CN112307703B - 一种边缘计算智能功率模块 - Google Patents
一种边缘计算智能功率模块 Download PDFInfo
- Publication number
- CN112307703B CN112307703B CN202011166730.0A CN202011166730A CN112307703B CN 112307703 B CN112307703 B CN 112307703B CN 202011166730 A CN202011166730 A CN 202011166730A CN 112307703 B CN112307703 B CN 112307703B
- Authority
- CN
- China
- Prior art keywords
- data
- power
- control
- current
- edge computing
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/392—Floor-planning or layout, e.g. partitioning or placement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Architecture (AREA)
- Inverter Devices (AREA)
- Power Conversion In General (AREA)
Abstract
一种边缘计算智能功率模块,其中基础拓扑单元包括多个以串联、并联或串并联混合方式连接的功率器件,状态数据采集单元采集功率器件的状态数据;数据存储单元接收状态数据采集单元采集的状态数据和通过通信总线传递的外部数据并通过通信总线发送边缘计算智能功率模块的内部数据;控制策略生成单元通过人工智能算法分析计算数据存储单元内的数据,产生功率器件运行参考信号和对边缘计算智能功率模块进行智能功率管理的控制信号;功率器件控制执行单元根据控制策略生成单元产生的控制信号驱动对应功率器件完成对应行为。本发明可实现自均衡实时控制和异常分析,并能进行组合形成更大容量的功率系统,具有可重构、全自主、实时高效、可离线等优点。
Description
技术领域
本发明属于电力电子技术领域,具体的说是涉及一种边缘计算智能功率模块(Edge Computing–Intelligent Power Module,EC-IPM)。
背景技术
电子电力系统的飞速发展促使功率半导体技术向高频、高温、高压、大功率和智能化、系统化的方向发展,从电力电子基本模块层面提高电能转换效率、信息传送与控制的实时性,对整个电力电子系统的发展具有重要意义。
基于半导体功率器件的功率变换系统是现代以及未来电力电子技术的核心组成部分,随着电力系统对其需求不断提升,主要在大功率、集成化、可靠性三个方面提出了更加严苛的需求。随着通讯技术的不断进步,特别是5G通讯技术的逐渐普及,电力泛在物联网必将深入到功率器件层面,顺应万物互联的趋势。
传统的智能功率模块(IPM)是一个独立工作的结构,其内部可以实现采样、检测、保护等功能,无法做到与外界进行信息交换,也无法组合使用构成系统级实现功率变换功能。
发明内容
为应对大功率、集成化、可靠性、互联这四方面需求,本发明将半导体器件物理、自动控制技术、人工智能技术、网络技术和微系统封装技术相结合,提出一种边缘计算智能功率模块EC-IPM,基于边缘计算提供智能控制,边缘计算作为一种新计算模式,可将具有计算、存储、控制等功能的智能控制平台部署在靠近数据源头的功率器件现场,提供边缘意义上的智能控制,满足了智能功率模块在实时业务、应用智能的基本需求。
本发明提出的单个EC-IPM以功率模块封装的形式,实现自身内部功率器件串并联扩容以及内部电流、电压均衡控制;单个EC-IPM的还可以与外部进行数据交换与决策,如功率系统态势数据收集、分析与控制策略生成,上传模块内部数据等;多个EC-IPM能够进行组合使用构成特定功能的拓扑结构,功能具体的拓扑结构还可以进一步组成更大容量的功率系统,组合后的结构可以实现某种电力变换的特定应用,如电机逆变器,发电机整流器等,其内部还可以派生出多种以特定应用为指向的拓扑结构,并嵌入针对某种特定功率变换应用的硬件控制算法。
单个EC-IPM或多个EC-IPM组合工作,通过数据交换传递内部数据和控制信号,具备EC-IPM集群全自主或半自主控制方式,所以EC-IPM是一种具备“单兵作战”和“协同作战”能力的功率系统集成单元;且EC-IPM提供的在役功率器件及其系统的数据,能够获知在役功率器件和系统的状态,从而构成功率器件全生命周期数据闭环(设计数据、晶圆制造数据、模块封装数据、测试数据、在役数据以及失效检测数据等),有利于提升功率器件及其系统的设计制造水平。
本发明的技术方案为:
一种边缘计算智能功率模块,包括基础拓扑单元、状态数据采集单元、功率器件控制执行单元,
所述基础拓扑单元包括多个以串联、并联或串并联混合方式连接的功率器件;
所述状态数据采集单元用于采集所述多个功率器件的状态数据;
所述边缘计算智能功率模块还包括数据存储单元、控制策略生成单元和通信总线,
所述数据存储单元用于接收所述状态数据采集单元采集的状态数据、接收通过所述通信总线传递的外部数据以及通过所述通信总线发送所述边缘计算智能功率模块的内部数据;
