CN111313687A - 功率转换器 - Google Patents

功率转换器 Download PDF

Info

Publication number
CN111313687A
CN111313687A CN201911266976.2A CN201911266976A CN111313687A CN 111313687 A CN111313687 A CN 111313687A CN 201911266976 A CN201911266976 A CN 201911266976A CN 111313687 A CN111313687 A CN 111313687A
Authority
CN
China
Prior art keywords
predictor
regulator
power converter
converter
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911266976.2A
Other languages
English (en)
Inventor
B·L·施瓦贝
S·赛拉图
J·A·埃尤里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Infineon Technologies Austria AG
Original Assignee
Infineon Technologies Austria AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Infineon Technologies Austria AG filed Critical Infineon Technologies Austria AG
Publication of CN111313687A publication Critical patent/CN111313687A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
    • H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
    • H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/156—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators
    • H02M3/158—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators including plural semiconductor devices as final control devices for a single load
    • H02M3/1584—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators including plural semiconductor devices as final control devices for a single load with a plurality of power processing stages connected in parallel
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
    • H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
    • H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/156—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators
    • H02M3/157—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators with digital control
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03K—PULSE TECHNIQUE
    • H03K7/00—Modulating pulses with a continuously-variable modulating signal
    • H03K7/08—Duration or width modulation ; Duty cycle modulation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/0003—Details of control, feedback or regulation circuits
    • H02M1/0012—Control circuits using digital or numerical techniques
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/0003—Details of control, feedback or regulation circuits
    • H02M1/0025—Arrangements for modifying reference values, feedback values or error values in the control loop of a converter

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Dc-Dc Converters (AREA)

Abstract

一种功率转换器，包括调节器、值提供系统，其被布置用于收集功率转换器的至少一个操作点、以及预测器，其操作为产生更新的调节器参数(诸如一个或多个电源系数)，该更新的调节器参数由调节器实现以产生向负载供电的输出电压。更新的调节器参数是使用基于至少一个收集的操作点样本和从机器学习过程获取的预测器参数的过程来确定的。

