近日，国际电力电子与运动控制领域重要会议之一——第十届国际电力电子与运动控制会议（The 10th International Power Electronics and Motion Control Conference, IPEMC 2024-ECCE Asia）在四川省成都市召开，会议共评选出8篇优秀论文、8张优秀海报和10个最佳专题组织者。其中，浙江大学伊利诺伊大学厄巴纳香槟校区联合学院（ZJUI）2022级电子信息专业博士生胡天翔，2022级电气工程专业硕士生姚燚楠， 2020级电子与计算机工程专业本科生徐露萌，2020级电气工程及其自动化专业本科生王一伊、王斯晨在ZJUI研究员、副教授李楚杉老师和ZJUI研究员、助理教授刘佐珠老师的指导下，凭借“PINN Based Data Driven Magnetics Loss Modeling”一文斩获本次大会优秀海报奖。

▲ 队长姚燚楠（右三）代表研究团队领奖

本届会议共收到来自27个国家和地区的1249篇投稿，经过600余位专家的严格评审，录用全文论文902篇。大会设置了56场论文宣讲、2场海报展示和20余项工业展览，共有335位作者进行了论文宣讲，567篇论文进行了海报展示。（信息来源：IPEMC 2024-ECCE Asia）

磁性元件是电力电子变换器中实现能量存储、能量转换和电气隔离所必须的基本元件。建立精确的磁性元件损耗模型对于磁性元件的材料选型、散热设计、性能预测和系统优化等方面具有重要意义。但是，磁性材料的损耗呈现非线性特征且极为复杂，学术界公认无法通过基于机理的解析公式方法实现通用性强且准确的磁材料损耗刻画。通过采用数据科学方法的确能够建立面向磁性材料的黑盒模型，从而实现损耗的预测，然而，基于纯数据的深度学习方法存在模型庞大、所需数据量大等问题。获奖文章结合物理模型与数据模型的优点，实现了物理机理与数据方法的融合。首先，研究团队基于改进的斯坦梅茨公式(IGSE) 建立磁性材料损耗的物理模型，该模型可实现任意工况下的损耗计算。与此同时，研究团队采用内嵌物理神经网络(PINN) 的核心思想，将IGSE作为核心公式，将神经网络拟合与物理公式约束相结合，实现对磁性材料损耗的准确预测。由此所建模型参数更少、精度更高、所需数据量更小。

▲ PI-GRU+FNN模型网络架构

▲ PINN大大降低训练数据量需求

IPEMC 2024-ECCE Asia由中国电工技术学会（CES）主办，西南交通大学承办，IEEE电力电子学会（PELS）、日本电气学会工业应用分会(IEEJ-IAS)和韩国电力电子学会(KIPE)协办。会议旨在为来自世界各地的学术和工业界专家学者、技术人员与青年学生们提供一个友好互动的交流平台，共同探讨和分享在电力电子与电机运动控制领域的国际最新研究成果和前沿技术发展动态。（信息来源：IPEMC 2024-ECCE Asia）

文章的研究团队由ZJUI电气工程和电子信息领域专业的博士生、硕士生和本科生组成，这支跨专业、跨年级的学生团队的建立是源于一场由IEEE 电力电子学会、普林斯顿大学以及Google、Enphase等著名企业共同发起的国际学术竞赛"Magnet Challenge"，该竞赛旨在探索将电力电子高频磁技术与人工智能相融合的创新方法。在竞赛中，研究团队提出了基于改进斯坦梅茨公式的内嵌物理神经网络模型,获得了IEEE International Challenge in Design Methods for Power Electronics的Honorable Mention奖项。这些研究成果最终以论文形式在IPEMC 2024大会上发表。

研究团队充分融合电气工程和电子信息两个专业的优势，相互启发、共同探索，产生了具有创新性的研究成果，是一次学科交叉创新、跨专业交流合作的优秀案例。相信通过这样的学术交流和合作，将为学院电力电子学科发展注入新的活力，推动科研创新。同时该论文在国际知名会议上的获奖，充分显示了ZJUI学生的学术素养和创新精神得到了同行专家的认可和赞赏，也彰显了ZJUI在国际化人才培养和学科交叉创新方面的培养特色。

▲ 姚燚楠与参展海报