CN112117892A

CN112117892A - 电功率转换器

Info

Publication number: CN112117892A
Application number: CN202010560843.2A
Authority: CN
Inventors: B·施瓦贝; S·纳兹尔
Original assignee: Infineon Technologies Austria AG
Current assignee: Infineon Technologies Austria AG
Priority date: 2019-06-19
Filing date: 2020-06-18
Publication date: 2020-12-22
Also published as: US11132009B2; US20210405671A1; US11953961B2; US20200401168A1; EP3754457A1

Abstract

本公开的实施例总体上涉及电功率转换器。本发明涉及一种电开关模式功率转换器，包括用于预测和更新调节器的至少一个调节器参数的参数预测器，该调节器用于控制转换器的开关设备；还包括性能反馈信号生成器，用于提供指示转换操作的性能的性能反馈信号，其中参数预测器被配置为在更新间隔期间，基于性能反馈信号来预测调节器参数的更新，间隔在功率转换操作期间，并且间隔通过不具有更新的暂停来分隔。

Description

电功率转换器

技术领域

本公开涉及电功率转换器，该电功率转换器具有用于转换操作的开关设备和用于控制该开关设备的调节器。

背景技术

在各个技术领域中，尤其是开关模式功率转换器的电功率转换器被广泛地使用。这尤其适用于DC-DC功率转换器，诸如用于计算机或相似设备的CPU或GPU的电源。在这种背景中(以及在其它地方)，也就是所谓的多相功率转换器是已知的，其在多个相位内转换电流或电压，并且因此由多个并联的转换器支路制成。

一般而言，开关模式功率转换器包括至少一个开关设备，该开关设备将被开关以用于转换器的功率转换。该开关操作由调节器控制，调节器通常可以在使用前通过调整至少一个调节器参数来调谐。这样的调整针对功率转换器的操作性能可以是至关重要的，并且这样的调整甚至对关于在设计中或在电部件值的选择中的较小变化也很敏感。在众所周知的PID型调节器中，调节器参数包括比例(P)部分、积分(I)部分和微分(D)部分的相应系数。然而，本公开不限于PID调节器，并且还涉及其他类型的功率转换器，无论是否包括简单的P、I或D功率转换器或这些部分的任何组合。同样地，本公开涉及单相功率转换器以及多相功率转换器。

本公开的目的是提供一种关于调节器参数调整的改善的电功率转换器。

发明内容

对此而言，本公开在一方面中涉及根据权利要求1所述的开关模式电功率转换器，而额外的有利实施例可以取自从属权利要求。

根据权利要求1，电功率转换器用于转换输入量，其中术语输入量表示输入电压和输入电流。同样地，经转换的输出量是经转换的输出电压和经转换的输出电流。提供了相应的输入端子和输出端子用于分别接收和输出这些量被。此外，功率转换器的转换操作包括开关设备的开关操作，开关设备经由开关设备的控制端子由调节器控制。该控制基于至少一个调节器参数(诸如P、I、D系数、或从中选择或其它参数)。

为了调整至少一个调节器参数，在这方面中提供了用于更新调节器参数的参数预测器。此外，可操作以提供性能反馈信号的性能反馈信号生成器被连接到功率转换器的输出端子。因此，性能反馈信号生成器可以产生性能反馈信号以指示功率转换器的转换操作的性能。性能反馈信号是用于由参数预测器更新调节器参数的基础，性能反馈信号是通知参数预测器最新参数更新的效果以及利用实际(至少一个)调节器参数的实际性能的反馈。

这不能与调节反馈回路的(普通)调节反馈混淆。性能反馈信号被馈送给参数预测器，而参数预测器不是(普通)调节反馈回路的一部分。

在上述方面中，在特定更新间隔期间(及时)执行更新。这些更新间隔被布置在功率转换器的功率转换操作期间。换言之，在该实施例中，功率转换器的功率转换操作不针对调节器参数更新的目的而被中断，而是在功率转换器的操作期间执行更新，这可以被认定为“常规”或“正常”。然而，该功率转换操作并不暗示稳定状态。相反地，通常的情况将是负载阶跃，调节系统失去平衡，并且需要恢复。然后，上文提出的性能反馈信号将指示在此恢复中调节系统的性能。

