCS及风电变流器）的可靠性提升。IGBT作为上述产品的核心功率器件，其热管理直接决定了设备在极端工况下的寿命与功率密度。通过引入DMD与深度学习的混合预测模型，研发团队可实现对IGBT结温的实时、高精度监测，从而优化散热设计，提升产品在高温、高负...