找到 1 条结果 · 可靠性与测试
基于物理信息深度学习与稀疏数据的电力电子器件剩余寿命预测
Remaining Useful Life Prediction of Power Electronic Devices With Physics-Informed Deep Learning and Sparse Data
Le Gao · Chaoming Liu · Yiping Xiao · Chunhua Qi 等5人 · IEEE Transactions on Power Electronics · 2025年11月
针对碳化硅（SiC）MOSFET在复杂环境下的剩余寿命（RUL）预测问题，本文提出了一种物理信息深度学习方法。该方法有效解决了现有深度学习模型在稀疏退化数据条件下预测精度不足的局限性，提升了电力电子系统在极端环境下的可靠性评估能力。
解读: 该技术对阳光电源的核心业务具有极高价值。随着SiC器件在组串式光伏逆变器和PowerTitan系列储能系统中的广泛应用，提升功率模块的可靠性预测能力至关重要。该方法通过物理模型与AI结合，能够在数据采集受限的实际工况下，精准评估器件寿命，从而优化iSolarCloud平台的运维策略，实现从“事后维修...