[发明专利]一种双有源全桥直流变换器的效率优化控制方法

权利要求书

1.一种双有源全桥直流变换器的效率优化控制方法，其特征在于，包括以下步骤：

(1)、设置双有源全桥直流变换器的工作状态；

(1.1)、根据双有源全桥直流变换器的工作状态，设置双有源全桥直流变换器输入侧电压V₁的范围、输出侧电压V₂的范围和期望的传输功率P的范围，并根据上述范围设置变压器型号、电感型号、开关管型号、滤波电容型号和开关频率；

(1.2)、设置双有源全桥直流变换器中第二个桥臂与第一个桥臂间的开关相位差D1、第三个桥臂与第一个桥臂间的开关相位差D2和第四个桥臂与第一个桥臂间的开关相位差D3的约束条件，约束条件为：D1、D2和D3均属于[-1,1]；

(2)、构建关于环境变量[V₁、V₂、P]的三维矩阵；

根据V₁、V₂和P设置的范围，分别对V₁、V₂和P进行等间隔取值，保证三种数据的取值个数相等；用取出的V₁、V₂和P建立一个三维的矩阵H，将矩阵中所对应的位置定义为[i，j，k]，分别对应V₁、V₂和P；

(3)、利用利用Q-learning算法训练强化学习模型；

(3.1)、设置强化学习的目标函数其中，P_{A_Loss}(D₁,D₂,D₃)表示损耗计算公式，ΔP(D₁,D₂,D₃)表示功率误差，ΔP(D₁,D₂,D₃)＝(P-P_o)²，P_o表示强化学习过程中的传递功率，表示补偿系数；ΔP(D₁,D₂,D₃)＝(P-P_o)²；

设置状态空间S＝[D₁,D₂,D₃]，动作空间A＝{C_D1,C_D2,C_D3}，其中，C_Di'＝[0,±1]×δ，i'＝1,2,3，δ为常数；当前状态量s为D₁、D₂和D₃所对应的值，当前动作量a为C_D1、C_D2和C_D3所对应的值，下一个状态所对应的状态量为s'＝s+a；

设置强化学习过程中所使用的奖励函数为：其中，F_ref为目标函数的参考值，F_min为目标函数的最小值；F_s为目标函数在当前状态量s下的状态值，ΔF为目标函数在相邻两个状态之间的差，ΔF＝F_s-F_p，F_P为目标函数在前一状态下的状态值；

(3.2)、设三维矩阵H[i，j，k]的总行数为h，取三维矩阵H[i，j，k]的行数命名为x，x∈[1,h]，初始化x＝1；

(3.3)、将三维矩阵H[i，j，k]中x行所取到的V₁，V₂，P所对应的值输入至Q-learning算法，运用Q-learning算法进行强化学习训练，以获得目标函数的最小值F_min(D₁,D₂,D₃)；在训练过程中，以奖励函数r(s,a)的最大值为依据不断地更新动作空间A＝{C_D1,C_D2,C_D3}，然后根据更新的动作空间A＝{C_D1,C_D2,C_D3}去更新状态空间S＝[D₁,D₂,D₃]，如此反复的更新动作空间A＝{C_D1,C_D2,C_D3}和状态空间S＝[D₁,D₂,D₃]，直到找到当前V₁、V₂和P所对应的最优当前状态量s，并作为移相控制变量[D₁、D₂、D₃]；

(3.4)、判断当前x的值是否等于h；如果不等于，则令当前x的值加1，并返回执行步骤(3.3)；否则，执行步骤(3.5)；

(3.5)、将强化学习后的所有结果整理成一个标准的强化学习模型，使得三维矩阵H[i，j，k]中的每一行数据对应训练好的一组移相控制变量[D₁、D₂、D₃]；

(4)、对双有源全桥直流变换器进行控制；

(4.1)、实时采集双有源全桥直流变换器的V₁、V₂和P，然后判断采样得到的V₁、V₂和P所对应的值是否在步骤(1.1)中所定义的范围内；如果是，执行步骤(4.2)，否则，执行步骤(4.3)；

(4.2)、将采样得到的V₁、V₂和P所对应的值在步骤(3.5)中强化学习模型中进行搜索，并将数值最接近的V₁、V₂和P所对应的一组移相控制变量[D₁、D₂、D₃]取出，然后根据该组移相控制变量对双有源全桥直流变换器进行优化控制；

(4.3)、将采样得到的V₁、V₂和P所对应的值保存至三维矩阵H[i，j，k]的第x+1行，然后执行步骤(3.3)；再将得到的一组移相控制变量[D₁、D₂、D₃]添加至标准的强化学习模型中，同时根据该组移相控制变量对双有源全桥直流变换器进行优化控制。