Low Computational Cost Thermal Modelling of High-Frequency Power Transformers using an Admittance Matrix Apporach
Notice bibliographique
Résumé
Thermal modelling of magnetic components in high-frequency power electronic systems is not trivial. This can be attributed to the complex non-uniform losses, heterogenous construction of magnetic components, and the temperature dependence of electrical and magnetic properties. Accurate thermal modelling of such magnetic components relies on the use of bi-directionally coupled electromagnetic-thermal numerical analysis. Although such bi-directionally coupled numerical models provide accurate results, the computational cost of such models can be restrictive. Hence, there is a need for low computational cost thermal models of magnetic components. In this paper, we develop a low computational cost thermal model of a power transformer using the admittance matrix approach. First, a bi-directionally coupled multiphysics model of a power transformer is developed and validated using experimental test results. Using the numerical model, low-cost thermal models are evaluated for surface heat transfer coefficients varying between 1 to <tex>$\mathbf{200}\ \boldsymbol{W}/\boldsymbol{m}^{\mathbf{2}}\cdot \boldsymbol{K}$</tex>, covering the typical thermal operating range of magnetic components housed in conventional power electronic systems. The final low-cost thermal model's surface temperature and heat flux predictions were within <tex>$\pm \mathbf{8}.\mathbf{2}\%$</tex> of the numerical results, while the junction temperature error was <tex>$\pm \mathbf{6}.\mathbf{18}\ \%$</tex>. The simplified thermal model developed shows close to Boundary Condition Independence (BCI) behaviour and is a low computational cost alternative to the numerical model.
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 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».