找到 2 条结果
采用可选有源电流均衡的并联SiC MOSFET模块中降低过冲、振荡及dV/dt产生
Reduced Overshoots, Oscillations, and $dV/dt$ Generation in Parallel Connected SiC MOSFET Modules With Optional Active Current Balancing
Mason Parker · Sebastián Neira · Edward L. Horsley · Stephen Finney 等5人 · IEEE Transactions on Power Electronics · 2024年9月
与功率转换器中的硅绝缘栅双极型晶体管（IGBT）相比，碳化硅（SiC）金属 - 氧化物 - 半导体场效应晶体管（MOSFET）具有更高的开关速度、更小的滤波元件尺寸和更低的开关损耗。然而，可用的模块电流额定值、加剧的振荡开关行为、较大的漏源电压过冲以及较高的输出电压 $dV/dt$ 水平，都是其在中高功率应用中推广的限制因素。此前已证明，采用具有开关沿偏斜特性的器件间电感是一种在模块并联时限制电流不平衡的方法。本文表明，通过精确控制此类配置中各模块之间施加的时序偏斜，可以显著降低过冲、振荡以及输...
解读: 从阳光电源的业务视角来看，这项关于并联SiC MOSFET模块的优化控制技术具有重要的应用价值。当前我们在大功率光伏逆变器和储能变流器产品中正面临功率等级提升与开关性能优化的双重挑战，该技术提供了一个切实可行的解决方案。 该研究通过精确控制并联模块间的时序偏移和器件间电感，在实现1600A大电流应...
基于长时域FCS-MPC训练的一维卷积神经网络用于FPGA平台电力电子变换器控制——以Si/SiC混合变换器为例
Long-Horizon FCS-MPC Trained 1-D Convolution Neural Networks for FPGA-Based Power-Electronic Converter Control With a Si/SiC Hybrid Converter Case Study
Ning Li · Hao Yu · Stephen Finney · Paul D. Judge · IEEE Transactions on Industrial Electronics · 2025年2月
传统的电力电子长时域有限控制集模型预测控制（FCS - MPC）在实时实现方面存在两个主要问题：1）计算负担和延迟；2）对现场可编程门阵列（FPGA）等实时平台的硬件资源要求较高。为解决这些问题，研究人员提出利用模型预测控制结果作为离线训练数据来训练人工神经网络（ANN），并将其应用于实时控制器中，以替代原有的模型预测控制模型。通过这种方式，人工神经网络减轻了在线计算负担和对硬件资源的需求。本文提出了一种基于FPGA的用于长时域FCS - MPC的一维卷积神经网络（CNN）。为进一步简化网络模型...
解读: 从阳光电源的业务视角来看，这项基于FPGA的一维卷积神经网络（CNN）控制技术对我们的核心产品线具有重要战略价值。该技术通过机器学习方法解决了长时域有限控制集模型预测控制（FCS-MPC）在功率电子变换器中的实时实现难题，这与我们在光伏逆变器、储能变流器等产品中面临的控制性能优化需求高度契合。 技...