基于数据驱动的磁性元件磁芯损耗建模研究

摘要

磁性元件在电力电子系统中主要用于实现磁能的传递、存储及滤波等关键功能，直接影响功率变换器的体积、质量、损耗、成本，精确预测磁芯损耗具有重要意义．为解决在使用磁性元件时无法对磁芯损耗做出精确评估的问题，本文提出一种基于数据驱动的磁芯损耗建模方法．使用决策树和XGBoost模型进行励磁波形分类，绘制出测试集中各材料的磁通密度分布图、波形特征图．建立XGBoost、支持向量机、梯度提升回归树和K近邻等4种磁芯损耗预测模型，对测试集中的样本进行磁芯损耗预测．为优化磁性元件性能参数，提出基于遗传算法、粒子群算法的单目标优化模型和基于NSGA-Ⅱ算法的多目标优化模型，得到最优目标函数下相应的温度、频率、波形等参数条件．实验结果表明:XGBoost在波形分类和磁芯损耗预测方面效果最佳，其中，训练集和测试集的磁芯损耗预测准确率分别为85.66%和84.83%; NSGA-Ⅱ算法在磁芯损耗和传输磁能的联合优化中表现最佳．

关键词

数据驱动 / 波形分类 / 磁芯损耗建模 / XGBoost / NSGA-Ⅱ算法