找到 2 条结果
基于栅源电压差的并联SiC MOSFET瞬态电流均流方法
Transient Current Sharing Method for Parallel SiC MOSFETs Based on Gate-Source Voltage Difference
Hao Pan · Haichuan Zhou · Zhen Wang · Yufeng Zhao 等5人 · IET Power Electronics · 2025年4月 · Vol.18
本文建立了数学模型，用于分析和抑制并联SiC MOSFET在开关过程中的瞬态电流不平衡。通过提取与注入栅极电流以调节各器件间的栅源电压差异，所提出的控制策略显著降低了瞬态不平衡电流，有效实现了动态电流均分，提升了并联器件的电流共享性能，同时降低了设备过流风险。
解读: 该并联SiC MOSFET瞬态电流均流技术对阳光电源的大功率产品具有重要应用价值。可直接应用于ST系列储能变流器和SG系列光伏逆变器中的高功率密度模块设计，特别是1500V系统中的并联SiC器件应用场景。通过优化栅极驱动控制策略，有效解决了大功率产品中并联器件的动态电流分配问题，提升了系统可靠性。这...
基于图特征与深度学习的锂离子电池退化轨迹早期感知
Early perception of Lithium-ion battery degradation trajectory with graphical features and deep learning
Haichuan Zhao · Jinhao Meng · Qiao Peng · Applied Energy · 2025年1月 · Vol.381
摘要 在电池储能系统（BESS）的全生命周期管理中，早期捕捉锂离子电池（LIB）的退化路径至关重要，然而现有研究主要集中在短期电池健康状态（如健康状态，SOH）诊断。本研究提出一种创新性概念，旨在仅利用少量初始循环数据即可感知锂离子电池的退化轨迹，从而为BESS复杂化的运行与维护策略预留充足的调整空间。本文提出一种新颖的深度学习框架，通过构建基于电池早期使用数据的图特征来获取容量退化轨迹。为了捕获更丰富的容量衰减特征，该框架通过生成增量容量（IC）曲线和容量差分曲线对电压-容量数据进行增强，并将...
解读: 该早期电池退化轨迹预测技术对阳光电源ST系列储能系统及PowerTitan产品具有重要价值。通过少量初始循环数据的图形化特征和深度学习,可在电池全生命周期早期预判容量衰减路径,为储能系统预测性维护提供60个循环内的精准预警。该技术可集成至iSolarCloud平台,结合增量容量曲线分析,优化BMS健...