Description

功率转换器
技术领域
本公开的实施例总体上涉及功率转换器。
背景技术
功率转换器、特别是DC-DC功率转换器由于其高效率和小尺寸而被广泛使用。多相DC-DC功率转换器特别适合在低电压下提供大电流，因为这是诸如微处理器、图形处理器、网络处理器等高度集成的电子部件所需要的。
通常方式中，多相功率转换器典型地包括被称为相的几个转换器分支。各相并联连接以为公共负载提供相应的相电流。因此，由多相转换器提供给负载的输出电流是相电流之和。可以将任何电功率转换器视为包括至少一个相，因此包括单相功率转换器和多相功率转换器。
可以经由比例积分微分(PID)调节器来控制单相功率转换器或多相转换器的每个相。通常，PID控制器控制开关器件的操作，这些开关器件被布置用于将电荷或电流提供给储能器电路，即电容器或电感器，以及用于允许相输出电流从该储能器流向负载。选择在PID调节器中实现的kp、ki和kd系数以产生输出电流和输出电压的期望值。然后，还已知根据例如转换器的输入电流和/或输入电压的值以及转换器输出电流和/或输出电压的值来实时地调节每个PID调节器的kp、ki和kd系数的相应值。
取决于相应功率转换器设计，用于控制每个相的操作的调节器可以是刚刚提到的PID型，但也可以是任何其他类型，包括仅比例型、积分型、微分型、诸如比例积分、积分微分和比例微分等任何组合、实现用于控制功率转换的至少一个高阶分量的调节器、增量调节器、增量Σ调节器、差分调节器等。
诸如CPU或GPU等新一代处理器具有省电功能，这些功能导致电源需求以不可预测的方式随时间变化。在这种情况下，相应的DC-DC功率转换器需要在多种负载配置下表现良好。特别地，这种功率转换器必须在宽输出范围内满足稳定的调节要求，并且还必须满足关于瞬态负载配置的规范，包括短过渡时间和大负载步。类似的要求适用于具有功率需求随时间随机变化的电源电路中使用的功率转换器，诸如VR控制器。
另外，诸如输出电容器和电感器等无源部件可能表现出明显的变化，为了优化功率转换器的操作还需要考虑这些变化。这样的变化可能涉及由于制造每个部件而导致的目标部件值的偏差，或者可能是由于每个部件的老化。但是，当设计功率转换器的调节器中实现的参数(诸如在PID调节器的情况下的kp、ki和kd系数)的调节时，这种变化最初可能不知道。
发明内容
本文中的实施例的第一方面提出了一种被配置用于将输入电流和输入电压转换成输出电流和输出电压的功率转换器。功率转换器包括至少一个相，并且还包括：
调节器，其操作为使用在调节器中实现的至少一个调节器参数来产生至少一个控制信号，调节器被连接以使得至少一个控制信号由功率转换器用来产生转换；
值提供系统，其被布置用于收集功率转换器的至少一个操作点，每个操作点与转换器的操作时刻相关并且一方面包括关于输入电流、输入电压、相位输入电流、相位输入电压中的一个或多个输入参数，和/或关于输出电流、输出电压、相位输出电流、相位输出电压中的一个或多个输出参数，对于操作时刻的测量值，并且另一方面包括功率转换器的目标输出电压的至少一个值，该至少一个值被分配给操作点的时刻；以及
预测器，其操作为提供用于每个调节器参数的相应更新值，用于由调节器进一步实现。
根据本文中的另外的实施例，预测器被配置为使用基于至少一个操作点并且还基于预测器参数的过程来确定每个更新的调节器参数值，该至少一个操作点由值提供系统收集，该预测器参数从机器学习过程获取。
因此，本文中的实施例包括通过调整调节器的参数(即，在PID调节器的情况下的kp(比例)、ki(积分)和kd(导数)系数)、以及由调节器调整的转换控制信号来实现用于优化功率转换器的操作的另外的水平。
由于调节器参数的更新值是根据至少一个输入参数和/或至少一个输出参数的测量值以及可能的其他测量值确定的，因此要考虑所涉及的无源部件的实际值、以及转换器和转换器负载的输入电源的实际条件来进行操作优化。另外，当这些条件随时间变化时，值提供系统和预测器的连锁操作允许自动且重复地修改调节器参数以使它们适应新条件。特别地，实现用于更新调节器参数值的机器学习过程允许在负载的宽的操作方案范围内改进这些值的适应。
实现本文所述的机器学习过程还允许优化功率转换器的操作，同时考虑由于无源部件的制造过程而在无源组件值中可能存在的变化，而无需测量所使用的每个无源部件。
还通过考虑在转换器或负载中使用的无源部件的值可能发生的任何漂移(包括例如由于温度变化引起的这种漂移)来优化功率转换器的操作。
根据另外的实施例，可以通过值提供系统另外收集针对至少一个转换器温度而测量的值并且将其提供给预测器，使得预测器还使用每个测量的温度来确定每个调节器参数的更新值。
在多相功率转换器的情况下，该多相功率转换器包括用于向负载提供总输出电流和总输出电压的多个相，总输出电流和总输出电压由于分别由相中的一个相提供的相输出电流和相输出电压而产生，用于操作点的输入参数可以包括几个相输入电流和相输入电压，并且用于每个操作点的输出参数可以包括几个相输出电流和相输出电压。以这种方式，可以实现使调节器参数值更准确地适应功率转换器的实际操作条件。
优选地，预测器可以适合于基于与转换器的连续操作时刻相关的多个操作点来提供每个调节器参数的更新值，其中多个操作点对应于固定数目的操作点。换言之，预测器可以基于包括固定数目的操作点的历史来提供更新的调节器参数值。通过这种改进，预测器可以在更大程度上优化功率转换器的操作，特别是通过预测负载的操作方案发生的变化。
当从多个连续的操作点确定(导出)调节器参数值时，预测器可以实现递归神经网络，使得每当值提供系统向预测器提供另外的操作点时，该另外的操作点以FIFO队列方式被添加到刚刚使用的多个操作点，以获取更新的多个操作点以用于发出每个调节器参数的另外的更新值。
下列一个或多个附加特征可以有利地、单独地或以其中的几个的组合来实现：
在一个实施例中，功率转换器是DC-DC功率转换器或AC-DC功率转换器；
在一个实施例中，调节器是基于比例、积分和/或微分(PID)的调节器，并且至少一个调节器参数包括kp、ki和kd系数中的一个或多个参数在该调节器中实现；
在一个实施例中，预测器包括用于存储标记的训练数据的查找表，并且预测器选择这些标记的训练数据中的一项训练数据作为到至少一个操作点的最近邻；
在一个实施例中，预测器以用于从至少一个操作点发出每个调节器参数的更新值的计算序列来实现回归类型的至少一个计算步骤；
在一个实施例中，预测器被布置用于以前馈人工智能方式进行操作；
在一个实施例中，预测器被布置用于作为神经网络进行操作，特别是作为单层神经网络进行操作；以及
预测器被实现为神经形态芯片或在神经形态芯片中实现。
本文中的其他实施例包括一种用于执行从输入电流和输入电压到输出电流和输出电压的电功率转换的方法，该方法包括：
使用调节器产生用于功率转换的至少一个有效控制信号，调节器执行至少一个调节器参数；
收集在DC-DC功率转换期间发生的至少一个操作点，每个操作点与功率转换期间的操作时刻相关并且一方面包括关于输入电流、输入电压、相位输入电流、相位输入电压中的一个或多个输入参数，和/或关于输出电流、输出电压、相位输出电流、相位输出电压中的一个或多个输出参数，对于操作时刻的测量值，以及另一方面包括被分配给操作点的时刻的功率转换的目标输出电压的至少一个值；以及
使用预测器，提供每个调节器参数的相应更新值，每个更新的调节器参数值由调节器预定以用于进一步实现。
根据本文中的实施例，每个更新的调节器参数值由预测器使用基于至少一个收集的操作点以及还基于从机器学习过程获取的预测器参数的过程来确定。
根据另外的实施例，该方法包括在机器学习过程期间执行的以下初步操作/1/至/3/中的一个或多个：
/1/收集标记的训练数据，标记的训练数据包括训练操作点和每个调节器参数的相应相关值；
/2/使用标记的训练数据来训练预测器的机器学习模型，以获取要由预测器用来推断每个调节器参数的每个新值的预测器参数；以及
/3/向预测器传输预测器参数。
然后，使用在步骤/3/中传输的预测器参数来操作功率转换。
根据另外的实施例，操作/2/使用设置在提供功率转换的功率转换器外部的计算硬件来执行。在一个实施例中，计算硬件与功率转换器断开连接，使得功率转换器执行功率转换，而不再连接到计算硬件。
可以实现根据本文中的实施例执行的功率转换，以用于将电力提供给任何负载，诸如形成数据中心或服务器群的一部分的负载。它可以被实现以用于将电力提供给微处理器、图形处理器或存储器集合。
根据另外的实施例，这样的微处理器或图形处理器可以自身形成根据本文中的实施例由电源供电的数据中心或服务器群的一部分。备选地，根据本文中的实施例执行的功率转换是用于将电力提供给下游功率转换器的第一功率转换级。
通常，根据本文中的实施例执行的功率转换使用根据第一发明方面的功率转换器来产生，包括所列出的改进和优选实施例。
