找到 7 条结果 · IEEE Transactions on Power Electronics
基于物理信息神经网络
PINN）的DAB变换器电路参数自适应调制
Saikat Dey · Ayan Mallik · IEEE Transactions on Power Electronics · 2025年10月
本文提出了一种针对双有源桥（DAB）DC-DC变换器的损耗优化及参数敏感型三相移（TPS）调制方案。该方法利用物理信息神经网络（PINN）实时估计电路参数，并据此动态调整控制策略，从而实现变换器在不同工况下的高效运行。
解读: 该技术对阳光电源的储能系统（如PowerTitan、PowerStack系列）及PCS产品线具有重要价值。DAB变换器是储能变流器的核心拓扑，传统的控制策略在参数漂移（如电感老化、温度变化）下难以维持最优效率。引入PINN进行参数在线辨识与自适应调制，能显著提升储能系统在全功率范围内的转换效率，并增...
用于拓扑持续时间不确定的开关模式电源转换器参数辨识的扩展物理信息神经网络
Extended Physics-Informed Neural Networks for Parameter Identification of Switched Mode Power Converters With Undetermined Topological Durations
Yangxiao Xiang · Hongjian Lin · Henry Shu-Hung Chung · IEEE Transactions on Power Electronics · 2024年10月
对于拓扑持续时间不确定的开关模式功率转换器而言，进行高精度参数识别颇具挑战，因为诸如开关时刻和拓扑转换时的电路状态变量等物理信息，对于实现这一目标至关重要。在传统的基于物理模型的解决方案中，需要额外的测量电路来弥补拓扑转换时未知物理信息的缺失，否则就必须牺牲精度。为避免使用不必要的额外硬件，本文提出了一种扩展物理信息神经网络（e - PINN），它将伪标签生成网络集成到分段物理信息神经网络中。该网络能够精确识别关键系统参数，以及每个拓扑的持续时间和拓扑转换时的系统状态。在工作于不连续导电模式（D...
解读: 从阳光电源的业务视角来看，这项基于扩展物理信息神经网络（e-PINN）的参数识别技术具有显著的应用价值。该技术针对开关电源变换器在拓扑持续时间不确定情况下的参数识别难题，提出了无需额外硬件即可实现高精度识别的解决方案，这与我司在光伏逆变器和储能变流器领域的核心需求高度契合。 在实际应用层面，该技术...
基于SINDy-PINN-PSO的车载充电机变压器气隙设计高效算法
Efficient Algorithm Based on SINDy-PINN-PSO for Transformer Air-Gap Design in OBC
Geun Wan Koo · Joon-Young Jeon · Jun-Yeol Ryu · IEEE Transactions on Power Electronics · 2026年1月
本文提出了一种结合稀疏非线性动力学识别（SINDy）、物理信息神经网络（PINN）与粒子群优化（PSO）的算法，用于优化车载充电机（OBC）变压器的气隙设计。相比传统的有限元分析方法，该算法显著缩短了变压器气隙配置的计算时间，提升了设计效率。
解读: 该研究提出的算法在磁性元件设计领域具有显著的降本增效潜力。对于阳光电源的电动汽车充电桩业务，车载充电机（OBC）及充电模块的功率密度与效率至关重要。通过引入SINDy-PINN-PSO算法，研发团队可大幅缩短变压器等磁性元件的迭代设计周期，减少对繁琐有限元仿真（FEA）的依赖。建议将此算法集成至研发...
一种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 · 2026年1月
软磁材料损耗机制复杂，是电力电子系统分析的瓶颈。随着高频化趋势，磁性元件温升对损耗愈发敏感。本文提出一种结合物理信息神经网络（PINN）与交叉注意力机制的磁芯损耗建模方法，旨在提升高频磁性元件损耗预测的精度与效率，为电力电子系统的热设计与优化提供支撑。
解读: 磁性元件是阳光电源组串式逆变器、PowerTitan储能变流器及风电变流器中的核心功率密度瓶颈。该研究提出的PINN与交叉注意力模型，能显著提升磁芯损耗预测精度，有助于优化高频磁性元件的电磁与热设计。在阳光电源追求更高功率密度和更优散热性能的产品研发中，该技术可辅助缩短磁性元件的仿真与选型周期，提升...
基于物理信息神经网络与高斯过程回归的测量可测试性受限下的电磁干扰效应评估
Electromagnetic Interference Effect Assessment Under Measuring Testability Limitation Based on Physics-Informed Neural Network and Gaussian Process Regression
Wenchao Lu · Jiandong Duan · Lin Cheng · Jiangping Lu 等5人 · IEEE Transactions on Power Electronics · 2024年10月
针对实际工程中电磁干扰测量受限导致效应评估困难的问题，本文提出了一种基于物理信息神经网络（PINN）与高斯过程回归（GPR）的多维物理信息评估方法。该方法通过融合物理拓扑与数据驱动模型，有效提升了在测量数据缺失或受限情况下的电磁干扰评估精度。
解读: 电磁兼容（EMC）是阳光电源组串式逆变器、PowerTitan储能系统及充电桩产品研发中的核心挑战。在复杂电网环境下，现场测量往往受限于测试条件，该研究提出的PINN与GPR融合方法，能够通过少量实测数据结合物理模型，精准预测设备在极端工况下的电磁干扰水平。建议研发团队将其应用于大功率电力电子设备的...
基于物理信息神经网络的IPT系统多参数与线圈偏移联合估计
Physics-Informed Neural Networks for Joint Estimation of Multiparameters and Coil Misalignment in IPT Systems
Zhan'anxin Tong · Jianhui Su · Gang Yang · Asif Ali 等7人 · IEEE Transactions on Power Electronics · 预计 2026年6月
针对感应电能传输（IPT）系统，本文提出了一种基于物理信息神经网络（PINN）的多参数联合辨识方法。通过将阻抗角、互感及负载关系的物理约束嵌入神经网络，实现了对互感和负载参数的实时感知，有效提升了系统运行调节与状态监测的精度。
解读: 该技术主要针对无线充电（IPT）领域，与阳光电源的电动汽车充电桩业务具有潜在协同效应。随着大功率无线充电技术的发展，利用PINN实现高精度的参数辨识和偏移检测，可显著提升充电桩的效率与安全性。建议研发团队关注该算法在车载无线充电模块中的应用，通过将物理模型与AI算法融合，优化充电控制策略，提升用户体...
基于物理信息神经网络的六极径向主动磁轴承转子位移自感知技术
Self-Sensing Technology of Rotor Displacement for Six-Pole Radial Active Magnetic Bearing Based on Physics-Informed Neural Network
Huangqiu Zhu · Jiaqi Li · IEEE Transactions on Power Electronics · 2025年9月
针对磁轴承系统中位移传感器成本高、结构复杂的问题，本文提出了一种基于物理信息神经网络（PINN）的转子位移预测模型。该模型通过自适应调整多损失函数权重，应用于逆变器驱动的六极径向主动磁轴承，利用麦克斯韦方程推导悬浮力数学模型，实现了高精度的位移自感知。
解读: 该技术主要针对高速旋转机械的主动磁轴承控制，通过PINN算法实现无传感器化，旨在降低硬件成本与系统复杂度。虽然阳光电源的核心业务（光伏逆变器、储能PCS、风电变流器）主要涉及电力电子变换，而非磁轴承控制，但该研究中PINN算法在电力电子系统状态估计、故障诊断及复杂非线性控制中的应用具有参考价值。建议...