[发明专利]一种两相交错并联DC-DC变换器效率优化方法及系统

说明书

本发明公开了一种两相交错并联DC‑DC变换器效率优化方法及系统，属于电力电子领域。方法包括：分别采集两相交错并联DC‑DC变换器的两相在不同工况下的效率数据；使用SVR算法训练效率数据，得到两相在任意工况下的效率预测模型；根据效率预测模型拟合任意工况下两相的效率特性曲线；基于效率特性曲线确定整体效率最优问题，将其转化为电流分配最优问题；使用Q‑learning强化学习策略寻找最优电流分配方案。该方法可以适应系统运行工况的变化，预测任意工况下的效率，处理动态环境的未知或不完全信息，在不需要改变模型的情况下给出最优的电流分配方案，提高了模型适用性，所需参数少，算法简明易懂，易于实现，具有工业应用价值。

技术领域

本发明属于电力电子领域，更具体地，涉及一种两相交错并联DC-DC变换器效率优化方法及系统。

背景技术

两相交错并联DC-DC变换器以其高功率、高功率密度、高效率以及高可靠性等特点广泛应用于大电流高功率场合。通常采用均流控制策略实现各单相变换器的电流负荷分配以确保系统安全运行。然而，由于交错并联变换器的各支相变换器元器件参数及电路寄生参数存在差异，导致各支相变换器的效率特性不同，若采用各相均流的控制方案则无法保证系统的整体效率处于最优，会造成能源的浪费。因此，研究一种基于非均流控制的两相交错并联DC-DC变换器效率优化方法具有重要的意义。

传统的非均流的电流分配方案是通过建立精确的功率损耗模型，拟合单相变换器效率特性曲线，结合效率计算方法，使系统总效率达到最优得到的。由于变换器的工作状况复杂多变，例如负载或电压转换比变化，不同工况下变换器的效率特性是不同的，当工况发生变化时，需要重新采集该工况下的数据进行效率特性曲线的拟合，十分繁琐，降低了模型的适用性。另外，当系统运行在复杂工况下，基于数学方法求解最优电流分配方案通常面临计算复杂的困难。目前各种启发式算法被使用，包括粒子群算法、蚁群算法、模拟退火算法、爬山算法、差分进化算法、遗传算法等。然而，这些算法不能适应外部条件即工况的动态变化，当外部条件发生变化时需要重置，其中一些算法的搜索性能在很大程度上依赖于初始值和优化参数的选取，容易陷入局部最优，导致结果误差较大。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种两相交错并联DC-DC变换器效率优化方法及系统，旨在解决现有对变换器进行非均流控制方法误差较大的问题。

为实现上述目的，本发明一方面提供了一种两相交错并联DC-DC变换器效率优化方法，包括以下步骤：

S1.分别采集两相交错并联DC-DC变换器的两相在不同工况下的效率数据；

S2.使用SVR(support vector regression)算法训练两相在不同工况下的效率数据，得到两相交错并联DC-DC变换器的两相在任意工况下的效率预测模型；

S3.根据所述效率预测模型拟合任意工况下两相交错并联DC-DC变换器的两相的效率特性曲线；

S4.基于所述效率特性曲线确定两相交错并联DC-DC变换器整体效率最优问题，将其转化为电流分配最优问题；

S5.将电流分配最优问题抽象化，使用Q-learning强化学习策略寻找最优电流分配方案。

进一步地，S1包括如下步骤：

S11.设置两相交错并联DC-DC变换器的工况参数，包括开关频率、输入电压范围、输出电压范围以及输出电流范围；

S12.在设定的工况下，给定不同输入电压和输出电压，改变负载电阻，让变换器的每一相单独运行，计算变换器的每一相在不同输出电流下的效率。

进一步地，S2包括如下步骤：

S21.将不同工况下的效率数据按预设比例随机划分为训练集和测试集；