【技术实现步骤摘要】
本专利技术涉及电力电子系统实时仿真，尤其涉及一种实时仿真瞬态开关模型的自适应神经元调整方法。
技术介绍
1、随着可再生能源和电动汽车等技术的快速发展，电力电子设备，如变频器、逆变器和整流器，成为连接这些技术与电网的关键接口。这些设备必须能够在各种复杂的电力负载和电网条件下稳定运行。因此，能够实时仿真电力电子设备的行为，特别是在极端条件和故障状态下的表现，对于预测系统的响应、优化设备设计、提高系统可靠性以及避免潜在的运行问题至关重要。
2、实时仿真技术使工程师能够在实际部署前详尽地测试和验证电力电子系统的设计，包括其控制策略和动态响应。通过这种方式，可以在软件模拟环境中识别并解决问题，从而显著降低实际硬件测试的风险和成本。此外，实时仿真对于开发和测试复杂的电力电子控制算法尤为重要，这些控制算法必须在毫秒甚至微秒级别快速响应各种操作变化和故障条件。
3、但电力电子器件级实时仿真模型并不容易实现，面临着诸多挑战，主要包括以下几方面：其一是计算复杂度高，器件级开关模型必须精确地模拟开关器件的瞬态过程，包括开关动作引起的电流和电压尖峰。这些现象往往在纳秒时间尺度内发生，这要求仿真模型能够处理极高的时间分辨率。同时，器件级模型为了能够表达暂态过程，常是基于物理模型的简化，伴随需要迭代求解的微分方程，这使得仿真必须在短时间内处理大量的数据，从而增加了计算负担。其二是实时性要求，实时仿真意味着仿真的执行速度必须与物理过程的速度相匹配或更快。这对计算平台的性能提出了极高的要求。在实时仿真中，任何计算延迟都可能导致仿真结果不
技术实现思路
1、为了解决现有技术中的问题，本专利技术针对神经网络辅助数据驱动的igbt开关瞬态建模方法，提出了自适应神经元调整策略。该方法基于神经网络辅助数据驱动的器件级开关模型的解算机理，能够根据开关模型每个时间节点的计算复杂度动态调整神经元的数量和配置。这种方法的创新之处在于它在模型的构建阶段就分析和确定了神经元的最优分布，从而使得在实际运行时，系统能够在不增加额外硬件负担的情况下，实现对开关器件暂态行为的高精度仿真。此方法不仅提高了仿真的精度和效率，而且具有良好的经济性和广泛的应用前景。
2、有鉴于此，本申请第一方面提供了一种实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，所述方法包括：步骤s1：在开关器件神经网络驱动准瞬态模型建立阶段，分析所述开关器件神经网络驱动准瞬态模型在设定时间节点的训练误差；步骤s2：根据所述开关器件神经网络驱动准瞬态模型在设定时间节点的训练误差调整所述设定时间节点所用的神经元数量，重建所述开关器件神经网络驱动准瞬态模型，并对于重建的开关器件神经网络驱动准瞬态模型再次进行训练；步骤s3：根据所述设定时间节点调整后的神经元数量，设计自适应神经元分配引擎，以在模型仿真过程中自动调节硬件资源。
3、在一种可能的实现方式中，步骤s1包括：通过离线仿真软件测量绝缘栅双极型晶体管igbt在实际工况下的暂态特性，并将所述igbt的暂态特性按照固定时间步长重新插值处理。
4、在一种可能的实现方式中，步骤1中开关器件神经网络驱动准瞬态模型建立阶段具体包括：步骤s11：通过离线仿真软件测量所述igbt在实际工况下的暂态特性，其中所述实际工况包括所述igbt的稳态电压vce、稳态电流ic及器件温度t；暂态特性具体为特定工况下，igbt发生开关动作时一段时间内的瞬时电压vce和瞬时电流ic输出波形；步骤s12：将igbt的暂态特性按所述固定时间步长重新插值处理，以保证处理后的暂态特性步长为所述固定步长的时间序列；步骤s13：将时间序列按照时间节点进行拆分，并将相同时间节点的数据归为一个数据集；步骤s14：建立与时间节点相同数量的神经网络，所述神经网络输入变量为：稳态电压vce、稳态电流ic及器件温度t，输出层为与时间节点对应的瞬时电压vce和瞬时电流ic；步骤s15：将所有时间节点的数据放入相对应的时间节点的神经网络中训练；步骤s16：将所有时间节点的训练完毕的神经网络作为所述igbt的开关器件神经网络驱动准瞬态模型。
