买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门大学申请的专利基于神经网络的电力电子变换器参数在线辨识方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116184036B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310045009.3，技术领域涉及：G01R27/26；该发明授权基于神经网络的电力电子变换器参数在线辨识方法及系统是由何良宗;张靖雨;熊振坤设计研发完成，并于2023-01-30向国家知识产权局提交的专利申请。

本基于神经网络的电力电子变换器参数在线辨识方法及系统在说明书摘要公布了：本发明公开了一种基于神经网络的电力电子变换器参数在线辨识方法及系统，包括以：进行模态分析，并通过状态空间平均法建立状态方程；对状态方程进行离散化处理，得到变换器的离散化模型；基于离散化模型与参数之间的相互关系，构建神经网络，在变换器的动态响应过程中，构建平方损失函数；对损失函数求偏导得到电感和电容参数对应的梯度表达式，根据梯度下降算法，在每个开关周期对离散化模型的权重值进行调节；基于离散模型与权重值计算电感值和电容值。本发明在不增加额外电路和传感器的前提下，对电力电子变换器中电感和电容等动态元件参数进行在线辨识，有利于储能元件的寿命预测、变换器的状态监测以及控制回路参数的优化。

本发明授权基于神经网络的电力电子变换器参数在线辨识方法及系统在权利要求书中公布了：1.一种基于神经网络的电力电子变换器参数在线辨识方法，其特征在于，包括： S101，进行模态分析，并通过状态空间平均法建立状态方程； S102，对状态方程进行离散化处理，得到变换器的离散化模型； S103，基于变换器的离散化模型与参数之间的相互关系，构建神经网络，在变换器的动态响应过程中，以实际采样值为参考值，以离散模型的输出值为估计值，构建平方损失函数； S104，对损失函数求偏导得到电感和电容参数对应的梯度表达式，根据梯度下降算法，在每个开关周期对离散化模型的权重值进行调节； S105，基于变换器的离散模型与权重值计算电感值和电容值； 所述S103～S105，具体包括： 将变换器动态过程中第k个开关周期中电感电流平均值iLkT、输出电压平均值UokT和占空比D作为神经网络的输入；所述动态过程包括电压跳变、负载跳变、输入跳变和启动阶段过程； 将变换器的离散化模型的输出作为第k+1个开关周期对应电气量的预测值； 以预测值和实际值之间的误差构建平方损失函数m； 将损失函数m分别对权重值和偏置值求偏导，根据链式法则得到m在电感L和电容C方向的梯度分别为： 其中，ωi为权重值，i∈[1,4]，bj为偏置值，j∈[1,2]； 代入权重值和偏置值的具体表达式后，得到离散化模型中m在电感L和电容C方向的梯度分别为： 其中，iL-simk+1T表示动态过程中第k+1个开关周期中电感电流平均值的预测值；Uo-simk+1T表示动态过程中第k+1个开关周期中输出的电压平均值的预测值；UskT表示第k个开关周期中的输入电压；iLk+1T表示第k+1个开关周期中电感电流的平均值；Uok+1T表示第k+1个开关周期中输出电压的平均值；T表示采样周期；R表示变换器电路中的负载电阻值； 用梯度下降法对L和C在每个开关周期中进行迭代求解，设ηj为学习率，且满足0ηj1，则L和C的迭代公式分别如下： 当每次下降的距离d小于所设定的误差时停止迭代，如下：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门大学，其通讯地址为：361000 福建省厦门市思明南路422号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。