2026年10月28日15:30，恒爱精诚团队举办了本学期第4期文献阅读分享活动（“读报”活动）。本次“读报”活动由莫李平老师指导，莫李平老师与林乃政、杨大玉、岳琳朝、汪朝阳4位同学结合各自研究方向，围绕非谐振直流变换器的基本拓扑推导方法、用于升压变换器的健康与故障监测的多时序数字孪生、基于物理信息神经网络的温度修正与光伏功率预测等前沿问题，对相关文献进行了深入解读与交流分享。
莫李平老师分享的文献题为《From Components to Converters: A Fundamental Topology Derivation Method for Non-resonant DC–DC Converters Based on Graph Theory》。现有非谐振DC–DC 变换器拓扑推演方法主要分为基于拓扑、基于单元胞和基于元件三类。其中，基于拓扑和基于单元胞的方法受已有电路及固定单元结构约束，容易遗漏大量具有应用潜力的全新拓扑；现有基于元件的方法存在约束缺陷，容易漏掉有效拓扑或生成无效拓扑；而直接枚举全部元件组合的计算量呈爆炸式增长，计算机算力难以承受，无法实现拓扑的自动化批量生成。围绕上述问题，莫李平老师介绍了“由元件到变换器”的拓扑推演思想，并设计两阶段C2C 策略以降低计算负担。该方法借助图论，将元件抽象为边、电路结构抽象为无权重图、完整变换器抽象为加权图，把电路的结构约束和电气约束转化为图论约束；同时设计DP1、DP2 两套动态规划算法：第一阶段由DP1 生成全部合法无权重电路结构，过滤结构缺陷；第二阶段由DP2 为结构挂载元件权重，筛选满足伏秒平衡、安秒平衡等电气约束的有效变换器拓扑。在此基础上，对所得全新拓扑开展稳态理论分析，并搭建硬件样机完成实验验证。仿真与样机实验表明，部分新拓扑具备高电压增益等良好性能。该方法相较传统人工推演效率大幅提升，为电力电子拓扑的自动化挖掘提供了全新范式；但当元件数量继续增大时，计算耗时仍会显著上升。
图 1 莫李平老师进行分享
林乃政同学分享的文献题目是《用于升压变换器的健康与故障监测的多时序数字孪生》。该文献面向SiC同步Boost升压变换器，针对电力电子装备现实痛点开展研究。由于变换器同时存在器件缓慢老化退化（小时级慢过程）和器件短路、开路灾难性故障（微秒级快事件），传统监测方案难以兼顾两种差异巨大的时间尺度；原有数字孪生健康监测无法区分电感串联电阻与开关管导通电阻，参数辨识精度受限；传统故障检测依靠电流阈值，存在误报、漏报，且需要增设大量传感器，提升硬件成本。对于这些问题，文章提出多时间尺度并行数字孪生架构，仅采用电感电流、开关节点电压两路传感器。慢尺度下利用迭代粒子群优化算法实现器件参数在线辨识，完成健康监测；快尺度依托开关节点电压特征模式识别结合查表法，完成亚开关周期的快速故障诊断。研究表明在10kVASiC同步Boost样机完成验证，电容参数辨识最高准确率达98.6%；电容开路故障可实现2μs快速检出；该方案以较少传感器同时实现器件老化健康评估与多类功率器件故障定位，但在动态负载工况辨识精度、剩余寿命完整预测框架方面仍存在局限。
图 2 林乃政同学进行读报
杨大玉同学分享的文献题目是《基于物理信息神经网络的温度修正与光伏功率预测》。由于光伏功率预测受辐照、组件温度影响显著，环境空气温度不能代表光伏组件实际工作温度，组件存在热惯性；纯物理模型参数难以标定，纯数据驱动模型会违背热平衡物理规律；现有方法难以有效融合多时间尺度的气象、功率时序信息，预测精度有待提升。针对这些问题，文中提出构建组件热平衡常微分方程刻画组件吸热、发电、散热动态过程，将物理方程嵌入物理信息神经网络（PINN）损失函数，实现组件温度精准估计；设计长短期交叉注意力机制LSCAM，融合长期历史、短期近期以及未来气象多维度特征，完成光伏功率预测；采用浙江79MW实际光伏电站四季实测数据集开展实验验证，同时分析数值天气预报输入误差对预测结果的影响。研究表明融合物理先验的PINN相比DNN、LSTM可以得到更精准的组件温度；PINN-LSCAM模型在春夏秋冬四季测试中均取得最优预测指标；天气预报的输入误差会造成预测性能下降，并且该影响随预测提前时长增加而加剧，夏季受气象误差影响尤为明显。该研究为光伏电站功率预报提供物理与数据融合的新思路，后续还可从多电站泛化、考虑组件老化遮挡、工程实时部署等方向继续拓展研究。
