公开(公告)号：CN113609955B

公开(公告)日：2023-08-08

申请号：CN202110878138.1

申请日：2021-07-30

Applicant: 福州大学

Inventor： 林琼斌 ,  余凯 ,  王武 ,  蔡逢煌

IPC: G06F18/10 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/084 ,  G06F30/27 ,  G06F119/04

Abstract: 本发明涉及一种基于深度学习和数字孪生的三相逆变器参数辨识方法和系统，步骤S1：引入混合逻辑动态模型来构建三相逆变器的高精度仿真模型；步骤S2：采集实际电路的输入输出电流和输入输出电压等信号，并进行去噪处理；步骤S3：对神经网络进行训练、验证和测试后，将同时刻的数字孪生模型的仿真数据和实际电路模型的输出数据进行作差，构建神经网络的目标函数，采用梯度下降法更新神经网络中的权值，用新的元件参数更新所述的数字孪生模型；步骤S4：反复调整神经网络中的权值直至神经网络的目标函数小于所设置的阈值；输出数字孪生模型的元件参数，实现实际电路的元件参数在线快速辨识。本发明能在不对系统侵入的情况下更经济、更可靠地对元件参数进行辨识以对三相逆变器的运行状态进行监测。

公开(公告)号：CN113609955A

公开(公告)日：2021-11-05

申请号：CN202110878138.1

申请日：2021-07-30

Applicant: 福州大学

Inventor： 林琼斌 ,  余凯 ,  王武 ,  蔡逢煌

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F30/27 ,  G06F119/04

Abstract: 本发明涉及一种基于深度学习和数字孪生的三相逆变器参数辨识方法和系统，步骤S1：引入混合逻辑动态模型来构建三相逆变器的高精度仿真模型；步骤S2：采集实际电路的输入输出电流和输入输出电压等信号，并进行去噪处理；步骤S3：对神经网络进行训练、验证和测试后，将同时刻的数字孪生模型的仿真数据和实际电路模型的输出数据进行作差，构建神经网络的目标函数，采用梯度下降法更新神经网络中的权值，用新的元件参数更新所述的数字孪生模型；步骤S4：反复调整神经网络中的权值直至神经网络的目标函数小于所设置的阈值；输出数字孪生模型的元件参数，实现实际电路的元件参数在线快速辨识。本发明能在不对系统侵入的情况下更经济、更可靠地对元件参数进行辨识以对三相逆变器的运行状态进行监测。