所述控制策略生成单元用于通过人工智能算法分析计算所述数据存储单元内的数据,产生功率器件运行参考信号和对所述边缘计算智能功率模块进行智能功率管理的控制信号;
所述功率器件控制执行单元用于根据所述控制策略生成单元产生的控制信号驱动对应功率器件完成对应行为。
具体的,所述功率器件的状态数据包括但不限于电压数据、电流数据、器件温度数据、环境温度数据、器件实时工作状态,所述状态数据采集单元将采集的状态数据中模拟信号转换为数字信号后传递给所述数据存储单元。
具体的,所述功率器件运行参考信号包括但不限于参考电流信号、参考电压信号和参考工作温度信号,所述控制策略生成单元根据所述数据存储单元内存储的所述多个功率器件的状态数据计算各个所述功率器件的电流数据、电压数据、工作温度数据并分别与所述参考电流信号、参考电压信号、参考工作温度信号进行比较,根据比较结果产生控制各个所述功率器件的电流控制信号、电压控制信号、温度控制信号;
所述功率器件控制执行单元根据各个所述功率器件的电流控制信号、电压控制信号、温度控制信号驱动对应功率器件,使得串联的各个所述功率器件流过电流趋近于参考电流、并联的各个所述功率器件两端电压趋近于参考电压、各个所述功率器件工作温度趋近于参考工作温度。
具体的,所述控制策略生成单元还用于判断计算得到的各个所述功率器件的电流数据和/或电压数据是否出现异常,当发现有一个或多个所述功率器件的电流数据和/或电压数据异常时产生给对应所述功率器件分配更小电流和更低电压的保护控制信号;所述功率器件控制执行单元根据所述保护控制信号驱动对应所述功率器件,使得对应功率器件分配到更小的电流和更低的电压。
具体的,所述控制策略生成单元利用神经网络或膜计算对所述数据存储单元内存储的数据进行计算,其硬件实现形式包括但不限于ASIC、DSP、FPGA、MCU和单片机;所述功率器件控制执行单元用于产生所述功率器件的栅极驱动信号,包括但不限于栅极电荷控制电路、栅极电阻控制电路、栅极电流控制电路。
具体的,所述边缘计算智能功率模块通过所述通信总线与上位控制中心连接和与其余边缘计算智能功率模块连接,所述上位控制中心包括上位机和云端大数据控制中心,所述上位控制中心能够同时与多个所述边缘计算智能功率模块连接;
所述边缘计算智能功率模块接收的所述外部数据包括所述上位控制中心输出的控制指令和其余边缘计算智能功率模块的内部数据;
所述上位控制中心接收所述边缘计算智能功率模块的内部数据并进行分析,获取所述边缘计算智能功率模块中各个功率器件的健康状态;
所述通信总线的实现形式包括但不限于CAN总线、CAN-FD、FlexRay、LIN总线和光纤。
具体的,将多个所述边缘计算智能功率模块通过组合或者级联的方式组成功能具体的电力电子拓扑,利用所述上位控制中心产生控制指令发送到每个边缘计算智能功率模块中控制对应功率器件,使得多个所述边缘计算智能功率模块组成的电力电子拓扑完成对应的功率变换功能。
具体的,将多个功能具体的电力电子拓扑组成智能功率系统,利用所述上位控制中心对每个所述功能具体的电力电子拓扑进行控制,实现功率和功能在对应的电力电子拓扑之间智能分配。
具体的,所述功率器件包括但不限于硅基IGBT器件、硅基功率MOSFET器件、SiCMOSFET器件、SiC IGBT器件、氮化镓器件。
具体的,对于以并联方式连接的IGBT器件,所述状态数据采集单元采用基于神经网络的电流软测量传感器采集以并联方式连接的IGBT器件的集电极-发射极电压、栅极-发射极电压和温度;所述控制策略生成单元采用神经网络PID控制器根据各个IGBT器件的集电极-发射极电压、栅极-发射极电压和温度计算对应IGBT器件的集电极-发射极电流;所述功率器件控制执行单元采用栅电荷调节器根据所述控制策略生成单元产生的均流控制信号改变对应IGBT器件的栅电荷来调节其集电极-发射极电流。
本发明的有益效果为:本发明提出一种以半导体功率器件串并联扩容为基础的边缘计算智能功率模块EC-IPM,具有数据采集、智能算法控制等功能,以实时、高效、智能得控制器件行为,并且引入边缘计算进行状态数据采集和应用,具备自均衡实时控制属性,能够实现均流、均压和温度控制,同时能够根据采集的状态数据进行异常分析。
另外本发明提出的EC-IPM能够进行外部数据交换,根据具体电力电子功能的需求,以电力变换应用为导向能够将本发明的EC-IPM进行组合可形成更大容量的功率系统,各个EC-IPM具备某种应用实时控制属性,通过与外部进行实时数据交换,实现系统级智能功率分配;同时在云端离线情况下,各器件可全自主协同工作,完全实现器件智能化,实现了可分离、可协同工作的一种面向网络的功率集成系统;本发明在功率器件扩容和电压电流均衡、电力电子性能拓展等领域有重要应用意义。
附图说明
下面的附图有助于更好地理解下述对本发明不同实施例的描述,这些附图示意性地示出了本发明一些实施方式的主要特征。这些附图和实施例以非限制性、非穷举性的方式提供了本发明的一些实施例。
图1为本发明提成的一种边缘计算智能功率模块在实施例中的具体架构示意图。
图2为利用本发明提成的一种边缘计算智能功率模块实现内部电流自均衡的原理图。
图3为利用本发明提成的一种边缘计算智能功率模块实现内部电流自均衡的架构图。
图4为将本发明提出的一种边缘计算智能功率模块级联组合使用构成系统级并与外部进行通信的架构图。
