一种高效率IGBT并联拓扑优化方法

1.一种高效率igbt并联拓扑优化方法，其特征在于，包括：

2.根据权利要求1所述的一种高效率igbt并联拓扑优化方法，其特征在于：在每个igbt中部署传感器，分别为温度、电流及开关状态传感器；传感器实时收集关于igbt工作状态的数据，包括结温、集电极电流、栅极电压；收集到的数据通过模数转换器adc转换为数字信号，并传输至中央处理单元，通过数据处理对收集的数据进行去噪、校准和融合，生成一个综合状态数据。

3.根据权利要求2所述的一种高效率igbt并联拓扑优化方法，其特征在于：所述中央处理单元通过一个高级的数据处理单元对综合状态数据进行分析，确定每个igbt的当前工作状态；中央处理单元运行一个自适应控制算法，自适应控制算法根据数据处理单元的分析结果计算出每个igbt所需驱动信号的参数，其中包括驱动信号的幅度和持续时间，使 igbt在不同工作条件下的动态均流控制；中央处理单元计算每个 igbt 的驱动功率 pdrv，其中驱动功率 pdrv 由栅极电荷量 qg、开关频率 fin 和驱动器实际输出电压的摆幅 δvg 决定，计算公式为 pdrv = qg * fin * δvg；中央处理单元根据驱动功率 pdrv 的计算结果，优化调整驱动信号的的幅度和持续时间；所述门极电荷量qg通过对门极电荷量曲线在栅极电压关断和栅极电压开启的区域内积分获得。

4.根据权利要求1所述的一种高效率igbt并联拓扑优化方法，其特征在于：所述将生成的驱动信号输入每个igbt的栅极驱动电路，并传输到每个igbt的栅极，调节igbt的导通时间和导通电压，当一个igbt的电流输出超过阈值时，栅极驱动电路会延长igbt的关断时间，减少其导通时间，从而降低其电流输出；反之，则增加导通时间，以提高其电流输出；使其在并联工作时，每个igbt都承担相等的电流负载。

5.根据权利要求1所述的一种高效率igbt并联拓扑优化方法，其特征在于：所述建立连接所有igbt的分布式反馈网络，分布式反馈网络通过通信协议和接口使数据传输具备实时性；其中每个igbt都装备有通信接口，用于接收来自分布式反馈网络的指令和发送自身状态信息；状态信息包括温度、电流和电压，用于评估igbt工作状态和进行均流控制；综合状态数据通过通信接口实时传输至分布式反馈网络，分布式反馈网络的中心节点分析数据，根据内部的深度学习模型，生成调节指令，优化igbt的工作状态和均流效果；协同优化则通过分布式反馈网络根据所有igbt的状态信息，动态调整整个igbt并联的运行参数；其中深度学习模型提升分布式反馈网络的预测和响应能力，通过分析历史数据和实时状态信息，深度学习模型能够预测未来的负载变化，从而提前调整igbt的开关频率、占空比和驱动信号的参数，以适应即将到来的负载变化。

6.根据权利要求1所述的一种高效率igbt并联拓扑优化方法，其特征在于：所述基于分布式反馈网络中的状态信息，评估igbt的工作状态和热分布情况；通过分析这些数据，识别出热点区域和电气应力集中的区域；使用高导热绝缘材料，提供良好的电绝缘性能和传导热量，提高散热效率；通过优化igbt的封装结构，使用dbc技术，进一步提高热导率和绝缘性能；通过多层拓扑结构管理igbt之间的电气隔离和热管理，并采用多层电路板设计，其中包括电源分配、信号传输或热管理；通过优化电路板布局和元件排列，减少电磁干扰。

7.根据权利要求1所述的一种高效率igbt并联拓扑优化方法，其特征在于：所述结合分布式反馈网络收集的数据和状态信息，包括电流、电压、温度，深度学习模型训练以识别这些数据与负载变化之间的复杂关系，从而预测未来负载的动态变化；基于预测结果，igbt并联能提前做出调整，通过自适应控制算法动态调整igbt的开关频率、占空比和驱动信号的参数；深度学习模型能识别出影响igbt并联的因素，包括热耦合和电磁干扰，通过优化这些因素，能减少热耦合和电磁干扰，提高分布式反馈网络的响应速度和均流精度。