L'IA aide à optimiser les convertisseurs d'électronique de puissance

L’IA aide à optimiser les convertisseurs d’électronique de puissance

IEEE Open Journal of Power Electronics (2022). DOI : 10.1109/JOPEL.2022.3204630″ width= »550″ height= »368″>

Compromis entre les paramètres de performance de l’électronique de puissance. Le crédit: Journal ouvert IEEE d’électronique de puissance (2022). DOI : 10.1109/JOPEL.2022.3204630

Une nouvelle méthode plus efficace de modélisation et de conception de convertisseurs d’électronique de puissance utilisant l’intelligence artificielle (IA) a été créée par une équipe d’experts de l’Université de Cardiff et de la catapulte CSA (Compound Semiconductor Applications).

La méthode a réduit les temps de conception de la technologie jusqu’à 78 % par rapport aux approches traditionnelles et a été utilisée pour créer un appareil avec une efficacité de plus de 98 %.

Les conclusions de l’équipe ont été publiées dans le Journal ouvert IEEE d’électronique de puissance et Transactions IEEE sur l’électronique de puissance.

Un convertisseur de puissance est un appareil électrique permettant de convertir de l’énergie électrique. Il peut convertir le courant alternatif (AC) en courant continu (DC) et inversement ou modifier la tension ou la fréquence d’un courant. Les convertisseurs de puissance sont utilisés dans un large éventail de technologies, des téléphones portables, ordinateurs et téléviseurs aux énergies renouvelables et aux véhicules électriques.

Les méthodes existantes de conception de convertisseurs de puissance reposent en grande partie sur des modèles mathématiques complexes qui augmentent considérablement le temps de calcul et la complexité du processus de conception. Un convertisseur électronique de puissance bien conçu doit avoir un rendement élevé, un petit volume, être léger et avoir un faible coût et un faible taux de défaillance. Par conséquent, l’objectif principal d’une méthode de conception de convertisseur de puissance est d’identifier le meilleur compromis parmi ces indicateurs de performance.

Dans leur étude, l’équipe a exploré une nouvelle méthode de conception utilisant un type d’IA connu sous le nom de réseaux de neurones artificiels (ANN), qui utilise des algorithmes et des systèmes informatiques qui imitent les réseaux de neurones interconnectés du cerveau humain. L’ANN a été formé sur un ensemble de données existant de plus de 2 000 conceptions, de sorte que l’équipe a pu sélectionner la conception la plus appropriée pour l’efficacité et la densité de puissance souhaitées.

L’équipe a sélectionné quatre composants principaux pour la conception basée sur l’ANN, notamment les transistors à effet de champ (FET) au nitrate de gallium (GaN) de puissance, les inductances, les condensateurs et les dissipateurs thermiques.

L’approche de conception a été validée par des tests expérimentaux sur un onduleur monophasé à base de GaN qui a été créé à l’aide de la conception spécifiée. L’efficacité et la densité de puissance de l’appareil étaient bien adaptées à la conception et à la gamme des appareils existants, ce qui le rendait techniquement compétitif et commercialement viable.

Le co-auteur de l’étude, le Dr Wenlong Ming, maître de conférences à l’Université de Cardiff et chercheur principal à CSA Catapult, a déclaré : « Des approches de modélisation/simulation transitoires précises et rapides sont essentielles pour optimiser efficacement et rapidement les performances de l’électronique de puissance à large bande interdite. Nous sommes ravis de travailler avec CSA Catapult pour combler cette lacune.

Le co-auteur de l’étude, le Dr Ingo Lüdtke, responsable de l’électronique de puissance chez CSA Catapult, a déclaré : « L’optimisation automatisée de la conception de l’électronique de puissance permet d’exploiter pleinement les avantages des semi-conducteurs de puissance à large bande interdite par rapport à leurs homologues en silicium. Nous sommes ravis de travailler avec l’Université de Cardiff dans ce domaine innovant. »

Fourni par l’Université de Cardiff