电力电子人工智能设计竞赛

本竞赛旨在探索人工智能(Artificial Intelligence,AI)在电力电子领域的创新应用,如AI在电力电子设计、控制、运维等领域的应用,基于AI的项目规划管理,AI与领域知识融合方法等。鼓励大学生关注AI前沿,鼓励创新,鼓励开源,以促进“AI+电力电子”实际落地和产业升级。

 

赛道组织机构

主办单位:中国电源学会、中国电源学会科技竞赛工作委员会
承办单位:山东大学
冠名合作伙伴:台达电子企业管理(上海)有限公司
联合合作伙伴:德州仪器半导体技术(上海)有限公司
测试合作伙伴:上海远宽能源科技有限公司

 

竞赛题目及要求

◆ 竞赛题目:基于人工智能的电力电子控制系统

人工智能(AI)与电力电子控制的融合,是推动功率变换技术向智能化、自适应化发展的关键前沿。这一交叉领域的探索最早可追溯至20世纪80-90年代,当时的研究者已开始尝试应用神经网络等算法生成控制信号。历经数十载发展,随着当前AI技术(特别是在深度学习、强化学习等方面)的突破性进展,以及电力电子器件与拓扑结构的不断成熟,两者深度融合的机遇空前广阔。AI技术不仅为电力电子系统带来了性能优化的新工具,更可能催生控制范式的革新,例如实现更精确的状态观测、更优的实时参数整定、更智能的保护机制,乃至探索新型的直接智能控制架构。

本赛题旨在鼓励参赛者深入探索AI与电力电子控制的深度融合,聚焦创新性与实用性。参赛者需选择一种或多种前沿AI算法,与特定的电力电子变流器拓扑(如各类双向AC-DC变流器、隔离及非隔离DC-DC变换器等)及其应用场景相结合,进行创新设计。核心任务在于开发能够显著提升系统性能、增强场景适应性、或实现新功能的新型控制解决方案。

◆ 参赛设计技术要求

1. 将AI技术应用于电力电子变换器控制的所有或部分环节。应用场景、拓扑结构、功率等级与电压范围自选。鼓励面向新能源与储能并网场景的T-NPC变流器、服务器电源场景的交错并联Buck开展优化设计。控制性能应当体现AI介入控制所带来的独特优势, 算法应当具有可迁移性,不能局限于单一工况的优化。
2. AI介入的控制环节可以包括但不限于:变换器开关序列优化,调制策略改进,状态观测,参数调整,控制架构优化,误差追踪,系统故障预警等。AI介入后的效果应当能够通过变流器整体测试体现在具体指标的提升,如效率,EMC性能,动静态指标。
3. 交付物是一套AI控制系统,包括实时控制算法和控制硬件电路两部分。算法必须能够完全或部分部署在德州仪器TMS320F28P55x平台,并具备与半实物仿真平台或实验平台的接口,以便在实时运行状态下验证控制性能。算法须充分利用F28P55X的NPU计算能力。
4. 控制系统须控制半实物仿真或实验平台。赛道组委会提供远宽MT6020实时仿真器(20kHz以下开关频率可以使用任意拓扑结构,更高开关频率请咨询赛道秘书处)用于比赛测试,也可自备半实物仿真平台。鼓励直接使用硬件电路验证控制效果,如使用硬件电路,则无须支持半实物仿真验证。
5. 参赛项目的代码最终须开源,以促进电力电子设计社区的技术交流和合作,推动电力电子AI控制方向的发展。

◆ 选题参考

AI技术与任意变换器的控制结合均可,包括但不限于以下方向:
1. AI技术实现传统控制难以达到的控制性能:例如,利用神经网络控制实现脉冲型负荷的快速补偿,达到前所未有的响应速度并保持极低的超调。
2. AI技术应对传统控制难以应对的工况:例如,利用人工智能技术实现对电网阻抗,频率,电压的异常风险检测,并针对性调整控制策略。
3. AI技术协同传统控制策略难以兼顾的控制目标:例如,基于变流器电热耦合模型,在能效,可靠性,输出质量等多个目标实现协同优化。
4. AI技术实现在线学习与自我优化:例如根据历史运行中的扰动进行自我优化,实现扰动抑制能力的持续提升。
5. AI技术实现变换器控制对产品序列自动适配:例如,针对一类拓扑实现控制一键部署,适配全产品序列的功率和电压等级,运行的动静态指标不发生显著劣化。
6. 其他:放飞想象,探索一切你认为AI控制具备优势的领域,但指标需要可评测可对比。

 

◆ 测试要求

1. 算法的基础功能测试:是否满足所用变换器拓扑和所面向应用的基本要求,比如对电压,电流,功率等变量的控制能力。变换器应当工作在合理的工作条件下,比如应当具有合理的开关频率范围,电容电感参数,开关电压电流应力。
2. 智能控制性能测试:对比传统控制策略,尤其是不依赖AI的先进控制算法(如Deadbeat, MPC等),是否具备更加突出的性能,功能,是否具备工况迁移能力,是否解决了传统控制无法解决或者解决不好的问题。注意: 不认可模糊控制、遗传算法等为AI算法。
3. AI介入程度及创新性评价:由评审专家进行多维度评价,如应用的AI技术是否合理,方案是否具有创新性,优势是否具备说服力,AI在控制环路中的占比,是否可以合理解释AI对性能提升的具体作用原理。
4. 算力需求,部署的快速性和方案合理性评价: 是否用尽可能少的资源达到了预期的效果;部署和移植是否便捷快速;如果采用了多平台协同,是否有必要,是否充分发挥了实时控制器的潜力。
5. 代码完整性和方案清晰性评价:代码是否有可读性、可维护性和可扩展性,以便于开源后其他开发者理解和二次贡献。同时,代码应包含详细的注释和文档,绘制控制框图,指明控制信号,采样信号与变换器电路的对应关系,说明各部分功能和原理,以促进开源社区的交流和合作。

冠名合作伙伴
联合合作伙伴
测试合作伙伴
参赛高校