MétaCan
Menu
Retour à la cohorte
Enregistrement W3004911649 · doi:10.1109/tpel.2020.2971424

Planar Transformers in LLC Resonant Converters: High-Frequency Fringing Losses Modeling

2020· article· en· W3004911649 sur OpenAlexafffund
Rouhollah Shafaei, Maria Celeste Garcia Perez, Martin Ordonez

Notice bibliographique

RevueIEEE Transactions on Power Electronics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésConvertersTransformerInductancePlanarTopology (electrical circuits)Electrical engineeringComputer scienceElectronic engineeringEngineeringVoltage

Résumé

récupéré en direct d'OpenAlex

Fringing losses play a detrimental role in high-frequency transformers. The tendency toward higher power density and miniaturization of power converters leads to higher switching frequency and enforces the use of low-profile components such as gapped planar transformers. Due to the air gap, lower magnetizing inductance and better regulation of LLC (Lm, Ls, Cs) can be achieved, but fringing fluxes can also be induced, resulting in extra magnetic losses and more hotspots. These losses are highly dependent on the frequency and the core material, so it is critical to model them for gapped planar transformers in LLC resonant converters, which operate at high frequencies and use ferrite material. In this article, fringing losses for gapped ferrite transformers in LLC converters are thoroughly modeled in order to provide a precise prediction regardless of the materials and core geometries. The proposed method provides an accurate and compact formula for predicting the fringing losses of planar transformers. This formula is obtained based on the finite-element method so as to consider and evaluate different design parameters. An LLC resonant converter with different planar transformers is implemented to show the compatibility of the proposed model. Experimental results show the higher accuracy of the proposed model compared to traditional ones and confirm that the proposed loss model can be applied to diverse core shapes. In addition, the gradient descent method is used to calibrate the theoretical and experimental results. Moreover, temperature deviations of the transformer due to the fringing losses are measured and evaluated both experimentally and theoretically to show the accuracy of the proposed loss formula. Due to the proposed model's higher accuracy, an improved design procedure for planar transformers is obtained, adding substantial value for design engineers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,202
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power ElectronicsMême sujetAdvanced DC-DC ConvertersTravaux en français237 207