找到 2 条结果
一种基于物理信息神经网络与交叉注意力的磁芯损耗模型
A Magnetic Core Loss Model Based on Physics-Informed Neural Network With Cross-Attention
Yunhao Xiao · Chi Li · Zedong Zheng · IEEE Transactions on Power Electronics · 2026年1月
软磁材料损耗机制复杂，是电力电子系统分析的瓶颈。随着高频化趋势，磁性元件温升对损耗愈发敏感。本文提出一种结合物理信息神经网络（PINN）与交叉注意力机制的磁芯损耗建模方法，旨在提升高频磁性元件损耗预测的精度与效率，为电力电子系统的热设计与优化提供支撑。
解读: 磁性元件是阳光电源组串式逆变器、PowerTitan储能变流器及风电变流器中的核心功率密度瓶颈。该研究提出的PINN与交叉注意力模型，能显著提升磁芯损耗预测精度，有助于优化高频磁性元件的电磁与热设计。在阳光电源追求更高功率密度和更优散热性能的产品研发中，该技术可辅助缩短磁性元件的仿真与选型周期，提升...
基于物理信息神经网络与交叉注意力的磁芯损耗模型
A Magnetic Core Loss Model Based on Physics-Informed Neural Network with Cross-Attention
Yunhao Xiao · Chi Li · Zedong Zheng · IEEE Transactions on Power Electronics · 2025年8月
由于软磁材料固有的损耗机制尚不明确，损耗建模往往成为电力电子系统分析中的瓶颈。一方面，损耗会显著影响整体效率；另一方面，高频运行导致的小型化使得高频磁性元件的温升对损耗更为敏感，这使得热可靠性分析变得至关重要。然而，现有的损耗模型由于对复杂运行条件的高敏感性，在这些条件下的适用性会变差。本文提出了一种自适应损耗模型，该模型通过交叉注意力机制增强了物理损耗模型的学习能力和运行条件适应性，在测试集上实现了平均误差2.8%、最大误差12.3%的效果。此外，通过热分析验证了所提模型的准确性，相对误差为1...
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的磁芯损耗模型技术具有重要的战略价值。在光伏逆变器和储能变流器等核心产品中，高频变压器和电感等磁性元件是影响系统效率和可靠性的关键部件。该技术通过交叉注意力机制实现的自适应损耗建模，能够在复杂工况下保持2.8%的平均误差和1.7%的热分析误差，这对我...