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制造方法及图纸

本发明专利技术公开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，以获得最佳预测模型

【技术实现步骤摘要】
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


[0001]本专利技术属于电能变换器的
，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
。

技术介绍

[0002]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
。
[0003]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
。
[0004]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
。

技术实现思路

[0005]本专利技术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
。
[0006]为了实现本专利技术的第一个目的，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：
[0007]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
。
[0008]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
。
[0009]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
。
[0010]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
。
[0011]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
。
[0012]本专利技术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
。
[0013]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
。
[0014]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
。
[0015]具体的，所述最佳预测模型的表达式如下：
[0016][0017]式中，
X
*
表示训练获得的预测模型，表示误差校正参数
。
[0018]具体的，所述预测模型的表达式如下：
[0019][0020]式中，
k
表示极端梯度提升算法中的决策树总数，
f
i
表示第
i
组决策树数的输出，所述决策树总数与输入的数据量一致
。
[0021]具体的，所述误差校正参数的表达式如下：
[0022][0023]式中，
g
i
表示第
i
组决策树数基于预测性能指标与真实性能指标的输出
。
[0024]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
。
[0025]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
。
[0026]为了实现本专利技术的第二个目的，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
。
[0027]所述计算机处理器执行所述计算机程序时实现以下步骤：
[0028]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
。
[0029]与现有技术相比，本专利技术的有益效果：
[0030]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
[0031]图1为本实施例提供的电能变换器调制方法的流程图；
[0032]图2为本实施例提供的预测模型的运算流程图；
[0033]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
[0034]现在参考附图介绍本专利技术的示例性实施方式，然而，本专利技术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专利技术，并且向所属
的技术人员充分传达本专利技术的范围
。
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专利技术的限定
。
在附图中，相同的单元
/
元件使用相同的附图标记
。
[0035]除非另有说明，此处使用的术语
(
包括科技术语
)
对所属
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
。
[0036]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：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数据驱动和实验增强的电能变换器调制方法，其特征在于，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
。2.
根据权利要求1所述的基于数据驱动和实验增强的电能变换器调制方法，其特征在于，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
。3.
根据权利要求1所述的基于数据驱动和实验增强的电能变换器调制方法，其特征在于，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
。4.
根据权利要求1所述的基于数据驱动和实验增强的电能变换器调制方法，其特征在于，所述最佳预测模型的表达式如下：式中，
X
*...

【专利技术属性】
技术研发人员：林凡凡，李欣泽，张欣，刘雪琪，
申请(专利权)人：浙江大学，
类型：发明
国别省市：