注意，本文中讨论的任何资源(诸如预测器、PID调节器等)可以包括一个或多个计算机化设备、电路、功率转换器电路等，以执行和/或支持本文中公开的任何或所有方法操作。换言之，一个或多个计算机化的设备或处理器可以被编程和/或配置为如本文中解释地操作，以执行本文中描述的不同实施例。
本文中的其他实施例包括用于执行以上概述并且在下面详细公开的步骤和操作的软件程序。一个这样的实施例包括一种包括非暂态计算机可读存储介质(即，任何计算机可读硬件存储介质)的计算机程序产品，在该介质上编码有软件指令以用于后续执行。指令当在具有处理器的计算机化设备(硬件)中执行时，将处理器(硬件)编程为和/或引起处理器(硬件)执行本文中公开的操作。这样的布置典型地被提供作为在非暂态计算机可读存储介质(诸如光学介质(例如，CD-ROM)、软盘、硬盘、记忆棒、存储设备等)或其他介质(诸如一个或多个ROM、RAM、PROM等中的固件)上布置或编码的软件、代码、指令和/或其他数据(例如，数据结构)，或者被提供作为专用集成电路(ASIC)等。软件或固件或其他这样的配置可以被安装到计算机化设备上以引起计算机化设备执行本文中说明的技术。
因此，本文中的实施例针对一种支持本文中讨论的操作的方法、系统、计算机程序产品等。
一个实施例包括一种其上存储有用于提供功率转换的指令的计算机可读存储介质和/或系统。该指令在由计算机处理器硬件执行时引起计算机处理器硬件(诸如一个或多个共同定位或单独定位的处理器设备)：i)接收功率转换器的操作设置的当前样本；ii)从功率转换器的操作设置的当前样本中导出电源系数的集合，电源系数是机器学习的控制响应，该机器学习的控制响应分配给功率转换器的操作设置的先前样本的集合，以将输出电压保持在调节范围内；以及iii)向调节器输出电源系数的集合。
为了清楚起见，添加了上述步骤的顺序。注意，如本文中讨论的任何处理步骤可以以任何合适的顺序执行。
本公开的其他实施例包括软件程序和/或相应的硬件以执行以上概述并且在下面详细公开的任何方法实施例步骤和操作。
应当理解，如本文中讨论的，系统、方法、装置、计算机可读存储介质上的指令等也可以严格地实现为软件程序、固件，实现为软件、硬件和/或固件的混合，或者实现为单独的硬件(诸如在处理器(硬件或软件)中，在操作系统中或在软件应用中)。
如本文中讨论的，本文中的技术非常适合于向通信设备提供无线服务的更有效使用。然而，应当注意，本文中的实施例不限于在这样的应用中使用，并且本文中讨论的技术也很好地适合于其他应用。
另外，注意，尽管本文中的每个不同特征、技术、配置等可以在本公开的不同地方进行讨论，但是旨在，在适当的情况下，可以可选地彼此独立地或彼此结合执行每个概念。因此，可以以很多不同方式来实现和查看本文所述的一个或多个本发明。
另外，注意，本文中的实施例的初步讨论(“发明内容”)有目的地未指定本公开或要求保护的(多个)发明的每个实施例和/或递增的新颖方面。相反，该简要描述仅呈现了一般实施例和相对于传统技术的对应的新颖性点。对于(多个)本发明的附加的细节和/或可能的观点(排列)，读者将被引导至“具体实施方式”部分(其是实施例的概述)和本公开的对应的附图，如下文进一步讨论的。
现在将参考附图描述本发明的这些和其他特征，这些附图涉及本发明的优选但非限制性实施例。
附图说明
图1是示出根据本发明的电功率转换器的元件的图；
图2是示出根据本文中的实施例的由预测器实现的计算序列的示例图；
图3是示出根据本文中的实施例的PID控制器和电源系数的应用的示例图；
图4是示出根据本文中的实施例的功率转换器的当前操作设置到适当的控制系数的映射以实现期望的控制响应的示例图；
图5是示出根据本文中的实施例的功率转换器的当前操作设置到多个控制系数的集合的映射以及从多个集合导出控制系数以实现期望的控制响应的示例图；
图6是示出根据本文中的实施例的使用逻辑来导出控制系数以控制功率转换器的示例图；
图7是示出根据本文中的实施例的用于执行一个或多个操作的示例计算机架构的图；以及
图8是示出根据本文中的实施例的方法的示例图。
具体实施方式
为了清楚起见，考虑到本领域技术人员知道如何实现这样的部件和元件，下文中不描述与本文中的实施例不直接相关的部件和元件。
为了说明性目的，但不限于这样的实施例类型，现在描述用于DC-DC功率转换器和PID型调节器的本文中的实施例。但是应当理解，本文中的实施例可以用任何类型的功率转换器以及对于每种功率转换器类型的任何调节器类型来实现。可以备选地使用的其他调节器类型包括比例调节器、积分调节器、微分调节器、比例积分调节器、积分微分调节器、比例微分调节器、实现用于控制功率转换的至少一个高阶分量的调节器、增量调节器、增量Σ调节器、差分调节器等。对于本发明，调节器仅需要实现至少一个调节器参数以发出至少一个信号控制，该至少一个信号控制由功率转换器用来产生输入电压和输入电流到输出电压和输出电流的转换。
根据本文中的实施例的DC-DC功率转换器向诸如计算机母板等一个或多个负载提供电功率，但是优选地，特别是向负载点配置中的处理器提供电功率。对于这样的配置，一个功率转换器专用于一个处理器，并且在公共印刷电路板上紧挨着它。
以已知的方式，本文中描述的转换器包括并联连接在转换器的输入与操作为为负载供电的输出(即，在本示例中为要供电的处理器)之间的一个或多个相。在一个实施例中，每个相可以包括两个开关器件，这两个开关器件在接通时段期间分别产生连接状态，而在断开时段期间分别产生隔离状态。每个开关器件通过控制信号进行操作，例如由PID调节器发出的PWM(脉冲宽度调制)信号或PFM(脉冲频率调制)信号。优选地，一个转换器的所有开关器件共用一个PID调节器。
以已知的方式，传统的PID调节器(控制器)基于转换器的操作参数来实现用于产生控制信号的kp、ki和kd系数。kp系数是所谓的比例增益，ki系数是所谓的积分增益，kd系数是所谓的微分增益。对于PID调节器的这种特殊情况，kp、ki和kd系数是在说明书的概述部分中已提到的调节器参数。
在操作期间，根据本文中的实施例的转换器从外部DC电源接收输入电流和输入电压(分别表示为Iinput和Vinput)。该输入电流Iinput和输入电压Vinput的测量值可以重复收集，例如在转换器的每个n周期操作时段中，n是非零的固定整数，诸如16、32、64等。
转换器将该输入电流Iinput和输入电压Vinput转换成传输到负载的输出电流Ioutput和输出电压Voutput。对于相同的操作时刻，也可以收集该输出电流Ioutput和输出电压Voutput的测量值。
在多相转换器的情况下，取决于转换器设计，可以测量其他值来代替刚才提到的转换器输入/输出电压/电流。这些其他值可以分别与提供给相中的一个相或由相中的一个相发出的电流相关，分别称为相输入/输出电流，并且表示为Iphase_input或Iphase_output。类似地，也可以使用提供给相中的一个相或由相中的一个相产生的电压，分别称为相输入/输出电压，并且表示为Vphase_input或Vphase_output。这样的相位输入/输出电流/电压值也可以与转换器输入值Iinput和Vinput以及转换器输出值Ioutput和Voutput中的一些或全部结合使用。
这些测量值中的一个或多个测量值的收集是通过所谓的值提供系统(诸如监测功率转换器的操作参数的一个或多个传感器)执行的。该值提供系统将与转换器的同一操作时刻相关的(多个)测量值收集到被称为操作点的一个值集合中。每个操作点由值提供系统用目标输出电压进一步完成，该目标输出电压也与与该操作点的测量值相同的操作时刻相关。由PID调节器使用表示为Vtarget的目标输出电压来产生控制信号，以使得由转换器实际产生的输出电压Voutput接近目标输出电压Vtarget。目标输出电压Vtarget的逐次值允许控制提供给负载的瞬时输出电压的变化，特别是取决于该负载内部的模块的活动时段或空闲时段。它们还允许在介于活动时段与空闲时段之间的瞬态时段期间控制转换器输出。
值提供系统将每个操作点传输到预测器，该预测器从中确定要在每个PID调节器中实现的kp、ki和kd系数的值。预测器将所确定的kp、ki和kd值传输给转换器的PID调节器，以使得这些PID调节器中的每个PID调节器从它们接收之后的时刻实现与其相关的kp、ki和kd系数值。
更具体地，如图1所示，附图标记10表示DC-DC功率转换器；附图标记20表示连接到功率转换器10的输入的电源；附图标记30表示由功率转换器10的输出供电的负载。
在一个非限制性示例实施例中，电源20是DC型的，并且负载可以是微处理器、存储器、膝上型计算机、智能电话、平板电脑、LED灯泡、TV等。每个附图标记11表示转换器的单独的相，而无论其编号如何，并且每个附图标记12表示每个相11中的一个开关器件。每个相11的内部结构在图1中未示出，并且可以是本领域中已知的任何类型。例如，它可以是降压转换器类型。为了附图的清楚起见，每个相仅示出一个开关器件12。其他附图标记是：
13：所考虑的示例中的PID型控制器的调节器
14：预测器
15：值提供系统(一个或多个电压或电流传感器)，尽管它分布在图中的几个位置
