Ідентифікація паразитних параметрів моделі перетворювача постійного струму генетичним алгоритмом

Владислав  Байда; Олександр  Велігорський

doi:10.25140/2411-5363-2025-4(42)-165-186

Автор(и)

Владислав Байда Національний університет «Чернігівська політехніка», Україна https://orcid.org/0009-0004-2172-8057
Олександр Велігорський Національний університет «Чернігівська політехніка», Україна https://orcid.org/0000-0002-8256-7339

DOI:

https://doi.org/10.25140/2411-5363-2025-4(42)-165-186

Ключові слова:

генетичний алгоритм; моделювання; кіберфізична система; апаратне забезпечення; цифровий двійник

Анотація

У статті представлено уточнення паразитних параметрів математичної моделі перетворювача постійного струму шляхом застосування генетичного алгоритму, з метою подальшого створення високоточних цифрових двійників для діагностики обладнання силової електроніки. Запропоновано підхід до ідентифікації семи паразитних параметрів моделі перетворювача постійного струму, що знижує напругу, на основі експериментальних вимірювань струму через індуктивність та напруги на конденсаторі фільтру. Використання генетичного алгоритму з багатокритеріальною функцією пристосованості дозволило досягти симетричних відхилень паразитних параметрів моделі від реальних виміряних сигналів, що забезпечує можливість встановлення єдиного порогового значення для методології діагностики. Результати заповнюють прогалину у застосуванні генетичних алгоритмів для багатопараметричної оптимізації цифрових двійників силової електроніки.

Посилання

Siemens AG. (2024). The true cost of downtime 2024: Fortune Global 500 analysis (Siemens/Senseye). Siemens AG.

Yang, S., Bryant, A., Mawby, P., Xiang, D., Ran, L., & Tavner, P. (2011). An industry-based survey of reliability in power electronic converters. IEEE Transactions on Industry Applications, 47(3), 1441–1451. https://doi.org/10.1109/TIA.2011.2124436.

Ajra, Y., Hoblos, G., Al Sheikh, H., & Moubayed, N. (2024). A literature review of fault detection and diagnostic methods in three-phase voltage-source inverters. Machines, 12, 631. https://doi.org/ 10.3390/machines12090631

Lei, Z., Zhou, H., Dai, X., et al. (2023). Digital twin based monitoring and control for DC–DC converters. Nature Communications, 14, Article 5604. https://doi.org/10.1038/s41467-023-41248-z.

McKinsey & Company. (2022). Digital twins: The key to smart product development. McKinsey Digital.

MarketsandMarkets. (2020). Digital twin market: Global forecast to 2025. Market Research Report.

Xiao, B., Zhong, J., Bao, X., et al. (2024). Digital twin-driven prognostics and health management for industrial assets. Scientific Reports, 14, Article 13443. https://doi.org/10.1038/s41598-024-63990-0.

Riba, J.-R., Moreno-Eguilaz, M., Bogarra, S., & Garcia, A. (2018). Parameter identification of DC–DC converters under steady-state and transient conditions based on white-box models. Electronics, 7, 393. https://doi.org/10.3390/electronics7120393.

Erickson, R. W., & Maksimović, D. (2020). Fundamentals of power electronics (3rd ed.). Springer.

Yao, K., Tang, W., Hu, W., & Lyu, J. (2015). A current-sensorless online ESR and C identification method for output capacitor of buck converter. IEEE Transactions on Power Electronics, 30(12), 6993–7005. https://doi.org/10.1109/TPEL.2015.2406335.

Mahmud, T., & Santos Jr., E. C. D. (2025). DNN-based digital twin framework of a DC–DC buck converter using spider monkey optimization algorithm (arXiv:2509.06279). arXiv. https://arxiv.org/abs/2509.06279.

Peng, Y., Zhao, S., & Wang, H. (2021). A digital twin based estimation method for health indicators of DC–DC converters. IEEE Transactions on Power Electronics, 36(2), 2105–2118. https://doi.org/10.1109/TPEL.2020.3018420.

Milton, M., de la O, C., Ginn, H., & Benigni, A. (2020). Controller-embeddable probabilistic real-time digital twins for power electronic converter diagnostics. IEEE Transactions on Power Electronics. Advance online publication. https://doi.org/10.1109/TPEL.2020.2971775.

Di Nezio, G., Benedetto, M., Lidozzi, A., & Solero, L. (2023). DC–DC boost converters parameters estimation based on digital twin. IEEE Transactions on Industry Applications. Advance online publication. https://doi.org/10.1109/TIA.2023.3286832.

Ortiz-Castrillón, J. R., Saldarriaga-Zuluaga, S. D., Muñoz-Galeano, N., et al. (2023). Optimal sliding-mode control of semi-bridgeless boost converters considering power factor corrections. Energies, 16(17), 6282. https://doi.org/10.3390/en16176282.

