一种电源效率自适应调节装置和调节方法制造方法及图纸

本发明专利技术提出了一种电源效率自适应调节装置和调节方法，该装置包括数据采集模块

【技术实现步骤摘要】
一种电源效率自适应调节装置和调节方法


[0001]本专利技术属于电源控制
，特别涉及一种电源效率自适应调节装置和调节方法
。

技术介绍

[0002]随着能源问题的日益突出，提高电源的使用效率和稳定性已经成为电子设备发展的重要方向
。
为了实现这一目标，现有技术中提出了各种电源自适应效率调节装置
。
然而，现有的调节装置在负载特性
、
响应时间
、
稳态误差和瞬态误差等方面仍存在一定的不足
。
[0003]在现有的技术中，一些电源效率自适应调节通常采用
PID(
比例
‑
积分
‑
微分
)
控制算法进行调节
。
然而，
PID
控制算法在处理具有非线性
、
时变特性的电源系统时，往往存在控制精度低
、
稳定性差的问题
。
此外，
PID
控制算法的参数整定复杂，对控制工程师的经验和技能要求较高
。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种电源效率自适应调节装置和调节方法，能够根据不同的负载需求自动调节电源的输出功率和电流，以提高电源的使用效率和稳定性
。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]一种电源效率自适应调节装置，包括数据采集模块
、
控制单元和功率调节单元；
[0007]所述数据采集单元用于采集供电单元输出的电源质量历史数据集；所述电源质量历史数据集包括电压量
、
电流量和功率量；
[0008]所述控制单元用于对所述电源质量历史数据集进行预处理得到特征数据集，利用特征数据集建立特征矩阵；构建用于电源效率预测的神经网络模型，以特征矩阵作为神经网络模型的输入，电源质量作为神经网络输出的目标变量对神经网路模型进行训练，采用训练后的神经网络模型对采集的当前电源质量进行预测；
[0009]所述功率调节单元用于根据控制单元的预测调节供电单元的输出
。
[0010]进一步的，所述供电单元和数据采集单元之间设置电源防反接单元；所述电源防反接单元采用多个共阴极的二极管
。
[0011]进一步的，对所述电源质量数据集进行预处理得到特征数据集的过程包括：
[0012]根据采集的电流量计算电流平均值
、
电流波动值和电流偏差值；
[0013]其中，电流平均值为：
I0为第一电流量值
、I1为第二电流量值
、I
n
位第
n+1
电流量值；
[0014]I
max
为
n+1
个电流量值中的最大值；
I
min
为
n+1
个电流量值中的最小值；
[0015]I
实际
为实际电流；
I
额定
为理想电源输出的额定电流；
[0016]根据采集的电压量计算电压平均值
、
电压波动值和电压偏差值；
[0017]其中，
V0为第一电压量值
、V1为第二电压量值
、V
n
为第
n+1
电压量值；
[0018]V
max
为
n+1
个电压量值中的最大值；
V
min
为
n+1
个电压量值中的最小值；
[0019]V
实际
为实际电压；
V
额定
为理想电源输出的额定电压
。
[0020]进一步的，所述装置还包括存储单元；
[0021]所述控制单元的输出端分别与存储单元通信连接；所述存储单元用于将控制单元对调节的数据进行存储
。
[0022]进一步的，所述装置还包括上报单元；所述控制单元的输出端分别与上报单元通信连接；所述上报单元用于通过信号灯显示供电单元输出是否正常
。
[0023]进一步的，所述功率调节单元的电路结构为：训练后神经网络模型输出的预测电压
VIN
经过电阻
R24
和电阻
R21
分压之后进入三个相同的调节支路
,
调节支路包括
MOS
管
Q1
和三极管
Q4
；分压之后一路输入
MOS
管
Q1
的源极，另外一路经过电阻
R25
和
R30
之后连接至三极管
Q4
的集电极；
MOS
管
Q1
的栅极经过电阻
R30
之后连接至三极管
Q4
的集电极；训练后神经网络模型输出的预测电流
IN2
