Online-Parameteridentifikation der DAB zur Erhöhung der Regelperformance mit Methoden des maschinellen Lernens

  • Motivation

    Am ETI wird an Umrichtern für zukünftige DC‑Netze und hybride AC/DC‑Netze geforscht. Zur Kopplung unterschiedlicher Netzebenen und Netzarten sind Solid-State-Transformatoren (SST) notwendig, die neben der Wandlung der Spannung auch die galvanische Trennung der Netzebenen realisieren. Diese SSTs können modular aus Dual-Active-Bridge (DAB) Zellen aufgebaut werden.

    Aufgrund von Fertigungstoleranzen und parasitären Effekten stimmen die gewählten Regelparameter für eine spezifische DAB während des Betriebs nicht mit den angenommen Werten überein.

    Im Rahmen dieser Masterarbeit soll ein Verfahren erarbeitet werden, das es ermöglicht, die Regelstrecke der DAB während des Betriebs zu identifizieren und darauf abgestimmt die Regelparameter anzupassen. Durch die erhöhte Performance können so die Freiheitsgrade im Verbund der DABs zu einem SST besser ausgenutzt werden.

    Aufgabenstellung

    Zunächst erfolgt die Einarbeitung in die Funktionsweise einer Dual-Active-Bridge (DAB) als Teil eines modularen SST. Anhand von theoretischen Überlegungen und Simulationen soll in Matlab/Simulink eine geeignete Identifikationsstruktur zur Erkennung der verschiedenen parasitären Effekte erfolgen. Die daraus folgenden Ergebnisse sollen dann im Regler berücksichtigt werden. Abgeschlossen wird die Arbeit durch Validierung des Verfahrens am realen Aufbau einer DAB.