基于BP神经网络的IGBT模块开关损耗求解

论文摘要

如何准确求解绝缘栅双极晶体管(IGBT)模块的开关损耗值,是电力变换器性能和寿命研究中的关键问题之一。针对现有IGBT开关损耗模型难以准确求解开关损耗值的缺陷,引入了基于粒子群算法优化的误差反向传播(BP)前馈神经网络模型。将影响开关损耗的5个主要因素(集射工作电压、集电极电流、驱动电压、驱动电阻、结温)作为BP神经网络的输入向量,并采用粒子群算法优化网络的初始权值与阀值,通过共轭梯度法的学习规则加速收敛,从而获得开关损耗的精确求解值。该模型实现了在额定值范围内对各种工况下的IGBT模块开关损耗值的可靠预测,其在100组测试验证样本下所出现的最大误差比率为3.85%。

论文目录

• 0 引言
• 1 IGBT模块的开关损耗
•   1.1 IGBT模块及其开关损耗
•   1.2 模块开关损耗影响因素
• 2 基于粒子群算法优化的BP神经网络损耗求解模型
•   2.1 开关损耗的BP神经网络及其问题
•   2.2 BP神经网络初始权值和阀值的粒子群算法优化
•   2.3 数据的归一化
• 3 算例分析
•   3.1 开关损耗样本的获取
•   3.2 有效样本的选取
•   3.3 神经网络模型的结构设计
•     3.3.1 网络层数的选取
•     3.3.2 各层节点数的选取
•     3.3.3 激活传递函数的选取
•     3.3.4 学习速率、训练最大次数、期望误差的选取
•     3.3.5 初始权值和阀值的粒子群算法优化
•   3.4 开通损耗预测
•   3.5 关断损耗预测
• 4 结语

文章来源

类型: 期刊论文

作者: 唐波,刘任,江浩田,孙睿,吴卓

关键词: 模块,开关损耗,损耗影响因素,神经网络,粒子群算法

来源: 高压电器 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 三峡大学电气与新能源学院

基金: 国家自然科学基金项目(51307098)~~

分类号: TM564;TP183

DOI: 10.13296/j.1001-1609.hva.2019.07.005

页码: 27-32

总页数: 6

文件大小: 1789K

下载量: 198