本发明涉及电力设备的温度控制，并且更具体地涉及使用数字数据处理来控制电力设备的温度。
背景技术：
例如，电力设备可以是电力变压器、电机等，其损耗随其负荷水平而变化，并且其大部分损耗被转换成热量。由于功率额定值较高，通常通过强制风冷却、强制油冷却、水冷却或其组合来冷却电力变压器。因此，电力设备需要冷却系统，冷却系统例如可以是用于泵送冷却空气或液体冷却剂(如油和水)的至少一个风扇或冷却泵的布置。对冷却系统减速或加速以将电力设备的温度保持在预定范围内的做法是常见的，并且有许多技术可以实现这一点。
电力设备的运行效率受到多个参数的影响(例如，与电力损耗、寿命损失和降低噪音相关的成本)。为了优化电力设备运行效率而将其作为优化设计的目标，这些参数需要在相互冲突约束条件下进行调整。例如，通常，较低的绕组温度导致较低的绕组铜损。但是，冷却系统的功耗同时将更高，考虑到变压器绕组和冷却系统本身，这意味着整体效率可能不太理想。除了效率之外，绕组温度的变化也是影响变压器寿命周期的关键因素之一。温度变化越频繁，变压器老化越快。这可能使得变压器的效率得到优化，但是会以缩短变压器寿命为代价。对于在市区运行的变压器，为了减少对居民的影响(特别是夜间)，噪音水平也是一个重要的考虑因素。
已经开发了变速冷却系统控制器，用于优化电力变压器的运行效率。在专利wo2015/058354中公开了一个示例，其中公开了针对变压器冷却控制考虑其功率损耗、寿命损失和噪声约束的目标优化的概念。该解决方案涉及：对用户输入的初始数据进行预处理；收集在线数据，并基于根据时间间隔特定的准则的定量模型，计算优化控制指令，以满足变压器损失、顶部油温变化和噪声的要求；以及通过控制可控开关和/或向启动冷却系统的变频驱动器发送控制命令来执行控制动作。这样的解决方案通过考虑变压器铜损、马达-风扇功率消耗和变频驱动器的速度调节而执行冷却控制，而改进变压器的运行效率。通过该方法，计算机可用于搜索最佳冷却控制，从而以高效的方式选择地利用低变频驱动器投资实现针对马达-风扇负载的速度调节。
根据专利wo2015/058354中描述的定量模型，其优化准则的目标涉及在由负荷周期组成的多个连续时间间隔的某个时间间隔中的电力变压器运行效率。负荷周期可以是一段时间，其中电力设备的负荷水平以基本循环(例如，24小时)的方式出现。负荷周期可以被划分为或者等长或者不等的若干时间单位(例如，24个时间间隔、每个时间间隔持续一个小时)。该定量模型仅分别就每个时间间隔来预测电力变压器运行效率。然而，由于先前时间间隔的感兴趣值响应将对后续产生影响，因此基于定量模型的单独优化设计可能不足以满足关于电力设备的负荷周期的运行效率目标的最佳准则。例如，时间间隔n处的冷却优化可能导致时间间隔n+1处的较高初始温度。针对关于负荷周期的初始时间间隔n后续的时间间隔的感兴趣值响应的计算，这样的温度差将逐步累积，这将逐渐增加变压器功率损耗和寿命损失。因此，即使依据每个时间间隔的优化算法在每次间隔处都能达到最佳结果，但是对于整个负荷周期不一定是最好的。
技术实现要素：
根据本发明的一个方面，提供了用于控制电力设备的冷却系统的方法，方法包括：考虑第二数据集来获得第一数据集，第二数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备的运行状况相关参数，第一数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备及其冷却系统特定的运行成本相关参数；考虑由第一数据集表示的参数，通过基于知识库预设定的数值和/或逻辑链接，根据针对当前负荷周期的电力设备及其冷却系统的运行成本优化准则，建立第三数据集，第三数据集表示在当前负荷周期的一系列时间间隔处冷却系统的冷却容量参数；以及在当前负荷周期中，控制冷却系统以由所建立的第三数据集表示的在一系列时间间隔处的冷却容量参数运行。
根据本发明的另一方面，提供了用于控制电力设备的冷却系统的系统，具有至少一个数据处理设备，其中数据处理设备被配置用于：考虑第二数据集来获得第一数据集，第二数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备的运行状况相关参数，第一数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备及其冷却系统特定的运行成本相关参数；考虑由第一数据集表示的参数，通过基于知识库预设定的数值和/或逻辑链接，根据针对当前负荷周期的电力设备及其冷却系统的运行成本优化准则，建立第三数据集，第三数据集表示在当前负荷周期的一系列时间间隔处冷却系统的冷却容量参数；以及在当前负荷周期中，控制冷却系统以由所建立的第三数据集表示的在一系列时间间隔处的冷却容量参数运行。
