找到 4 条结果

排序:
功率器件技术 功率模块 热仿真 机器学习 ★ 5.0

一种基于物理信息神经网络的参数化热仿真方法用于功率模块快速热设计

A Parameterized Thermal Simulation Method Based on Physics-Informed Neural Networks for Fast Power Module Thermal Design

Yayong Yang · Zhiqiang Wang · Yu Liao · Wubin Kong 等7人 · IEEE Transactions on Power Electronics · 2025年7月

本文提出了一种基于物理信息神经网络(PINNs)的参数化3D热仿真方法,旨在实现功率模块热设计的快速空间探索。通过利用PINNs快速近似描述功率模块热行为的参数化偏微分方程解的能力,该方法显著提升了热场仿真的效率。

解读: 该技术对阳光电源的核心产品线(如组串式/集中式光伏逆变器、PowerTitan储能系统及风电变流器)具有重要价值。功率模块是上述产品的核心发热源,传统有限元仿真耗时较长,限制了研发迭代速度。引入PINNs技术可实现热设计的快速参数化仿真,显著缩短逆变器和PCS产品的研发周期,优化散热结构设计,提升功...

拓扑与电路 DC-DC变换器 双向DC-DC 储能变流器PCS ★ 5.0

一种基于三绕组变压器的变换器环流抑制结构

A Circulating Power Suppression Structure for Three-Winding-Transformer-Based Converter

Zhixing Yan · Ting Tang · Zehui Yu · Run Chen 等10人 · IEEE Transactions on Power Electronics · 2022年8月

本文提出了一种用于三绕组变压器变换器的环流抑制结构。通过推导双变压器与三绕组变压器变换器的等效电路模型,分析了各自的优缺点。该结构有效克服了现有变压器拓扑的缺陷,提升了变换效率与功率密度。

解读: 该研究直接针对多端口功率变换中的环流问题,对阳光电源的储能系统(如PowerTitan、PowerStack)及大功率组串式逆变器具有重要参考价值。在多绕组或多变压器并联的PCS拓扑中,环流抑制是提升系统效率、降低损耗及优化热设计的关键。建议研发团队评估该抑制结构在双向DC-DC变换模块中的应用潜力...

功率器件技术 SiC器件 功率模块 热仿真 ★ 5.0

一种基于NSGA-II优化的流形微通道散热器,用于提升SiC功率模块的散热性能与热均匀性

An NSGA-II Optimized Manifold Microchannel Heat Sink With Better Heat Dissipation and Superior Thermal Uniformity for SiC Power Modules

Chunyang Man · Zhiqiang Wang · Yu Liao · Xiaojie Shi 等7人 · IEEE Transactions on Power Electronics · 2025年7月

碳化硅(SiC)功率模块凭借优异性能成为可再生能源与电动汽车的首选。然而,高热流密度与热分布不均限制了其性能提升。本文提出一种基于NSGA-II算法优化的流形微通道散热器,旨在解决SiC模块的散热瓶颈,显著提升散热效率与热均匀性。

解读: 该研究直接针对SiC功率模块的核心散热痛点,对阳光电源的组串式逆变器(如SG系列)及PowerTitan/PowerStack储能变流器具有重要参考价值。随着阳光电源产品功率密度的不断提升,SiC器件的应用日益广泛,高热流密度带来的热管理挑战愈发严峻。本文提出的流形微通道散热优化设计,可有效降低Si...

电动汽车驱动 SiC器件 功率模块 热仿真 ★ 5.0

基于物理信息神经网络的参数化热仿真方法用于快速功率模块热设计

A Parameterized Thermal Simulation Method Based on Physics-Informed Neural Networks for Fast Power Module Thermal Design

Yayong Yang · Zhiqiang Wang · Yu Liao · Wubin Kong 等6人 · IEEE Transactions on Power Electronics · 2025年3月

本文提出一种基于物理信息神经网络(PINNs)的参数化三维热仿真方法,以实现功率模块热设计的快速设计空间探索。利用PINNs能够快速逼近描述功率模块热行为的参数化偏微分方程解的能力,开发了用于碳化硅(SiC)三相半桥功率模块的热场仿真框架,以进行参数化仿真。经过一次无监督训练后,基于PINNs的模型可以快速预测不同输入参数组合下功率模块的热场分布结果。对比结果表明,在不同组合情况下,PINNs的预测结果与COMSOL数值模拟和实验测量结果大致相符。此外,在用于参数优化的大规模设计空间探索任务中,...

解读: 从阳光电源的业务视角来看,这项基于物理信息神经网络(PINNs)的参数化热仿真技术具有重要的工程应用价值。作为全球领先的光伏逆变器和储能系统供应商,我们在功率模块热设计方面面临着日益严峻的挑战:一方面,碳化硅(SiC)等新型功率器件的广泛应用使得热管理复杂度显著提升;另一方面,市场对产品快速迭代和定...