MétaCan
Menu
Retour à la cohorte
Enregistrement W4313166331 · doi:10.1109/tpel.2022.3230747

Adaptive Power Sharing and Switching Frequency Control for Power Loss Optimization in WBG/Si Hybrid Half-Bridge Converters

2022· article· en· W4313166331 sur OpenAlexaff
Chao Zhang, Xufeng Yuan, Jun Wang, Weibin Chen, Bo Hu, Z. John Shen

Notice bibliographique

RevueIEEE Transactions on Power Electronics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésParticle swarm optimizationConvertersPower (physics)Electronic engineeringComputer scienceInverterPower controlControl theory (sociology)EngineeringElectrical engineeringControl (management)AlgorithmVoltage

Résumé

récupéré en direct d'OpenAlex

The optimization of switching frequencies and the power-sharing ratio between the silicon (Si) phase and wide-bandgap (WBG) phase are critically important for the efficiency improvement and safe operation of the WBG/Si hybrid half-bridge (HHB)-based power converters. In this article, a novel adaptive power sharing and switching frequency control for power loss optimization in WBG/Si HHB is proposed. It is based on intelligence particle swarm optimization (PSO), especially suitable for applications with time-varying operation current. The PSO approach only evaluates the fitness values to seek the best optimal parameters without requiring an accurate power loss model and additional hardware components. Therefore, the proposed method can be easily implemented and adapted to various working conditions. A 3-kW prototype of the Si/SiC HHB-based single-phase inverter is built to validate the proposed approach. In comparison with the fixed frequency and power-sharing ratio, the proposed method achieves an 18% maximum total power loss reduction while maintaining the same power quality performance.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,958
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,207
Écart entre enseignants0,201 · 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 tête enseignante, pas un consensus.

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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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