一种基于AI预测的自适应电源管理系统的制作方法

摘要: 本发明涉及电源智能管理,更具体地说,它涉及一种基于ai预测的自适应电源管理系统。背景技术:1、在植物照明电源管理领域,负载变化由光周期调度、光谱配方切换和脉宽调...
一种基于AI预测的自适应电源管理系统的制作方法

本发明涉及电源智能管理,更具体地说,它涉及一种基于ai预测的自适应电源管理系统。

背景技术:

1、在植物照明电源管理领域,负载变化由光周期调度、光谱配方切换和脉宽调制调光三层机制叠加形成,呈现小时级趋势缓变、分钟级阶跃突变和秒级高频脉冲三种时间尺度混合耦合的复杂工况。现有多模式电源转换器依靠实时检测负载电流是否越过固定阈值来触发模式切换,在检测到越界后立即执行拓扑改变,无法选择电路状态有利于切换的时刻,切换瞬间电感储能释放和输出电容电压偏离会引起输出端的电压跌落或过冲。

2、现有负荷预测方法虽已引入长短期记忆网络等时间序列模型,但面向的是电力系统级大时间尺度负荷,其输入特征和训练策略无法区分设备级电源中三种尺度分量的各自变化规律;将混合序列直接送入统一模型时,高频分量干扰低频趋势学习,中频阶跃被当作噪声平滑,导致越界时刻预测精度不足以支撑开关周期级的切换决策。

3、此外,现有方案在预测模型的在线更新环节缺乏对多路径预测结构的归因能力,当预测偏差来源于三条路径中的某一条时,无差别地更新全部参数会导致无辜路径被错误调整,在切换事件稀疏且数据分布非平稳的条件下加速模型退化而非收敛。

技术实现思路

1、本发明提供一种基于ai预测的自适应电源管理系统,解决相关技术中多模式电源在负载多时间尺度耦合变化下被动响应导致模式切换瞬态冲击,且预测模型在稀疏切换事件反馈下无法按路径归因进行针对性校正的技术问题。

2、本发明提供了一种基于ai预测的自适应电源管理系统,包括:

3、负载解耦模块,采集电源输出的负载电流序列,按物理时间尺度对其进行分量解耦,分离出高频纹波包络、中频阶跃事件队列和低频趋势包络;

4、条件化预测模块,将高频纹波包络、中频阶跃事件队列和低频趋势包络连同计划调光日程与环境参数输入分路预测网络,经受物理约束的条件调制与时间位置融合,输出综合负载预测曲线;

5、切换规划模块,依据综合负载预测曲线与各模式适用电流区间比较判定预测越界时刻,并在当前时刻到预测越界时刻之间逐开关周期搜索同时满足电感电流谷值约束与输出电容电压偏差约束的时刻,确定最优切换时刻;

6、渐变执行模块,在最优切换时刻启动参数化渐变过渡,于连续多个开关周期内逐周期递变占空比与开关频率并在过渡末端通过积分器预设实现无扰接管,记录切换完成确认时刻;

7、归因校正模块,将切换完成确认时刻与预测越界时刻比较得到预测时间误差,对相应误差按三路预测路径贡献做归因分解,针对归因权重超过阈值的责任路径做指数遗忘加权的增量更新,并修正模式边界阈值偏差补偿项。

8、进一步的,所述负载解耦模块中:

9、高频纹波包络通过短窗口滑动包络检测提取,在覆盖若干个调光周期的短时间窗内计算输出电流的峰值与均值,窗口以固定步长向前滑动,将高频信息压缩为纹波特性随时间演变的统计特征;

10、所述中频阶跃事件队列通过对输出电流的长窗滑动均值序列计算一阶差分并配合自适应阈值检测得到,所述自适应阈值设为近期负载均值的预设比例,检测到的阶跃以时间戳与幅度的形式记入事件队列;

11、所述低频趋势包络通过覆盖数十分钟到数小时的长窗口滑动均值提取,窗口长度使中频阶跃和高频纹波在窗内被平均消除。

12、进一步的,所述条件化预测模块中:

13、所述分路预测网络的低频趋势预测路径采用两层长短期记忆网络结构,第一层接收由当日趋势序列与历史同相位序列拼接的输入并输出全时间步隐藏状态序列,第二层只输出最后一个时间步的隐藏状态向量;所述计划调光日程经全连接层映射后与所述隐藏状态向量相加合并,合并结果经所述受物理约束的条件调制后送入全连接输出层映射为预测窗口长度的低频趋势预测序列;

14、所述受物理约束的条件调制包括:将所述环境参数经全连接层映射并通过有界激活压到由led正向压降温度系数归一化得到的上下界区间内,得到被限定为负号的温度调制系数,以一加上该温度调制系数乘以当前温度与参考温度之差的形式作用于所述合并结果;电网电压由另一投影全连接层生成均值在一附近的残差门控,与所述温度调制合并后对所述合并结果做逐元素相乘;

