找到 3 条结果
基于去噪扩散模型的高频磁性元件铁损外推预测
Iron Loss Extrapolation Predictions for High-Frequency Magnetic Components Using Denoising Diffusion Models
Xiaobing Shen · Yu Zuo · Diego Bernal Cobaleda · Wilmar Martinez · IEEE Transactions on Power Electronics · 2025年10月
本文引入去噪扩散概率模型（DDPM）以提升高频磁性元件的铁损预测精度。传统Steinmetz方程难以捕捉高频磁芯损耗的非线性动态及复杂波形。相比于多层感知机、迁移学习等方法，该模型能更准确地处理复杂工况下的损耗预测问题。
解读: 随着阳光电源组串式逆变器及PowerTitan系列储能变流器向高功率密度、高开关频率方向演进，磁性元件（电感、变压器）的损耗优化成为提升整机效率的关键。该研究提出的扩散模型能够更精准地预测复杂高频波形下的铁损，有助于研发团队在设计阶段优化磁件选型与绕组方案，降低温升，提升产品可靠性。建议将该算法集成...
具有可变匝数比和低串联电感的磁控变压器：在开关电源中的分析与实现
Magnetically Controlled Transformer With Variable Turns Ratio and Low Series Inductance: Analysis and Implementation Toward Its Application in SMPS
Camilo Suarez Buitrago · Diego Bernal Cobaleda · Wilmar Martinez · IEEE Transactions on Power Electronics · 2023年11月
本文详细介绍了磁控变压器在隔离式和谐振式功率变换器中的应用潜力。通过实现可变磁性元件，变换器能够扩展软开关区域和电压工作范围，同时保持固定或准固定频率运行。文章分析了变压器参数变化对系统性能的影响，并探讨了其在高效电源系统中的实现路径。
解读: 该技术通过磁控方式实现变压器匝数比的动态调节，能够显著拓宽DC-DC变换器的软开关范围，这对阳光电源的储能变流器（如PowerTitan系列）和光伏组串式逆变器具有重要意义。在宽电压输入/输出场景下，该技术可优化变换器效率，减少对复杂多级拓扑的依赖，从而提升功率密度。建议研发团队关注其在双向DC-D...
用于宽负载应用的单输入多输出双向谐振变换器的物理信息神经网络建模
Physics-Informed Neural Network Model Description for an SIMO Bidirectional Resonant Converter for Wide-Load Applications
Diego Bernal Cobaleda · Fanghao Tian · Wilmar Martinez · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
本文提出一种面向高自由度电力变换器的物理信息神经网络（PINN）建模方法。该方法综合考虑占空比、相移及功率关系，突破传统调制策略对谐波近似或时域分析的依赖，有助于识别更高效的运行工作点。以一种原边五电平T型逆变器、副边级联双单元多电平逆变器的谐振多输出变换器为案例，实现高低压侧隔离并降低变压器匝数比，提升功率密度潜力。结合粒子群优化（PSO）算法对PINN预测结果进行优化，进一步挖掘性能潜力。通过低功率样机验证，轻载效率显著提升。结果表明人工智能驱动建模在拓展变换器全负载效率方面具有前景，并探讨...
解读: 该PINN建模方法对阳光电源多端口变换器产品具有重要价值。在ST储能系统中，可优化多电池簇并联的SIMO拓扑建模，突破传统谐波分析局限，实现宽SOC范围高效运行；结合PSO算法可动态寻优调制策略，提升轻载效率。在车载OBC及充电桩产品中，五电平T型逆变器与级联多电平拓扑的结合可降低变压器匝数比、提升...