5、在一种可能的实现方式中，在步骤s1中，所述设定时间节点是在开关的暂态过程中获取的相同步进离散得到的若干时间节点，每个设定时间节点具有设定神经元数量，步骤s2具体包括：若所述设定时间节点的训练误差小于设定误差临界值，则对所述设定时间节点减少神经元数量；若所述设定时间节点的训练误差大于设定误差临界值，则对所述设定时间节点增加神经元数量。
6、在一种可能的实现方式中，所述对所述设定时间节点增加神经元数量具体包括：若确定所述设定时间节点有n个神经元冗余，则在所述设定时间节点最多增加n个神经元数量，其中，n个神经元冗余是所述设定时间节点前所有时间节点的神经网络调整后共减少的神经元数量，其中若n小于0，则在所述设定时间节点下不可增加神经元数量。
7、在一种可能的实现方式中，步骤s3进一步包括：通过自适应神经元分配引擎控制每个神经元硬件计算资源输出的流向，以及控制硬件计算资源的分配、神经元计算结果的存储和使用。
8、在一种可能的实现方式中，所述自适应神经元分配引擎是在仿真过程中能够控制每个神经元硬件计算资源输出的流向，是在所述开关器件神经网络驱动准瞬态模型建立时就已设计完成的。
9、在一种可能的实现方式中，所述控制硬件计算资源的分配具体包括：若现场可编程逻辑门阵列fpga解算器具有c个神经元的硬件计算资源，在t1时间节点通过计算复杂度调整后只需要c1个神经元计算资源，有c-c1个神经元计算资源冗余，这部分资源将通过提前设计的自适应神经元分配引擎进行分配给后续时间节点进行计算，并将计算结果提前存储。
10、相比现有技术，本专利技术的有益效果在于：
11、准确度高、仿真实现难度低、不额外增加硬件计算资源：本专利技术设计充分利用fpga解算器的硬件计算资源，在误差低的时间节点减少计算资源、在误差高的时间节点增加计算资源，提高了整体模型的准确度。
本文档来自技高网...【技术保护点】
1.一种实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，所述方法包括：
2.根据权利要求1所述的实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，步骤S1包括：
3.根据权利要求2所述的实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，步骤1中开关器件神经网络驱动准瞬态模型建立阶段具体包括：
4.根据权利要求1所述的实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，在步骤S1中，所述设定时间节点是在开关的暂态过程中获取的相同步进离散得到的若干时间节点，每个设定时间节点具有设定神经元数量，步骤S2具体包括：
5.根据权利要求4所述的实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，所述对所述设定时间节点增加神经元数量具体包括：
6.根据权利要求1所述的实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，步骤S3进一步包括：
7.根据权利要求6所述的实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，
8.根据权利要求7所述的实时仿真瞬态开关模型的自适应神经元调
...【技术特征摘要】
1.一种实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，所述方法包括：
2.根据权利要求1所述的实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，步骤s1包括：
3.根据权利要求2所述的实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，步骤1中开关器件神经网络驱动准瞬态模型建立阶段具体包括：
4.根据权利要求1所述的实时仿真瞬态开关模型的自适应神经元调整方法，其特征在于，在步骤s1中，所述设定时间节点是在开关的暂态过程中获取的相同步进离散得到的若干时间节点，每个设定...
【专利技术属性】
技术研发人员：王灿，翁浩文，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。