モデルベース制御とデータ駆動異常検知の融合による電力変換器の高可用化に関する研究

点击翻译按钮获取中文摘要

本研究の目的は、電力変換器のモデルベースの制御手法とデータ駆動による異常検知手法の融合することにより、その性能を維持しつつ安定的な運用を行う手法を開発することである。そこで、本研究においては、制御対象を電力変換器の一種であるDC-DCコンバータとし、モデルベースの制御手法として、データ駆動との相性がよいモデル予測制御を採用する。異常検知手法のためには、異常かどうかを判定するための指標が必要となる。この指標として、DC-DCコンバータに用いられている電気素子のパラメータ値に着目し、それらを制御状態のまま推定し、モニタリングすることで、異常検知の判定を行うことを検討する。モデル予測制御における問題点として最適化問題の演算量の大きさがある。直接的な最適化を実行するにはスイッチング周期以内での演算が必要となるが、従来手法では、演算能力不足の解決のため、事前に演算を行っておき必要に応じて結果を読みだしたり、制御入力候補を絞り込み演算量を削減する方法などが提案されている。事前に演算を行う手法では、モデルパラメータ推定の結果をモデル予測制御に反映することができない。よって、制御入力の分解能を動的に変動することで、少ない制御入力候補による最適化問題の演算量を抑制しつつ制御を行う動的量子化法を採用し、直接最適化によるモデル予測制御をプロトタイプの実験回路により実現した。また、異常検知のためのモデルパラメータ推定について、DC-DCコンバータの状態空間モデルとその線形近似による推定手法を検討した。この手法では特殊な信号などを必要とせず、モデル予測制御時に観測・演算情報のみによりコンバータの素子値を推定することを可能としている。これらの手法を組み合わせることで、DC-DCコンバータを運用しつつ、そのパラメータを推定し、推定結果を随時モデル更新に反映させる一連の仕組みの基礎的な部分が構築した。