Yayong Yang · Zhiqiang Wang · Yu Liao · Wubin Kong 等6人 · IEEE Transactions on Power Electronics · 2025年3月

本文提出一种基于物理信息神经网络（PINNs）的参数化三维热仿真方法，以实现功率模块热设计的快速设计空间探索。利用PINNs能够快速逼近描述功率模块热行为的参数化偏微分方程解的能力，开发了用于碳化硅（SiC）三相半桥功率模块的热场仿真框架，以进行参数化仿真。经过一次无监督训练后，基于PINNs的模型可以快速预测不同输入参数组合下功率模块的热场分布结果。对比结果表明，在不同组合情况下，PINNs的预测结果与COMSOL数值模拟和实验测量结果大致相符。此外，在用于参数优化的大规模设计空间探索任务中，...

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（PINNs）的参数化热仿真技术具有重要的工程应用价值。作为全球领先的光伏逆变器和储能系统供应商，我们在功率模块热设计方面面临着日益严峻的挑战：一方面，碳化硅（SiC）等新型功率器件的广泛应用使得热管理复杂度显著提升；另一方面，市场对产品快速迭代和定...