如由术语“间隔”所指出的，更新间隔由不具有参数更新的时间间隔彼此分隔，换言之，更新间隔由在更新间隔之间的暂停分隔。

因此，根据这方面的电功率转换器适于关于在至少一个调节器参数方面保持更新，并且因此排除由于调节器参数可能大部分过时而导致的实质性性能损失。作为示例，电子部件可能会受到老化的影响，其中老化过程在用于调节器操作的相关元件的电行为上具有影响，并且因此老化过程在功率转换器的性能上具有影响。虽然在发明人的观点中，这样的老化是一种普遍的、相当缓慢的现象，但是在特定情况下可以具有有害的影响。在另一方面，根据该实施例，针对调整调节器参数的目的而中断功率转换器的操作是不必要的，并且如果感兴趣的话，功率转换器基本上可以持续地操作。

然而，由于仅在特定更新间隔中而不在更新间隔之间的暂停中进行更新，因此，该实施例在能量消耗方面可以更有效率，这是因为这样的更新操作通常将导致一定的能量消耗。因此，考虑到能量效率，仅在由暂停分隔的专用更新间隔中更新调节器参数可以是有利的。这尤其适用于仅仅是由于缓慢的过程(诸如，部件老化)而使调节器参数过时或未达最优的情况，然而，这是由发明人发现的导致未达最优的功率转换器性能的一个重要原因。因此，本发明的上述方面是在功率转换器的性能优化与效率之间的有利折衷。

根据这方面的优选实现方式，提供了偏差检测器。偏差检测器可操作以确定输出量中的至少一个输出量的当前信号与该相应的输出量的期望输出信号之间的偏差，并且该偏差检测器为此目的而被连接到功率转换器的输出。在功率转换器的特定操作模式中，所确定的偏差可以与预先确定的阈值进行比较，以便检查该偏差是否超过阈值。如果该偏差超过阈值，则在这种操作模式中，偏差检测器可以产生用于触发如上文所述的更新间隔的信号。换言之，当且仅当偏差超过特定偏差阈值时，偏差检测器才可以被操作以便通过触发更新间隔来开始更新。

作为备选场景，在更新间隔之间的暂停也可以被预先确定(尤其是常规的)。例如，暂停的长度可以相等，以便更新间隔将在最后一次更新间隔之后(例如一小时、一天、一周或一个月)启动。此外，在每次重新启动(或每第二次、第三次……重新启动)之后都可以触发更新间隔。然后，上文所述的预先确定将涉及重新启动。无论如何，在这些实现中不需要偏差检测器。

然而，这两个概念的组合也将是可能的，即，偏差检测器仅在经过如上文所述的预先确定的特定最小暂停之后才开始其偏差检测操作。然后，更新间隔将不在暂停结束之前启动，但不一定在其结束时启动。相反，只有在检测到的偏差足够大时(也如上文所述的)，更新间隔才会在暂停结束时开始。备选地，只有在检测到的偏差足够大时，更新间隔才会在重新启动之后启动。换言之：偏差检测器不一定是持续激活的(关于其偏差检测的操作)，但它可以在某些实施例中被持续激活。

针对上文所述的比较的所期望的输出信号可以被本地储存在电功率转换器内(尽管这不是强制性的)。其也可以在远程位置处被查找，或者可以根据特定的预先确定算法而被单独计算。

尤其是，期望的输出信号可以是如下优选地预先确定的“优化”输出信号。即，该优化输出信号可以针对特定负载场景被定义，并且该负载场景是从多个预定义的负载场景之中选择的。可以预定义这些负载场景，以反映所考虑的功率转换器的通常和/或通常临界负载状况。此外，在这样的负载状况下，功率转换器的非常好、或甚至理想的性能可以被定义为用于每个这样的负载场景的相应的优化输出信号。同样地，负载场景和/或相应的优化输出信号不一定在本地可用，但可以被远程储存。