PID调节器13(PID控制器)、预测器14和值提供系统15与相11一起是DC-DC功率转换器10的一部分。
值提供系统15可以包括一个或多个电压传感器和/或一个或多个电流传感器，诸如常用的电压和/或电流传感器，例如用于感测电流的直流电阻器。这些传感器可以与采样保持单元和模数转换器组合以发出测量值Vinput、Iinput、Voutput、Ioutput、Vphase_input、Iphase_input、Vphase_output、Iphase_output中的至少一些，这些测量值与转换器的常见操作时刻相对应。有利地，采样周期可以是相11的切换周期的倍数，但是采样周期也可以根据转换器的应用来选择，例如以便相对于负载变化足够快地更新PID参数。采样周期也可以根据每个值测量和kp、ki和kd值的每个更新导致的功耗来选择。
Vinput、Iinput、Voutput、Ioutput、Vphase_input、Iphase_input、Vphase_output、Iphase_output中的至少一些的测量值和目标输出电压Vtarget由值提供系统15(相应的传感器)传输到PID调节器13以由PID调节器13以本发明之前已知的方式进行操作。
根据一个实施例，(多个)操作点(即，Vinput、Iinput、Voutput、Ioutput以及可选的Vphase_output和Iphase_output中的一个或多个的(多个)测量值、以及目标输出电压Vtarget)被传输到预测器14以用于确定要在PID调节器13中实现的kp、ki和kd系数值。
现在描述预测器14的操作。
优选地，预测器14包括FIFO队列(即，数据缓冲器)，如存储器集合，其用于存储与转换器的连续操作时刻相关的固定数目的操作点。例如，由值提供系统15在每个采样时间结束时发出另外的操作点。该另外的操作点被存储到如存储器组的FIFO队列的入口单元中，并且所有先前存储的操作点在队列中向最后一个存储单元移动一个单元。存储在队列的最后一个存储单元中的操作点中的一个操作点被丢弃。存储器集合中的全部或部分数据用于确定kp、ki和kd系数的下一值。这允许通过预先实现适用于这样的事件的kp、ki和kd值来预测诸如负载变化、电压变化、相位下降以及任何可能发生的事件等事件。
为了以适合于每种应用的方式预测kp、ki和kd系数的值，预测器14实现了一种被称为机器学习模型的算法。这样的机器学习模型可以作为嵌入式软件在预测器14内运行，或者直接在硬件中运行，或者两者的任何组合。这允许将同一硅芯片用于转换器10的任何应用。特别地，使用为预测器14实现尖峰神经网络的神经形态芯片使机器学习模型的非常节能的硬件实现成为可能。
用于预测器14的简单机器学习模型包括在预测器内存储功率转换器10的多个操作点以及与kp、ki和kd系数的相关联的值。优选地，一系列连续的操作点与kp、ki和kd系数的相关联的值一起存储。
然后，每次值提供系统15提供实际操作点的系列时，算法(诸如最近邻算法)都会确定(从机器学习中)先前存储的操作点系列中的哪个操作点系列最接近该实际操作点的系列。实际操作点系列与所存储的操作点系列中的任何一个操作点系列之间的差可以使用本领域公知的任何规范来计算。
然后，要实现的kp、ki和kd系数的值是与所存储的操作点系列中最接近的操作点系列相关联的值。对于这样的实现，可以将所存储的操作点系列与kp、ki和kd系数的相关联的值一起记录在预测器14内部的查找表中。它们构成所谓的标记的训练数据，并且还构成由预测器14用于推断更新的kp、ki和kd值的每个新集合的预测器参数。当转换器10必须适应少量的操作方案时，本文中的实施例的这种实现更为合适。
另一可能的机器学习模型可以基于回归，并且可以使用神经网络。这种基于回归的实现允许连续改变kp、ki和kd值，并且因此避免了值跳跃，因为这些跳跃可能是上述最近邻实现所导致的。要针对这种基于回归的实现而在预测器14中实现的最小计算结构如图2所示。其通常称为线性分类器类型的感知器。为了获取关于kp、ki和kd系数中的每个系数而传输到PID调节器13的下一值，一些或全部相的Vinput、Iinput、Voutput、Ioutput和Vphase_input、Iphase_input、Vphase_output、Iphase_output中的至少一些的所有测量值、以及FIFO队列存储器集合中存储的所有操作点的目标输出电压Vtarget与预定权重相乘并且相加在一起并且添加到预定偏差。然后将这种组合的结果作为自变量输入到专用于kp、ki或kd系数的激活函数中。激活函数的结果是要由PID调节器13实现的该系数的下一值。
这种类型的每种计算结构是前馈神经元，并且一个单独的神经元专用于kp、ki和kd系数中的每个系数。在图2中，weightsp和biasp分别是预定权重和偏差，用于与kp系数相关的测量值和目标输出电压的组合。fp是kp系数的激活函数。关于ki和kd系数，类似的含义分别适用于weightsi、biasi、fi和weightsd、biased、fd。可以以已知的方式在每个神经元内添加隐藏层以便关于操作点以更清晰的方式确定kp、ki和kd值。将关于计算工作量、预测精度和每个转换器应用的特性(特别是与负载相关的特性)之间的平衡，来选择隐藏的神经层的数目、关于每个kp、ki和kd确定而组合的操作点的数目以及确定频率。
在图2中，n是每次确定kp、ki和kd值所涉及的操作点(样本)的数目，即针对相应电源参数在每个系列中的操作点(样本)的数目。对于如上所述的预测器14，n是FIFO队列存储器集合的长度。但是，因此当n增加时并且对于多相转换器而言必要的存储量可能变得重要。然后，减少这种存储量的方法是将至少一部分历史信息(例如，在由值提供系统15传输到预测器14的最后一个操作点之前的操作点)直接存储在神经元网络中而不是如存储器集合等进入FIFO队列中。这种神经网络配置在本领域中称为递归神经网络。在这样的递归神经网络中，长短期存储器可能是优选的，因为它们避免了梯度的消失或爆炸。
如本说明书的概述部分中所述，所有kp、ki和kd系数的权重和偏差是预测器参数。它们通过被称为训练的预备阶段被提供给预测器14。这种训练优选地由预测器14外部的计算硬件/软件40(参见图1)来实现，因为根据标记的训练数据确定预测器参数可能需要相当大的计算机资源。计算硬件/软件40可以被提供为单独的计算机，或者可以通过云来访问。用于训练阶段的计算硬件/软件40的这种配置是有利的，因为可以在大量用户之间共享计算硬件/软件，从而允许以成本有效的方式实现可能昂贵的计算装置。每个用户可以在他的功率转换器的预测器的初始训练阶段访问计算硬件/软件，然后他的功率转换器可以长时间运行，而无需再次使用计算装置。
训练阶段主要包括以下三个步骤：
形成标记的训练数据的集合，诸如每个集合包括转换器的一系列连续的操作点以及kp、ki和kd系数的相关值。以这种方式，每个标记的训练数据的集合描述转换器的随时间变化的可能的操作顺序，包括输入和输出电压和电流的瞬时值(可选的相位输出电压和电流)、以及目标输出电压的瞬时值。kp、ki和kd系数的期望值与每个连续操作点系列相关联。在现有技术中，期望的kp、ki和kd值被称为标签。标记的训练数据可以有利地以关于功率转换器10的预期应用、特别是关于其负载30的适当的方式来选择，以在稍后其特定应用中获取转换器的优化操作；
然后由计算装置40使用已知的机器学习过程中的一种机器学习过程来确定预测器参数，诸如梯度下降(特别是牛顿法、或共轭梯度算法)、统计优化方法(特别是遗传算法)或任何实现反向传播的过程等；以及
将预测器参数传送给预测器14以用于预测器14稍后使用预测器参数来确定kp、ki和kd值。向预测器传送预测器参数14可以通过值传送或通过写入要在预测器14内实现的对应的固件来执行。
然后，在转换器10向负载30提供DC功率的同时，预测器14的运行导致产生kp、ki和kd值。更新的kp、ki和kd值被传送到PID调节器13，使得PID调节器13从先前实现的kp、ki和kd值集合切换到更新的值。
图3是示出根据本文中的实施例的PID控制器的示例图。
在该示例实施例中，PID控制器13从预测器14接收电源系数(kp、ki和kd)的设置。PID控制器使用所接收的系数来设置(控制)如图所示的每个相应P、I、D路径的相应增益。
图4是示出根据本文中的实施例的功率转换器的当前操作设置到适当的控制系数的映射以实现期望的控制响应的示例图。
如前所述，功率转换器10包括多个相11；调节器13控制多个相11，以将输入电压转换成输出电压。
在图4的示例实施例中，预测器14-1的实例(诸如硬件和/或软件)操作为接收功率转换器10的操作设置210的当前收集的采样。操作设置210被指示为数据集合410-1、数据集合410-2、数据集合410-3等。
