找到 2 条结果
基于可迁移代理模型与多目标优化的高效LDMOS设计
Efficient LDMOS Design via Transferable Surrogate Models and Multi-Objective Optimization
Hongyu Tang · Chenggang Xu · Xiaoyun Huang · Yuxuan Zhu 等6人 · IEEE Electron Device Letters · 2025年9月
优化横向双扩散金属氧化物半导体（LDMOS）性能需要在硅极限约束下平衡击穿电压（BV）和比导通电阻（ $\text {R}_{\text {on},\text {sp}}$ ）。传统的基于技术计算机辅助设计（TCAD）的器件设计在处理大参数空间时耗时且效率低下。本文提出了一种机器学习（ML）辅助框架，该框架将初始和微调后的深度神经网络（DNN）替代模型与多目标粒子群优化（MOPSO）相结合。微调后的DNN仅使用小数据集就能适应非重叠的扩展设计空间，同时在MOPSO过程中选择性地应用这两个替代模型...
解读: 从阳光电源的业务视角来看，这项基于机器学习的LDMOS优化技术具有重要的战略价值。LDMOS（横向双扩散金属氧化物半导体）器件是光伏逆变器和储能变流器中功率转换电路的核心元件，其击穿电压与导通电阻的平衡直接影响系统的效率、可靠性和成本。 该技术的核心创新在于利用深度神经网络替代传统TCAD仿真，将...
FDCA-DSTGCN：一种基于频域信息增益与动态趋势感知的风电场群功率日前预测模型
FDCA-DSTGCN: A Wind Farm Cluster Power Day-Ahead Prediction Model Based on Frequency Domain Information Gain and Dynamic Trend Sensing
Mao Yang · Jiajun Niu · Bo Wang · Dawei Huang 等6人 · IEEE Transactions on Sustainable Energy · 2025年5月
准确的风电场群功率预测对大规模风电接入的新一代电力系统至关重要。现有建模方法忽略风向及频域信息的作用，导致空间信息利用不足，预测精度提升受限。为此，本文提出一种融合频域信息增益与动态趋势感知的风电场群日前功率预测模型。首先，基于图论与多信息渐进融合进行集群划分并设置虚拟信息节点；其次，提出时间窗内主导风向识别方法，构建基于主导风向与风速的动态加权有向图结构；进而，设计引入频域增益通道注意力机制的动态时空图卷积网络（FDCA-DSTGCN）完成预测。在中国内蒙古某风电场群的实证结果表明，所提方法较...
解读: 该风电场群功率预测技术对阳光电源储能与电网侧产品具有重要应用价值。首先可应用于ST系列储能系统的调度优化，通过频域信息增益提升储能容量配置精度，优化充放电策略。其次可集成到iSolarCloud平台，为新能源电站群的智能运维提供更准确的功率预测支持。该模型的动态时空图卷积网络架构也可迁移应用于光伏电...