可以使用一些度量来完成负载状况与预定义的负载场景之间的比较，以定义用于相似性的标准。尤其是，该比较可以使用经典的二元回归/分类方式。此外，可以使用经训练的神经网络来将功率转换器的当前负载状况与预定义的负载场景进行比较。

此外，在特定实施例中，电功率转换器或另一件设备的负载可以提供相关信息。例如，在CPU、GPU或存储器设备与其相应的功率转换器之间可以存在通信接口。负载甚至能够在一定程度上预测其未来的行为。因此，可以使用这样的信息而不是当前负载状况与预定义负载场景的比较来执行从多个预定义的负载场景中间选择负载场景。

根据另一个优选实施例，性能反馈信号生成器的操作可以包括使用至少一个输出量的当前信号与该输出量的期望信号之间的差异的量化。另外，在此处，期望的信号可以对应于以与上文所述的类似方式从多个预定义的负载场景中间选择的负载场景所定义的“优化”信号。另外，在此处，当前负载状况与预定义的负载场景的比较可以被用于选择。同样地，特定的度量可以被使用，或者经训练的神经网络可以实现该比较。尤其是，待比较的当前负载状况可以是当前输出电流。然后，将针对最接近的预定义输出当前场景(负载曲线)定义优化信号。

在另一优选实施例中，如上文所述的，参数预测器的操作，即至少一个调节器参数的更新可以也或者备选地基于至少一个调节器参数值(例如，用于P、I、D系数的调节器参数值)而与从多个预定义的负载场景之中选择的负载场景相关联。同样地，可以使用当前负载状况与预定义的负载场景进行比较来进行选择，并且上文的说明也同样地适用。

根据另一优选实施例，电功率转换器还可以被提供有信号分析器，该信号分析器用于将当前负载状况与上文说明的预定义的负载场景比较，以便确定是否能够找到足够“相似”的负载场景。这可以通过使用特定的预先确定的阈值度量来实现。如果可以找到在预定阈值度量内的负载场景，则可以选择针对此负载场景定义的相应的数据，诸如将用于偏差检测的优化输出信号、用于性能反馈信号生成的差异量化的期望信号，和/或与所选择的负载场景相关联的调节器值参数。然而，根据该实施例，在特定情况下，如果找不到适当的可比较的负载场景，并且因此更新可能导致功率转换器的不确定甚至有害性能，则可以由信号分析器禁止至少一个调节器参数的更新。

如上文所说明的，可以通过使用经训练的神经网络来执行当前负载状况与预定义的负载场景的比较。这种神经网络不一定是本地的，而是也可以处于远程。此外或备选地，如上文所说明的，还可以实现经训练的神经网络，以便提供用于提供性能反馈信号的相应输出量的在当前信号与期望的信号之间的差异的量化。

又一额外并且备选地。经训练的神经网络可以被实现或被用于偏差检测器以检测在相应的输出量的当前信号与期望的信号之间的偏差。

尤其是，偏差检测器和信号分析器可以基于编码器-解码器架构实现。其中，解码器可以是相同的，而编码器是不同的。

与如上文所说明的预定义的负载场景进行比较的当前负载状况优选地代表特定的当前时间阶段，以便反映相应的至少一个输出量在时间上的发展。其中，根据另一实施例，在与预定义的负载场景的比较中，较新的数据比较旧的数据被优选更高地加权。这同样适用于输入量和输出量的任何比较，尤其是关于性能反馈信号的提供。

迄今为止，电压和电流信号在本文已经被主要讨论。然而，根据优选实施例，还可以考虑在一些测量点处的温度，优选地可以考虑在功率转换器本身的测量点处的温度。因此，参数预测器可以包括用于接收温度输入信号的温度输入端子，并且参数预测器也可以响应于至少一个调节器参数的更新中的温度输入信号。因此，由于功率转换器的操作状况通常是温度依赖性的，尤其是由于特定电子部件的温度依赖性，因此可以更好地控制功率转换器。如果这样考虑温度，则可以更有效地考虑温度依赖性。