15、训练时对预测偏低的样本施加大于一的欠预测权重形成非对称损失,对越近的运行数据赋予越大的指数遗忘权重,按小批量梯度下降做增量更新。

16、进一步的,所述条件化预测模块中,所述分路预测网络的中频事件预测路径接收下游照明控制系统下发的配方变更预告,据预告查预存的配方功率差异表得到名义阶跃幅度,再将所述名义阶跃幅度、目标配方编号、目标调光等级、当前结温和当前负载均值拼成特征向量经全连接层输出经效率修正后的实际阶跃幅度以及阶跃整定时间;

17、融合时所述实际阶跃幅度自发生时刻起在所述阶跃整定时间内线性递增地叠加到综合负载预测曲线上,整定完成后保持。

18、进一步的,所述切换规划模块中:

19、所述电感电流谷值约束要求候选时刻的电感电流处于下降沿后半段且低于当前模式峰值电流的预设谷值比例;

20、所述输出电容电压偏差约束要求候选时刻的输出电容电压与额定输出电压之差落在预设切换容许带以内;

21、在所有同时满足两个约束的候选时刻中,凡到预测越界时刻的保留时间间隔不小于预设最小稳定裕量者为可行解,从可行解中选取保留时间间隔最接近所述最小稳定裕量的时刻作为最优切换时刻;若无可行解则先放宽电压约束、再放宽谷值比例,取放宽后最优的候选时刻。

22、进一步的,所述渐变执行模块中:

23、过渡总周期数由占空比总变化量除以单周期最大步进量确定,所述单周期最大步进量由输出电压容许偏差带除以输出电压对占空比的传递函数增益得到,开关频率在同一总周期数内按线性插值同步过渡;

24、每个开关周期结束后采样输出电压偏差,若偏差朝容许带边界方向增大则将下一周期步进量缩至当前的一半,若偏差保持在容许带中心附近则维持当前步进量;

25、过渡末端的积分器预设为读取当时实际输出电压与额定值之差,将新模式pi控制环路的积分项初始值设为该差值乘以积分增益的倒数。

26、进一步的,所述归因校正模块中,所述归因分解的方式为:

27、在预测越界时刻附近取一段时间窗,分别计算低频趋势归因量、中频阶跃归因量和高频包络归因量;其中低频趋势归因量为该窗内低频路径预测值与同期实测低频趋势包络值之差的均值,中频阶跃归因量为预测阶跃幅度与实测阶跃幅度之差,高频包络归因量为预测包络半幅与实测包络半幅之差的均值;

28、将三个归因量各自取绝对值后归一化得到低频归因权重、中频归因权重和高频归因权重,仅对所述归因权重超过预设归因阈值的路径执行参数更新。

29、进一步的,所述归因校正模块中:

30、系统维护近期切换事件的滑动记录窗口,若同一路径连续多次被判定为责任路径且修正标签方向一致,则将该路径的更新步长乘以连续同方向次数的对数值作为递增系数加速追踪;若修正标签方向交替且幅度收缩则维持最小步长;若某路径在最近若干次切换中未被判定为责任路径则其参数不做更新;

31、所述模式边界阈值偏差补偿项的修正方式为:所述预测时间误差为正时补偿项向放宽方向调整,为负时向收紧方向调整,调整幅度取所述预测时间误差的绝对值乘以预设比例系数后限幅至阈值本身的百分之一以内。

32、进一步的,一种基于ai预测的自适应电源管理系统还包括:老化补偿模块,按预设评估周期在稳态工作期间从输出电压纹波中反推电解电容等效串联电阻相对变化、从开关节点电压反推功率管导通电阻相对变化、从电感电流上升斜率反推磁导率相对变化,将各相对变化增量乘以温度加速因子后累加得到各器件的累积老化指数,当所述累积老化指数超过预设补偿阈值时分器件调整电压环零点频率、开关频率和最大占空比。

33、进一步的,一种基于ai预测的自适应电源管理系统还包括:协同预调整模块,接收下游照明系统的光谱需求变化预告,按需求功率映射表将目标配方与调光等级换算为目标功率值,以目标功率值与当前输出功率之差除以可用预调整时间得到每控制周期的功率递增量并渐变执行,执行完成后以实测输出功率与目标功率值的偏差经指数滑动平均修正需求功率映射表。

34、本发明的有益效果在于:

35、通过将小时级的负载越界预测转化为逐开关周期的电感谷值与输出电容电压双约束搜索窗,使电源在负载实际越界前于电路储能最低且输出电压贴近额定值的时刻启动参数渐变过渡,从物理机理层面消除模式切换对输出端的瞬态冲击,同时在过渡末端通过积分器预设使新模式控制环路以零初始误差接管,避免接管暂态引起的光谱闪变;

36、利用物理尺度解耦与加法融合的结构特性,在每次切换事件后将预测时间误差按低频趋势、中频阶跃和高频包络三条路径的实际贡献做归因分解,仅对归因权重超过阈值的责任路径执行参数更新,在切换事件稀疏且数据分布非平稳的条件下避免误归因导致的无辜路径退化,使预测裕量在整个运行周期内通过每次切换的事件级反馈持续自校正。