找到 2 条结果
一种200mm E-Mode GaN-on-Si功率HEMT可靠性与寿命评估新方法
A Novel Evaluation Methodology for the Reliability and Lifetime of 200 mm E-Mode GaN-on-Si Power HEMTs
Jingyu Shen · Chao Yang · Liang Jing · Ping Li 等7人 · IEEE Transactions on Power Electronics · 2023年5月
本文提出了一种针对增强型AlGaN/GaN高电子迁移率晶体管（HEMT）的可靠性与寿命评估新方法。以工业级200mm Si CMOS兼容平台制造的商用100V E-mode GaN-on-Si功率HEMT为例，详细介绍了包括晶圆级可靠性测试（WLRT）在内的评估流程，为宽禁带半导体器件的可靠性验证提供了实用参考。
解读: GaN作为宽禁带半导体，在提升阳光电源户用光伏逆变器及小型化充电桩的功率密度和转换效率方面具有巨大潜力。本文提出的可靠性评估方法对于公司评估GaN器件在工业化应用中的长期稳定性至关重要。建议研发团队参考该评估流程，建立针对GaN功率器件的入库筛选标准，以加速其在下一代高频、高效率户用逆变器及便携式储...
一种考虑单体电池运行状态的锂离子电池健康状态贝叶斯迁移学习评估框架
A Bayesian transfer learning framework for assessing health status of Lithium-ion batteries considering individual battery operating states
Jiarui Zhang · Lei Mao · Zhongyong Liu · Kun Yu 等5人 · Applied Energy · 2025年3月 · Vol.382
摘要 锂离子电池（LIBs）健康状态（SOH）的快速准确评估对于实现高效的电池监测与管理具有重要意义。LIBs的退化是一个复杂的过程，每一块电池的退化路径均具有独特性，受到内部和外部多种因素共同影响。然而，现有方法通常将每块电池视为独立个体处理，未能充分挖掘和利用各单体电池的独特特征。为克服这一局限性，本研究提出了一种贝叶斯迁移学习框架，用于建模锂离子电池特有的退化过程，从而完成对SOH的评估。具体而言，构建了一个混合效应模型（MEM）以描述电池健康状态的退化过程，该模型能够捕捉不同电池之间的异...
解读: 该贝叶斯迁移学习框架对阳光电源ST系列储能变流器及PowerTitan储能系统的电池管理具有重要价值。混合效应模型可捕捉单体电池差异性,实现精准SOH评估,优化BMS策略。三种参数更新策略适配不同应用场景,可提升iSolarCloud平台预测性维护能力。该方法兼容循环老化与日历老化,适用于大规模储能...