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！

龙图腾网获悉浙江大学申请的专利逆变器及其预测控制方法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：CN120638886B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202511150179.3，技术领域涉及：H02M7/5387；该发明授权逆变器及其预测控制方法是由马吉恩;刘成昊;方攸同;王翔宇;田文婧;邱麟;刘星设计研发完成，并于2025-08-18向国家知识产权局提交的专利申请。

本逆变器及其预测控制方法在说明书摘要公布了：本申请公开了一种逆变器及预测控制方法，该方法基于集成学习的Boosting方法实现，包括：构建非线性的有源自回归函数，采用集成学习的Boosting方法对非线性的有源自回归函数进行拟合，生成预测控制器；选择浅层神经网络为基学习器，使用在线学习机制更新预测控制器中浅层神经网络的权重参数，基于更新权重参数后的预测控制器对第k个控制周期的滤波电路端电压进行预测，获得逆变器的电压预测值；构建代价函数，基于逆变器的电压预测值，选择使代价函数最小的开关状态对逆变器进行控制。本申请能够实现在不依赖物理参数的情况下对滤波电路端电压的预测，避免物理参数变化带来的预测精度损失，实现无模型在线学习的预测控制。

本发明授权逆变器及其预测控制方法在权利要求书中公布了：1.一种逆变器的预测控制方法，其特征在于，所述预测控制方法基于集成学习的Boosting方法实现，包括以下步骤： 构建非线性的有源自回归函数，所述非线性的有源自回归函数用于表示第k-1个控制周期的预测滤波电路端电压与第k个控制周期及历史的逆变器的滤波电路输出电流，以及历史的逆变器的滤波电路端电压之间的关系； 采用集成学习的Boosting方法对所述非线性的有源自回归函数进行拟合，生成Boosting预测控制器； 选择浅层神经网络作为所述Boosting方法的基学习器，所述浅层神经网络的输入向量包括第k个控制周期和历史的逆变器的滤波电路输出电流，以及历史的逆变器的滤波电路端电压； 使用在线学习机制更新所述Boosting预测控制器中所述浅层神经网络的权重参数，并基于更新权重参数后的Boosting预测控制器对第k个控制周期的滤波电路端电压进行预测，获得逆变器的电压预测值； 构建代价函数，基于所述逆变器的电压预测值，以最小化代价函数为目标，选择使所述代价函数最小的开关状态对所述逆变器进行控制； 所述使用在线学习机制更新所述Boosting预测控制器的权重参数包括： 基于第k个控制周期实际采样的滤波电路端电压和由所述浅层神经网络输出的滤波电路端电压，构建损失函数； 以最小化所述损失函数为目标，对各个浅层神经网络的权重参数进行在线学习更新； 基于所述在线学习机制，对所述损失函数进行欧拉展开，通过所述欧拉展开后的损失函数获取所述权重参数，所述欧拉展开后的损失函数通过如下公式表示： ； 式中，表示第k-1控制周期逆变器的滤波电路端电压， ， ， ，表示所述浅层神经网络，表示所述浅层神经网络的输入向量。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。