逆变器输出阻抗检测装置及方法、逆变器运行控制方法与流程

技术特征：
1.一种逆变器输出阻抗的智能检测装置，用于对检测装置外部的逆变器的输出阻抗进行检测，其特征在于，所述检测装置无需电压源或电流源作为扰动量，包括以下模块：采样模块，用于采样逆变器侧滤波电容电压和滤波电感电流；智能芯片，用于接收所述采样模块所采样到的电压信号和电流信号，并将其输入至内部的逆变器输出阻抗检测神经网络模型，所述逆变器输出阻抗检测神经网络模型预先建立并完成训练，以能够根据输入的电压信号和电流信号而输出逆变器输出阻抗。2.根据权利要求1所述的逆变器输出阻抗的智能检测装置，其特征在于，用于对所述逆变器输出阻抗检测神经网络模型进行训练的训练样本通过以下步骤获取：s1、收集数据：在搭建两个相同的逆变器工作平台的情况下，在第一逆变器工作平台上采集逆变器的工作电路在不同时刻下的逆变器侧滤波电容电压和滤波电感电流数据，以得到多个样本，在第二逆变器工作平台上相应的不同时刻下测量逆变器的实际阻抗值；s2、数据预处理：将步骤s1收集的样本数据变换为频域数据，得到训练样本，并将步骤s1中测量得到的各个实际阻抗值分别作为在相同时刻下采集的样本数据变换后的训练样本的标签。3.根据权利要求2所述的逆变器输出阻抗的智能检测装置，其特征在于，所述逆变器输出阻抗检测神经网络模型预先通过以下步骤建立：e1、使用深度学习平台搭建卷积神经网络模型，将网络结构配置为包括卷积层、池化层和全连接层，并对其进行网络定义；e2、为搭建的卷积神经网络配置训练环境和创建执行器，并根据训练样本的维度定义网络输出数据维度；e3、所述执行器利用训练样本对所述神经网络模型进行训练，其中，每个训练样本具有相应的标签。4.根据权利要求3所述的逆变器输出阻抗的智能检测装置，其特征在于，步骤s2中将样本数据变换为频域数据后，从所述频域数据中分别按照预设的比例获取训练样本和测试样本；步骤e3中对利用训练样本对所述神经网络模型进行预设轮次的训练后，使用所述测试样本对所述神经网络模型进行验证，得到损失值和准确率；若所述损失值和/或准确率通过验证，则将当前的所述神经网络模型作为所述逆变器输出阻抗检测神经网络模型，否则利用训练样本对所述神经网络模型进行迭代训练，直至训练得到的神经网络模型的损失值和/或准确率通过验证；再将所述逆变器输出阻抗检测神经网络模型下载到所述智能芯片中。5.根据权利要求1所述的逆变器输出阻抗的智能检测装置，其特征在于，还包括cpu模块和pwm模块，其中，所述cpu模块与所述智能芯片、pwm模块均电连接，所述pwm模块用于与所述逆变器电连接；所述采样模块为实时采集并发送电压信号和电流信号，所述智能芯片向所述cpu模块实时输出估计的逆变器输出阻抗值，所述cpu模块用于根据当前的逆变器输出阻抗值生成控制指令，并将其发送至所述pwm模块；所述pwm模块用于根据所述控制指令输出适配的脉冲信号以实时控制所述逆变器的运行状态。
6.一种逆变器输出阻抗的智能检测方法，其特征在于，无需电压源施加扰动电压且无需电流源施加扰动电流，所述检测方法包括以下步骤：采集逆变器侧滤波电容电压和滤波电感电流；将所述滤波电容电压和滤波电感电流的数据采集结果输入至预生成的逆变器输出阻抗检测神经网络模型，所述逆变器输出阻抗检测神经网络模型输出相应的逆变器输出阻抗的检测结果；其中，所述逆变器输出阻抗检测神经网络模型通过以下步骤预生成：s1、收集数据：在搭建两个相同的逆变器工作平台的情况下，在第一逆变器工作平台上采集逆变器的工作电路在不同时刻下的逆变器侧滤波电容电压和滤波电感电流数据，以得到多个样本，在第二逆变器工作平台上相应的不同时刻下测量逆变器的实际阻抗值，以得到相应的标签；s2、数据预处理：将步骤s1收集的样本数据变换为频域数据，得到训练样本；s3、模型训练：利用步骤s2中预处理得到的训练样本及其相应的标签，对神经网络模型进行训练，得到所述逆变器输出阻抗检测神经网络模型。