来自卡迪夫大学和化合物半导体应用(CSA)Catapult的专家团队创建了一种使用人工智能(AI)对电力电子转换器进行建模和设计的新方法和更有效的方法。

与传统方法相比，该方法可将技术设计时间缩短多达78%，并用于制造效率超过98%的设备。

该团队的研究结果已发表在IEEEOpenJournalofPowerElectronics和IEEETransactionsonPowerElectronics上。

电源转换器是一种用于转换电能的电气设备。它可以将交流电(AC)转换为直流电(DC)，反之亦然，或者改变电流的电压或频率。从手机、电脑和电视到可再生能源和电动汽车，电源转换器的应用范围很广。

设计功率转换器的现有方法很大程度上依赖于复杂的数学模型，这显着增加了设计过程的计算时间和复杂性。一个设计良好的电力电子转换器必须具有高效率、小体积、重量轻、成本低、故障率低等特点。因此，电源转换器设计方法的主要目标是确定这些性能指标之间的最佳折衷。

在他们的研究中，该团队探索了一种新的设计方法，使用一种称为人工神经网络(ANN)的人工智能，它使用模仿人脑互连神经网络的算法和计算系统。ANN在现有的2,000多个设计数据集上进行了训练，因此团队能够选择最适合其所需效率和功率密度的设计。

该团队为基于ANN的设计选择了四个主要组件，包括功率硝酸镓(GaN)场效应晶体管(FET)、电感器、电容器和散热器。

该设计方法通过对使用指定设计创建的基于GaN的单相逆变器的实验测试进行了验证。该设备的效率和功率密度与设计非常匹配，并且在现有设备的范围内，使其具有技术竞争力和商业可行性。

该研究的合著者、卡迪夫大学高级讲师、CSACatapult高级研究员明文龙博士说：“准确和快速的瞬态建模/仿真方法对于高效和快速优化宽带隙电力电子设备的性能至关重要。系统。我们很高兴与CSACatapult合作解决这一差距。”

该研究的合著者、CSACatapult电力电子部门负责人IngoLüdtke博士说：“与硅同行相比，自动化电力电子设计优化能够充分利用宽带隙电力半导体的优势。我们很高兴能够合作在这个创新领域与卡迪夫大学合作。”