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...