System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力电子,尤其涉及一种基于模型融合的直流母线电容健康状态评估方法。
技术介绍
1、传统燃油汽车的普及推动了人类的社会经济和文化文明的高速发展,但随着对不可再生能源的巨大消耗,能源紧缺的问题日益严峻,于是新能源在人们日常生活中的比重急剧增加。在日常生活中,燃油汽车到电动汽车的转变有利于节能和环保,因此电动汽车充电系统的健康状况已经引起了广泛的关注。
2、电动汽车充电系统主要包括网侧ac/dc变换器和隔离双向dc/dc变换器。在电力电子变换器中,电容器被认为是最脆弱的部件。随着电动汽车充电时间的增加,电容器老化是不可避免的,这对充电系统的可靠运行是有害的。为优化车载充电系统中pwm整流器的控制性能和提高系统的可靠性,直流母线电容健康状况的评估成为研究热点。然而,现有的电容健康状态评估方法存在评估精度低、需要增加额外的检测电路等缺点。因此,研究一种更高精度、更低成本的直流母线电容健康评估方法具有较强的实际应用价值。
3、nguyen等针对pwm逆变驱动的感应电机前端二极管整流器,提出一种电容健康状态评估方法[t.h.nguyen and d.c.lee.deterioration monitoring of dc-linkcapacitors in ac machine drives by current injection.ieee trans.powerelectron.mar.2015,30(3):1126-1130]。该方法需要在交流电机工作时,注入低阶奇数次谐波电流至定子绕组中,进而用递
4、wang,z等提出了一种电容容量评估方法,在此过程中,基于直流侧启动过程的模块化多电平变换器(mmc)可以简化为rc充电电路,子模块电容可以通过研究其与相电流和子模块电压的关系来评估当前的电容健康状态[wang,z.et al.capacitor conditionmonitoring based on the dc-side start-up of modular multilevelconverters.ieee trans.power electron.,jun.2020,35(6):5589-5593.]。但该方法只能在mmc的直流侧启动期间进行,这意味着在mmc运行期间,电容无法在线监测和更新,无法长时间运行。
5、a.soualhi等将自适应神经模糊推理系统算法应用于ac/dc-dc/ac变换器直流母线电容健康状态评估中,基于数据训练,anfis能够预测电容器的健康状态[a.soualhi etal.heath monitoring of capacitors and super capacitors using the neo-fuzzyneural approach.ieee trans.ind information.,jan.2018,14(1):24-34.]。但是该方法训练数据不能覆盖该系统的所有情况,不能实现电容全范围内的电容健康状态评估,具有局限性。
6、f.wang提出了一种用于铝电解电容器健康状态预测的集合学习方法,所提出的方法首先训练了单独的单个链式支持向量回归和一维卷积神经网络模型,然后采取策略将它们结合起来以获得最佳结果[f.wang,y.cai,h.tang,z.lin,y.pei,and y.wu,prognosticsof aluminum electrolytic capacitors based on chained-svr and 1d-cnn ensemblelearning.arab j sci eng.,nov.2022,47(11):13995-14012.]。但该方法融合策略只是求取平均值,并不能充分发挥融合的优势。
7、尽管前面提到的方法已经通过仿真和实验进行了验证,但大多数现有的数据驱动的评估方法不是特别针对pwm整流器开发的。它们不是在充电过程中进行的,而且由于对特征提取和模型设计考虑较少,所以性能受到限制。因此,现有的电容健康状态评估方法很少在实际中采用,这意味着对在不增加任何硬件成本的情况下,基于控制系统并利用已知电路的电压电流的健康状态评估新方法的研究十分必要。
技术实现思路
1、针对现有技术存在的缺陷,本专利技术提出了新的模型融合方法,用于三相pwm整流器中直流母线电容器的健康状态评估,本专利技术采用双层融合模型,由多层感知机mlp、随机森林rf和xgboost组成第一层学习器,由支持向量机svm作为第二层学习器,通过针对pwm整流器进行数据采集、处理,构建特征向量,将特征向量输入到双层融合模型,输出直流母线电容器的健康状态评估结果,本专利技术能够准确的评估出pwm整流器直流侧电容的健康状态,且所述的方法在准确性、精确性、召回率、f1分数以及auc分数方面都具有性能优势,可在硬件电路不同工况下进行电容健康状态评估,并根据评估结果自动确定pwm整流器的控制参数,达到高性能运行pwm整流器的效果。
