找到 3 条结果 · 功率器件技术
内在与外在学习框架用于多设备初期故障检测与分类
Intrinsic and Extrinsic Learning Framework for Multi-Equipment Incipient Fault Detection and Classification
Lixian Shi · Yang Weng · Qiushi Cui · Xiaodong Zheng 等6人 · IEEE Transactions on Industry Applications · 2024年9月
早期故障（IFs）是电力设备故障的先兆。由于发生频率低，早期故障数据十分稀缺。早期故障数据的稀缺导致识别早期故障存在困难。传统方法缺乏学习早期故障数据丰富且有意义表征的能力，尤其是在早期故障数据有限的情况下。此外，一些将波形转换为图像的方法在捕捉时间关系和分析波形失真方面并无优势。为解决这些问题，本文开发了一个名为INTEL - IFD的智能框架。在数据处理过程中，提出了一种加权早期故障格拉姆矩阵表达方法，以获得增强了早期故障特征的加权格拉姆图像，用于进一步基于图像的智能识别。为应对故障数据有限...
解读: 该内在与外在学习框架对阳光电源的功率器件故障预测具有重要应用价值。可应用于ST系列储能变流器、SG系列光伏逆变器中的SiC功率模块故障预警,以及PowerTitan大型储能系统的预测性维护。通过挖掘有限故障样本的深层特征并引入外部知识,可提升iSolarCloud平台对功率器件初期故障的诊断准确率。...
低温应用下SiC平面/沟槽MOSFET雪崩工作边界的综合评估
Comprehensive Assessment of Avalanche Operating Boundary of SiC Planar/Trench MOSFET in Cryogenic Applications
Jinwei Qi · Xu Yang · Xin Li · Wenjie Chen 等8人 · IEEE Transactions on Power Electronics · 2021年6月
本文系统评估了SiC平面及沟槽型MOSFET在90K至340K温度范围内的雪崩耐受能力。研究揭示了极端温度条件下功率器件的雪崩机制及其温度依赖性，对于提升电力转换系统在严苛环境下的安全运行及可靠性设计具有重要指导意义。
解读: 随着阳光电源在光伏逆变器和储能系统（如PowerTitan系列）中大规模应用SiC器件以提升功率密度和效率，器件在极端环境下的可靠性至关重要。该研究揭示的雪崩边界特性，可直接指导研发团队在进行高压大功率模块设计时，优化驱动电路保护策略及热管理方案。特别是在高寒地区运行的户外光伏及储能设备，该研究提供...
重离子辐照在4H-SiC肖特基势垒二极管中诱导的陷阱浓度深度分布
Depth profile of trap concentration induced by heavy ion irradiation in 4H-SiC Schottky barrier diode
Xueqiang Yu · Xiaodong Xu · Hao Jiang · Lei Wu · Applied Physics Letters · 2025年7月 · Vol.127
本文研究了重离子辐照在4H-SiC肖特基势垒二极管中引入的缺陷陷阱浓度随深度的分布特性。通过变能量重离子辐照结合深能级瞬态谱技术，获得了不同深度处的陷阱浓度分布，并分析了主要缺陷能级（如Z1/Z2和HK中心）的形成机制与空间演化规律。结果表明，陷阱浓度分布与离子射程及电子/核能损密切相关，缺陷峰值区域位于近表面至几个微米深度范围内。该研究为理解SiC器件在高能粒子环境下的退化机理提供了实验依据。
解读: 该研究对阳光电源SiC功率器件的可靠性设计具有重要指导意义。研究揭示的重离子辐照导致的缺陷分布特性，直接关系到我司ST系列储能变流器和SG系列光伏逆变器中SiC器件的辐照耐受性。特别是在航天级和核电站配套的高可靠性产品中，需要充分考虑这种缺陷效应对器件性能的影响。基于该研究成果，我们可以优化SiC器...