图5为将本发明提出的一种边缘计算智能功率模块应用于面向混合励磁同步电机/发电机控制时的架构图。
具体实施方式
下面结合附图和实施例对本发明的技术方案进行描述。下面所述实施例中的具体细节,都用于对本发明的实施例提供更好的理解,不用于限定本发明的保护范围。本领域的技术人员可以理解,即使在缺少一些细节、步骤或采用其他方法、连接等情况下,本发明的实施例也可以被实现。
本发明提出的边缘计算智能功率模块(Edge Computing Intelligent PowerModule,EC-IPM)可以单独使用,也可以进行级联和组合组成容量更大的系统进行使用,下面首先说明单个EC-IPM。
如图1所示,EC-IPM的基础拓扑单元(0)包括N个以串联、并联、串并联混合方式连接的全控型功率器件(Power Device,PD),EC-IPM还包括状态数据采集单元(1)、功率器件控制执行单元、数据存储单元(3)、控制策略生成单元(4)和通信总线(5),用于对上述基础拓扑单元(0)中的功率器件进行全自主、现场式、离线和在线同步地器件行为监控,智能功率分配等。
基础拓扑单元(0)中的功率器件包括硅基IGBT、硅基功率MOSFET、SiC MOSFET、SiCIGBT、氮化镓器件等,基础拓扑单元(0)决定EC-IPM的扩展器件功率容量,还可以通过级联将多个基础拓扑单元(0)组合。
状态数据采集单元(1)用于直接或间接测量驱动基础拓扑单元(0)中的功率器件的状态参数,包括电压、电流、温度(环境温度和器件温度等)以及器件实时工作状态,状态数据采集单元(1)将测得的模拟信号转换为数字信号后传递到数据存储单元(3)并存储起来。
功率器件控制执行单元包括N个栅极驱动控制执行器(2)分别用于驱动基础拓扑单元(0)中N个功率器件,使对应功率器件产生功率系统所期望的行为,栅极驱动控制执行器(2)包含一般功率器件栅极驱动的基本功能。此外,栅极驱动控制执行器(2)包含控制执行器用于将控制策略生成单元(4)中产生的控制策略快速地、精确地融合到栅极控制信号中。一般地,控制执行器主要拓扑有栅极电荷控制电路、栅极电阻控制电路、栅极电流控制电路等。
N个栅极驱动控制执行器(2)的控制行为控制策略生成单元(4)提供,控制策略生成单元(4)的数据来源于数据存储单元(3),数据存储单元(3)存储和预处理来自于状态数据采集单元(1)采集的数据和通过通信总线(5)传递的外部数据,也通过通信总线(5)将数据存储单元(3)存储的EC-IPM的内部数据输出,实现当前边缘计算智能模块的状态数据与外部的状态数据的数据交换,其中外部状态数据来自于云端的控制指令或其他边缘计算模块的内部数据,控制指令携带来自功率系统级的对当前边缘计算智能功率模块的控制信息。
控制策略生成单元(4)通过人工智能算法分析数据存储单元(3)中的数据,产生对当前边缘计算智能功率模块的总的控制策略。控制策略主要用于对当前功率模块内部的器件进行智能功率管理。一般地,控制策略产生包括参考电流(如参考负载电流)信号、参考电压(如参考栅极驱动电压)信号、参考工作温度、器件通断信号等功率器件运行参考信号。控制策略生成单元(4)的算法实现形式包括但不限于神经网络、膜计算等,控制策略生成单元(4)的硬件实现形式包括但不限于ASIC、DSP、FPGA、MCU、单片机等。
通信总线(5)实现形式包括但不限于CAN总线、CAN-FD、FlexRay、LIN总线、光纤等。通信总线(5)的基本功能是实现边缘计算智能功率模块之间及边缘计算智能功率模块与云控制平台的数据交换,以实现系统级的智能功率分配。
在以上描述的器件级边缘计算智能功率模块EC-IPM的基础上,可以通过组合或者级联形成具有一定功能的电力电子拓扑并利用上位控制中心进行控制,电力电子拓扑之间组合或者级联还可以形成新的拓扑结构,依然包含于一种边缘计算智能功率模块的定义,称之为系统级的边缘计算智能功率模块。
因此本发明提出的EC-IPM的构造分为三个层面,器件扩容及其自均衡控制层面、应用拓扑及其控制层面和数据信息交换层面。
第一、器件扩容及其自均衡控制层面
器件扩容及其自均衡控制层面是EC-IPM功率能力扩容的基础,可以采取功率器件(Power Device,PD)并联、串联和混联以分别扩充电流能力、电压能力以及电流电压能力。功率器件扩容技术是提升系统功率容量的唯一途径,如EV/HEV电驱系统、工业大功率变频器、海上风力发电及其海底电缆的高压直流输电等。扩容系统中电流电压不均衡在器件应用中极其普遍和重要。功率器件扩容带来的不均衡电流、电压严重影响器件的可靠性和鲁棒性,该层面通过自均衡控制的手段对不均衡电流和电压进行抑制,从而形成“扩容基本单元”,成为EC-IPM最基础的层面。
第二,应用拓扑及其控制层面
应用拓扑及其控制层面,是将器件扩容及其自均衡控制层面的基础拓扑单元,以某种应用为目的来搭建实现该应用功能的拓扑,并辅之以针对该应用的控制,从而能够使得EC-IPM自身成为一个完整的功率变换系统,具备全自主的属性。如单相/三相整流变换、单相/三相电机逆变器、固态断路器、车用皮带传动起动发电一体机(Belt Starter andGenerator,BSG)控制器等。
第三,数据信息交换层面