2、本专利技术提出一种基于模型融合的直流母线电容健康状态评估方法,其特征在于包括如下步骤:
3、步骤s0:数据采集:采集三相pwm整流器中的数据,包括网侧交流电压ea、网侧交流电流ia和直流母线电压的交流分量udc-ac;
4、步骤s1:构建用于健康状态评估的特征向量:根据步骤s0采集的网侧交流电压ea和网侧交流电流ia,计算输入功率pin,并分别计算所述网侧交流电压ea、网侧交流电流ia、直流母线电压的交流分量udc-ac及输入功率pin的标准差与均方根,构建用于健康状态评估的特征向量;
5、步骤s2:构建并训练双层融合模型:构建双层融合模型并对其进行训练,所述双层融合模型由第一层学习器和第二层学习器构成,所述第一层学习器由多层感知机mlp、随机森林rf和xgboost构成,所述第二层学习器由支持向量机svm构成;
6、步骤s3:直流母线电容健康状态评估:获取待评估的三相pwm整流器的特征向量,并将其输入所述双层融合模型,输出直流母线电容健康状态评估结果;步骤s4:根据所述直流母线电容健康状态评估结果,确定pwm整流器控制参数。
7、进一步的,所述步骤s0中,在simulink中建立pwm整流器的仿真模型,采集电容状态从健康到老化的各个状态的网侧交流电压ea、网侧交流电流ia和直流母线电压的交流分量udc-ac,以获取全范围电容值的老化数据。
8、进一步的,步骤s1中,
9、根据网侧交流电压ea计算其在固定时间间隔内的均方根ea_rms和标准差ea_std,
10、根据网侧交流电流ia计算其在固定时间间隔内的均方根ia_rms和标准差ia_std,
11、根据直流母线电压的交流分量udc-ac计算其在固定时本文档来自技高网...
【技术保护点】
1.一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,用于三相PWM整流器中直流母线电容健康状态评估,具体包括如下步骤:
2.根据权利要求1所述的一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,所述步骤S0中,在Simulink中建立PWM整流器的仿真模型,采集电容状态从健康到老化的各个状态的网侧交流电压ea、网侧交流电流Ia和直流母线电压的交流分量Udc-ac,以获取全范围电容值的老化数据。
3.根据权利要求1所述的一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,步骤S1中,
4.根据权利要求1所述的一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,所述步骤S2中双层融合模型通过以下方法训练:
5.根据权利要求4所述的一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,所述步骤S22中采用基于随机森林的贝叶斯优化SMAC分别对所述多层感知机MLP、随机森林RF和XGBoost进行超参数优化。
6.根据权利要求4所述的一种基于模型融合的直流母线电容健康状态评估方法,其特
7.根据权利要求1所述的一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,所述步骤S4中,针对直流母线电容的不同健康状态,预先设定PWM整流器的不同的控制参数,根据双层融合模型输出的直流母线电容健康状态评估结果,自动选定PWM整流器运行的控制参数,保证PWM整流器的健康稳定运行。
...【技术特征摘要】
1.一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,用于三相pwm整流器中直流母线电容健康状态评估,具体包括如下步骤:
2.根据权利要求1所述的一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,所述步骤s0中,在simulink中建立pwm整流器的仿真模型,采集电容状态从健康到老化的各个状态的网侧交流电压ea、网侧交流电流ia和直流母线电压的交流分量udc-ac,以获取全范围电容值的老化数据。
3.根据权利要求1所述的一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,步骤s1中,
4.根据权利要求1所述的一种基于模型融合的直流母线电容健康状态评估方法,其特征在于,所述步骤s2中双层融合模型通过以下方法训练:
5.根据权利要求4所...
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。