一种基于集成学习的三相两电平逆变器控制优化系统

本发明属于逆变器控制的，具体涉及一种基于集成学习的三相两电平逆变器控制优化系统。

背景技术：

1、有限控制集-模型预测控制（finite control set model predictive control，fcs-mpc）具有多目标约束优化能力和出色的动态性能，并充分考虑了电力电子变换器的离散特性和有限的切换状态，得到了越来越多的关注。在实际应用中，电感等参数的实际值不可避免地会因温度漂移、老化等因素而偏离标称值。fcs-mpc方法是基于预测模型的控制方法，模型中的参数值与实际值存在失配时，可导致电流预测误差累积、稳态误差增大、thd恶化，在参数失配程度超过一定水平时甚至会引发系统失稳。

技术实现思路

1、为了解决上述技术问题，基于结合动态线性化技术（dynamic linearization，dl）的有限控制集-动态线性化模型预测控制方法（finite control set dynamiclinearization model predictive control，fcs-dlmpc），本发明提出了一种基于集成学习（ensemble learning，el）的逆变器控制优化系统，可以在线收集逆变器运行数据、使用集成学习方法优化逆变器控制参数并更新，进而解决传统有限控制集-模型预测控制（finite control set model predictive control，fcs-mpc）的模型依赖问题，长期保障逆变器工作性能。

2、为实现上述目的，本发明提供了如下技术方案为：

3、一种基于集成学习的三相两电平逆变器控制优化系统，包括多个逆变器，它们通过远程数据通信单元与远程监控及优化工作站通讯，

4、所述远程监控及优化工作站用于在线获取各个逆变器的运行数据序列，先利用集成学习方法计算获得动态线性模型dl的伪偏导矩阵，完成对有限集模型预测控制算法fcs-dlmpc的优化，再利用优化后的有限集模型预测控制算法fcs-dlmpc实现对逆变器的控制。

5、进一步，先以逆变器的当前时刻输出电压增量向量作为输入，下一时刻输出电流变化量作为输出，分别对多个基模型进行训练，再分别利用简单平均和加权平均对所有基模型的训练结果进行组合，选择全局损失最小的组合结果作为最终训练结果输出。

6、进一步，在使用加权平均进行组合时，先利用如下公式，计算各个基模型在整个数据集上的全局损失，

7、

8、然后利用如下公式，计算加权平均后的组合结果，

9、

10、

11、其中，m表示基模型的总数，表示第m个基模型的训练结果，共有m个基模型；

12、利用如下公式，计算简单平均后的组合结果，

13、。

14、进一步，对简单平均和加权平均两种集成策略获得的组合结果分别计算全局损失，选择具有更小全局损失的组合结果作为最终训练结果，用于后续优化参数。

15、进一步，所述基模型设置有五个，均设置为线性映射模型。

16、进一步，所述远程数据传输单元包括数据传输单元和云服务器，所述数据传输单元负责实现各个逆变器和云服务器之间的串行通信与无线通信的双向转换；

17、所述云服务器作为远程数据通信的中转站，负责数据传输单元与远程监控及优化工作站之间的双向数据交互。

18、与现有技术相比，本发明的有益效果是：

19、1. 构建智能化控制闭环：通过提供一种集数据采集、参数优化与在线更新于一体的三相两电平逆变器控制系统方案，使逆变器具备了“运行-监测-优化”的持续进化能力，从而在大幅度减少维护成本的前提下，长期稳定地保障其输出性能与可靠性。

20、2. 突破模型依赖瓶颈：所设计的fcs-dlmpc方法，利用动态线性化技术将控制问题转化为基于输入输出数据的在线优化，从根本上摆脱了传统fcs-mpc对精确数学模型和系统参数的依赖，极大增强了控制系统对工况变化及非理想因素的适应性与鲁棒性。

21、3. 精准应对性能衰退难题：提出的基于集成学习的参数优化方法，能够从实际运行数据中有效挖掘复杂耦合关系，智能校准因器件老化、温漂等引起的参数失配问题，精准抑制由此导致的控制精度下降与谐波劣化，显著延长逆变器高效运行的生命周期。

1.一种基于集成学习的三相两电平逆变器控制优化系统，其特征在于：包括多个逆变器，它们通过远程数据通信单元与远程监控及优化工作站通讯，

2.根据权利要求1所述的基于集成学习的三相两电平逆变器控制优化系统，其特征在于：先以逆变器的当前时刻输出电压增量向量作为输入，下一时刻输出电流变化量作为输出，分别对多个基模型进行训练，再分别利用简单平均和加权平均对所有基模型的训练结果进行组合，选择全局损失最小的组合结果作为最终训练结果输出。

3.根据权利要求2所述的基于集成学习的三相两电平逆变器控制优化系统，其特征在于：在使用加权平均进行组合时，先利用如下公式，计算各个基模型在整个数据集上的全局损失，

4.根据权利要求2所述的基于集成学习的三相两电平逆变器控制优化系统，其特征在于：对简单平均和加权平均两种集成策略获得的组合结果分别计算全局损失，选择具有更小全局损失的组合结果作为最终训练结果，用于后续优化参数。

5.根据权利要求2所述的基于集成学习的三相两电平逆变器控制优化系统，其特征在于：所述基模型设置有五个，均设置为线性映射模型。

6.根据权利要求1所述的基于集成学习的三相两电平逆变器控制优化系统，其特征在于：所述远程数据传输单元包括数据传输单元和云服务器，所述数据传输单元负责实现各个逆变器和云服务器之间的串行通信与无线通信的双向转换；