用于确定用于更新的经改善的调节器参数的参数预测器的操作可以遵循以下至少一种方法：蒙特卡罗(Monte Carlo)方法、Q-学习、SARSA、Q-学习-lambda、SARSA-lambda、DQN、DDPG、A3C、NAF、TRPO、PPO。其中，SARSA代表状态动作奖励状态动作，即用于学习马科夫(Markov)决策处理策略的算法，该策略用于参数预测器的强化学习。DQN代表深度Q网络，DDPG代表深度确定性策略梯度，A3C代表异步优势动作评价算法，NAF代表具有规范化优势函数的Q学习，TRPO代表信任域策略优化，并且PPO代表近端策略优化。这些方法是技术人员所熟悉的，并且在此处不需要被说明。

除了在所附权利要求中要求保护并且在本文描述的电功率转换器之外，还根据本发明的另一方面公开了一种操作电功率转换器的方法。该方法包括以下步骤：接收输入量，输出经转换的输出量，对用于进行电功率转换器的转换操作的开关设备进行开关，由基于至少一个调节器参数，由调节器控制开关设备，由参数预测器更新调节器的至少一个调节器参数，提供性能反馈信号，该性能反馈信号指示转换操作的性能，在更新间隔期间基于性能反馈信号更新至少一个调节器参数，更新间隔在功率转换期间发生，并且更新间隔由没有实施至少一个调节器参数的更新的暂停所分隔。

将被认识到的是，该方法及其优选实施例也出现在已经针对功率转换器的不同实施例及其部件的功能的说明内容中。所有这些实施例应类似地适用于该方法。

附图说明

下文中，借助于示例性实施例进一步详细地说明了本发明。其中，单独的特征也可以在不同组合中与本发明相关。

图1是本发明的实施例的示意性电路图，

图2是图1的实施例的操作的示意性时间表，

图3是图1的实施例的备选实施例的示意性电路图。

具体实施方式

本实施例涉及用于CPU电源的电功率转换器。

在该实施例中，功率转换器由PID控制器控制，并且功率转换器是适配于计算机的CPU电源的电压调节器。重要的实践问题是功率转换器对通常作为CPU负载的负载阶跃的响应。

尽管这样的和其他的功率转换器被长期和广泛地使用，但用于控制开关设备的开关操作的调节器的调节器参数(诸如其中的P、I、D系数)的“调谐”仍是一个精细的课题。一方面，要求功率转换器在能量方面具有高效率，另一方面，即使在要求苛刻的条件下，(诸如，在为CPU或GPU供电时出现的负载阶跃)，它们也应尽可能地表现良好。发明者已经发现这种情景更加复杂，这是因为功率转换器的性能还取决于特定部件值的量(例如无源部件)。由于这些部件和设备可能会受到老化过程的影响，因此这些老化过程也会影响它们相应的电值(诸如电容器的电容)，曾经调谐良好的功率转换器可能会随着时间而降级。

应对措施是使用质量更高的部件(尤其是电容器)，这可以减少老化效应。然而，由此显著增加了成本。如下所述的，与此相反，本发明通过使用参数预测器和将性能反馈信号提供给参数预测器来允许功率转换器适配其工作条件或部件的电值的可能变化。因此，参数预测器可以测试或估计至少调节器参数上的特定更新的影响，以便通过充分地更新调节器参数值来改善功率转换器的性能。

作为优选的示例，所谓的“强化学习”或“自学习”将是由参数预测器基于所提供的性能反馈信号使用的数种适当方式中的一种方式。这种技术的其他术语是“近似动态规划”和“神经动态规划”。在这种情况下，性能反馈值信号可以被称为奖励功能信号或目标功能信号。

与功率转换操作开始之前将使用的经监督学习的不同的方式相反，上文所描述的更新是在功率转换器的功率转换操作期间执行的。当然，本发明不排除在转换操作开始之前对功率转换器的(多个)调节器参数的复杂的调谐，但是应当理解的是，由于本发明，初始调谐不一定像不具有本发明的情况下那样重要。此外，在转换操作之前通过经监督学习进行的调谐将引起取决于所使用的训练数据的质量、复杂性和完整性的调谐。

