基于物理信息机器学习的双向DC/DC变换器参数辨识方法技术

本发明专利技术提供了一种基于物理信息机器学习的双向DC/DC变换器参数辨识方法，涉及参数辨识技术领域。该方法首先完成了对双向DC/DC变换器的系统动力学模型的建立，其次利用隐式龙格‑库塔方法，构造出数据中间态与初始态和结束态的关系，并将其应用于系统动力学模型中，接着将历史训练数据输入深度神经网络中，得到数据的中间态，并将其作为输入代入物理模型中，实现将物理模型无缝耦合到深度神经网络的训练中。然后利用训练好的PINN实现在线参数辨识。这种混合设计可以无缝地结合BDDC物理模型的数据，有效地调制训练阶段，使其被强制执行到变换器的底层物理原理和约束，大大减少了所需的训练数据。

【技术实现步骤摘要】

本专利技术属于参数辨识，具体涉及基于物理信息机器学习的双向dc/dc变换器参数辨识方法。

技术介绍

1、由于在电动汽车储能系统中，很难有单一能量源可以同时满足高能量密度和高功率密度的要求，因此需要采用高能量密度的锂电池和高功率密度的超级电容进行合理搭配，在能量管理策略的配合下，对蓄电池和超级电容进行合理的功率分配，以充分发挥蓄电池的能量特性和超级电容的功率特性，在节约能源的同时，又能很好的满足电动汽车对于续航能力和动力性能的要求。由于两种能量源的充放电特性不同，为了减少蓄电池大功率充放电的压力，需要在复合储能系统中加入双向dc/dc变换器，用来控制调节蓄电池和超级电容两者间的充放电电流和输入输出电压以优化二者之间的工作配合。使用两个双向dc/dc变换器可以实现对蓄电池和超级电容更有效和可控的功率分配，有效稳定直流母线电压。

2、当双向dc/dc变换器长期工作在不同应用环境时，其内部的关键元器件如：电解电容、电感、绝缘栅双极型晶体管、金氧半场效晶体管等，在外界环境应力(如工作温度、湿度、振动及辐射等)以及内部电应力的共同作用下，元器件参数值将逐渐本文档来自技高网...

【技术保护点】

1.一种基于物理信息机器学习的双向DC/DC变换器参数辨识方法，其特征在于，所述方法包括如下步骤：

2.如权利要求1所述的基于物理信息机器学习的双向DC/DC变换器参数辨识方法，其特征在于，所述步骤S1的系统动力学模型构建过程具体包括如下步骤：

3.如权利要求2所述的基于物理信息机器学习的双向DC/DC变换器参数辨识方法，其特征在于，S2的具体步骤如下：

4.如权利要求3所述的基于物理信息机器学习的双向DC/DC变换器参数辨识方法，其特征在于，S3的具体步骤如下：

5.如权利要求4所述的基于物理信息机器学习的双向DC/DC变换器参数辨识方法...

【技术特征摘要】

1.一种基于物理信息机器学习的双向dc/dc变换器参数辨识方法，其特征在于，所述方法包括如下步骤：

2.如权利要求1所述的基于物理信息机器学习的双向dc/dc变换器参数辨识方法，其特征在于，所述步骤s1的系统动力学模型构建过程具体包括如下步骤：

3.如权利要求2所述的基于物理信息机器学习的...

【专利技术属性】
技术研发人员：张轩然，赵纪峰，汤德伟，
申请(专利权)人：安徽大学，
类型：发明
国别省市：