7.根据权利要求6所述的逆变器输出阻抗的智能检测方法，其特征在于，步骤s3中所述对神经网络模型进行训练包括：s31、使用深度学习平台搭建卷积神经网络模型，将网络结构配置为包括第一卷积层、第一池化层、第二卷积层、第二池化层和全连接层，并对其进行网络定义；s32、为搭建的卷积神经网络配置训练环境和创建执行器，并定义网络输出数据维度等于训练样本维度；s33、按照预设的训练轮次使用所述执行器来执行对所述神经网络模型的训练。8.根据权利要求7所述的逆变器输出阻抗的智能检测方法，其特征在于，步骤s2中将样本数据变换为频域数据后，从变换后的频域数据中，得到训练样本且得到测试样本；或者，通过搭建第三个相同的逆变器工作平台以得到测试样本；步骤s33之后还包括：s34、在每次完成预设轮次的训练后，使用所述测试样本对所述神经网络模型进行验证，得到损失值和准确率；s35、判断验证得到的损失值和/或准确率是否满足预设的条件，若满足，则将当前的所述神经网络模型作为所述逆变器输出阻抗检测神经网络模型；否则返回执行s33
‑
s35。9.根据权利要求7所述的逆变器输出阻抗的智能检测方法，其特征在于，步骤s31中所述对其进行网络定义包括：定义所述第一卷积层的卷积核大小及对应层的激活函数；定义所述第一池化层的池化核大小及对应层的池化类型；定义所述第二卷积层的卷积核大小及对应层的激活函数；定义所述第二池化层的池化核大小及对应层的池化类型；定义所述全连接层大小及对应层的激活函数。10.根据权利要求6所述的逆变器输出阻抗的智能检测方法，其特征在于，步骤s1中利用频率响应分析仪和线性放大设备实时测量逆变器的实际阻抗值，并且对所述第一逆变器工作平台和第二逆变器工作平台同步调节运行参数，以得到不同工况下的样本数据及对应相同时刻下的标签。11.根据权利要求6所述的逆变器输出阻抗的智能检测方法，其特征在于，步骤s2中对
收集到的样本数据进行快速傅里叶变换，选择频率范围为50hz至6000hz。12.一种逆变器运行状态的智能控制方法，其特征在于，包括以下步骤：利用如权利要求6
‑
11中任一项所述的逆变器输出阻抗的智能检测方法检测当前逆变器的输出阻抗；根据阻抗分析法判断当前逆变器的稳定性，通过自适应算法调制用于对所述逆变器运行状态进行控制的脉冲信号。

技术总结
本发明公开一种逆变器输出阻抗检测装置及方法、逆变器运行控制方法，本发明在验证通过逆变器侧滤波电容电压和滤波电感电流来计算逆变器输出阻抗的可行性的前提下，提出一种新的逆变器输出阻抗检测方案，即将采样的逆变器侧滤波电容电压和滤波电感电流输入神经网络模型，以预测逆变器的输出阻抗，并提供了该神经网络模型的建立及训练步骤；将该神经网络模型下载到智能芯片中，CPU根据智能芯片输出的实时检测结果，通过自适应算法调制脉冲信号，实现对逆变器运行状态的实时控制。本发明的逆变器输出阻抗检测装置无需电压源或电流源作为扰动量，也无需频率响应分析仪，通过深度神经网络模型能够实时、准确地预测逆变器的输出阻抗，实现对逆变器的自适应控制。实现对逆变器的自适应控制。实现对逆变器的自适应控制。


技术研发人员：李浩洋 方刚 谢胜仁 曾维波 张建
受保护的技术使用者：江苏固德威电源科技股份有限公司
技术研发日：2021.08.16
技术公布日：2021/12/7