数据信息交换层面主要是赋予EC-IPM网络属性,使得EC-IPM能够全自主处理本地属性的同时,可以与外部进行实时数据交换。可采用RS485/422、LIN、CAN、CAN-FD、FLEX-Ray、Ethernet等,并可以采用电缆、光缆等形式进行信息传输。EC-IPM通过这种机制(上位机、云等)和外部进行数据信息交换,可以对EC-IPM进行模式控制,同时EC-IPM可发送自身状态信息,包括底层功率器件的参数,从而形成在役功率器件大数据。通过在役功率器件大数据,可对其进行研究分析,进行健康状态分析与预测,从而构成了功率器件全生命周期数据闭环。
综合以上三个层面,EC-IPM不仅自身可以是一个独立完整的功率系统,也可以将多个EC-IPM按照一定的拓扑进行组合,即EC-IPM集群,从而完成大功率、超大功率扩容或者某种特定的应用。在这种应用中EC-IPM具备全自主控制和半自主控制两种模式。全自主控制模式,即各个EC-IPM不需要上位机或云对其具体的控制进行统一管理调度或是协同,仅仅数据交换、目标或模式设定即可,所有的具体控制与协同由EC-IPM之间自身完成。半自主控制模式需要上位机或云,对每个EC-IPM实施具体的操作,从而实现EC-IPM集群的统一调度和管理。
下面结合具体附图对各种实施方式进行说明。
如图2所示是仅由器件扩容及其自均衡控制层面与数据信息交换层面构成的EC-IPM。本实施例采用n个并联的IGBT(IGBT1~IGBTn)构成基础拓扑单元(0),以增加模块的电流能力。IGBT由于工艺窗口的误差、驱动回路与功率变换回路的寄生参数的不同,而使得IGBT在并联应用时,器件各并联支路的电流不均衡,从而对可靠性和器件寿命产生影响。本发明在EC-IPM中集成了自均流控制功能,以全闭环的方式,并采用有源栅极控制(ActiveGate Control,AGC)的方法进行实施。每个IGBT控制回路包括电流测量模块、控制策略模块和控制执行模块,其中电流测量模块用于对每个支路的IGBT的集电极-发射集电流进行采集,并输出到控制策略生成单元,控制策略生成单元将其与电流设定值ICE.Ref进行比较,并通过其内部的控制算法进行处理后,得到电流控制信号并输出到功率器件控制执行单元,功率器件控制执行单元将电流控制信号处理为能改变IGBT电流的物理量,对IGBT的电流施加调节。从而每个支路IGBT电流可以实时地逼近ICE.Ref,以达到均流效果。控制策略生成单元对整个基于EC-IPM为核心功率器件的功率系统的态势进行分析,并产生电流的控制目标,即电流设定值ICE.Ref。状态数据采集器用于采集和存储内部器件状态数据、外部状态数据,CAN-FD总线接口用于EC-IPM与外部进行数据交换。
下面以均流控制为例进行说明,均压和温度控制同理,在此不再赘述。图3为内部电流自均衡边缘计算智能功率模块架构,包括IGBT并联主回路、传感与控制硬件、控制执行硬件三大部分。在IGBT并联主回路由n个相同型号规格的IGBT按照并联拓扑组成,传感与控制硬件部分包括电源管理、模块策略生成器、状态数据中心、CAN FD总线收发器硬件、测量模块、控制策略模块。其中测量模块由n个基于神经网络的电流软测量传感器构成,该神经网络软测量传感器可以根据IGBT的集电极-发射极电压、栅极-发射极电压、以及IGBT的温度,通过离线学习或在线学习的方式间接计算出IGBT的集电极-发射极电流。控制策略模块由n个神经网络PID(Proportional Integral Derivative)比例-积分-微分控制器组成,该ANN-PID控制器可以实现对对应支路IGBT电流控制量的实时计算,得出每个时刻的控制量。执行硬件部分主要由n个栅电荷调节器(Gate Quantity of Charge,GQR)组成,GQR根据对应ANN-PID计算出的控制量来改变对应IGBT的栅电荷,从而调节其电流,并使得其逼近由控制策略生成单元输出的参考电流,即电流设定值ICE.Ref。同时,数据存储单元还用于汇总EC-IPM模块的内部数据和通过CAN-FD总线获取的外部数据,控制策略生成单元根据外部信息和EC-IPM模块内部状态,生成IGBT的电流参考曲线ICE.SV,并使能各个IGBT。例如,两个同样的内部电流自均衡边缘计算智能功率模块并联,其中一个模块内部的IGBT如果烧毁,那么其所在的模块能够检测到,并禁止所有与该IGBT相关的传感与控制硬件,并通过CAN-FD发送给另一个EC-IPM,两个EC-IPM的模块策略生成器根据该情况,自动调整电流参考曲线,并且通过CAN-FD总线上报该故障给上位机,此时可视为由两个EC-IPM组成的功率变换系统在降额使用,并且同样维持IGBT并联电流均衡。
边缘计算智能功率模块能够根据状态数据实时监测异常情况并将状态数据上传,上位控制中心接收EC-IPM的内部数据并进行分析获取得到EC-IPM中各个功率器件的健康状态。如图4为将边缘计算智能功率模块级联组合使用构成系统级并与外部进行通信的应用例,本实施例由n个内部电流自均衡的边缘计算智能功率模块并联组成kW或MW级的功率系统,每个EC-IPM可以采用图2、3结构的内部电流自均衡EC-IPM。每个EC-IPM以及功率系统级控制器均挂载CAN FD总线,EC-IPM之间、以及EC-IPM与上位控制中心(即功率系统级控制器)之间可进行实时数据交换。功率系统级控制器可将每个EC-IPM的状态数据,进行汇总并通过工业以太网上传到数据库,将EC-IPM的工作状态数据,包含其内部在役功率器件的状态数据上传到云。功率器件厂商、功率系统厂商以及其他用户,可以通过从云获取到这些数据以作为对其产品性能进行提升的重要输入。通过这些数据,借助于人工智能技术还可以对在役功率器件进行健康状态分析,潜在问题分析与查找等,进行故障预警等,特别随着5G网络环境的普及,EC-IPM对物联网的支持尤为重要。
