找到 2 条结果
一种面向功率半导体器件的在线换流器级老化故障模式分离方法
An Online Converter-Level Wear-Out Failure Mode Separation Method for Power Semiconductor Devices
Yingzhou Peng · Kaichun Wang · Xing Wei · Zhikang Shuai 等5人 · IEEE Transactions on Industrial Electronics · 2024年10月
引线键合功率半导体器件有两种主要的与封装相关的老化模式：键合线脱落和焊点退化。在运行的功率变换器中区分这两种老化模式非常重要，这样可以定位退化点，并分别监测老化过程。因此，这有助于实现功率半导体器件封装的优化设计以及开发更精确的寿命模型。本文重点研究功率器件运行时主要老化模式的分离问题。通过变换器级导通电压测量电路，获取功率器件输出电流 - 电压（I - V）特性曲线上的两个点，从而实现功率变换器中所有功率器件老化模式的分离。与传统方法相比，该方法是一种在线解决方案，从变换器层面来看适用于不同类...
解读: 从阳光电源的业务视角来看，这项功率半导体器件在线失效模式分离技术具有重要的战略价值。在光伏逆变器和储能变流器等核心产品中，IGBT、MOSFET等功率器件是决定系统可靠性和寿命的关键部件。该技术能够在设备运行状态下区分键合线脱落和焊层退化两种主要失效模式，这为我们实现预测性维护和精准故障定位提供了新...
基于深度学习的光伏系统健康监测
Deep Learning-Based Health Monitoring for Photovoltaic Systems
Khaled Alnuaimi · Ameena Saad Al-Sumaiti · Mohamad Alansari · Huai Wang 等5人 · IEEE Journal of Photovoltaics · 2025年5月
向光伏（PV）系统等可再生能源转型对于社会进步至关重要，有助于抵消化石燃料的负面影响。然而，管理光伏系统面临着重大挑战和经济影响。光伏故障一旦发生，需要迅速检测和解决，这会加重经济负担。有效的故障诊断在很大程度上依赖于光伏电站监测和能源管理系统的数据。过去，光伏监测主要依靠人工检查，但无人机（UAV）技术提供了一种更高效、更全面的解决方案，它提高了安全性，能提供详细的图像、具备可扩展性、可进行环境监测以及开展先进的数据分析。本研究利用深度学习（DL）方法对光伏系统的健康状况进行监测，重点分析无人...
解读: 该深度学习健康监测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。LSTM时序建模方法可直接集成至SG系列光伏逆变器的智能诊断模块，通过分析MPPT工作曲线、直流侧电压电流等运行数据，实现组件热斑、遮挡、PID效应等故障的早期预警。对于PowerTitan大型储能系统，该技术可监测...