DC-DC电源变换器的数据驱动在线电压控制方法及系统与流程

dc-dc电源变换器的数据驱动在线电压控制方法及系统
技术领域
1.本发明属于直流电源变换器运行控制技术领域，更具体地，涉及一种dc-dc电源变换器的数据驱动在线学习控制方法及系统。


背景技术：

2.dc-dc电源变换器已广泛应用于光伏电源变换器、直流电机驱动、风电场电源变换器等基础设施中，其越来越多地用于将可持续资源，如输出具有高可变性的光伏(photovoltaic，pv)集成到直流微电网。由于这些变换器的广泛应用，对其电压调节提出了更高的要求，需要采取适当的建模方法和控制技术。考虑到dc-dc功率变换器的非线性特性，对其控制提出了非常大的挑战。
3.具体来说，这些困难来自于dc-dc功率变换器工作的三种不同模式，在这种复杂性的情况下甚至可能导致dc-dc变换器的混沌行为，另外变换器拓扑结构要求变换器的控制输入，即占空比限制在0和1之间，功率变换器工作在断续传导模式时，电感电流必须是非负的等等一系列问题，同时对于一个高效的dc-dc变换器控制器设计，应解决广泛的输入和输出变化，以保证变换器在任何工作状态下的稳定性和合理的瞬态响应，输入电压和输出负载的变化会改变功率变换器的工作点，进一步增加了dc-dc变换器控制问题的复杂性，所以亟需找到一种有效且普适的建模控制方法，提高dc-dc变换器的电压调节能力。


技术实现要素：

4.针对现有技术的以上缺陷或改进需求，本发明提出了一种dc-dc电源变换器的数据驱动在线学习控制方法及系统，可以提高dc-dc变换器的电压调节能力。
5.为实现上述目的，按照本发明的一个方面，提供了一种dc-dc电源变换器的数据驱动在线学习控制方法，包括：
6.采用局部模型网络lmn直接从dc-dc变换器的测量数据识别dc-dc变换器的动态模型；
7.考虑逆误差动力学控制器设计，根据确定的dc-dc变换器的动态模型设计电压调节器，将辨识出的lmn用于局部线性控制，生成占空比，从而实现电压的调节控制。
8.在一些可选的实施方案中，所述采用局部模型网络lmn直接从dc-dc变换器的测量数据识别dc-dc变换器的动态模型，包括：
9.由dc-dc变换器的输出电压、dc-dc变换器电感电流和占空比确定dc-dc变换器的输入输出关系；
10.对于多输入数据，确定局部模型网络lmn的输出和多个局部线性模型llm，通过每个llm对dc-dc变换器由各llm有效性函数决定的工作状态进行动态建模；
11.通过分层二叉树hbt确定各局部线性模型llm的有效性函数的结构，采用加权最小二乘法wls估计得到各局部线性模型llm的向量参数。
12.在一些可选的实施方案中，由v
out
(k+1)＝f(v
out
(k-1),v
out
(k),i
l
(k-1),i
l
(k),d
(k-1),d(k))确定dc-dc变换器的输入输出关系，其中，f为dc-dc变换器输入输出的非线性函数，v
out
(k)为dc-dc变换器kts时刻的输出电压，ts为采样时间，v
out
(k+1)为dc-dc变换器(k+1)ts时刻的输出电压，v
out
(k-1)为dc-dc变换器(k-1)ts时刻的输出电压，i
l
(k-1)为dc-dc变换器(k-1)ts时刻的电感电流，i
l
(k)为dc-dc变换器kts时刻的电感电流，d(k-1)为dc-dc变换器(k-1)ts时刻的占空比，d(k)为dc-dc变换器kts时刻的占空比。
13.在一些可选的实施方案中，对于多输入的局部模型网络输出为n个局部线性模型为其中，gi(
·
)表示第i个局部线性模型llmi,是第i个局部线性模型llmi的向量参数，ψi表示第i个局部线性模型llmi的有效性函数，表示局部模型网络的输出，
14.在一些可选的实施方案中，所述通过分层二叉树hbt确定各局部线性模型llm的有效性函数的结构，包括：
15.在hbt算法的每次迭代中，sigmoid分裂函数适用于输入空间的启发式轴正交划分，sigmoid分裂函数ρi为：其中，方向矢量设定划分方向，位置矢量决定了划分的位置，平滑度参数σi决定了划分的平滑度。
