Xiaobing Shen · Yu Zuo · Wilmar Martinez · IEEE Transactions on Power Electronics · 2024年8月

本文针对高频磁性元件铁损预测的复杂挑战，提出了一种新型条件生成对抗网络（cGAN）模型。该框架克服了传统预测方法忽略多因素复杂交互的局限性，能够更全面地捕捉磁性材料在高频工作条件下的损耗特性，为电力电子变换器的磁性元件设计提供了更精确的理论支撑。

解读: 磁性元件是阳光电源组串式逆变器、PowerTitan储能变流器及车载充电桩等产品的核心部件。随着功率密度提升，高频化带来的磁损耗成为制约效率提升的关键瓶颈。该研究利用cGAN进行铁损预测，比传统有限元仿真更高效，能显著缩短磁性元件的研发周期。建议研发团队将其引入iSolarCloud辅助设计平台，通...