【技术实现步骤摘要】
本专利技术涉及电力电子系统实时仿真，具体涉及一种神经网络数据驱动的igbt开关瞬态建模方法。
技术介绍
1、随着全球对可再生能源和电动汽车的依赖日益增加，电力电子设备如变频器、逆变器和整流器在这些技术与电网间的互动中扮演了至关重要的角色。这些设备必须能够在复杂的电力环境和多变的电网条件下稳定运行，保证系统的稳定性与效率。为此，实时仿真电力电子设备的行为，尤其是在极端条件和故障状态下的表现，成为了确保系统可靠性和优化设备性能的关键工具。
2、实时仿真技术允许工程师在设备实际投入运行前，详尽地测试和验证电力电子系统的设计，包括其控制策略和动态响应。这种技术不仅能够在设计阶段识别潜在问题，还可以显著降低实际硬件测试的成本和风险。对于那些需要在毫秒乃至微秒级别快速响应的复杂电力电子控制算法，实时仿真显得尤为重要。
3、传统的实时仿真技术通常依赖于系统级的开关器件模型，如二值电阻模型和l/c模型等。这些模型虽然能够较好地分析设备在固定工作点的基本电气特性(如电压、电流和功率)，但在捕捉开关过程中的暂态特性，如电压和电流的尖峰方面表现不佳。开关器件在操作中的瞬态特性对电力系统的稳定性、效率和电磁兼容性至关重要。例如，开关动作产生的过电压可能损害设备，电流尖峰可能触发保护机制，而这些都是系统级模型难以充分考虑的。
4、为了应对电力电子技术不断向更高效率和更大功率密度发展的需求，开发精确的器件级模型显得尤为迫切。这些模型能够提供关于开关过程中电力电子器件的详细行为，包括损耗、热效应及器件的热稳定性等方面的深入
5、然而，精确的电力电子器件级实时仿真模型的开发面临许多挑战，包括高计算复杂度和实时性的严格要求。这类模型必须在极短的时间内处理大量数据，并精确模拟开关动作引起的电流和电压尖峰等现象。实时仿真中的任何计算延迟都可能导致仿真结果不准确，尤其是在模拟关键系统响应时更是如此。
6、目前的器件级实时仿真模型方法包括非线性行为模型、分段线性瞬态模型、曲线拟合模型和准瞬态开关模型。这些模型各有优缺点，例如非线性行为模型虽提供较高的精度，但计算复杂度高，仿真速度慢；分段线性模型则简化了计算过程，提高了速度，但可能牺牲一些精度和对fpga硬件资源的需求较大，限制了其在复杂电路中的应用。曲线拟合模型依靠离线仿真数据进行模型训练，能够快速响应，但其精度受限于训练数据的质量和广泛性。
7、准瞬态模型则是将实时仿真分为微秒级和纳秒级两个时间尺度并行仿真，以此实现电路网络求解和开关器件暂态过程的求解的解耦，以此降低仿真的计算延迟。文献提出一种神经网络辅助数据驱动的igbt开关瞬态建模方法，其将开关瞬态过程根据一定的时间步长分为若干个时间节点，对每个时间节点都建立一个简易的神经网络来模拟暂态过程，依据不同工况下的离线仿真波形数据来训练神经网络，最终暂态过程依靠若干个时间节点依次输出来描述。该方法虽有着极高的输出分辨率，但由于所使用神经网络隐藏层的神经元数量不多，模型精度不足。虽然增加神经元的数量能够提高模型精度，但由于神经网络计算复杂性的问题，增加神经元数量会导致模型计算所消耗的硬件资源大幅增加。
8、因此，寻找一种既能保持高仿真精度又能有效管理计算资源的仿真技术，依然是电力电子领域面临的关键技术挑战之一。本专利技术提出了一种基于时间序列反馈的神经网络模型，通过对神经网络架构的优化，显著提高了igbt器件的实时仿真精度和效率，为电力电子设备的设计和运行提供了强大的技术支持。
技术实现思路
1、为了解决现有技术中的问题，本专利技术针对神经网络辅助数据驱动的igbt开关瞬态建模方法，提出了一种神经网络数据驱动的igbt开关瞬态建模方法，该方法基于神经网络辅助数据驱动的器件级开关模型的建模原理，对神经网络的架构进行优化。
2、一种神经网络数据驱动的igbt开关瞬态建模方法，所述神经网络模型用于igbt器件级实时仿真，所述建模方法包括：igbt离线仿真数据采集步骤、神经网络架构建立与训练步骤和fpga硬件设计与实现步骤；
3、a1.igbt离线仿真数据采集步骤：在仿真模型建立初期，需要对igbt器件进行测试电路离线仿真，以获得神经网络训练的数据集，具体包括：使用高级仿真软件对选定型号的igbt进行测试电路仿真，以收集关于其在不同电压、电流和温度条件下暂态特性的数据；