16.在一些可选的实施方案中，所述采用加权最小二乘法wls估计得到各局部线性模型llm的向量参数，包括：
17.应用wls算法对n个局部线性模型llm参数进行估计，得到：其中，是包含n个局部线性模型的输出向量，和分别为与第i个llm相关的回归矩阵和对角加权矩阵，其中，分别为与第i个llm相关的回归矩阵和对角加权矩阵，其中，
18.在一些可选的实施方案中，所述根据确定的dc-dc变换器的动态模型设计电压调节器，将辨识出的lmn用于局部线性控制，生成占空比，从而实现电压的调节控制，包括：
19.考虑包括精确跟踪控制的逆误差动力学控制器设计，将辨识出的lmn用于局部线性控制，在精确跟踪控制器中，通过v
ref
(k+1)-v
out
(k+1)＝0求解误差方程来定义下一个误差值所必需的控制输入；
20.基于dc-dc变换器的输入输出关系及局部模型网络lmn的输出，估计dc-dc变换器输出电压。
21.在一些可选的实施方案中，所述基于dc-dc变换器的输入输出关系及局部模型网络lmn的输出，估计dc-dc变换器输出电压，包括：
22.由估计dc-dc变换器输出电压其中，其中，
23.由v
ref
(k+1)-v
out
(k+1)＝0得到d(k)为：定义得到第i个局部线性模型推荐的控制输入为
24.按照本发明的另一方面，提供了一种dc-dc电源变换器的数据驱动在线学习控制系统，包括：
25.动态模型识别模块，用于采用局部模型网络lmn直接从dc-dc变换器的测量数据识别dc-dc变换器的动态模型；
26.电压调节模块，用于考虑逆误差动力学控制器设计，根据确定的dc-dc变换器的动态模型设计电压调节器，将辨识出的lmn用于局部线性控制，生成占空比，从而实现电压的调节控制。
27.按照本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
28.总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
29.本发明提出了一种数据驱动在线学习的dc-dc电源变换器电压识别和控制策略。所提出的策略不需要预先定义的功率变换器标准模型，只依赖于功率变换器的测量数据，包括采样输出电压和占空比，以确定在其工作状态下的有效动态模型。为了从测量数据中推导出功率变换器模型，使用了局部模型网络lmn，该网络能够通过一些局部活动的线性子模型来描述变换器的动态，这些子模型分别负责表示功率变换器的特定工作状态。然后，根据辨识出的lmn建立局部线性控制器，生成功率变换器的控制信号即占空比。
附图说明
30.图1是本发明实施例提供的一种局部线性控制器llc原理图；
31.图2是本发明实施例提供的一种独立的dc-dc升压变换器电路；
32.图3是本发明实施例提供的一种测试数据集的辨识结果；
33.图4是本发明实施例提供的一种局部线性控制器追踪电压参考值的能力示意图；
34.图5是本发明实施例提供的一种系统结构示意图。
具体实施方式
35.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
36.对如图2所示的简单独立dc-dc boost变换器进行识别和控制，从测量数据中估计一个动态有效的模型，生成一个包含足够丰富的关于boost变换器器行为信息的数据集。通过设计一个适当的激励信号来实现，在这种情况下，通过系统的占空比d规划了一个具有59个不同占空比电平的调幅伪随机二进制信号aprbs来形成激励信号，生成精确的数据集。aprbs信号可以提取非线性系统不同运行模式的信息。然后，将设计的激励信号作为boost变换器的输入，生成电感电流和变换器输出电压的数据，仿真采样时间为ts＝1μs。在此期间，产生7000个输入输出数据样本(包含占空比和输出电压)，lmn将前4000个样本用于建立系统模型进行训练，其余3000个数据用于验证所识别的模型。
37.如图1所示，主要包括两个阶段：
