طراحی و پیادهسازی یک سیستم کنترل هوشمند مبتنی بر الکترونیک قدرت برای بهبود بهرهوری انرژی در مبدلهای DC-DC با استفاده از الگوریتمهای یادگیری ماشین
طراحی و پیادهسازی یک سیستم کنترل هوشمند مبتنی بر الکترونیک قدرت برای بهبود بهرهوری انرژی در مبدلهای DC-DC با استفاده از الگوریتمهای یادگیری ماشین
آرش عزیزپور1
1) دانشجوی کارشناسی مهندسی برق،گرایش الکترونیک،دانشگاه ملی مهارت استان کرمانشاه
کد IOI مقاله
:
ACFB-ACZBED
محل انتشار :
سی و دومین کنفرانس ملی مهندسی برق،کامپیوتر و مکانیک(https://iraniconf.ir/?p=778)
چکیده :
افزایش تقاضا برای منابع تغذیه جمعوجور و با بازده بالا در سیستمهای انرژی تجدیدپذیر، خودروهای برقی و تجهیزات الکترونیکی قابلحمل، پژوهشها پیرامون راهکارهای کنترلی پیشرفته برای مبدلهای DC-DC را شدت بخشیده است. کنترلکنندههای خطی متداول، نظیر تنظیمکنندههای تناسبی-انتگرالی-مشتقگیر (PID)، در حفظ عملکرد بهینه در شرایطی همچون نوسانات گسترده ولتاژ ورودی، بارهای غیرخطی و عدم قطعیتهای پارامتریِ ذاتی در مبدلهای قدرت سوئیچینگ، با چالش مواجه هستند. این مقاله طراحی و پیادهسازی یک سیستم کنترل هوشمند مبتنی بر اصول الکترونیک قدرت را ارائه میدهد که در آن یک عامل یادگیری تقویتی (RL) بازیگر-منتقد به صورت تطبیقی چرخه وظیفه مدولاسیون پهنای پالس (PWM) را برای یک مبدل DC-DC غیر ایزوله باک-بوست تولید میکند تا ضمن حفظ تنظیم دقیق ولتاژ خروجی، راندمان تبدیل را به حداکثر برساند. ابتدا، مدل فضای حالت میانگین مبدل استخراج میشود و یک بردار حالت چهار بعدی - شامل خطای ولتاژ، مشتق خطا، جریان سلف و ولتاژ خروجی - برای آموزش عامل از طریق یک تابع پاداش که به طور مشترک خطای تنظیم و تلفات سوئیچینگ را جریمه میکند، استفاده میشود. عملکرد کنترلکننده پیشنهادی در یک محیط شبیهسازی با کنترلکنندههای متداول PID، منطق فازی و شبکه عصبی مصنوعی (ANN) ایستا مقایسه شده است؛ این ارزیابی شامل بازه جریان بار ۰٫۵ تا ۵ آمپر و شرایط گذرا ناشی از تغییرات پلهای بار بوده است. نتایج نشان میدهد که این کنترلکننده هوشمند به بازدهی اوج ۹۶٫۴ درصد، بهبود ۳٫۱ تا ۶٫۹ درصدی در بازدهی متوسط نسبت به سایر روشها، زمان نشست تقریباً ۶ میلیثانیه و فراجهش کمتر از ۳ درصد در حین تغییرات ناگهانی بار دست یافته است. این یافتهها تأیید میکنند که تلفیق طراحی مبدلهای مبتنی بر الکترونیک قدرت با کنترل تطبیقی مبتنی بر یادگیری ماشین، مسیری عملی و مقیاسپذیر برای دستیابی به سیستمهای تبدیل توان DC-DC با بازدهی بالاتر و استحکام بیشتر فراهم میآورد.
کلمات کلیدی : مبدل dc dc الکترونیک قدرت کنترل هوشمند یادگیری ماشین یادگیری تقویتی بهرهوری انرژی بهینهسازی چرخه وظیفه