4、a2.神经网络架构建立与训练步骤：设计并建立本专利技术所提出的神经网络架构，设定神经网络中各个层的连接情况，并训练所有时间节点的神经网络；
5、a3.fpga硬件设计与实现步骤：完成所有时间节点的网络训练后需要合理部署在fpga中，其中需要采用流水线架构提高数据的吞吐率。
6、本专利技术的首要步骤是通过高精度的离线仿真获取igbt的性能数据，以支持后续的神经网络建模和训练。该步骤的核心是使用高级仿真软件对选定型号的igbt进行测试电路仿真，以收集关于其在不同电压、电流和温度条件下暂态特性的数据。
7、作为本专利技术的进一步改进，步骤a1中所述测试电路离线仿真的数据采集具体包括：
8、b0.测试电路设计：首先构建一个igbt测试电路，这些电路能够模拟igbt在实际应用中可能遇到的各种工作条件。设计的测试电路应包括工作电压、工作电流、工作温度的不同情况。
9、b1.参数设置：在仿真软件中设定igbt的工作参数，包括不同的稳态电压、电流和温度。这些参数应覆盖igbt可能工作的全范围，以确保数据的全面性和仿真的准确性。
10、b2.数据记录：在仿真过程中，系统将记录igbt在各种条件下的电压和电流波形，特别是暂态过程中的快速变化。每个测试点都应详细记录相应的暂态响应和稳态行为，形成一个全面的数据集。
11、b3.高时间分辨率采样：为了捕捉暂态过程中的细微变化，仿真数据需要以高时间分辨率进行采集，例如以纳秒级别的时间步进进行。这对于后续神经网络模型的准确学习至关重要。
12、在成功采集到大量igbt的离线仿真数据后，下一步是构建并训练一个专门设计的神经网络模型，以便准确模拟igbt的电力电子行为。这个步骤涉及数据预处理、神经网络的设计和模型训练三个关键环节。
13、作为本专利技术的进一步改进，步骤a2中所述神经网络架构建立与训练步骤具体包括：
14、c1.数据预处理：为了统一模型训练和预测的精度，需要对步骤一中采集的数据进行重新插值，确保所有数据的时间步进均为5纳秒。这一过程可以通过线性插值或更高级的插值方法(如样条插值)完成，以平滑数据并填补时间序列中的空白。其次对所有输入和输出数据进行标准化或归一化处理，以消除不同量纲的影响，确保神经网络训练的稳定性和高效性。
15、c2.神经网络设计：设计一个多层的神经网络，每一层都专门针对igbt的特定行为特征进行建模。重要的是要注意网络各层之间的连接关系，确保网络能够有效地从输本文档来自技高网...
【技术保护点】
1.一种神经网络数据驱动的IGBT开关瞬态建模方法，其特征在于，所述IGBT开关瞬态建模方法基于时间序列反馈的神经网络模型，所述方法包括以下步骤：
2.权利要求1所述的IGBT开关瞬态建模方法，其中，步骤A1具体包括：
3.权利要求1所述的IGBT开关瞬态建模方法，其中，步骤A1还包括：
4.权利要求1所述的IGBT开关瞬态建模方法，其中，步骤A2具体包括：
5.权利要求1所述的IGBT开关瞬态建模方法，其中，步骤A3的FPGA硬件设计中，优化FPGA内的逻辑单元、寄存器和内存配置，合理分配硬件资源，以确保各部分有足够的资源执行其功能。
6.权利要求1所述的IGBT开关瞬态建模方法，其中，步骤A3的流水线设计允许同时处理多个数据点，每个阶段完成一部分计算任务，从输入到输出形成一个连续的处理流，以提高数据吞吐率并减少处理延迟。
【技术特征摘要】
1.一种神经网络数据驱动的igbt开关瞬态建模方法，其特征在于，所述igbt开关瞬态建模方法基于时间序列反馈的神经网络模型，所述方法包括以下步骤：
2.权利要求1所述的igbt开关瞬态建模方法，其中，步骤a1具体包括：
3.权利要求1所述的igbt开关瞬态建模方法，其中，步骤a1还包括：
4.权利要求1所述的igbt开关瞬态建模方法，其中，步骤a2具体包括：<...
【专利技术属性】
技术研发人员：王灿，翁浩文，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：
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。