找到 1 条结果
一种基于经验模型信息的软磁材料铁损神经网络预测器
An Empirical Model Informed Neural Network Core Loss Predictor for Soft Magnetic Materials
Neha Rajput · Himanshu Bhusan Sandhibigraha · Neeraj Agrawal · Vishnu Mahadeva Iyer · IEEE Transactions on Power Electronics · 2025年8月
为提升电力电子变换器的效率与功率密度，本文提出了一种结合经验模型与神经网络的软磁材料铁损预测方法。该研究响应了IEEE MagNet挑战赛，旨在通过数据驱动手段解决复杂工况下磁性元件损耗建模难题，为电力电子磁性元件的优化设计提供高精度支撑。
解读: 磁性元件是阳光电源光伏逆变器（如组串式、集中式）及储能变流器（如PowerTitan、ST系列PCS）的核心部件，其损耗直接影响整机效率与功率密度。该研究提出的神经网络铁损预测模型，能有效提升磁性元件在复杂高频工况下的设计精度，缩短研发周期。建议研发团队将其集成至iSolarCloud智能运维平台的...