38.阶段1：采用局部模型网络lmn直接从dc-dc变换器的测量数据识别dc-dc变换器的动态模型；
39.阶段2：考虑逆误差动力学控制器设计，根据确定的dc-dc变换器的动态模型设计电压调节器，将辨识出的lmn用于局部线性控制，生成占空比，从而实现电压的调节控制。
40.在本发明实施例中，在阶段1，提出的数据驱动在线学习方法采用局部模型网络(local model networks，lmn)来识别dc-dc变换器。lmn由局部线性模型(local linear model，llm)组成，每个llm负责对变换器沿特定工作状态(由其有效性函数决定)的动态建模。lmn结构采用层次二叉树(height-balancedness tree，hbt)的学习算法，由输入-输出测量直接确定。局部模型网络lmn被用于许多非线性系统的建模、辨识和预测。适用于具有多个工作状态的复杂系统的识别和建模，其中包括dc-dc变换器，对于一个boost变换器辨识模型来说，其输入输出关系可以表示为：
41.v
out
(k+1)＝f(v
out
(k-1),v
out
(k),i
l
(k-1),i
l
(k),d(k-1),d(k))
ꢀꢀ
(1)
42.上式(1)中，f为dc-dc升压变换器输入输出的非线性函数，v
out
(k)为dc-dc变换器kts时刻的输出电压，ts为采样时间，i
l
和d分别为dc-dc变换器电感电流和占空比，v
out
(k+1)为dc-dc变换器(k+1)ts时刻的输出电压，v
out
(k-1)为dc-dc变换器(k-1)ts时刻的输出电压，i
l
(k-1)为dc-dc变换器(k-1)ts时刻的电感电流，i
l
(k)为dc-dc变换器kts时刻的电感电流，d(k-1)为dc-dc变换器(k-1)ts时刻的占空比，d(k)为dc-dc变换器kts时刻的占空比。
43.利用局部模型网络对dc-dc变换器进行建模，由于局部模型网络的每个运行机制都可以用llm来描述，接下来重点对llm进行阐述，对于多输入的局部模型网络输出和n个局部线性模型可以表示为：
[0044][0045]
[0046]
其中，gi(
·
)表示第i个局部线性模型llmi，是llmi的向量参数，ψi表示的是llmi的有效性函数，表示局部模型网络的输出。
[0047]
对于有效性函数，前提是应该形成一个统一的分区对局部模型进行合理的解释，使其满足以下：
[0048][0049]
在lmn的结构中，必须从实测数据中估计出两组参数，首先通过分层二叉树hbt确定有效性函数的结构。另外局部线性模型的参数是用加权最小二乘法(weighted least squares，wls)估计得到。
[0050]
采用分层二叉树学习算法识别有效性函数的参数，hbt算法从具有单个llm的lmn开始，在每次迭代中添加更多的llm及其有效性函数，以完善lmn并提高其性能。这种细化是通过将输入空间通过轴正交分割为超矩形来实现的。在hbt启发式搜索的每次迭代中，将最坏llm的有效性区域划分为两个新的区域。在所有维度上都尝试了除法，并考虑与lmn性能提高最高相关的最佳除法。然后，对这些区域构造两个新的有效性函数，并由加权最小二乘估计其llms的参数。
[0051]
在hbt算法的每次迭代中，sigmoid分裂函数适用于输入空间的启发式轴正交划分，因为适当的sigmoid函数乘法可以很容易地生成局部有效性函数。sigmoid分裂函数ρi表示为：
[0052][0053]
其中，方向矢量设定划分方向，位置矢量决定了划分的位置，平滑度参数σi决定了划分的平滑度。
[0054]
应用wls算法对n个测量样本(占空比和输出电压)的llms参数进行估计，得到如下解：
[0055][0056]
其中，是包含n个局部线性模型的输出向量，和分别为与第i个llm相关的回归矩阵和对角加权矩阵：
[0057]
[0058][0059]
通过对n＝4000个训练样本上的每个llm进行局部误差最小化，得到式(6)中的解。
[0060]
