非线性损耗建模可准确估计 SiC 转换器性能

碳化硅 (SiC) MOSFET 因其技术固有的特性(例如高电压能力、较低的导通电阻、耐高温操作以及相对于硅更高的功率密度)而越来越受到电源系统设计人员的欢迎。因此，基于 SiC 的转换器和逆变器是电池供电车辆 (BEV)、可再生能源以及需要最高效率的所有其他应用的最佳选择。

意识到这些改进的功能，设计人员需要使用可靠的工具和方法来估计损失，这些损失决定合适的冷却系统，并最终影响整体效率。事实证明，与基于线性近似的最常见数值技术相比，这种方法可以显着提高预测精度。

设备级和系统级模型：优缺点

有两种不同的损失估计模型。

器件级模型旨在开发 MOSFET 器件的广泛数学开关模型，该模型考虑电容、跨导、体二极管反向恢复以及与封装和布局相关的寄生电感等参数，利用数据表信息或直接测量。 特别是就 SiC MOSFET 而言，这些工具经过改进，可考虑更宽的工作温度和更高的频率能力。

一般来说，所提出的模型通常表现出高度的复杂性并依赖于器件参数，这些参数应通过测量来确定，因为它们并不总是在供应商的数据表中提供。因此，提出了完全基于现有数据表参数的修改模型。例如，通过使用数据表中显示的有限信息，已经针对零电压开关 (ZVS) 拓扑探索了结电容的线性化及其对损耗预测保真度的影响。

相比之下，系统级模型针对应用进行了强烈调整，并利用来自 MOSFET 制造商提供的数据表或实验结果的数据。然而，由于半导体供应商提供的信息既不能详尽，也不能代表整个 SiC MOSFET 的工作条件，因此损耗计算模型的构建方式是用低复杂度函数对输入数据进行插值，以捕获测试条件。 Onsemi 的 Elite Power Simulator 和 Wolfspeed 的 SpeedFit™ Design Simulator 是基于这种方法的模型的两个示例。

总之，由于对器件开关行为的良好描述，器件级模型非常准确，使其适用于各种操作条件而没有任何限制。无论如何，模型的复杂性构成了挑战，因为其计算成本以及需要额外的表征来估计寄生元件。

系统级模型允许设计人员在所需精度和计算成本之间达到可接受的权衡。无论如何，运行系统级模型都需要制造商的实验数据集，这些数据集源自 SiC 供应商制定的特定电源电路布局。此外，最终用户无法获得杂散电感和电容等寄生参数。所有这些都由于对电源转换器中能量损耗的高估而变得更加复杂，这仅仅是由于必须处理有限数据表信息的线性近似例程。

多项式和样条插值

一般建议的方法作用于数据集的数值，以执行临时拟合程序，其中可能包括多项式或样条插值，有望更准确地估计能量损失。即使在特定架构(即由 Wolfspeed 开发的带有半桥配置的 SiC MOSFET C3M0032120Jl 的评估板)中对其进行调试，该方法也相当通用。

更详细地说，基于双脉冲测试 (DPT) 对这些 SiC 器件进行了表征，以实验性地重现输入数据集以运行损耗模型并考虑评估板的固有寄生参数。作为最后一步，我们进行了直接基准测试，将 Wolfspeed 产生的数值与所提出的损耗模型获得的结果进行比较。

顺便说一句，样条插值是一种强大的数值算法，用于使曲线通过给定的数据点集变得平滑。样条插值有助于规避高阶多项式插值的缺陷，这些缺陷有时会导致过度振荡行为，从而导致在一些较小的间隔内输入数据的不同图形表示。样条插值通过使用复合多项式(样条)而不是在整个感兴趣的区间内定义的单个高阶多项式来避免振荡。常见的样条类型包括线性、二次和三次样条。三次样条曲线特别受欢迎，因为它们提供平滑性和灵活性。

新提出的损失模型

图 1 显示了识别建议方法的流程图。还值得注意的是，该模型适用于其他功率器件，无论它们是氮化镓 (GaN) 上的硅。

图 1：预测通用 SiC 功率转换器能量损耗的流程图

选择目标 SiC 器件后，在给定漏源电压 VDS 的情况下，通过实验确定导通 (Eon) 和关断 (Eoff) 开关能量损耗，作为漏极电流 ID 和结温 Tj 的函数;这也可以使用可用的数据表信息来完成。实际上，对于 1200V SiC MOSFET，大多数数据表显示了当 Tj 等于 25°C 时，600V 和 800V 下的 Eon 和 Eoff 曲线与 ID 的关系。不同的是，Eon 和 Eoff 与 Tj 的关系仅在 VDS=800V 和固定 ID 下进行表征，通常与最大连续漏极电流一致。

关于传导损耗，它们所依赖的导通电阻 RDS(on) 用栅源电压 Vgs、ID 和 Tj 来表示，其中 Vgs 通过选择适当的栅极驱动器来设置。输入数据集通过添加第三象限(反向导通区)中的典型体二极管电流-电压特性(ISD、VSD)来完成，通常提供三个不同的 Tj 值。更具体地说，25°C 和最大允许结温 Tjmax 下的特性在特定应用规定的工作范围内线性化。此过程可以识别零电流时的电压 Vt0 以及两个 Tj 值时二极管的动态电阻 Rd。

通过实施非线性插值，包括多项式或样条方法，可以细化特征曲线的形状，使得能量损失估计比最常见的线性插值更准确。之后，根据与特定电源转换器相关的开关和体二极管的直流母线电压 (VDC)、Tj 和电流分布等工作条件，开发的模型评估总传导损耗(对于晶体管开关和体二极管)和晶体管开关损耗。例如，晶体管(下标“t”)和体二极管(下标“d”)的导通损耗可表示为：

P cond,t = RDS(on) * I 2 rms,t和 P cond,d = V t0 * I av + R d * I 2 rms,d，其中两个 I rms代表均方根值晶体管和二极管电流，Iav 表示平均电流。例如，图 2 显示了 VDC=600V 和 Tj=28°C 时的 Eon 和 Eoff 曲线与 ID 的关系，比较了线性插值与多项式插值和实验数据。

图 2：在不同条件下执行 DPT 并使用常见线性和多项式运算进行插值后获得的实验数据集

对比分析及结论

为了验证所提出的损耗模型，使用了 Plexim 的 PLECS(分段线性电路仿真)工具作为参考。这样的工具代表了基于能量损失特性的线性近似的通用数据集。通过使用 PLECS 执行 DPT、提出的损耗模型和实验生成的数据，在 Eon 和 Eoff 方面获得的结果总结在图 3 的表格中。具体而言，考虑了四种场景，包括 VDC 的未知值(700V )、ID (34A、36A) 和 Tj (53°C)，其中实验数据集中没有可用信息。

还考虑了未知值的不同组合来研究对开关能量损耗结果的特定或组合影响。事实上，与当前文献和致力于电力电子设计的数值工具执行的最常见的线性近似不同，用于解决 SiC 器件数据表中的有限信息，所提出的损耗模型已得到强调，因为已经实现了较低的估计误差所提出的模型在所有被视为案例场景的操作条件下。

图 3：所提出方法的 Eon 和 Eoff 结果与 PLECS 和实验值的比较