下面以图5所示的面向混合励磁同步电机/发电机控制的边缘计算智能功率模块为例说明上述三个层面结合使用的情况。
器件扩容及其自均衡控制层面:如图5所示,本实施例中基础拓扑单元包括12个IGBT按照两两并联的形式,构成三相逆变/整流桥。状态数据采集单元中对每个IGBT配置有集电极-发射集电压VCE、栅极-发射极电压VGE以及温度T的相关传感器与采集电路,VCE、VGE、T是IGBT集电极-发射极电流ICE的关键影响参数,通过将这些采集值送入IGBT电流软测量模块,可以得到每个IGBT的ICE,作为ANN-PID控制器的一个输入,ANN-PID控制器的另一个输入是来自于控制策略生成单元生成的参考电流ICE.Ref,通过ANN-PID控制得到均流控制量,并通过驱动与GQR模块对每个IGBT施加实际的栅电荷控制信号,使得两两并联的IGBT电流均衡。
应用拓扑及其控制层面:该EC-IPM面向三相混合励磁电机/发电机控制,实现逆变和整流两大主要功能。电机的相电流、母线电流以及母线电压可以通过每个IGBT的VCE、VGE以及温度T间接得到,即软测量的方法。在该EC-IPM的功率变换电路中,配置有一个由4个MOSFET构成的H桥,用于对电机的励磁电流进行控制。励磁电流、电机转子位置以及电机的定子温度可由其它数据采集与处理硬件进行采集和处理。这些数据汇总到状态数据中即数据存储单元,并输入到FOC与同步整流控制器实现对电机的逆变/整流控制。
数据信息交换层面:在该EC-IPM实施例中,采用CAN-FD收发器建立外部数据与该EC-IPM中状态数据中心之间的数据交换。
从图5所示实施例中可以看出,本发明提出的边缘计算智能功率模块在解决半导体功率器件串并联扩容电均衡性的基础上,还实现了以某种应用为目的的实时控制属性,并可与外部进行实时数据交换。EC-IPM具有可分离、可协同工作、并面向网络的属性。
将N个边缘计算智能功率模块通过组合或者级联的方式能够组成功能具体的电力电子拓扑,将M个功能具体的电力电子拓扑、通信总线、云端大数据控制中心进行组合还能够组成边缘计算+功率系统控制中心,在系统级边缘计算智能功率模块中,通信总线用于在各个功能具体的电力电子拓扑之间以及系统控制中心和云端之间传递数据。边缘计算+功率系统控制中心为功能具体的电力电子拓扑提供电源和传统栅极驱动信号,传统栅极驱动信号主要使电力电子拓扑完成具体功能,例如,同步整流,三相逆变等。边缘计算+功率系统控制中心通过分析处理来自所有电力电子拓扑的状态数据,为各个电力电子拓扑提供控制策略元数据,以实现功率和功能在各个电力电子拓扑之间的智能分配。由边缘计算智能功率模块可作为子模块,构建各类电力电子拓扑,一般地按照功能可以包括整流(单相整流、三相整流、多相整流等),逆变(单相逆变、三相逆变、多相逆变等);按照基本拓扑形式包括BUCK、BOOST、BUCK-BOOST、谐振、正激、反激、半桥、全桥等;以及为拓展功能,将上述基本拓扑进行组合后形成的特殊拓扑形式,举例包括,三相整流+PFC+三相逆变、三相整流+PFC+单相逆变、单相整流+PFC+三相逆变、单相整流+PFC+单相逆变、多电平逆变器、串联式低压变频器驱动、两级三相格拉茨桥式变换器、串联等离子镜控制电路等。
虽然实施例以电流自均衡为例,并给出了IGBT的ICE电流测量方式,但并不限定本发明的范围,其余测量方式,和其余电压自均衡应用也适用于本发明提出的EC-IPM;另外实施例中只是以示例性的方式说明了EC-IPM组合构成功率分配系统的应用,但本领域技术人员应该理解本发明的EC-IPM可以进行任意组合实现各自可能的功能,根据实际应用需要设计特定的算法控制对应EC-IPM产生实现各自功能的行为,对于公开的实施例进行变化和修改都是可能的,其他可行的选择性实施例和对实施例中器件的等同变化变化可以被本领域技术人员所了解,如果本领域技术人员,在不脱离本发明的精神所做的非实质性改变或改进,都应该属于本发明权利要求保护的范围。
Claims (8)
1.一种边缘计算智能功率模块,包括基础拓扑单元、状态数据采集单元、功率器件控制执行单元,
所述基础拓扑单元包括多个以串联、并联或串并联混合方式连接的功率器件;
所述状态数据采集单元用于采集所述功率器件的状态数据;
其特征在于,所述边缘计算智能功率模块还包括数据存储单元、控制策略生成单元和通信总线,
所述数据存储单元用于接收所述状态数据采集单元采集的状态数据、接收通过所述通信总线传递的外部数据以及通过所述通信总线发送所述边缘计算智能功率模块的内部数据;
所述控制策略生成单元用于通过人工智能算法分析计算所述数据存储单元内的数据,产生功率器件运行参考信号和对所述边缘计算智能功率模块进行智能功率管理的控制信号;
所述功率器件控制执行单元用于根据所述控制策略生成单元产生的控制信号驱动对应功率器件完成对应行为;
所述功率器件的状态数据包括但不限于电压数据、电流数据、器件温度数据、环境温度数据、器件实时工作状态,所述状态数据采集单元将采集的状态数据中模拟信号转换为数字信号后传递给所述数据存储单元;