在本发明实施例中，在阶段2：局部线性控制器设计，即：根据确定的功率变换器动态模型设计电压调节器，在阶段1推导dc-dc系统模型识别的同时，局部线性控制器设计(locality-constrained linear coding，llc)的设计满足了功率变换器的要求，考虑逆误差动力学控制器设计(包括精确跟踪控制)，将辨识出的lmn用于局部线性控制，在精确跟踪控制器中，通过求解误差方程来定义下一个误差值所必需的控制输入，即：
[0061]
e(k+1)＝v
ref
(k+1)-v
out
(k+1)＝0
ꢀꢀꢀ
(9)
[0062]
其中e(k+1)、v
ref
(k+1)、v
out
(k+1)分别表示k+1时刻的跟踪误差、参考输出和实际输出。
[0063]
考虑式(1)和式(2)，估计的变换器输出电压为：
[0064][0065]
令令式(10)可以整理成：
[0066][0067]
将式(11)代入式(9)进一步，得到d(k)的表达式：
[0068][0069]
通过定义第i个局部线性模型推荐的控制输入，即式(11)的控制输入为：
[0070][0071]
或者：
[0072]
[0073]
其中，并且
[0074]
因此，由式(13)、(14)可知，式(12)中的控制输入等于所有局部线性模型控制输入的加权平均值。因此，得到了一个局部线性控制器llc，其原理图如图1所示。
[0075]
采用均方根误差(root mean square error，rmse)和平均绝对百分比误差(mean absolute percentage error，mape)两个误差准则，对lmn在识别升压变换器动态行为方面的性能进行了评估：
[0076][0077][0078]
图3给出了测试样本的实际和估计的变换器输出电压。显然，lmn成功地捕获了变换器的动态行为，因为估计电压与实际值完美匹配。
[0079]
为了进一步研究所提出的llc的控制性能，分析了其在输出电压跟踪方面的性能。图4显示了llc性能跟踪各种参考电压，包括24v，26v，28v和25v。实验结果发现，所提出的控制方法很快跟随参考电压的变化。
[0080]
如图5所示，本发明实施例还提供了一种dc-dc电源变换器的数据驱动在线学习控制系统，包括：
[0081]
动态模型识别模块，用于采用局部模型网络lmn直接从dc-dc变换器的测量数据识别dc-dc变换器的动态模型；
[0082]
电压调节模块，用于考虑逆误差动力学控制器设计，根据确定的dc-dc变换器的动态模型设计电压调节器，将辨识出的lmn用于局部线性控制，生成占空比，从而实现电压的调节控制。
[0083]
其中，各模块的具体实施方式可以参考上述方法实施例的描述，本发明实施例将不再复述。
[0084]
需要指出，根据实施的需要，可将本技术中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
[0085]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种dc-dc电源变换器的数据驱动在线学习控制方法，其特征在于，包括：采用局部模型网络lmn直接从dc-dc变换器的测量数据识别dc-dc变换器的动态模型；考虑逆误差动力学控制器设计，根据确定的dc-dc变换器的动态模型设计电压调节器，将辨识出的lmn用于局部线性控制，生成占空比，从而实现电压的调节控制。2.根据权利要求1所述的方法，其特征在于，所述采用局部模型网络lmn直接从dc-dc变换器的测量数据识别dc-dc变换器的动态模型，包括：由dc-dc变换器的输出电压、dc-dc变换器电感电流和占空比确定dc-dc变换器的输入输出关系；对于多输入数据，确定局部模型网络lmn的输出和多个局部线性模型llm，通过每个llm对dc-dc变换器由各llm有效性函数决定的工作状态进行动态建模；通过分层二叉树hbt确定各局部线性模型llm的有效性函数的结构，采用加权最小二乘法wls估计得到各局部线性模型llm的向量参数。3.根据权利要求2所述的方法，其特征在于，由v
out
(k+1)＝f(v
out
(k-1),v
out
