基于CNN的IGBT结温监测

负载无关高精度

利用关断电压与卷积神经网络，在不同负载电流下实现高精度结温监测，克服传统方法负载依赖性强的问题。

Huimin, Wang · Xu, Zhiliang · 葛兴来 · Yongkang, Liao · 杨永恒 · Zhang, Yi · Yao, Bo · Chai, Yuheng

IEEE Transactions on Power Electronics 2023

参数信息

结温预测误差

2.3 °C

技术优势

负载变化下仍准确

利用CNN识别关断电压中的全局与局部特征，在不同负载电流下保持结温预测精度，无需重新校准。

无需额外温度传感器

仅利用已有的关断电压波形，通过算法提取结温信息，不增加硬件成本。

在线监测可行

关断电压在开关瞬态可测量，结合CNN快速推理，具备在线实时结温监测潜力。

应用场景

• 功率变换器可靠性：实时结温监测，用于变流器寿命评估与热管理。
• IGBT健康管理：结温是IGBT老化关键指标，用于状态监测和故障预警。
• 电池管理与集成：功率变换器中的IGBT结温影响电池充放电效率与安全。
• 先进机器人：机器人电机驱动中的IGBT结温监测，防止过热失效。
• 无人机：无人机电调中IGBT结温实时监控，提升飞行可靠性。