所述功率器件运行参考信号包括但不限于参考电流信号、参考电压信号和参考工作温度信号,所述控制策略生成单元根据所述数据存储单元内存储的多个所述功率器件的状态数据计算各个所述功率器件的电流数据、电压数据、工作温度数据并分别与所述参考电流信号、参考电压信号、参考工作温度信号进行比较,根据比较结果产生控制各个所述功率器件的电流控制信号、电压控制信号、温度控制信号;
所述功率器件控制执行单元根据各个所述功率器件的电流控制信号、电压控制信号、温度控制信号驱动对应功率器件,使得串联的各个所述功率器件流过电流趋近于参考电流、并联的各个所述功率器件两端电压趋近于参考电压、各个所述功率器件工作温度趋近于参考工作温度。
2.根据权利要求1所述的边缘计算智能功率模块,其特征在于,所述控制策略生成单元还用于判断计算得到的各个所述功率器件的电流数据和/或电压数据是否出现异常,当发现有一个或多个所述功率器件的电流数据和/或电压数据异常时产生给对应所述功率器件分配更小电流和更低电压的保护控制信号;所述功率器件控制执行单元根据所述保护控制信号驱动对应所述功率器件,使得对应功率器件分配到更小的电流和更低的电压。
3.根据权利要求1或2所述的边缘计算智能功率模块,其特征在于,所述控制策略生成单元利用神经网络或膜计算对所述数据存储单元内存储的数据进行计算,其硬件实现形式包括但不限于ASIC、DSP、FPGA、MCU和单片机;所述功率器件控制执行单元用于产生所述功率器件的栅极驱动信号,包括但不限于栅极电荷控制电路、栅极电阻控制电路、栅极电流控制电路。
4.根据权利要求1所述的边缘计算智能功率模块,其特征在于,所述边缘计算智能功率模块通过所述通信总线与上位控制中心连接和与其余边缘计算智能功率模块连接,所述上位控制中心包括上位机和云端大数据控制中心,所述上位控制中心能够同时与多个所述边缘计算智能功率模块连接;
所述边缘计算智能功率模块接收的所述外部数据包括所述上位控制中心输出的控制指令和其余边缘计算智能功率模块的内部数据;
所述上位控制中心接收所述边缘计算智能功率模块的内部数据并进行分析,获取所述边缘计算智能功率模块中各个功率器件的健康状态;
所述通信总线的实现形式包括但不限于CAN总线、CAN-FD、FlexRay、LIN总线和光纤。
5.根据权利要求4所述的边缘计算智能功率模块,其特征在于,将多个所述边缘计算智能功率模块通过组合或者级联的方式组成功能具体的电力电子拓扑,利用所述上位控制中心产生控制指令发送到每个边缘计算智能功率模块中控制对应功率器件,使得多个所述边缘计算智能功率模块组成的电力电子拓扑完成对应的功率变换功能。
6.根据权利要求5所述的边缘计算智能功率模块,其特征在于,将多个功能具体的电力电子拓扑组成智能功率系统,利用所述上位控制中心对每个所述功能具体的电力电子拓扑进行控制,实现功率和功能在对应的电力电子拓扑之间智能分配。
7.根据权利要求1所述的边缘计算智能功率模块,其特征在于,所述功率器件包括但不限于硅基IGBT器件、硅基功率MOSFET器件、SiC MOSFET器件、SiCIGBT器件、氮化镓器件。
8.根据权利要求7所述的边缘计算智能功率模块,其特征在于,对于以并联方式连接的IGBT器件,所述状态数据采集单元采用基于神经网络的电流软测量传感器采集以并联方式连接的IGBT器件的集电极-发射极电压、栅极-发射极电压和温度;所述控制策略生成单元采用神经网络PID控制器根据各个IGBT器件的集电极-发射极电压、栅极-发射极电压和温度计算对应IGBT器件的集电极-发射极电流;所述功率器件控制执行单元采用栅电荷调节器根据所述控制策略生成单元产生的均流控制信号改变对应IGBT器件的栅电荷来调节其集电极-发射极电流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011166730.0A CN112307703B (zh) | 2020-10-27 | 2020-10-27 | 一种边缘计算智能功率模块 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011166730.0A CN112307703B (zh) | 2020-10-27 | 2020-10-27 | 一种边缘计算智能功率模块 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112307703A CN112307703A (zh) | 2021-02-02 |
CN112307703B true CN112307703B (zh) | 2022-08-26 |
Family
ID=74331303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011166730.0A Active CN112307703B (zh) | 2020-10-27 | 2020-10-27 | 一种边缘计算智能功率模块 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112307703B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113131725A (zh) * | 2021-04-16 | 2021-07-16 | 安徽大学 | 一种基于碳化硅的智能功率模块及应用 |