Nishat, M. M., Faisal, F., Evan, A. J., Rahaman, M. M., Sifat, M. S., & Rabbi, H. M. F. (2020). Development of genetic algorithm (GA) based optimized PID controller for stability analysis of DC–DC buck converter. Journal of Power and Energy Engineering, 8(9), 8–19.

Steady state and transient state analysis of buck–boost converter with genetic algorithm optimized PID controller. (2023). In Proceedings of an IEEE conference. https://doi.org/10.1109/ document/10084253.

Gill, L., Neely, J. C., Rashkin, L. J., Flicker, J. D., & Kaplar, R. (2020). Co-optimization of boost converter reliability and volumetric power density using genetic algorithm. In Proceedings of the IEEE Energy Conversion Congress and Exposition (ECCE) (pp. 1–7). IEEE.

Buck converter parameters design using artificial intelligence-based genetic algorithm. (2024). In Proceedings of an IEEE conference. https://doi.org/10.1109/document/10808195.

Ren, L., & Gong, C. (2019). An online ESR estimation method for output capacitor of boost converter. IEEE Transactions on Power Electronics, 34(10), 10153–10165. https://doi.org/10.1109/ TPEL.2018.2889462.

ESR estimation for aluminum electrolytic capacitor of power electronic converter based on compressed sensing and wavelet transform. (2021). IEEE Transactions on Power Electronics.

ESR estimation schemes of output capacitor for buck converter from capacitor perspective. (2020). Electronics, 9(10), Article 1596. https://doi.org/10.3390/electronics9101596.

Switched-resistance method for inductor DCR and switch parameter estimation of DC–DC converter. (2023). IEEE Transactions on Power Electronics.

Online inductance monitoring based on dynamic characteristics and ESR effect compensation for buck converter without current sensor. (2024). IEEE Transactions on Power Electronics.

An approach for online estimation of on-state resistance in SiC MOSFETs without current measurement. (2023). IEEE Transactions on Power Electronics.

Tuluhong, A., Wang, W., Li, Y., Wang, H., & Xu, L. (2022). Parasitic parameter extraction and identification method for HFT based on DC–DC converter in EV application. IEEE Journal of Emerging and Selected Topics in Power Electronics, 10, 4303–4318.

Parameter identification of DC–DC converter based on dendrite net under fluctuating input voltages. (2023). IET Power Electronics.

Parameter estimation of power electronic converters with physics-informed machine learning. (2022). IEEE Transactions on Power Electronics. https://doi.org/10.1109/TPEL.2022.9779551.

Aguila-Leon, J., et al. (2021). Particle swarm optimization, genetic algorithm and grey wolf optimizer algorithms performance comparative for a DC–DC boost converter PID controller. Advances in Science, Technology and Engineering Systems Journal, 6(1), 619–625.

Jia, D., & Wang, D. (2024). Current stress minimization based on particle swarm optimization for dual active bridge DC–DC converter. Actuators, 13(10), Article 421. https://doi.org/10.3390/ actuators13100421.

Enhancing efficiency in bidirectional DC–DC converters through PSO-based optimization. (2024). In Proceedings of an IEEE conference.

Choksi, K., Mirza, A. B., Zhou, A., Singh, D., Hijikata, M., & Luo, F. (2023). Self-evolving digital twin-based online health monitoring of multiphase boost converters. IEEE Transactions on Power Electronics, 38(12), 16100–16117. https://doi.org/10.1109/TPEL.2023.3311710.

De Benedetto, M., et al. (2022). A real-time digital twin approach on three-phase power converters applied to condition monitoring. Applied Energy.

Di Nezio, G., et al. (2022). Digital twin based real-time analysis of DC–DC boost converters. In Proceedings of the IEEE Energy Conversion Congress and Exposition (ECCE). IEEE.

Milton, M., De La O, C., Ginn, H. L., & Benigni, A. (2020). Controller-embeddable probabilistic real-time digital twins for power electronic converter diagnostics. IEEE Transactions on Power Electronics, 35, 9850–9864.

Saharia, B. J., & Sarmah, N. (Year). Comparison of popular metaheuristic optimization algorithms for the optimal design of DC–DC converters. International Journal of System Assurance Engineering and Management.

Baida, V., & Velohorskyi, О. (2025). Metodolohiia diahnostyky aparatnoho zabezpechennia z vykorystanniam informatsiinoi tekhnolohii tsyfrovoho dviinyka. [Methodology for diagnosing hardware using digital twin information technology.] Tekhnichni nauky ta tekhnolohii – Technical Sciences and Technologies, (2(40)), 234–253. https://doi.org/10.25140/2411-5363-2025-2(40)-234-253.