一种基于数据驱动和实验增强的电能变换器调制方法及装置

技术领域

本发明属于电能变换器的技术领域，尤其涉及一种基于数据驱动和实验增强的电能变换器调制方法及装置。

背景技术

近年来，随着可再生能源的不断发展和应用，电能变换器作为其中关键的能量转换和传输装置，扮演着至关重要的角色。可再生能源如太阳能和风能等的不稳定性和不可控性，给电能变换器的调制带来了巨大挑战。传统的电能变换器调制方式的建模通常基于经验法则和理论模型，其局限性在于无法充分考虑到系统的非线性和复杂性。并且，电能变换器在实际应用中还面临着负载变化、环境干扰等复杂工况的挑战，传统的理论模型往往无法充分考虑这些实际因素的影响。

专利文献CN116187540 A公开了一种基于时空偏差修正的风电场站超短期功率预测方法，其步骤如下:导入风电场站及其邻近四个网格的数值天气预报数据，同时导入风电场站测风塔得到的实时天气数据；构造时序特征，对天气数据进行预处理后构造气象特征；将天气数据作为训练数据并优化样本集，建立误差修正模型，得到天气数据修正结果；通过贝叶斯优化方法得到最优模型超参数，建立功率预测模型，预测风电场站的发电情况。

专利文献CN 114237087A公开了一种监控系统预警方法、装置及计算机可读存储介质，该方法包括：采集至少一个所述监控设备的运行数据；根据预设规则获取所述运行数据对应的目标特征数据，并将所述目标特征数据作为输入，输入到故障预测模型中；获取所述故障预测模型基于所述目标特征数据计算得出的故障系数；根据所述故障系数输出预警信息。

发明内容

本发明的目的是提供一种电能变换器调制方法及装置，该方法可以更加准确地揭示电能变换器的行为规律及特性，为后续调制参数的选择提供更好的指导。

为了实现本发明的第一个目的，提供了一种基于数据驱动和实验增强的电能变换器调制方法，包括以下步骤：

获取包括仿真获得的仿真性能指标和对应的仿真调制数据，以及实际实验测定的真实性能指标和对应的实验调制数据。

基于极端梯度提升算法构建预测模型，并采用仿真性能指标和对应的仿真调制数据对所述预测模型进行训练。

将实验调制数据输入至训练后的预测模型中，以获得对应的预测性能指标。

采用所述极端梯度提升算法分析预测性能指标与真实性能指标之间的差别，以获得对应的误差校正参数。

将误差校正参数引入训练后的预测模型输出端，以获得用于预测最佳电能变换器调制参数的最佳预测模型。

本发明采用的极端梯度提升算法由多个决策树组成，所述决策树数量与输入的调制数据的数量一致，其第一决策树的目标函数为第一调制数据对应的第一性能指标，第一决策树的输出为第一调制数据的第一预测结果，第二决策树的目标函数为第一性能指标和第一预测结果的差值，重复上述过程直至完成所有仿真调制数据的决策树计算，并将各决策树的输出进行累加。

具体的，所述仿真性能指标采用PLECS或MATLAB对全范围内的调制参数和对应的运行功率与运行电压进行模拟仿真，以获得在仿真中不同调制参数下的性能指标。

具体的，所述真实性能指标采用实物实验中采集的调制参数和对应的运行功率与运行电压进行分析计算，以获得在实验中不同调制参数下的性能指标。

具体的，所述最佳预测模型的表达式如下：

式中，X

具体的，所述预测模型的表达式如下：

式中，k表示极端梯度提升算法中的决策树总数，f

具体的，所述误差校正参数的表达式如下：

式中，g

具体的，所述性能指标包括电能变换器的效率或/和电流应力。

具体的，所述调制参数包括原边桥臂内移相角，副边桥臂内移相角以及原副桥臂外移相角。

为了实现本发明的第二个目的，提供了一种电能变化器调制装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中采用上述的最佳预测模型。