数据集合410-1(诸如存储在多个FIFO缓冲器中的数据)是关于多个参数(诸如Vinput、Iinput等)中的每个参数在不同采样时间获取的第一缓存样本的集合。
数据集合410-2(诸如存储在多个FIFO缓冲器中的数据)是关于多个参数(诸如Vinput、Iinput等)中的每个参数在不同采样时间获取的第二缓存样本的集合。
数据集合410-3(诸如存储在多个FIFO缓冲器中的数据)是关于多个参数(诸如Vinput、Iinput等)中的每个参数在不同采样时间获取的第三缓存样本的集合；等等。
因此，先前收集的数据样本的集合(诸如数据集合410-1、数据集合410-2等)中的每个数据样本的集合包括随时间收集的针对功率转换器的多个参数(诸如Vinput、Iinput、Voutput、Ioutput等)中的每个参数的多个数据样本的相应序列。
如进一步示出的，预测器14操作为将功率转换器10的操作设置210的当前收集的样本转换成适当的控制系数120。在一个实施例中，所产生的控制系数120是机器学习的控制响应，该机器学习的控制响应分配给如数据集合410所指示的功率转换器10的操作设置的先前存储的样本的模式。
在一个实施例中，功率转换器10的操作设置210的当前收集的样本表示功率转换器10的当前操作条件。操作设置的先前存储的样本(诸如指示功率转换器10的第一在先操作条件的数据集合410-1、指示功率转换器10的第二在先操作条件的数据集合410-2、指示功率转换器10的第三在先操作条件的数据集合410-3等)。
在该示例实施例中，基于在先机器学习，在先检测条件(操作设置210)的不同集合中的每个集合映射到相应的适当的控制响应。
更具体地，对于由数据集合410-1指示的功率转换器10的条件(诸如所监测的电压/电流设置)，控制系数120-1(诸如指示关于一个或多个系数kp、ki、kd中的每个系数的设置)指示用于控制功率转换器10的对应的适当的控制响应。
对于由数据集合410-2指示的功率转换器10的条件(诸如设置)，控制系数120-2(诸如指示关于一个或多个系数kp、ki和kd中的每个系数的设置)指示用于控制功率转换器10的对应的适当的控制响应。
对于由数据集合410-3指示的功率转换器10的条件(诸如设置)，控制系数120-3(诸如指示关于一个或多个系数kp、ki和kd中的每个系数的设置)指示用于控制功率转换器10的对应的适当的控制响应。
对于由数据集合410-4指示的功率转换器10的条件(诸如设置)，控制信息120-4(诸如指示关于一个或多个系数kp、ki和kd中的每个系数的设置)指示用于控制功率转换器10的对应的适当的控制响应。
在该示例实施例中，假定功率转换器10的当前操作设置210(关于N个样本)与由数据集合410-3指示的设置最相似/匹配。换言之，功率转换器10的操作设置210的当前(最近)收集的样本最接近地匹配功率转换器10的操作设置的先前存储的样本的模式。在这种情况下，预测器14-1将数据集合410-3映射到由控制系数120-3指示的适当的控制响应用于将其选择并且应用于PID控制器13。
如前所述，在一个实施例中，所产生的控制信息120(从控制系数120-3导出)指示针对先前操作条件(与数据集合410-3相关联)的电源系数设置。由控制系数120指定的功率转换器10中的一个或多个PID系数的设置将功率转换器10的输出电压保持在期望的电压范围内。
在产生控制120(诸如从控制系数120-3中选择)之后，预测器14-1将所选择的控制系数120输出到PID控制器13或其他合适的资源以控制多个相。
因此，在一个实施例中，预测器14-1还操作为将功率转换器10的操作设置210的当前收集的样本映射到功率转换器10的操作设置(诸如数据集合410-3)的先前存储的样本以标识并且选择用于电源的当前操作设置210的适当的控制系数120-3。如前所述，由数据集合410-3指示的操作设置的先前存储的样本是功率转换器的操作设置(数据集合410)的多个先前存储的样本的集合中的一个集合。
图5是示出根据本文中的实施例的功率转换器10的当前操作设置到多个控制系数的集合的映射，以及从多个控制系数的集合导出控制系数，以实现期望的控制响应的示例图。
在该示例实施例中，预测器14-1标识当前操作设置210与由数据集合410-3指定的设置和由数据集合410-4指定的设置两者最接近地匹配。在这种情况下，预测器14-1应用内插和/或外推技术以从控制系数120-3和控制系数120-4的组合中导出控制系数120。
图6是示出根据本文中的实施例的使用逻辑来导出控制信息以控制功率转换器的示例图。
在该示例实施例中，类似于图3，预测器14-2的处理逻辑接收诸如存储在缓冲器610中的功率转换器10的当前操作设置210，并且基于这样的信息来导出控制系数120。
缓冲器610-1存储Vinput的样本；缓冲器610-2存储Iinput的样本；缓冲器610-3存储Vphase输出的样本；缓冲器610-4存储Iphase_output的样本；等等。
控制系数120指示以前述方式应用于调节器13的设置。
图7是根据本文中的实施例的用于实现如先前讨论的任何操作的计算机系统的示例框图。
本文中讨论的任何资源(诸如预测器14、调节器13等)可以被配置为包括计算机处理器硬件和/或对应的可执行指令以执行本文中讨论的不同操作。
如图所示，本示例的计算机系统750包括互连711，该互连711耦合计算机可读存储介质712(诸如非暂态类型的介质(其可以是其中可以存储和恢复数字信息的任何合适类型的硬件存储介质))、处理器713(计算机处理器硬件)、I/O接口714和通信接口717。
I/O接口714支持到存储库780和输入资源792的连接。
计算机可读存储介质712可以是任何硬件存储设备，诸如存储器、光学存储器、硬盘驱动器、软盘等。在一个实施例中，计算机可读存储介质712存储指令和/或数据。
如图所示，可以用通信预测器应用140-1(例如，包括指令)对计算机可读存储介质712进行编码以执行本文中讨论的任何操作。
在一个实施例的操作期间，处理器713通过使用互连711来访问计算机可读存储介质712，以便在存储在计算机可读存储介质712上的预测器应用140-1中启动、运行、执行、解释或以其他方式执行指令。预测器应用140-1的执行产生预测器过程140-2以执行本文中讨论的任何操作和/或过程。
本领域技术人员将理解，计算机系统750可以包括其他过程和/或软件和硬件部件，诸如控制用于执行通信管理应用140-1的硬件资源的分配和使用的操作系统。
根据不同的实施例，注意，计算机系统可以驻留在各种类型的设备中的任何一种中，包括但不限于移动计算机、个人计算机系统、无线设备、无线接入点、基站、电话设备、台式计算机、膝上型计算机、笔记本、上网本计算机、大型计算机系统、掌上计算机、工作站、网络计算机、应用服务器、存储设备、消费类电子设备(诸如相机、便携式摄像机、机顶盒、移动设备、视频游戏控制台、手持式视频游戏设备)、外围设备(诸如交换机、调制解调器、路由器、机顶盒、内容管理设备、手持式远程控制设备、任何类型的计算或电子设备)等。计算机系统750可以驻留在任何位置，或者可以被包括在任何网络环境中的任何适当资源中以实现本文中讨论的功能。
现在将通过图8中的流程图讨论由不同资源支持的功能。注意，以下流程图中的步骤可以按任何合适的顺序执行。
图8是示出根据实施例的示例方法的流程图800。注意，将存在关于如上所述的概念的一些重叠。
在处理操作810中，预测器14接收功率转换器10的操作设置210的当前样本。
在处理操作820中，预测器14从功率转换器10的操作设置210的当前样本中导出电源系数的集合120(诸如kp、ki和/或kd)，电源系数的集合120是机器学习的控制响应，该机器学习的控制响应被分配给功率转换器10的操作设置的对应先前样本的集合，以将输出电压保持在调节范围内。
在处理操作830(诸如处理操作820的子操作)中，预测器14将功率转换器10的操作设置210的当前样本映射到功率转换器10的操作设置的先前样本，以标识用于将输出电压保持在调节范围内的适当的控制系数120。
在处理操作840(诸如子操作830的备选)中，预测器14将操作设置210的当前样本输入到预测器14的处理，该操作操作为根据所接收的设置210产生控制系数120。
在处理操作850中，预测器14将控制系数120输出到PID控制器13以控制功率转换器10的多个相。
尽管详细描述已经集中在适用于实现基于最近邻或基于回归的机器学习模型的预测器实施例上，但是应当理解，本发明不限于这些特定模型，并且可以备选地使用其他模型。特别地，可以使用任何回归变体和基于隐马尔可夫链的任何序列。
还应当理解，除了DC-DC，本发明还适用于任何电功率转换，特别是AC-DC功率转换，但是出于说明性目的，详细描述集中于DC-DC功率转换。
最后，应当进一步理解，本发明适用于任何调节器类型，而不限于PID调节器。在每种情况下，预测器适合于提供参数的更新值，如在用于产生功率转换的调节器中实现的。