与此相反，本发明使用对功率转换器的性能的“实际”(即在转换操作期间的)评估，因此不受任何先前已知的训练数据的限制。然而，如上文所述的，尤其是在用于初始调谐的功率转换操作之前，不排除任何训练数据的使用。也不排除使用除了性能反馈信号的额外参数预测器的输入信号。

图1示出了一种实施例的示意性架构。其中，在剖面线中的矩形表示在强化学习中的“环境”和“代理(agent)”。如在图1中示出的，即代理是参数预测器，并且环境包括作为功率转换器的实现方式的电压调节器1。在电压调节器1左侧上的输入2处的输入量是输入电压V_in和输入电流I_in，并且右侧上的输出3处的输出量是输出电压V_out和输出电流I_out。输入量和输出量被输入到性能反馈信号生成器和偏差检测器中。偏差检测器、性能反馈信号生成器和参数预测器分别被连接到存储器(相比于在图1中的线L1、L2、L3)。

在本实施例中，偏差检测器可操作以持续地监测一个或多个输出量V_out和I_out以及它们的当前信号与期望输出信号的偏差。期望的输出信号可以经由线路L1从存储器中获取，即被定义针对存储在其中的特定负载场景优化输出信号。该负载场景由偏差检测器从在存储器中的多个预定义负载场景之中选择。该选择是基于功率转换器的当前负载状况与存储的负载场景的比较，并且用于该比较的度量可以是在相应的响应曲线之间的“面积”。

尤其是在负载阶跃，即输出电流的快速阶跃变化的情况下，将实际电压响应(即在负载阶跃期间的输出电压曲线)与存储在存储器中的优化输出电压曲线进行比较，以用于包括不同高度和斜率的负载阶跃的多个不同预定义负载场景。尽管在负载阶跃的情况下，电压调节器的输出电压在理想情况下是恒定电压，但“优化输出曲线”也可能更为真实，并且反映所实现的功率转换器的实际可行之处。然后，例如，在当前输出电压信号与优化输出电压信号之间的面积将是被量化的偏差。如果该偏差高于特定预定义的阈值，则偏差检测器触发更新间隔。

前文已经说明过，偏差检测器可能仅在特定时间、特定频率或仅在重新启动之后才被激活。这些说明在此处也适用。

更新间隔的触发启动调节器参数预测和更新处理，并且因此将参数预测器置入操作中。如在图1中由线路L3所示出的，参数预测器也可以被连接到存储器。因此，存储器还可以包括用于如上文所述的选择的负载场景的调节器参数值(诸如P、I、D系数)。因此，参数预测器可以使用相应的PID系数作为更新的调节器参数，并且经由如在图1中示出的连接两者的线路L3将它们转发给在功率转换器中的PID控制器。

备选地，参数预测器随机地对调节器参数值进行较小的改变，并估计所产生的性能反馈信号。如果性能降低，则参数预测器将再次以随机方式进行另一小的改变，例如从原始参数开始(在前一个改变之前)。此处理将被迭代，直到找到性能改善为止。然后经更新的调节器参数值将被保持。

在比该随机策略更高级的实施例中，参数预测器从先前的误差模式学习，然后进行更高级的猜测。例如，将误差分解为指示特定动作的部件(诸如增加D系数)，以及然后通过将原始增量与一个较小值相乘(这基本上是Q学习方法)来小步增加相应的更新。

在该实施例中，该调节器参数预测更新处理在功率转换器的功率转换操作期间发生，使得在调节器参数更新之后立即在实际操作中产生输出量的当前输出信号。因此，在图1中示出的性能反馈信号生成器接收这些当前输出信号，并且然后(针对发生的下一个负载阶跃)可以将这些当前输出信号与针对如上文所述的下一个负载阶跃所选择的负载场景定义的优化输出信号进行比较。尤其是，在许多重要的应用中，例如像CPU这样的负载会快速接通和关断内核等，并且因此产生一系列的负载阶跃。因此，它可以产生性能反馈信号，该性能反馈信号可以是如上文所述的量化度量，即在下一个负载阶跃中的当前输出信号曲线与相应的所选择的负载场景的优化输出信号之间的面积。