CN113254216B (zh) * | 2021-06-17 | 2022-01-11 | 深圳云天励飞技术股份有限公司 | 边缘计算模组及其功耗控制方法 |
CN114205899B (zh) * | 2022-01-18 | 2023-04-07 | 电子科技大学 | 一种基于深度强化学习的异构网高能效功率控制方法 |
CN116317113B (zh) * | 2023-02-15 | 2023-11-17 | 西安宇翔电气工程有限公司 | 一种基于物联网的智能配电柜 |
CN117200546B (zh) * | 2023-07-28 | 2024-04-02 | 海信家电集团股份有限公司 | 智能功率模块ipm、控制方法、芯片及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108624871A (zh) * | 2018-05-11 | 2018-10-09 | 中晟光电设备(上海)股份有限公司 | 一种温度控制系统、薄膜沉积设备及温度控制方法 |
CN109525040A (zh) * | 2018-12-06 | 2019-03-26 | 国电南瑞科技股份有限公司 | 一种智能化电站数据采集和共享方法 |
CN208820820U (zh) * | 2018-08-27 | 2019-05-03 | 浙江天正电气股份有限公司 | 一种可实现边缘计算的低压智能组网系统 |
CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
CN111062651A (zh) * | 2020-03-18 | 2020-04-24 | 南京中电科能技术有限公司 | 基于边缘计算和大数据分析的安全用电管理系统及方法 |
CN111598330A (zh) * | 2020-05-13 | 2020-08-28 | 国网河北省电力有限公司电力科学研究院 | 一种基于负荷识别技术的居民用电负荷预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3682377A4 (en) * | 2017-09-15 | 2021-06-16 | Mythic, Inc. | MIXED SIGNAL CALCULATION SYSTEM AND METHODS |
-
2020
- 2020-10-27 CN CN202011166730.0A patent/CN112307703B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108624871A (zh) * | 2018-05-11 | 2018-10-09 | 中晟光电设备(上海)股份有限公司 | 一种温度控制系统、薄膜沉积设备及温度控制方法 |
CN208820820U (zh) * | 2018-08-27 | 2019-05-03 | 浙江天正电气股份有限公司 | 一种可实现边缘计算的低压智能组网系统 |
CN109525040A (zh) * | 2018-12-06 | 2019-03-26 | 国电南瑞科技股份有限公司 | 一种智能化电站数据采集和共享方法 |
CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
CN111062651A (zh) * | 2020-03-18 | 2020-04-24 | 南京中电科能技术有限公司 | 基于边缘计算和大数据分析的安全用电管理系统及方法 |
CN111598330A (zh) * | 2020-05-13 | 2020-08-28 | 国网河北省电力有限公司电力科学研究院 | 一种基于负荷识别技术的居民用电负荷预测方法 |
Non-Patent Citations (3)
Title |
---|
An Edge Computing Platform for Intelligent Operational Monitoring in Internet Data Centers;CongFeng Jiang等;《IEEE Access》;20190926;第133375-133387页 * |
Prototype of Edge Computing IPM with Hardware Artificial Neural Network Soft Sensor and Controller for Parallel Connected IGBT Current Distribution;Xiao Zeng等;《2020 32nd International Symposium on Power Semiconductor Devices and ICs (ISPSD)》;20200818;摘要,正文第1-2节 * |
直流微电网稳定性及控制策略的研究;陈锐;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190915;第C042-521页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112307703A (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112307703B (zh) | 一种边缘计算智能功率模块 | |
