找到 1 条结果 · IEEE Transactions on Power Electronics

排序:
功率器件技术 SiC器件 深度学习 ★ 5.0

基于物理信息神经网络与交叉注意力的磁芯损耗模型

A Magnetic Core Loss Model Based on Physics-Informed Neural Network with Cross-Attention

Yunhao Xiao · Chi Li · Zedong Zheng · IEEE Transactions on Power Electronics · 2025年8月

由于软磁材料固有的损耗机制尚不明确,损耗建模往往成为电力电子系统分析中的瓶颈。一方面,损耗会显著影响整体效率;另一方面,高频运行导致的小型化使得高频磁性元件的温升对损耗更为敏感,这使得热可靠性分析变得至关重要。然而,现有的损耗模型由于对复杂运行条件的高敏感性,在这些条件下的适用性会变差。本文提出了一种自适应损耗模型,该模型通过交叉注意力机制增强了物理损耗模型的学习能力和运行条件适应性,在测试集上实现了平均误差2.8%、最大误差12.3%的效果。此外,通过热分析验证了所提模型的准确性,相对误差为1...

解读: 从阳光电源的业务视角来看,这项基于物理信息神经网络的磁芯损耗模型技术具有重要的战略价值。在光伏逆变器和储能变流器等核心产品中,高频变压器和电感等磁性元件是影响系统效率和可靠性的关键部件。该技术通过交叉注意力机制实现的自适应损耗建模,能够在复杂工况下保持2.8%的平均误差和1.7%的热分析误差,这对我...