参数预测器经由在图1中的线路L4接收性能反馈信号或奖励信号，并且将其与性能阈值进行比较。因此，参数预测器可以确定更新是否导致了足够的改善。

在一种简单的实施例中，参数预测器使用蒙特卡罗Monte Carlo方法，即对P、I、D系数的新的更新的调节器参数的随机猜测。在这种方法中，在先前参数与经更新的参数之间的差异被限制在特定的范围内，并且只允许较小的变化。在设置随机改变的调节器参数之后，性能反馈信号指示是否已经实现了改善。如果没有实现改善，则可以进行重新迭代，可以在相同的更新间隔内随机选择用于更新的新的调节器参数集，并且可以重新迭代此过程，直到性能反馈信号再次在相同的更新间隔内指示改善为止。

一个接一个地更新调节器参数而不是针对所有参数进行猜测(例如对所有三个P、I、D系数一起进行猜测)可以是更有效的。由于距理想性能的特定偏差可能只强烈地连接到调节器参数中的一个特定参数，因此可能的是，有效地选择待随机更新或按预先确定的顺序更新的参数类型(例如P、I或D)，如果一个参数不成功，则不对同一个或相同的参数重复猜测。可能发生的情况是，经更新的参数不强烈地连接到实际发生的偏离理想性能的偏差，因此更新另一个参数更为合适。

备选地，针对所存储的在多个存储器中的每个负载场景，存储器可以包括通常的误差信号。换言之，存储器可以包括用于输出量(此处是电压)的非最优但通常的输出信号，以使得能够在当前输出信号与这些通常的误差输出信号之间进行比较。作为示例，通常的输出信号可以被存储在分配给调节器参数类型的组中，诸如用于P系数的一组、用于I系数的一组和用于D系数的另一组。在该示例中，参数更新处理可以被逐步进行，并且例如，可以从将误差与分配给I系数的组中的负载场景进行比较开始，参数预测器可以选择最接近的一个，即类似的瞬态响应，并且可以使用被存储在存储器中的选定载荷方案中的I参数变化值。然后，可以通过比较相应的负载场景组并且选择适当的一个负载场景组以及使用相应的存储的D系数变化值来对D系数重复相同的过程。此后，针对P系数重复同样的过程。该过程可以被完全或部分重复，直到设置了特定PID系数集并且达到足够“良好”的性能反馈信号为止。

在更一般的语言中，可以对误差进行主要部件分析，并沿着主部件选择参数更新方面的校正动作。该过程被重复，直到性能反馈信号被认为是令人满意的为止。

图1还示出了连接到偏差检测器、输入和输出量线路以及存储器(线路L4)的信号分析器。在存储器中包含的数据中没有适当的存储负载场景的剩余概率存在的情况下，可以添加信号分析器。换言之，信号分析器在可能发生异常负载状况、或在存储器中的数据可能不足以满足特定的负载状况情况下是有用的。然后，信号分析器可以检查与确定是否可以找到足够相似的负载场景，例如，通过使用与前面已经说明的相同的度量(在曲线之间的面积)。在由偏差检测器激活之后，信号分析器可以在无法找到当前条件下的适当负载场景时禁止更新间隔的触发。另外，这可以避免徒劳的或甚至有害的更新处理，并且节省能量。

在图1中除了开关设备的元件可以被实现为软件(例如在微控制器中)或者可以被实现为可编程的专用硬件。

由暂停分隔的更新间隔的时间表可以在图2中示意性地见到。通常，更新间隔的频率可以在10^-2Hz到10²Hz的范围中，而PID调节器可以在10⁴Hz至10⁶Hz操作，但这不是强制的。

在功率转换器的当前负载状况与预定义的负载场景之间的比较可以很容易地通过经训练的神经网络来完成，以作为上文所述的度量(在曲线之间的面积)的备选场景，并且相应的神经网络可以分别是偏差检测器、性能反馈信号生成器(如果不同于偏差检测器)和参数预测器的一部分。经训练的神经网络也是当前输出信号与期望输出信号(此处是输出电压)之间的差异的量化的适当实现方式，这适用于偏差检测器和/或参数预测器。在图3中示出了在这些功能中的神经网络NN。

