[发明专利]电能功率模型训练方法、传输功率获取方法和相关设备

权利要求书

1.一种电能功率模型训练方法，其特征在于，所述方法包括：

获取第一训练样本和最大迭代次数，所述第一训练样本包括目标电路的多种可变参数的样本数据；

从所述第一训练样本中选择至少一种样本数据初始化学习器，获得多个初始化后的学习器，多个初始化后的学习器对应的样本数据的类型涵盖所述训练样本中所有类型；

计算每个初始化后的学习器的负梯度；

基于每个初始化后的学习器的负梯度进行拟合，获得对应的决策树，并计算所述决策树中每叶子节点的损失函数，确定损失最小的目标损失函数；

根据所述第一训练样本中相邻时刻的同一类型样本数据，以及所述目标损失函数，获得各类型中相邻时刻样本数据的递归关系；

根据各类型对应的递归关系进行加权求和，获得所述目标电路的电能功率模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采集所述目标电路当前的工作数据，并将所述工作数据输入所述电能功率模型，获得第一电能传输功率；

确定预设效率和所述第一电能传输功率之间的第一偏差；

若所述第一偏差超出预设偏差范围，调整各个递归关系的权值，获得更新后的电能功率模型。

3.根据权利要求2所述的方法，其特征在于，所述若所述第一偏差超出预设偏差范围，调整各个递归关系的权值，获得更新后的电能功率模型之后，还包括：

采用所述目标电路当前的工作数据输入更新后的电能功率模型，获得第二电能传输功率；

确定预设效率和所述第二电能传输功率之间的第二偏差；

若所述第二偏差超出预设偏差范围，重新获得第二训练样本，并根据所述第二训练样本更新所述电能功率模型，其中，所述第二训练样本中样本数据的数量大于所述第一训练样本中样本数据的数量。

4.根据权利要求2所述的方法，其特征在于，所述确定预设效率和所述第一电能传输功率之间的第一偏差之前，包括：

获取所述目标电路输入侧的电压、电流、电容值和电感值，以及输出侧的电压、电流、电容值和电感值，并根据所述目标电路输入侧的电容值和电感值，以及输出侧的电容值和电感值构建所述目标电路的节点方程；

根据所述节点方程获得所述目标电路谐振点的角频率；

根据所述目标电路输入侧的电压和电流，输出侧的电压和电流，以及所述角频率获得所述预设效率。

5.根据权利要求1所述的方法，其特征在于，所述基于每个初始化后的学习器的负梯度进行拟合，获得对应的决策树，并计算所述决策树中每叶子节点的损失函数，确定损失最小的目标损失函数，包括：

对所述决策树中连续的特征进行离散化。

6.一种电能传输功率获取方法，其特征在于，所述方法包括：

获取目标电路当前的工作数据，所述工作数据包括目标电路的线圈电压、输入功率、输出功率、线圈距离、接收侧频率值和实际阻抗变化量；

将所述工作数据输入电能功率模型，获得所述目标电路的电能传输功率，所述电能功率模型通过如权利要求1-4中任一项所述方法获得。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在检测到所述目标电路的负载发生变化时，调整所述目标电路的工作频率，以使得所述目标电路的电能传输功率达到预设效率。