申请/专利权人：广西电网有限责任公司电力科学研究院;重庆大学

申请日：2022-07-21

公开（公告）日：2023-04-07

公开（公告）号：CN115425768B

主分类号：H02J50/12

分类号：H02J50/12;G06N3/04

优先权：

专利状态码：有效-授权

法律状态：2023.04.07#授权;2022.12.20#实质审查的生效;2022.12.02#公开

摘要：本发明提供了一种基于PyTorch的LCC‑S型WPT系统负载与自互感识别方法及系统，方法包括：检测LCC‑S型WPT系统的输入电流和传输距离；将输入电流和传输距离输入至神经网络模型，以得到LCC‑S型WPT系统中线圈的自感、线圈间的互感以及负载；神经网络模型基于PyTorch框架得到。该方法提供了一种基于PyTorch神经网络的LCC‑S型WPT系统负载与自互感识别方法，通过对LCC‑S型WPT系统进行建模分析,得到系统模型的检测输入参数，将参数识别问题等效为机器学习的非线性拟合问题，识别精度有较大提升，且系统结构更为复杂,识别参数更多,更有利于对系统的实时控制。

主权项：1.一种基于PyTorch的LCC-S型WPT系统负载与自互感识别方法，其特征在于，包括：检测LCC-S型WPT系统的输入电流和传输距离；将所述输入电流和传输距离输入至神经网络模型，以得到LCC-S型WPT系统中线圈的自感、线圈间的互感以及负载；所述神经网络模型基于PyTorch框架得到；所述神经网络模型包括输入层、输出层以及顺序全连接在所述输入层和所述输出层之间的第1～N个隐藏层，N≥1；第n个所述隐藏层的输出矩阵Hin为：Hin＝Max0,Tin其中，Max为激活函数，Tn为第n个隐藏层的中间变量矩阵,Tn＝[Iinh]ωn+bn，Iin为所述输入电流，h为所述传输距离，ωn为第n个隐藏层的权重矩阵，bn为第n个隐藏层的偏置矩阵；Tin为Tn的第i个元素；i＝1,2,...,32；n＝1,2,...,N；所述线圈的自感包括发射线圈自感L1和接收线圈自感L2；其中：L1＝Max0,T1N，L2＝Max0,T3N；所述线圈间的互感M＝Max0,T2N，所述负载R＝Max0,T4N；所述神经网络模型的训练方法包括：建立LCC-S型WPT系统的系统仿真模型；所述系统仿真模型通过在正方形的磁芯上绕制口字型线圈得到；获取多组数据集；其中每组数据集包括所述系统仿真模型配置的x轴的偏移距离、z轴的传输距离，以及仿真得到的线圈的自感和线圈间的互感；建立LCC-S型WPT系统的电路仿真模型；在每一组所述数据集中加入对应的负载；将所述数据集代入所述电路仿真模型，以得到每一组所述数据集对应的输入电流，将所述输入电流加入对应的数据集中；利用所述数据集训练所述神经网络模型。

全文数据：

权利要求：

百度查询： 广西电网有限责任公司电力科学研究院;重庆大学 基于PyTorch的LCC-S型WPT系统负载与自互感识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD