A Discussion on Ultrahigh Efficiency and Ultrahigh Power Density DC–DC Converter Technologies
Notice bibliographique
Résumé
This article discusses the challenges in achieving ultrahigh efficiency, defined here as higher than 99% efficiency, as well as a high power density of more than 2 kW/in <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">3</sup> for dc–dc converters. For simplicity, our discussion focuses on 48-to-12-V converters aimed primarily at data center applications, but the concepts discussed are broadly applicable to dc–dc conversion at a wide range of voltage levels. This article will present a review of the fundamental sources of losses in dc–dc converters and how to minimize them, as well as a more in-depth look at some of the most efficient and dense topologies presented in the literature thus far. Based on this analysis and review, the key concepts that enable dc–dc converters to achieve higher than 99% efficiency at a power density of more than 2 kW/in <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">3</sup> will be summarized, which includes easily paralleled “modular” designs to reduce conduction loss, multilevel structures that reduce individual component voltage stresses, utilizing lower switching frequencies to reduce switching and quiescent losses, operating with full duty ratio to ensure maximum utilization of the power components, and utilizing novel circuit topologies that nearly eliminate bulky, lossy magnetic components compared with conventional topologies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».