所述计算机处理器执行所述计算机程序时实现以下步骤：

将预设的多个组调制参数输入至最佳预测模型，以输出使电能变化器达到最佳性能指标对应的调制参数。

与现有技术相比，本发明的有益效果：

在仿真数据驱动建模法的基础上进行改进，在数据集中融合实物实验数据训练极端梯度提升算法，更能准确地揭示电能变换器的在复杂的显示工况中的行为规律和特性，并且减少所需要的数据总量。

附图说明

图1为本实施例提供的电能变换器调制方法的流程图；

图2为本实施例提供的预测模型的运算流程图；

图3为本实施例提供的基于预测性能指标与真实性能指标的预测流程图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

如图1所示，为本实施例提供的一种基于数据驱动和实验增强的电能变换器调制方法，包括以下步骤：

获取包括仿真获得的仿真性能指标和对应的仿真调制数据，以及实际实验测定的真实性能指标和对应的实验调制数据。

基于极端梯度提升算法构建预测模型，并采用仿真性能指标和对应的仿真调制数据对所述预测模型进行训练。

将实验调制数据输入至训练后的预测模型中，以获得对应的预测性能指标。

采用极端梯度提升算法分析预测性能指标与真实性能指标之间的差别，以获得对应的误差校正参数。

将误差校正参数引入训练后的预测模型输出端，以获得用于预测最佳电能变换器调制参数的最佳预测模型。

更具体地，本实施例提出的仿真采用PLECS仿真软件运行不同调制参数时，采集对应调制参数下的性能指标值。在双向有源桥变化器的双重移相调制法中，每一组调制参数组合包括原边桥臂内移相角，副边桥臂内移相角以及原副桥臂外移相角。对应的性能指标包括效率、电流应力，可以根据实际应用场景来选择某一性能指标来采集。

而实验测定则通过搭建硬件实物台，保持相同的电路参数以及运行条件，采集不同的调制参数时对应性能指标值。同样，在双向有源桥变化器的双重移相调制法中，每一组调制参数组合包括原边桥臂内移相角，副边桥臂内移相角以及原副桥臂外移相角。对应的性能指标包括效率、电流应力，可以根据实际应用场景来选择某一性能指标来采集。

极端梯度提升算法由多个决策树组成的一个加法模型，需要进行初始预测。基于预测值和观测值计算残差，使用残差的相似性得分创建带有残差的决策树。决策树的输出成为数据集的新残差，用于构建另一棵决策树。重复这个过程，直到残差停止减少或达到指定的次数。

基于极端梯度提升算法构建预测模型，将仿真性能指标和对应的仿真调制数据作为训练集，对预测模型进行训练，其过程如下：

如图2所示，第一决策树的目标函数为第一调制数据对应的第一性能指标，第一决策树的输出为第一调制数据的第一预测结果，第二决策树的目标函数为第一性能指标和第一预测结果的差值，重复上述过程直至完成所有仿真调制数据的决策树计算，并将各决策树的输出进行累加。

其表达式为：

式中，k表示极端梯度提升算法中的决策树总数，f

如图3所示，误差校正参数则是将预测性能指标与真实性能指标作为输入，使预测模型学习其差别，从而获得对应的误差校正参数，其表达式如下：

式中，g

最终，基于上述实施例中提出的预测模型和误差校正参数进行合并，以获得最佳预测模型，其表达式如下：

式中，X

本实施例还提供了一种电能变化器调制装置，基于上述实施例提出的最优预测模型实现，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中采用上述的最佳预测模型。

该计算机处理器执行所述计算机程序时实现以下步骤：

将预设的多个组调制参数输入至最佳预测模型，以输出使电能变化器达到最佳性能指标对应的调制参数。

本发明结合仿真数据和实验数据，利用数据驱动方法对电能变换器调制方式进行建模，有助于加快工程建模过程，帮助降低分析复杂系统的难度，以及帮助解决建模与实际工况有误差的问题，具有较大的工程应用价值和推广前景。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。本申请实施例中的方案可以采用各种计算机语言实现，例如，MATLAB，Python,C++,Java等。本申请实施例中采用的仿真软件

可以采用各类电力电子常用的仿真软件，比如MATLAB，PLECS等。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。