找到 2 条结果
基于单移相调制的双有源桥变换器磁性元件多目标优化设计
Multi-objective Optimal Design of Magnetic Components for Dual Active Bridge Converter Based on Single Phase Shift Modulation
靳浩源裴云庆王来利董晓博王淦李汕哲 · 中国电机工程学报 · 2025年10月 · Vol.45
双有源桥（DAB）变换器在电力电子变压器中应用广泛，其磁性元件直接影响效率、功率密度与可靠性。现有研究较少结合DAB运行机理，且常忽略电感优化，求解复杂。本文针对单移相调制下的DAB变换器，融合其工作原理与磁性元件多物理场设计理论，以磁芯形状、电感值和变压器匝数为决策变量，构建电路与器件层面的约束条件，开展以效率和功率密度为目标的多目标优化。通过理论推导揭示电感与匝数对约束及目标的影响规律，降低变量维度并提升通用性，给出优化流程，并通过实验验证方法有效性。
解读: 该DAB变换器磁性元件多目标优化技术对阳光电源多条产品线具有直接应用价值。在ST系列储能变流器中，DAB作为核心DC-DC隔离变换环节，该优化方法可同步提升效率与功率密度，降低磁性元件损耗和体积；在PowerTitan大型储能系统中，可优化电池簇间能量管理的隔离变换器设计；在车载OBC充电机中，DA...
基于历史依赖Prandtl-Ishlinskii神经网络的任意激励波形下准静态铁心损耗预测
History-Dependent Prandtl–Ishlinskii Neural Network for Quasi-Static Core Loss Prediction Under Arbitrary Excitation Waveforms
作者未知 · IEEE Transactions on Power Electronics · 2025年1月
电力电子应用中的磁性元件通常会经历包含高频谐波和/或直流偏置的复杂激励波形。这种复杂性对传统的磁芯损耗建模方法提出了挑战，这些方法往往容易出现严重误差，或者仅适用于某些类型的激励波形。本文提出了基于历史依赖的普朗特 - 伊斯林斯基神经网络（HDPI - NN），用于在任意激励下准确预测准静态磁芯损耗。HDPI - NN 通过考虑磁性材料更完整的磁化机制（即磁畴壁运动、磁畴旋转和记忆效应），并利用专门的神经网络确定模型参数，实现了较高的建模精度和通用性。获取了硅钢 B35A270 和铁氧体 N87...
解读: 从阳光电源的业务视角来看，这项基于历史相关Prandtl-Ishlinskii神经网络的磁芯损耗预测技术具有重要的工程应用价值。在我司光伏逆变器和储能变流器产品中，磁性元件（如高频变压器、电感）是核心功率器件，其损耗特性直接影响系统效率和热管理设计。 该技术的核心价值在于能够准确预测复杂激励波形下...