Claims (24)

1.一种用于将输入电流和输入电压转换成输出电流和输出电压的功率转换器，所述功率转换器包括至少一个相并且还包括：
调节器，操作为使用在所述调节器中实现的至少一个调节器参数来产生至少一个控制信号，所述调节器被连接以使得所述至少一个控制信号由所述功率转换器用来产生所述转换；
值提供系统，操作为收集所述功率转换器的至少一个操作点，每个操作点与所述转换器的操作时刻相关并且包括：i)关于所述输入电流、所述输入电压、相位输入电流、相位输入电压中的一个或多个输入参数，和/或关于所述输出电流、所述输出电压、相位输出电流、相位输出电压中的一个或多个输出参数，对于所述操作时刻的测量值，以及ii)被分配给所述操作点的所述时刻的所述功率转换器的目标输出电压的至少一个值；以及
预测器，操作为提供每个调节器参数的相应更新值，以供所述调节器进一步实现，并且所述预测器被配置为使用基于由所述值提供系统收集的至少一个操作点并且还基于从机器学习过程获取的预测器参数的过程来确定每个更新的调节器参数值。
2.根据权利要求1所述的转换器，其中所述转换器是DC-DC功率转换器或AC-DC功率转换器。
3.根据权利要求1所述的转换器，其中所述调节器是基于比例、积分和/或导数的调节器，并且所述至少一个调节器参数包括在所述调节器中实现的kp、ki和kd系数中的一个或多个系数。
4.根据权利要求1所述的转换器，其中所述预测器操作为基于与所述转换器的连续操作时刻相关的多个操作点来确定每个调节器参数的所述更新值，所述多个操作点对应于固定数目的操作点。
5.根据权利要求4所述的转换器，其中所述预测器操作为实现递归神经网络，以使得每当所述值提供系统向所述预测器提供另外的操作点时，所述另外的操作点以FIFO队列方式被添加到所述多个操作点，以获取更新的多个操作点以用于发出每个调节器参数的另外的更新值。
6.根据权利要求1所述的转换器，其中所述预测器包括用于存储标记的训练数据的查找表，并且包括计算硬件，所述计算硬件操作为选择所述标记的训练数据中的一项训练数据作为到所述至少一个操作点的最近邻以确定针对所述PID的设置。
7.根据权利要求1所述的转换器，其中所述预测器包括以用于从所述至少一个操作点发出每个调节器参数的所述更新值的计算序列，用于实现回归类型的至少一个计算步骤的装置。
8.根据权利要求1所述的转换器，其中所述预测器被布置用于以前馈人工智能方式进行操作。
9.根据权利要求1所述的转换器，其中所述预测器被布置用于作为神经网络、特别是作为单层神经网络进行操作。
10.根据权利要求1所述的转换器，其中所述预测器基于神经形态芯片。
11.一种用于执行从输入电流和输入电压到输出电流和输出电压的电功率转换的方法，所述方法包括：
使用调节器产生用于所述功率转换的至少一个控制信号，所述调节器执行至少一个调节器参数；
收集在所述功率转换期间发生的至少一个操作点，每个操作点与所述功率转换期间的操作时刻相关，并且一方面包括关于所述输入电流、所述输入电压、相位输入电流、相位输入电压中的一个或多个输入参数和/或关于所述输出电流、所述输出电压、相位输出电流、相位输出电压中的一个或多个输出参数，对于所述操作时刻的测量值，以及另一方面包括分配给所述操作点的所述时刻的所述功率转换的目标输出电压的至少一个值；以及
使用预测器，提供每个调节器参数的相应更新值以供所述调节器进一步实现，其中每个更新的调节器参数值由所述预测器使用基于所述至少一个收集的操作点并且还基于从机器学习过程获取的预测器参数的过程来确定。
12.根据权利要求11所述的方法，还包括在所述机器学习过程期间执行的操作/1/至/3/：
/1/收集标记的训练数据，所述标记的训练数据包括训练操作点和每个调节器参数的相应相关值；
/2/使用所述标记的训练数据用于训练所述预测器的机器学习模型，以获取要由所述预测器用于推断每个调节器参数的每个新值的所述预测器参数；以及
/3/向所述预测器传输所述预测器参数，
其中所述功率转换使用在操作/3/中传输的所述预测器参数来操作。
13.根据权利要求12所述的方法，其中操作/2/使用设置在用于执行所述功率转换的转换器外部的计算硬件来执行，并且当所述转换器执行所述功率转换时，所述计算硬件与所述转换器断开连接。
14.根据权利要求11所述的方法，其中所述功率转换用于向负载提供电功率。
15.一种装置，包括：
功率转换器，其包括多个相，所述多个相操作为将输入电压转换成输出电压；
调节器，操作为控制所述功率转换器的多个相；以及
预测器，操作为：
i)接收所述功率转换器的操作设置的当前样本；
ii)从所述功率转换器的操作设置的所述当前样本中导出电源系数的集合，所述电源系数是机器学习的控制响应，所述机器学习的控制响应被分配给所述功率转换器的操作设置的先前样本的集合以将所述输出电压保持在调节范围内；以及
iii)向所述调节器输出所述电源系数的集合。
16.根据权利要求15所述的装置，其中所述功率转换器的操作设置的所述当前样本表示所述功率转换器的当前操作条件；以及
其中所述功率转换器的操作设置的所述先前样本的集合指示在机器学习过程期间检测到的所述功率转换器的先前操作条件，所述机器学习的控制响应被分配给所述功率转换器的操作设置的所述先前样本的集合。
17.根据权利要求16所述的装置，其中所述电源系数的集合指示要施加到所述调节器的至少一个PID系数设置，将所述电源系数设置集合施加到所述调节器操作为将所述输出电压保持在期望的电压范围内。
18.根据权利要求15所述的装置，其中所述功率转换器的操作设置的所述当前样本包括针对随时间收集的所述功率转换器的多个参数中的每个参数的多个数据样本的相应序列。
19.根据权利要求18所述的装置，其中所述多个数据样本的相应序列包括：
第一缓存样本序列，其在多个采样时间测量所述输入电压的大小；
第二缓存样本序列，其在所述多个采样时间测量由所述输入电压提供给所述多个相的输入电流的大小；
第三缓存样本序列，其在所述多个采样时间测量所述输出电压的大小；以及
第四缓存样本序列，其在所述多个采样时间测量由所述输出电压提供给负载的输出电流的大小。
20.根据权利要求15所述的装置，其中与所述预测器基于所述功率转换器的操作设置的所述当前样本来更新所述电源系数的频率相比，所述调节器以高得多的操作频率进行操作以调节所述输出电压的大小。
21.根据权利要求15所述的装置，还包括：
模式控制器，操作为在所述预测器导出所述电源系数的集合之后的一段时间内使所述预测器断电，所述模式控制器还操作为在所述一段时间之后再次为所述预测器供电。
22.根据权利要求15所述的装置，其中所述预测器还操作为将所述功率转换器的操作设置的所述当前样本映射到所述功率转换器的操作设置的所述先前样本的集合，以标识所述功率提供系数的集合，所述功率转换器的操作设置的所述先前样本的集合是所述功率转换器的操作设置的先前样本的多个集合中的一个集合，所述操作设置的样本的先前集合中的每个集合被分配不同的相应的机器学习的控制响应。
23.根据权利要求15所述的装置，其中所述功率转换器的操作设置的所述当前样本基本上与所述功率转换器的操作设置的所述先前样本相匹配。
24.根据权利要求1所述的装置，其中所述机器学习的控制响应取决于所述功率转换器的操作设置的先前样本的多个集合的历史。
CN201911266976.2A 2018-12-12 2019-12-11 功率转换器 Pending CN111313687A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/217,554 2018-12-12
US16/217,554 US10700605B1 (en) 2018-12-12 2018-12-12 Electrical power converter with predictor