在上文的描述中，实际检测到的输出信号与储存的输出信号进行比较。在这些比较的任何比较中，可以选择并考虑特定的时间间隔，并且，优选地，在这些时间阶段中的数据越年轻则可以被越高地加权。例如，加权可以与数据的“年龄”成线性关系。

如在图1中示出的，参数预测器也可以具有温度输入端子5。因此，参数预测器在更新时可以考虑温度对调节器参数的影响。此外，存储在存储器中的特定负载场景的数据也可以包括温度。然而，在参数预测器中实现针对温度影响的特定功能可能是有利和充分的。

图3是用于图示所说明的功率转换器操作的方法步骤的流程图。实际上，在第一步骤中，输入电压V_in和输入电流I_in由功率转换器接收。功率转换器操作以产生相应的转换输出量(即输出电压V_out和输出电流I_out)，这是通过在功率转换器中的开关设备的开关操作来完成的。在该操作中，开关设备由在功率转换器中包括的PID调节器在由参数预测器设置的P、I、D系数的基础上控制。这些参数在更新间隔期间由参数预测器更新，而性能反馈信号生成器生成性能反馈信号，以便使参数预测器能够找到适当的更新参数。如果偏差检测器发现在当前输出信号与优化输出信号之间的偏差超过特定阈值，而在更新间隔之外不存在更新操作(换言之，更新操作的暂停)，则触发更新间隔。这样的暂停通常可以持续一小时或甚至更长时间，这取决于功率转换器的工作条件的改变有多慢，尤其是取决于其中部件的老化过程。

总而言之，本实施例提供了功率转换器的调节器(此处是PID调节器)的“实际操作”自动重新调谐以改变条件的重要优点，尤其是因为老化效应而导致的部件值的移位。然而，尽管存在调节器参数的连续优化的选项，但在本实施例中，发明人已经选择将更新处理约束在由暂停分隔的有限更新间隔。这节省了能量，并且针对相对缓慢改变的操作状况尤其有利。因此，在暂停内，与最优性能的小偏差被容许(例如小的过电流)。最后，重新调谐不需要功率转换器的操作中断，并且，在本实施例中，在初始调谐中的影响可以被限制。

Claims

1.一种电功率转换器(1)，用于将输入量，即输入电压V_in和输入电流I_in，转换到经转换的输出量中，即经转换的输出电压V_out和经转换的输出电流I_out，所述电功率转换器(1)具有：

输入端子(2)，用于接收所述输入量，

输出端子(3)，用于输出所述经转换的输出量，

开关设备，所述开关设备被开关以用于所述电功率转换器(1)的转换操作，所述开关设备具有控制端子(4)，

调节器，被连接到所述控制端子(4)，所述调节器用于基于至少一个调节器参数来控制所述开关设备，

参数预测器，用于实施所述至少一个调节器参数的预测，以及基于所述预测来更新所述调节器的所述至少一个调节器参数，

性能反馈信号生成器，被连接到所述功率转换器(1)的所述输出端子(3)，并且所述性能反馈信号生成器可操作用于提供指示所述转换操作的性能的性能反馈信号，

所述参数预测器被配置为在更新间隔期间，基于所述性能反馈信号来预测并且更新所述至少一个调节器参数，所述更新间隔在所述功率转换操作期间发生，并且所述更新间隔由在其中没有实施所述至少一个调节器参数的更新的暂停所分隔。

2.根据权利要求1所述的电功率转换器(1)，还包括偏差检测器，所述偏差检测器被连接到所述功率转换器(1)的所述输出端子(3)，所述偏差检测器用于检测在所述输出量中的至少一个输出量的当前信号与所述输出量中的相应输出量的期望输出信号之间的偏差，其中所述参数预测器在所述电功率转换器(1)的至少一个操作模式中可操作为响应于确定的所述偏差超过预先确定的阈值而触发用于更新所述至少一个调节器参数的更新间隔。

