找到 2 条结果
基于数据驱动的SiC MOSFET故障预测方法
Data-Driven Approach for Fault Prognosis of SiC MOSFETs
Weiqiang Chen · Lingyi Zhang · Krishna Pattipati · Ali M. Bazzi 等6人 · IEEE Transactions on Power Electronics · 2020年4月
本文提出了一种用于碳化硅（SiC）MOSFET故障预测的无监督学习方法。该方法通过监测器件在退化过程中的电压、电流、温度及其他特征参数的变化趋势来实现。文章回顾了半导体失效模式及现有故障预测技术，并首次针对SiC器件的退化特性提出了该数据驱动方案。
解读: SiC MOSFET是阳光电源组串式逆变器、PowerTitan储能系统及电动汽车充电桩的核心功率器件。随着高功率密度设计需求增加，SiC器件的可靠性成为系统长寿命运行的关键。该研究提出的无监督学习故障预测方法，可集成至iSolarCloud智能运维平台中，通过实时采集电压、电流及温度数据，实现对功...
电力电子设备中基于残差的初期异常检测
Incipient Residual-Based Anomaly Detection in Power Electronic Devices
Qian Yang · Muhammed A. Gultekin · Vahe Seferian · Krishna Pattipati 等10人 · IEEE Transactions on Power Electronics · 2022年6月
电力电子设备及高频开关电路是电动汽车高性能的关键。实时监测电力电子组件的状态对于保障安全与可靠性至关重要。本文提出两种基于数据预处理（抑制噪声与异常值）与多元回归模型预测信号的异常检测方法，旨在实现电力电子设备的早期故障预警。
解读: 该研究提出的初期异常检测方法对阳光电源的可靠性提升具有极高价值。在电动汽车充电桩及光伏逆变器产品线中，功率模块（IGBT/SiC）的早期故障预警是提升系统可用性的核心。通过引入该类基于残差分析与机器学习的算法，iSolarCloud智能运维平台可实现从“被动维修”向“预测性维护”的转型，有效降低运维...