Publications (1)

Publication Number Publication Date
CN111313687A true CN111313687A (zh) 2020-06-19

Family

ID=69063603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911266976.2A Pending CN111313687A (zh) 2018-12-12 2019-12-11 功率转换器

Country Status (3)

Country Link
US (2) US10700605B1 (zh)
EP (1) EP3667887A1 (zh)
CN (1) CN111313687A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114079379A (zh) * 2020-08-12 2022-02-22 斯凯芯片有限公司 具有智能控制器的dc-dc转换器
CN114942582A (zh) * 2022-04-07 2022-08-26 浙江大学 基于神经网络对Buck变换器中PID控制器参数的优化方法和装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11837958B2 (en) * 2018-12-12 2023-12-05 Infineon Technologies Austria Ag Multiphase power converter
US11228245B2 (en) * 2019-01-31 2022-01-18 The Board Of Trustees Of The University Of Alabama Control of a buck dc/dc converter using approximate dynamic programming and artificial neural networks
JPWO2021106712A1 (zh) * 2019-11-26 2021-06-03
EP3961314A1 (en) * 2020-08-31 2022-03-02 Siemens Aktiengesellschaft Control loop optimization
KR102435559B1 (ko) * 2020-10-22 2022-08-23 성균관대학교산학협력단 사용자 패턴에 기초한 전원 관리 장치 및 방법
CN116054530A (zh) * 2021-10-28 2023-05-02 力智电子股份有限公司 电源转换装置的控制电路及其控制方法
US11989068B2 (en) * 2022-06-29 2024-05-21 International Business Machines Corporation Thermal and performance management