3.根据权利要求2所述的电功率转换器(1)，其中所述期望输出信号对应于针对从多个预定义负载场景之中选择的负载场景而定义的优化输出信号。

4.根据权利要求3所述的电功率转换器(1)，其中使用所述功率转换器(1)的当前负载状况与所述预定义负载场景的比较，执行从所述多个预定义负载场景中的所述选择。

5.根据前述权利要求中任一项所述的电功率转换器(1)，其中所述性能反馈信号生成器可操作为根据在所述输出量中的至少一个输出量的当前信号与所述输出量中的所述相应输出量的期望信号之间的差异的量化来输出所述性能反馈信号，其中所述期望信号对应于从多个预定义负载场景之中选择的负载场景而定义的所述输出量中的所述相应输出量的优化信号。

6.根据前述权利要求中任一项所述的电功率转换器(1)，其中所述参数预测器可操作为将所述至少一个调节器参数更新至与从多个预定义负载场景之中选择的负载场景相关联的至少一个调节器参数值。

7.根据权利要求3至6中任一项所述的电功率转换器(1)，还包括信号分析器，所述信号分析器可操作为比较所述功率转换器(1)的当前负载状况与所述预定义负载场景，并且如果来自所述当前负载状况的、在预先确定的阈值度量内的负载场景不能在所述多个负载场景之中被找到，则所述信号分析器可操作为禁止所述至少一个调节器参数的更新。

8.根据权利要求4至7中任一项所述的电功率转换器(1)，具有经训练的神经网络NN，所述经训练的神经网络NN可操作为比较所述功率转换器(1)的所述当前负载状况与所述预定义负载场景。

9.根据权利要求5、可选地结合权利要求6、7或8所述的电功率转换器(1)，具有经训练的神经网络NN，所述经训练的神经网络NN可操作为提供所述当前信号与所述输出量中的所述相应输出量的所述期望信号之间的所述差异的所述量化。

10.根据权利要求2、可选地结合权利要求3至9中任一项所述的电功率转换器(1)，其中所述偏差检测器包括经训练的神经网络NN，所述经训练的神经网络NN可操作为确定在所述当前信号与所述输出量中的所述相应输出量的所述期望信号之间的所述偏差。

11.根据权利要求4至10中任一项所述的电功率转换器(1)，其中用于与所述预定义负载场景进行比较的所述当前负载状况包括在当前时间阶段内的所述功率转换器(1)的所述输出量中的至少一个输出量的负载状况数据，并且其中在所述比较中，所述负载状况数据中较新的数据与所述负载状况数据中较旧的数据相比被更高地加权。

12.根据前述权利要求中任一项所述的电功率转换器(1)，其中所述参数预测器具有用于接收温度输入信号的温度输入端子(5)，并且所述参数预测器可操作为响应于在所述温度输入端子(5)处的所述温度输入信号来更新所述至少一个调节器参数。

13.根据前述权利要求中任一项所述的电功率转换器(1)，其中所述参数预测器可操作为通过以下方法中的一种方法更新所述至少一个调节器参数：蒙特卡罗方法、Q-学习、SARSA、Q-学习-lambda、SARSA-lambda、DQN、DDPG、A3C、NAF、TRPO、PPO。

14.一种操作电功率转换器(1)的方法，所述电功率转换器(1)用于将输入量，即输入电压V_in和输入电流I_in，转换到经转换的输出量，即经转换的输出电压V_out和经转换的输出电流I_out，所述方法包括以下步骤：

接收所述输入量，

输出所述经转换的输出量，

对用于所述电功率转换器(1)的转换操作的开关设备进行开关，

基于至少一个调节器参数，由调节器控制所述开关设备，

使用参数预测器，预测所述至少一个调节器参数，并且基于所述预测来更新所述调节器的所述至少一个调节器参数，

提供性能反馈信号，所述性能反馈信号指示所述转换操作的性能，

在更新间隔期间，基于所述性能反馈信号预测并更新所述至少一个调节器参数，

所述更新间隔发生在所述功率转换操作期间，并且所述更新间隔由在其中没有实施所述至少一个调节器参数的更新的暂停所分隔。

15.根据权利要求14所述的方法，其中分隔所述更新间隔的所述暂停至少是一个小时。