WO2022116731A1 (zh) | 电力电子化智能电池单元 | |
TWI624147B (zh) | ㄧ種轉換複數直流電壓訊號以產生ㄧ交流功率訊號的方法 | |
US9190915B2 (en) | Electric-power conversion device | |
US10818945B2 (en) | Voltage control system, fuel cell system, and control method for voltage control system | |
Chowdhury et al. | A novel battery management system using the duality of the adaptive droop control theory | |
Li et al. | Cooperative CC–CV charging of supercapacitors using multicharger systems | |
Boujoudar et al. | Intelligent controller based energy management for stand‐alone power system using artificial neural network | |
WO2022198635A1 (zh) | 储能系统及其控制方法 | |
Hassoune et al. | Control strategies of a smart topology of EVs charging station based grid tied RES-Battery | |
JP2020195221A (ja) | 電源システム | |
Rehman et al. | Design and control of an integrated BMS/DC-DC system for electric vehicles | |
JP7039520B2 (ja) | 電源システム | |
Lin et al. | Hybrid control of networked battery systems | |
Moghassemi et al. | Power converters coolant: past, present, future, and a path toward active thermal control in electrified ship power systems | |
Abdalla et al. | Fast reaching law based integral terminal sliding mode controller for photovoltaic-fuel cell-battery-super capacitor based direct-current microgrid | |
Sun et al. | A battery management system using interleaved pulse charging with charge and temperature balancing based on NARX network | |
US7843713B2 (en) | Method of driving DC/DC converter, and DC/DC converter | |
CN116142011B (zh) | 储能充电系统以及电流配电控制方法 | |
Kuprat et al. | Real-Time thermal characterization of power semiconductors using a PSO-based digital twin approach | |
CN110571853A (zh) | 一种基于径向基神经网络风光发电mppt控制方法及系统 | |
Boi et al. | Evaluation of sic-based three phase power converter for microgrid applications | |
Suciu et al. | AI-based intelligent energy storage using Li-ion batteries | |
Malar et al. | Electric vehicle onboard charging via harris hawks optimization-based fractional-order sliding mode controller | |
Konidaris et al. | Modular multilevel series parallel converter prototype design for li-ion battery management systems |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |