Yangxiao Xiang · Hongjian Lin · Henry Shu-Hung Chung · IEEE Transactions on Power Electronics · 2024年10月

对于拓扑持续时间不确定的开关模式功率转换器而言，进行高精度参数识别颇具挑战，因为诸如开关时刻和拓扑转换时的电路状态变量等物理信息，对于实现这一目标至关重要。在传统的基于物理模型的解决方案中，需要额外的测量电路来弥补拓扑转换时未知物理信息的缺失，否则就必须牺牲精度。为避免使用不必要的额外硬件，本文提出了一种扩展物理信息神经网络（e - PINN），它将伪标签生成网络集成到分段物理信息神经网络中。该网络能够精确识别关键系统参数，以及每个拓扑的持续时间和拓扑转换时的系统状态。在工作于不连续导电模式（D...

解读: 从阳光电源的业务视角来看，这项基于扩展物理信息神经网络（e-PINN）的参数识别技术具有显著的应用价值。该技术针对开关电源变换器在拓扑持续时间不确定情况下的参数识别难题，提出了无需额外硬件即可实现高精度识别的解决方案，这与我司在光伏逆变器和储能变流器领域的核心需求高度契合。 在实际应用层面，该技术...