[發(fā)明專利]電能功率模型訓(xùn)練方法、傳輸功率獲取方法和相關(guān)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202211423230.X
• 申請(qǐng)日: 2022-11-15
• 公開（公告）號(hào): CN115796302A
• 公開（公告）日: 2023-03-14
• 發(fā)明（設(shè)計(jì)）人: 李鵬;韋杰;王志明;田兵;盧星宇;李立浧;張偉勛;聶少雄;李遠(yuǎn);譚則杰;樊小鵬;尹旭;張佳明;林躍歡;徐振恒;劉勝榮;孫宏棣;鐘枚汕;林秉章
• 申請(qǐng)（專利權(quán)）人: 南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司
• 主分類號(hào): G06N20/00
• 分類號(hào): G06N20/00;G06N3/08;G06N5/01;H02J50/10
• 代理公司: 華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 周婷婷

本申請(qǐng)涉及一種電能功率模型訓(xùn)練方法、傳輸功率獲取方法和相關(guān)設(shè)備。方法包括：獲取第一訓(xùn)練樣本和最大迭代次數(shù)，第一訓(xùn)練樣本包括多種可變參數(shù)的樣本數(shù)據(jù)；選擇至少一種樣本數(shù)據(jù)初始化學(xué)習(xí)器，獲得多個(gè)初始化后的學(xué)習(xí)器，選擇的樣本數(shù)據(jù)的類型涵蓋訓(xùn)練樣本中所有類型；計(jì)算每個(gè)初始化后的學(xué)習(xí)器的負(fù)梯度；對(duì)獲得的負(fù)梯度進(jìn)行擬合，獲得對(duì)應(yīng)的決策樹，并計(jì)算決策樹中每葉子節(jié)點(diǎn)的損失函數(shù)，確定損失最小的目標(biāo)損失函數(shù)；根據(jù)相鄰時(shí)刻的同一類型樣本數(shù)據(jù)，以及目標(biāo)損失函數(shù)，獲得各類型中相鄰時(shí)刻樣本數(shù)據(jù)的遞歸關(guān)系；根據(jù)各類型對(duì)應(yīng)的遞歸關(guān)系進(jìn)行加權(quán)求和，獲得目標(biāo)電路的電能功率模型。采用本方法能夠準(zhǔn)確預(yù)測(cè)電路的電能傳輸功率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及電路技術(shù)領(lǐng)域，特別是涉及一種電能功率模型訓(xùn)練方法、傳輸功率獲取方法和相關(guān)設(shè)備。

背景技術(shù)

無線電能傳輸(wireless power transfer，WPT)技術(shù)目前越來越受到研究和工業(yè)界的重視，尤其是在汽車、船舶等新能源無線充電系統(tǒng)中的應(yīng)用，采用電池/電容組的純電動(dòng)船舶成為解決沿海和內(nèi)河港口污染問題的最佳途徑，新能源船舶得到了快速發(fā)展。此外，由于電池的短壽命，使得電動(dòng)汽車和船舶等移動(dòng)物體的無線充電需求急劇增加。磁諧振耦合法是利用諧振線圈進(jìn)行電能傳輸?shù)淖詈线m的方法之一，因?yàn)樗哂休^高的傳輸效率和一定的隔離距離。對(duì)采用磁諧振耦合法的電路的電能傳輸功率進(jìn)行預(yù)測(cè)顯得尤為重要。

目前，在實(shí)際電路系統(tǒng)中，因電路的效率受到諧振頻率、負(fù)載阻抗的影響，電路的電能傳輸功率不穩(wěn)定，即傳統(tǒng)技術(shù)中電路的電能傳輸功率預(yù)測(cè)算法無法準(zhǔn)確對(duì)電路的電能傳輸功率進(jìn)行預(yù)測(cè)。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問題，提供一種能夠提高電路電能傳輸功率預(yù)測(cè)準(zhǔn)確性的電能功率模型訓(xùn)練方法、傳輸功率獲取方法和相關(guān)設(shè)備。

第一方面，本申請(qǐng)?zhí)峁┝艘环N效率電能功率模型訓(xùn)練方法。所述方法包括：

獲取第一訓(xùn)練樣本和最大迭代次數(shù)，所述第一訓(xùn)練樣本包括目標(biāo)電路的多種可變參數(shù)的樣本數(shù)據(jù)；

從所述第一訓(xùn)練樣本中選擇至少一種樣本數(shù)據(jù)初始化學(xué)習(xí)器，獲得多個(gè)初始化后的學(xué)習(xí)器，多個(gè)初始化后的學(xué)習(xí)器對(duì)應(yīng)的樣本數(shù)據(jù)的類型涵蓋所述訓(xùn)練樣本中所有類型；

計(jì)算每個(gè)初始化后的學(xué)習(xí)器的負(fù)梯度；

基于每個(gè)初始化后的學(xué)習(xí)器的負(fù)梯度進(jìn)行擬合，獲得對(duì)應(yīng)的決策樹，并計(jì)算所述決策樹中每葉子節(jié)點(diǎn)的損失函數(shù)，確定損失最小的目標(biāo)損失函數(shù)；

根據(jù)所述第一訓(xùn)練樣本中相鄰時(shí)刻的同一類型樣本數(shù)據(jù)，以及所述目標(biāo)損失函數(shù)，獲得各類型中相鄰時(shí)刻樣本數(shù)據(jù)的遞歸關(guān)系；

根據(jù)各類型對(duì)應(yīng)的遞歸關(guān)系進(jìn)行加權(quán)求和，獲得所述目標(biāo)電路的電能功率模型。

在其中一個(gè)實(shí)施例中，所述方法還包括：

采集所述目標(biāo)電路當(dāng)前的工作數(shù)據(jù)，并將所述工作數(shù)據(jù)輸入所述電能功率模型，獲得第一電能傳輸功率；

確定預(yù)設(shè)效率和所述第一電能傳輸功率之間的第一偏差；

若所述第一偏差超出預(yù)設(shè)偏差范圍，調(diào)整各個(gè)遞歸關(guān)系的權(quán)值，獲得更新后的電能功率模型。

在其中一個(gè)實(shí)施例中，所述若所述第一偏差超出預(yù)設(shè)偏差范圍，調(diào)整各個(gè)遞歸關(guān)系的權(quán)值，獲得更新后的電能功率模型之后，還包括：

采用所述目標(biāo)電路當(dāng)前的工作數(shù)據(jù)輸入更新后的電能功率模型，獲得第二電能傳輸功率；

確定預(yù)設(shè)效率和所述第二電能傳輸功率之間的第二偏差；

若所述第二偏差超出預(yù)設(shè)偏差范圍，重新獲得第二訓(xùn)練樣本，并根據(jù)所述第二訓(xùn)練樣本更新所述電能功率模型，其中，所述第二訓(xùn)練樣本中樣本數(shù)據(jù)的數(shù)量大于所述第一訓(xùn)練樣本中樣本數(shù)據(jù)的數(shù)量。