Systematischer und applikationsweiter Vergleich leistungs-elektronischer Wandler und Komponenten für DC-Netze

Kontakt

Name

Alexander Stippich

Oberingenieur Leistungselektronik und Elektrische Antriebe

Telefon

work
+49 241 80 90100

E-Mail

E-Mail
 

Im Projekt ScaLE wird ein intelligenter Algorithmus erforscht, der die optimale leistungselektronische Topologie für einen Gleichspannungswandler ermittelt. Der Algorithmus ist in der Lage, für einen beliebigen Anwendungsfall eine erste Auslegung des Wandlers zu ermitteln.

Motivation:

Leistungselektronische Wandler und ihre Komponenten sind eine Schlüsseltechnologie für die Entwicklung und Marktdurchdringung von zukünftigen DC-Netzen und deren Anwendungsszenarien. Die dafür benötigten leistungselektronischen Wandler unterscheiden sich allerdings nicht nur auf Basis des Anwendungsszenarios und der Randbedingungen, sondern insbesondere auch hinsichtlich ihrer Topologie.

Eine dedizierte Eingrenzung und Auswahl der bestmöglichen Topologie für ein gegebenes Anwendungsszenario ist aufgrund der Topologievielfalt äußerst umfangreich. Eine initiale Designentscheidung muss deshalb oft auf Basis von subjektiven Erfahrungswerten getroffen werden.

Um vielversprechende Topologien nicht schon im Vorfeld auszuschließen, werden im Projekt ScaLE intelligente Algorithmen erforscht, die einen systematischen Vergleich und eine Bewertung unterschiedlichster Topologien ermöglichen.

Ziele:

  • Holistischer Vergleich unterschiedlicher Topologien, Komponenten und ihrem charakteristischen Verhalten
  • Erforschung der spezifikations- und applikationsübergreifenden Skalierbarkeit von Topologien
  • Erforschung der Auswirkungen von mittelfrequenten Spannungsbelastungen
  • Verifikation des Algorithmus durch Forschungsmuster

Lösungsweg:

  • Erforschung eines Multi-Application-Multi-Objective-Optimization (MAMOO) Algorithmus zum Vergleich verschiedener Wandlertopologien
  • Erforschung eines Strukturbrowsers zur Evaluation der Gemeinsamkeiten und Unterschiede von Prototypen
  • Iterative Optimierung und Erweiterung des Algorithmus durch Forschungsmuster
 
 

Laufzeit

05/2020 - 04/2025

 

Förderung