经过电阻
R33
之后，一路连接至三极管
Q4
的基极，另外一路经过电阻
R36
之后连接至三极管
Q4
的发射极；
MOS
管
Q1
的漏极输出电压使能信号
。
[0024]进一步的，所述特征矩阵是一个二维数组，每一行代表一个样本的特征；目标变量是一个一维数组，每个元素代表对应样本的目标值
。
[0025]进一步的，所述神经网络模型采用线性堆叠序列模型；所述线性堆叠序列模型包括输入层
、
隐含层和全连接层；所述输入层和隐含层均使用
64
个神经元；所述输出层采用1个神经元
。
[0026]进一步的，所述神经网络模型采用均方误差
、
均方根误差和平均绝对误差评估模型预测性能
。
[0027]本专利技术还提出了一种电源效率自适应调节方法，是基于所述的一种电源效率自适应调节装置实现的，包括以下步骤：
[0028]采集供电单元输出的电源质量历史数据集；所述电源质量历史数据集包括电压量
、
电流量和功率量；
[0029]对电源质量历史数据集进行预处理得到特征数据集，利用特征数据集建立特征矩阵；构建用于电源效率预测的神经网络模型，以特征矩阵作为神经网络模型的输入，电源质量作为神经网络输出的目标变量对神经网路模型进行训练，采用训练后的神经网络模型对采集的当前电源质量进行预测；
[0030]根据对当前电源质量预测的结果
。
[0031]
技术实现思路
中提供的效果仅仅是实施例的效果，而不是专利技术所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
[0032]本专利技术提出了一种电源效率自适应调节装置和调节方法，包括数据采集模块
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电源效率自适应调节装置，其特征在于，包括数据采集模块
、
控制单元和功率调节单元；所述数据采集单元用于采集供电单元输出的电源质量历史数据集；所述电源质量历史数据集包括电压量
、
电流量和功率量；所述控制单元用于对所述电源质量历史数据集进行预处理得到特征数据集，利用特征数据集建立特征矩阵；构建用于电源效率预测的神经网络模型，以特征矩阵作为神经网络模型的输入，电源质量作为神经网络输出的目标变量对神经网路模型进行训练，采用训练后的神经网络模型对采集的当前电源质量进行预测；所述功率调节单元用于根据控制单元的预测调节供电单元的输出
。2.
根据权利要求1所述的一种电源效率自适应调节装置，其特征在于，所述供电单元和数据采集单元之间设置电源防反接单元；所述电源防反接单元采用多个共阴极的二极管
。3.
根据权利要求1所述的一种电源效率自适应调节装置，其特征在于，对所述电源质量数据集进行预处理得到特征数据集的过程包括：根据采集的电流量计算电流平均值
、
电流波动值和电流偏差值；其中，电流平均值为：
I0为第一电流量值
、I1为第二电流量值
、I
n
位第
n+1
电流量值；
I
max
为
n+1
个电流量值中的最大值；
I
min
为
n+1
个电流量值中的最小值；
I
实际
为实际电流；
I
额定
为理想电源输出的额定电流；根据采集的电压量计算电压平均值
、
电压波动值和电压偏差值；其中，电压平均值为
V0为第一电压量值
、V1为第二电压量值
、V
n
为第
n+1
电压量值；
V
max
为
n+1
个电压量值中的最大值；
V
min
为
n+1
个电压量值中的最小值；
V
实际
为实际电压；
V
额定
为理想电源输出的额定电压
。4.
根据权利要求1所述的一种电源效率自适应调节装置，其特征在于，所述装置还包括存储单元；所述控制单元的输出端分别与存储单元通信连接；所述存储单元用于将控制单元预测的数据进行存储
。5.
根据权利要求1所述的一种电源效率自适应调节装置，其特征在于，所述装置还包括上报单元；所述控制单元的输出端分别与上报单元通信连接；所述上报单元用于通过信号...

【专利技术属性】
技术研发人员：杨会轩，苏明，王金灿，于希彬，
申请(专利权)人：北京华清未来能源技术研究院有限公司华科因诺，
类型：发明
国别省市：