基于物理信息机器学习的双向DC/DC变换器参数辨识方法

本发明提供了一种基于物理信息机器学习的双向DC/DC变换器参数辨识方法，涉及参数辨识技术领域。该方法首先完成了对双向DC/DC变换器的系统动力学模型的建立，其次利用隐式龙格‑库塔方法，构造出数据中间态与初始态和结束态的关系，并将其应用于系统动力学模型中，接着将历史训练数据输入深度神经网络中，得到数据的中间态，并将其作为输入代入物理模型中，实现将物理模型无缝耦合到深度神经网络的训练中。然后利用训练好的PINN实现在线参数辨识。这种混合设计可以无缝地结合BDDC物理模型的数据，有效地调制训练阶段，使其被强制执行到变换器的底层物理原理和约束，大大减少了所需的训练数据。