(k),i
l
(k-1),i
l
(k),d(k-1),d(k))确定dc-dc变换器的输入输出关系，其中，f为dc-dc变换器输入输出的非线性函数，v
out
(k)为dc-dc变换器kt
s
时刻的输出电压，t
s
为采样时间，v
out
(k+1)为dc-dc变换器(k+1)t
s
时刻的输出电压，v
out
(k-1)为dc-dc变换器(k-1)t
s
时刻的输出电压，i
l
(k-1)为dc-dc变换器(k-1)t
s
时刻的电感电流，i
l
(k)为dc-dc变换器kt
s
时刻的电感电流，d(k-1)为dc-dc变换器(k-1)t
s
时刻的占空比，d(k)为dc-dc变换器kt
s
时刻的占空比。4.根据权利要求3所述的方法，其特征在于，对于多输入的局部模型网络输出为n个局部线性模型为其中，g
i
(
·
)表示第i个局部线性模型llm
i
,是第i个局部线性模型llm
i
的向量参数，ψ
i
表示第i个局部线性模型llm
i
的有效性函数，表示局部模型网络的输出，5.根据权利要求4所述的方法，其特征在于，所述通过分层二叉树hbt确定各局部线性模型llm的有效性函数的结构，包括：在hbt算法的每次迭代中，sigmoid分裂函数适用于输入空间的启发式轴正交划分，sigmoid分裂函数ρ
i
为：其中，方向矢量设定划分方向，位置矢量决定了划分的位置，平滑度参数σ
i
决定了划分的平滑度。6.根据权利要求5所述的方法，其特征在于，所述采用加权最小二乘法wls估计得到各局部线性模型llm的向量参数，包括：应用wls算法对n个局部线性模型llm参数进行估计，得到：其中，是包含n个局部线性模型的输出向量，和分别为与第i个
llm相关的回归矩阵和对角加权矩阵，其中，llm相关的回归矩阵和对角加权矩阵，其中，7.根据权利要求6所述的方法，其特征在于，所述根据确定的dc-dc变换器的动态模型设计电压调节器，将辨识出的lmn用于局部线性控制，生成占空比，从而实现电压的调节控制，包括：考虑包括精确跟踪控制的逆误差动力学控制器设计，将辨识出的lmn用于局部线性控制，在精确跟踪控制器中，通过v
ref
(k+1)-v
out
(k+1)＝0求解误差方程来定义下一个误差值所必需的控制输入；基于dc-dc变换器的输入输出关系及局部模型网络lmn的输出，估计dc-dc变换器输出电压。8.根据权利要求7所述的方法，其特征在于，所述基于dc-dc变换器的输入输出关系及局部模型网络lmn的输出，估计dc-dc变换器输出电压，包括：由估计dc-dc变换器输出电压其中，其中，由v
ref
(k+1)-v
out
(k+1)＝0得到d(k)为：定义得到第i个局部线性模型推荐的控制输入为9.一种dc-dc电源变换器的数据驱动在线学习控制系统，其特征在于，包括：动态模型识别模块，用于采用局部模型网络lmn直接从dc-dc变换器的测量数据识别dc-dc变换器的动态模型；电压调节模块，用于考虑逆误差动力学控制器设计，根据确定的dc-dc变换器的动态模型设计电压调节器，将辨识出的lmn用于局部线性控制，生成占空比，从而实现电压的调节
控制。10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。

技术总结
本发明公开了一种数据驱动在线学习的DC-DC电源变换器电压识别和控制方法及系统，属于直流电源变换器运行控制领域。本发明不需要预先定义功率变换器标准模型，只依赖于功率变换器的测量数据，包括采样输出电压和占空比，以确定在其工作状态下的有效动态模型。为了从测量数据中推导出功率变换器模型，使用了局部模型网络LMN，该网络能够通过一些局部活动的线性子模型来描述变换器的动态，这些子模型分别负责表示功率变换器的特定工作状态。然后，根据辨识出的LMN建立局部线性控制器，生成功率变换器的控制信号，即占空比。即占空比。即占空比。


技术研发人员：杨涛 何鎏璐 刘慧
受保护的技术使用者：宁波力斗智能技术有限公司
技术研发日：2023.06.05
技术公布日：2023/9/12