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014207786A (ja) * 2013-04-12 2014-10-30 トヨタ自動車株式会社 電力変換装置
US8975831B1 (en) * 2013-11-27 2015-03-10 Linear Technology Corporation Pre-charging inductor in switching converter while delaying PWM dimming signal to achieve high PWM dimming ratio in LED drivers
US9007043B2 (en) * 2010-02-25 2015-04-14 International Rectifier Corporation Parameter adjustment depending on resonant frequency of a power supply
CN108566088A (zh) * 2018-04-13 2018-09-21 杭州电子科技大学 双闭环rbf神经网络滑模变结构自适应控制方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2563894B2 (ja) 1982-09-25 1996-12-18 株式会社東芝 多入出力サンプル値ｐｉｄ制御装置
US4630187A (en) 1985-09-09 1986-12-16 Sperry Corporation Power converter with duty ratio quantization
AU2001288856A1 (en) 2000-09-15 2002-03-26 Advanced Micro Devices Inc. Adaptive sampling method for improved control in semiconductor manufacturing
GB2427476B (en) * 2005-06-20 2008-06-25 Radiodetection Ltd A detector for detecting a buried current carrying conductor
US7684878B2 (en) 2006-02-07 2010-03-23 National Instruments Corporation Programmable hardware element pre-regulator
CN101286702B (zh) 2008-05-06 2010-09-15 深圳航天科技创新研究院 具有快速动态响应的自适应数字dc/dc控制方法及变换器
TWI453602B (zh) * 2009-09-23 2014-09-21 Micro Star Int Co Ltd A portable computer capable of converting an internal storage device into an external storage device
CN101917118A (zh) 2010-08-23 2010-12-15 东南大学 开关式dc-dc变换器的数字预测控制系统与方法
DE102011056941A1 (de) * 2011-12-22 2013-06-27 Magna Powertrain Ag & Co. Kg Steuerung für einen Wandler, Wandler und Steuerungsverfahren
CN102902203B (zh) 2012-09-26 2015-08-12 北京工业大学 时间序列预测与智能控制结合的参数在线整定方法与系统
US9082079B1 (en) 2012-10-22 2015-07-14 Brain Corporation Proportional-integral-derivative controller effecting expansion kernels comprising a plurality of spiking neurons associated with a plurality of receptive fields
AT513776B1 (de) 2014-04-08 2015-09-15 Avl List Gmbh Verfahren und Regler zur modellprädiktiven Regelung eines mehrphasigen DC/DC-Wandlers
CN104570729A (zh) 2014-11-24 2015-04-29 东北林业大学 一种改进型的Smith预估控制器
WO2017178035A1 (en) * 2016-04-11 2017-10-19 Telefonaktiebolaget Lm Ericsson (Publ) Voltage droop control in a voltage-regulated switched mode power supply
JP6426652B2 (ja) 2016-04-15 2018-11-21 ファナック株式会社 ディジタル制御電源装置および生産管理システム
CN105867138B (zh) 2016-06-22 2018-10-23 哈尔滨工程大学 一种基于pid控制器的稳定平台控制方法及装置
US10415537B2 (en) * 2016-12-09 2019-09-17 National Technology & Engineering Solutions Of Sandia, Llc Model predictive control of parametric excited pitch-surge modes in wave energy converters
EP3754827A4 (en) * 2018-02-16 2021-03-17 Mitsubishi Electric Corporation CONTROL DEVICE OF A POWER CONVERTER

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9007043B2 (en) * 2010-02-25 2015-04-14 International Rectifier Corporation Parameter adjustment depending on resonant frequency of a power supply
JP2014207786A (ja) * 2013-04-12 2014-10-30 トヨタ自動車株式会社 電力変換装置
US8975831B1 (en) * 2013-11-27 2015-03-10 Linear Technology Corporation Pre-charging inductor in switching converter while delaying PWM dimming signal to achieve high PWM dimming ratio in LED drivers
CN108566088A (zh) * 2018-04-13 2018-09-21 杭州电子科技大学 双闭环rbf神经网络滑模变结构自适应控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HIDENORI MARUTA等: "Transient Characteristics of DC-DC Converter with PID Parameters Selection and Neural Network Control", 《2014 13TH INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS》, pages 447 - 452 *
KANJI TANAKA等: "A sample-based approach to lookup table construction by SVM active learning", 《2005 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS》, pages 628 - 633 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114079379A (zh) * 2020-08-12 2022-02-22 斯凯芯片有限公司 具有智能控制器的dc-dc转换器
CN114942582A (zh) * 2022-04-07 2022-08-26 浙江大学 基于神经网络对Buck变换器中PID控制器参数的优化方法和装置

Also Published As

Publication number Publication date
US10700605B1 (en) 2020-06-30
US20200266706A1 (en) 2020-08-20
EP3667887A1 (en) 2020-06-17
US11575322B2 (en) 2023-02-07
US20200195141A1 (en) 2020-06-18

Similar Documents

Publication Publication Date Title
CN111313687A (zh) 功率转换器
JP6243385B2 (ja) モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置
KR101300449B1 (ko) 전력 손실 모델을 이용하여 전력 시스템 효율을 최적화하는 장치 및 방법
CN111313691A (zh) 多相位功率转换器
EP2700137B1 (en) Control of dynamic bus voltage in an intermediate bus architecture power system
US11132009B2 (en) Electric power converter
JP7033750B2 (ja) 電力管理システム
WO2019110063A1 (en) Model predictive control in local systems
US11811316B2 (en) Adaptive control of a switched voltage converter
WO2022130802A1 (ja) 電力変換器、電力システム及び電力変換器の制御方法
Liu et al. Power adaptive computing system design in energy harvesting environment
Zhu et al. A backpropagation neural network-based hybrid energy recognition and management system
KR101640206B1 (ko) 충전 제어를 통해 크로스 레귤레이션을 감소시킨 다중출력 벅컨버터 및 그 변환 방법
JP6724612B2 (ja) 出力平滑化装置及び出力平滑化方法
US8055925B2 (en) Structure and method to optimize computational efficiency in low-power environments
JP7097748B2 (ja) 電力制御装置、電力制御システム、無効電力制御器および電力制御方法
JP2011061951A (ja) 風力発電システム、制御方法、制御装置、およびプログラム
JP7274006B2 (ja) 複数の太陽光発電システムを統合するためのシステムおよび方法
JP7534384B2 (ja) 振動子ベースのニューラルネットワーク装置
CN112187894A (zh) 一种基于负载相关性预测的容器动态调度方法
Falis et al. Practical Day-Ahead Power Prediction of Solar Energy-Harvesting for IoT Systems
KR20200070264A (ko) 압전 변환기에 의해 자동 전력 공급기를 구동하기 위한 방법, 공급 회로 및 이로써 전력이 공급되는 장치
JP2020127347A (ja) 発電設備の評価装置、発電設備の評価システム、発電設備の評価方法、及びプログラム
CN106127610B (zh) 并联供电系统优化控制方法
JP2024538394A (ja) エネルギー管理システムを運用するための方法およびシステム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination