面向双有源桥变换器调制策略的带实验增强的数据驱动建模
系统与控制
2023-08-04 v2 人工智能
系统与控制
摘要
对于功率变换器的性能建模,主流方法本质上基于知识,存在人力负担重与建模精度低的问题。近期兴起的数据驱动技术通过从仿真数据自动建模大大减轻了对人的依赖。然而,由于未建模的寄生参数、不完备的热与磁模型、不可预测的环境条件等,可能出现模型失配。这些基于纯仿真的非准确数据驱动模型无法表征物理世界中的实际性能,阻碍其在功率变换器建模中的应用。为缓解模型失配并提升实际精度,本文提出一种新颖的带实验增强的数据驱动建模(D2EA),同时利用仿真数据与实验数据。在 D2EA 中,仿真数据旨在建立基本函数地貌,实验数据聚焦于匹配真实世界中的实际性能。D2EA 方法被实例化为中点钳位双有源桥(NPC-DAB)变换器混合调制的高效优化。所提 D2EA 方法实现了 99.92% 的效率建模精度,并在 2-kW 硬件实验中得到全面验证,其峰值效率达 98.45%。总体而言,D2EA 轻量数据且可一次性获得高精度、高实用的数据驱动模型,并可轻松扩展至其他应用。
引用
@article{arxiv.2307.16173,
title = {Data-Driven Modeling with Experimental Augmentation for the Modulation Strategy of the Dual-Active-Bridge Converter},
author = {Xinze Li and Josep Pou and Jiaxin Dong and Fanfan Lin and Changyun Wen and Suvajit Mukherjee and Xin Zhang},
journal= {arXiv preprint arXiv:2307.16173},
year = {2023}
}
备注
11 pages