图 3 杨大玉同学进行读报
岳琳朝同学分享的文献题目是《面向固态变压器的基于PCB利兹线理念的绕组设计》。由于面向固态变压器SST高频、高功率密度、中压绝缘需求，传统PCB平面绕组变压器受集肤效应、邻近效应影响，高频工况下交流损耗大，电流分布不均匀；传统利兹线变压器高压灌封工艺复杂；既往PCB利兹线设计方案存在导线不等长不均流，换位实现复杂、过孔数量繁多等工程难题。对于这些问题，文中将传统利兹线多股换位的思想迁移至PCB绕组，提出两层结构PCB利兹绕组设计方案，探究绕组并联股数、换位段数、绕组匝数关键参数的影响规律，研究绕组旋转换位计算规则，在兼顾电磁损耗性能的同时降低PCB绘制实现难度。搭建三相30kW、190kHzCLLC固态变压器原型机完成仿真与硬件实验验证。研究表明所提出PCB利兹绕组可以有效削弱集肤效应与邻近效应，降低高频交流损耗；样机实现峰值效率99.0%，满载效率98.8%，功率密度达到5.74kW/L。同时该方案也暴露出工程短板，多层绕组扩展时需要HDI盲埋孔工艺，高压工况下绕组之间绝缘间距要求严苛，三明治叠绕方式难以满足中压绝缘，为高频中压PCB 变压器绕组设计提供参考与工程启示。
图 4 岳琳朝同学进行读报
汪朝阳同学分享的文献题目是《基于深度强化学习的配电网降级智能逆变器双时间标度无功控制》。由于高光伏渗透率配电网中光伏出力间歇性带来电压波动、过电压等电能质量问题；传统调压设备属于慢时间尺度，难以跟踪分钟级电压扰动；模型驱动的电压-无功控制（VVC）高度依赖精确电网拓扑、线路参数；现有双时间尺度深度强化学习方法存在环境非平稳问题，训练难以收敛；多数控制策略只追求电压指标，忽略逆变器频繁调节带来的器件热应力老化损耗。针对这些问题，文章提出无模型双时间尺度深度强化学习VVC框架，协同控制快响应智能逆变器与慢响应传统调压设备；将逆变器热应力老化损耗加入奖励函数，将大幅电压偏移交由机械调压设备承担，减少逆变器频繁动作；引入LSTM 网络编码快尺度智能体历史动作 观测时序轨迹，缓解多智能体训练环境非平稳难题；采用CTDE集中训练、分布式执行范式，集中式评论器利用全局信息完成训练，实际运行各智能体仅依靠本地观测输出控制动作，适配配网通信受限场景。仿真结果表明，该方案可以将配网电压维持在合格区间，实现电压质量、网络损耗与逆变器设备寿命多目标权衡；LSTM时序编码能够显著改善训练震荡、收敛困难的问题。但该研究仅在IEEE标准配网仿真算例中验证，未充分考虑通信时延、数据丢包现实约束；强化学习训练样本需求大、奖励调参繁琐，工程落地门槛较高；时序网络选型缺少GRU、Transformer等模型横向对比。
图 5 汪朝阳同学进行读报
在每位同学汇报结束后，莫李平老师围绕同学们所选论文，从研究背景、研究意义、技术路线和研究方法等方面进行深入点评。他强调，同学们应积极阅读与当前前沿方向相关的文献，深入学习文献的研究思路，并将其应用到自身课题研究中；同时，要多向汇报同学提问、分享观点，在交流研讨中共同提升。
最后，本期“读报”活动在充分的交流与讨论中圆满结束。“读报”活动既是团队了解学科前沿、开展学术交流的重要途径，也是同学们锻炼文献阅读能力、学术表达能力和科研思辨能力的重要平台。通过对前沿论文的系统梳理与深入讨论，同学们不仅能够掌握具体研究内容，更能重视对论文研究逻辑与方法体系的学习，并将其中具有启发性的研究思路逐步运用到自身科研工作中。希望大家在后续学习与研究中继续保持主动阅读、勤于思考、积极交流的良好习惯，在一次次“读报”分享中不断提升科研能力与学术素养。
