找到 5 条结果 · 功率器件技术
基于开源数据库的功率变换器铁芯损耗预测
Predicting core losses in power converters based on open source database
Yan Zhou · Minmin Zhang · IET Power Electronics · 2025年2月 · Vol.18
提出一种基于开源数据库与数据驱动物理模型的铁芯损耗预测方法。该方法针对特定预测点，可自动执行流程中的两条路径，提升预测效率与准确性。通过整合实测数据与物理建模，实现对不同工况下功率变换器磁性元件损耗的精确估计，为电力电子系统设计与优化提供有效支持。
解读: 该铁芯损耗预测技术对阳光电源的功率变换器产品线具有重要应用价值。首先可用于SG系列光伏逆变器和ST系列储能变流器的高频变压器设计优化，通过精确预测不同工况下的铁芯损耗，提升变换效率。其次可应用于车载OBC和充电桩等新能源汽车产品的磁性元件设计，基于开源数据库快速评估不同磁芯材料的损耗特性。该方法结合...
高温应用下SiC MOSFET反向恢复现象的研究
Investigation of Reverse Recovery Phenomenon for SiC MOSFETs in High-Temperature Applications
Cheng Qian · Zhiqiang Wang · Da Zhou · Yuxin Ge 等8人 · IEEE Transactions on Power Electronics · 2023年11月
本文研究了SiC器件在25°C至250°C高温环境下的反向恢复现象。文章分析了反向恢复机制及其影响因素，提出了分段等效电路模型，并探讨了两种可能加剧反向恢复的不匹配工况，为高温功率电子系统的设计提供了理论依据。
解读: SiC器件是阳光电源提升光伏逆变器和储能PCS功率密度与效率的核心。随着PowerTitan等储能系统及组串式逆变器向更高功率密度演进，器件在高温下的热应力与开关特性至关重要。本文提出的高温反向恢复模型及不匹配工况分析，可直接指导阳光电源研发团队在高温高频工况下的驱动电路优化与功率模块热设计，有效降...
重复非钳位感性开关应力下1.2-kV 4H-SiC MOSFET退化机理的深入研究
A Deep Insight Into the Degradation of 1.2-kV 4H-SiC MOSFETs Under Repetitive Unclamped Inductive Switching Stresses
Xintian Zhou · Hongyuan Su · Ruifeng Yue · Gang Dai 等7人 · IEEE Transactions on Power Electronics · 2018年6月
本文通过实验评估了商用1.2-kV 4H-SiC MOSFET在重复非钳位感性开关（UIS）应力下的长期可靠性。研究观察了器件在经历8万次雪崩循环后，阈值电压（Vth）、漏电流（Idss）及导通电阻（Ron）的退化特性。通过电荷泵（CP）测量技术，揭示了器件内部缺陷的演变规律。
解读: SiC器件是阳光电源提升光伏逆变器和储能系统（如PowerTitan、ST系列PCS）功率密度与效率的核心。随着公司产品向高压化、高频化演进，SiC MOSFET在极端工况下的雪崩耐受能力直接决定了系统的长期可靠性。本文对UIS应力下器件退化机理的深入分析，对公司功率模块的选型验证、驱动电路设计以及...
高可靠性碳化硅紫外单光子雪崩二极管实现超过10000小时连续运行
Highly reliable SiC UV SPAD with over 10,000 hours of continuous operation
Yan Zhou · Xiaoqiang Tao · Tianyi Li · Dong Zhou 等6人 · IEEE Electron Device Letters · 2025年12月
本研究设计并制作了一种具有分离式吸收 - 电荷 - 倍增结构的紫外（UV）4H - 碳化硅（SiC）单光子雪崩光电二极管（SPAD）。
解读: 从阳光电源的业务视角来看，这项4H-SiC基紫外单光子雪崩光电二极管（UV SPAD）技术具有重要的潜在应用价值。该器件实现了超过10,000小时的连续运行可靠性，这一突破性指标对我们的核心业务领域具有多维度的技术启示。 在光伏逆变器领域，SiC材料已成为功率器件的重要发展方向，而本研究展示的Si...
一种基于高阶时间导数非线性电流分量与先进神经网络算法的高效开关电流GaN HEMT模型
A High-Efficiency Switching Current Model for Power GaN HEMT Based on High-Order Time-Derivative Nonlinear Current Components and Advanced Neural Network Algorithms
Huikai Chen · Shulong Wang · Liutao Li · Hao Zhou 等7人 · IEEE Transactions on Power Electronics · 2025年9月
GaN HEMT因其优异的功率和频率特性在电力电子领域得到广泛应用。准确高效的器件模型对电路设计至关重要。本文提出了一种基于电流时间导数分量的新型建模方法，结合先进的静态和循环神经网络概念，实现了对GaN器件开关特性的高精度模拟。
解读: 随着阳光电源在户用光伏逆变器及小型化储能产品中对高功率密度要求的提升，GaN器件的应用已成为技术迭代的重要方向。该研究提出的基于神经网络的GaN高精度建模方法，能够有效解决传统物理模型在高速开关过程中的计算复杂性与精度平衡问题。建议研发团队将其应用于iSolarCloud智能运维平台下的数字孪生仿真...