基于神经网络的模块化多电平DC/DC变换器预测控制方法技术

本发明专利技术提供一种基于神经网络的模块化多电平DC/DC变换器预测控制方法，包括：采用非线性自回归滑动平均模型建立模块化多电平中点钳位型双有源桥变换器系统的输入输出关系式，并对输入输出数据进行采样，利用采样数据对长短期记忆网络进行离线和在线训练；根据对长短期记忆网络的训练结果，建立长短期记忆网络模型函数，并通过滚动优化和递推式多步预测方法预测未来时刻的输出电压；将滚动优化通过计算价值函数的最小值，获得系统最优控制量；通过黄金分割法对滚动优化进行优化求解；利用反馈矫正和补偿机制调节预测模型，消除动态过程中产生的预测误差。

【技术实现步骤摘要】

本专利技术涉及双有源桥变换器控制领域，具体而言，尤其涉及一种基于神经网络的模块化多电平dc/dc变换器预测控制方法。

技术介绍

1、随着电力电子技术的飞速发展，船舶中压电力系统逐渐由中压交流电力系统发展成中压直流电力系统。其中，高容量大功率的直流变压器作为船舶中压直流电力系统中的重要组成部分，具有功率双向流动、可实现电气隔离等优点。通过对于双有源桥变换器的输出电压进行基于长短期记忆网络的预测控制可以令输出电压在保持高效率的同时保证输出电压波形的稳定性。

2、长短期记忆网络是循环神经网络的一种变体，解决了输入信息前后关联的问题，可以将先前的信息联系到当前任务上。基于此长短期记忆网络还解决了传统循环神经网络在先前信息与当前任务之间时间间隔较大时，神经网络丧失链接远时刻信息的能力。长短期记忆网络通过“门”的结构去实现增减或删减信息到细胞状态之中。长短期记忆网络的结构主要包括输入门、遗忘门、输出门以及细胞状态等。

3、多自由度下模块化多电平型双有源桥变换器控制模型的建立以及控制器的设计存在以下问题：(1)建模过程中所使用的功率传输模型为基波本文档来自技高网...

【技术保护点】

1.一种基于神经网络的模块化多电平DC/DC变换器预测控制方法，其特征在于，包括：

2.根据权利要求1所述的基于神经网络的模块化多电平DC/DC变换器预测控制方法，其特征在于，所述步骤S1具体包括：

3.根据权利要求1所述的基于神经网络的模块化多电平DC/DC变换器预测控制方法，其特征在于，所述步骤S2具体包括：

4.根据权利要求1所述的基于神经网络的模块化多电平DC/DC变换器预测控制方法，其特征在于，所述步骤S3具体包括：

5.根据权利要求1所述的基于神经网络的模块化多电平DC/DC变换器预测控制方法，其特征在于，所述步骤S4具体包括：...

【技术特征摘要】

1.一种基于神经网络的模块化多电平dc/dc变换器预测控制方法，其特征在于，包括：

2.根据权利要求1所述的基于神经网络的模块化多电平dc/dc变换器预测控制方法，其特征在于，所述步骤s1具体包括：

3.根据权利要求1所述的基于神经网络的模块化多电平dc/dc变换器预测控制方法，其特征在于，所述步骤s2具体包括：

4.根据权...

【专利技术属性】
技术研发人员：周鑫，于大专，林泽峰，牛小兵，郑凯，刘盛林，郑仁成，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：