Estimation of the boost converter inductance current in dynamic conditions by means of NARX neural network

• Autorzy: Nalepa Radosław , Najdek Karol

Identyfikatory

DOI

10.15199/48.2024.05.11

Warianty tytułu

PL

Estymacja prądu indukcyjności przetwornicy podwyższającej napięcie w stanach dynamicznych za pomocą sieci neuronowej NARX

• Języki publikacji: EN

Abstrakty

EN

The article presents a method for estimating the Boost converter inductance current using a NARX neural network. The model works basing on selected sampled and calculated time series, without the involvement of any algebraic equations describing the circuit. The proposed solution enables the estimation of the current in static and dynamic states across the entire load range of the converter, as well as under dynamically changing levels of the supply voltage- this under closed loop output voltage control. The proposed approach can serve as a foundation for further work on the digital twin of the converter. All considerations are based on experimentally verified simulation model.

PL

W artykule przedstawiono sposób estymowania prądu indukcyjności przetwornicy typu Boost za pomocą sieci neuronowej typu NARX. Model działa w oparciu o wybrane szeregi czasowe spróbkowane i obliczone numerycznie, bez udziału jakichkolwiek równań algebraicznych opisujących układ. Zaproponowane rozwi ązanie pozwala na wyznaczanie prądu zarówno w stanach statycznych jak i dynamicznych w pełnym zakresie obciążenia przetwornicy oraz przy zmieniających się dynamicznie poziomach napięcia zasilającego - to przy zamkniętej pętli regulacji napięcia wyjściowego. Zaproponowane rozwiązanie może służyć jako podstawa do dalszych prac nad bliźniakiem cyfrowym przedmiotowej przetwornicy. Wszystkie rozważania oparto na eksperymentalnie zweryfikowanym modelu symulacyjnym.

Słowa kluczowe

EN

boost converter; neural network; NARX; current estimator; digital twin

PL

konwerter Boost; sieć neuronowa; NARX; estymator prądu; bliźniak cyfrowy

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 5
• Strony: 63--67
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Nalepa Radosław

• Division of Power Networks and Systems, Department of Elec trical Power Engineering, Faculty of Electrical Engineering, Wrocław University of Science and Technology, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław, Poland

autor

Najdek Karol

• Division of Power Networks and Systems, Department of Elec trical Power Engineering, Faculty of Electrical Engineering, Wrocław University of Science and Technology, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław, Poland

Bibliografia

• [1] Y. Peng, S. Zhao and H. Wang: A Digital Twin Based Estimation Method for Health Indicators of DC–DC Converters, IEEE Trans. on Power Electronics, 36, pp. 2105–2118, 2021.
• [2] M. M. Rathore, S. A. Shah, D. Shukla, E. Bentafat and S. Bakiras.: The Role of AI, Machine Learning, and Big Data in Digital Twinning: A Systematic Literature Review, Challenges, and Opportunities, IEEE Access 2021 Vol. 9, pp. 32030-32052, 2021.
• [3] M. Grieves and J. Vickers.: Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems, Springer International Publishing, 2017.
• [4] A. Wunderlich and E. Santi.: Digital Twin Models of Power Electronic Converters Using Dynamic Neural Networks, IEEE Applied Power Electronics Conference and Exposition (APEC) 14-17 June 2021, pp. 2369-2376 , 2021.
• [5] R. Nalepa, K. Najdek and B. Strong: Hybrid Tuning of a Boost Converter PI Voltage Compensator by Means of the Genetic Algorithm and the D-Decomposition, MDPI Energies 2021 Vol. 14 Issue 1, pp. 1-20 , 2021.
• [6] R. W. Erickson and D. Maksimovi ´c: Fundamentals of Power Electronics, second edition, Kluwer Academic Publishers, 2024.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).