通过考虑不同时间间隔之间的相关性并且使得冷却优化不仅在特定时间间隔处而且在整个负荷周期中有效，优化在下一至少一个负荷周期中的冷却容量。
根据本发明的另一方面，提供了用于控制电力设备的冷却系统的方法，包括：考虑第二数据集和第四数据集来获得第一数据集，第一数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备及其冷却系统特定的运行成本相关参数，其中第二数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备的运行状况相关参数，其中当前负荷周期包括当前时间间隔以及之后安排的一系列时间间隔，并且第四数据集表示针对当前负荷周期的当前时间间隔电力设备的运行状况相关参数；考虑由第一数据集表示的参数，通过基于知识库预设定的数值和/或逻辑链接，根据针对当前负荷周期的电力设备及其冷却系统的运行成本优化准则，建立第三数据集，第三数据集表示在当前负荷周期的当前时间间隔以及一系列时间间隔处冷却系统的冷却容量参数；以及在当前负荷周期的当前时间间隔的期间，控制冷却系统以由所建立的第三数据集表示的在当前时间间隔处的冷却容量参数运行。
根据本发明的另一方面，提供了用于控制电力设备的冷却系统的系统，具有至少一个数据处理设备，其中数据处理设备被配置用于：考虑第二数据集和第四数据集来获得第一数据集，第一数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备及其冷却系统特定的运行成本相关参数，其中第二数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备的运行状况相关参数，其中当前负荷周期包括当前时间间隔以及之后安排的一系列时间间隔，并且第四数据集表示针对当前负荷周期的当前时间间隔电力设备的运行状况相关参数；考虑由第一数据集表示的参数，通过基于知识库预设定的数值和/或逻辑链接，根据针对当前负荷周期的电力设备及其冷却系统的运行成本优化准则，建立第三数据集，第三数据集表示在当前负荷周期的当前时间间隔以及一系列时间间隔处冷却系统的冷却容量参数；以及在当前负荷周期的当前时间间隔的期间，控制冷却系统以由所建立的第三数据集表示的在当前时间间隔处的冷却容量参数运行。
针对当前负荷周期，基于负荷周期中针对第一时间间隔的环境温度和负荷率的实时测量来确定第一数据集有助于提高第一数据集在表征运行成本相关参数方面的准确性，因此可以实现更准确的冷却优化方法。
附图说明
在下文中将参考附图中示出的优选示例性实施例更详细地解释本发明的主题，其中：
图1图示了根据本发明的一个实施例用于控制电力设备的冷却系统的方法；以及
图2图示了根据本发明的另一实施例的用于控制电力设备的冷却系统的方法。
附图中使用的附图标记及其含义在附图标记列表中以摘要形式列出。原则上，在附图中相同的部分具有相同的附图标记。
具体实施方式
在以下描述中，为了解释而非限制性目的，阐述了具体细节(例如，特定电路、电路组件、接口、技术等)，以提供对本发明的透彻理解。然而，对于本领域技术人员显而易见的是，可以在脱离这些具体细节的其他实施例中实践本发明。在其他情况下，省略了众所周知的方法和编程程序、设备及电路的详细描述，以避免不必要的细节模糊本发明的描述。
图1图示了根据本发明的一个实施例的用于控制电力设备的冷却系统的方法。例如，电力设备是电力变压器。如图1所示，分步确定运行成本相关参数powerloss、lifeloss、noise和运行状况相关参数ambienttemperatur、loadinglevel。运行成本相关参数powerloss、lifeloss、noise与针对当前负荷周期的一系列时间间隔预测的电力设备及其冷却系统的经济意义有关，并且运行状况相关参数ambienttemperatur、loadinglevel与针对当前负荷周期的一系列时间间隔预测的电力设备的技术状态有关。通过链接上述两个操作相关参数而生成冷却容量参数coolingcapacityparameter。
为此，首先针对电力设备及其冷却系统获得表示运行成本相关参数powerloss、lifeloss、noise的第一数据集以及表示运行状况相关参数ambienttemperature、loadinglevel的第二数据集。无论首先执行哪一个、或者彼此交错，可以同时执行两个获得步骤。
在预处理ppcondition中，获得运行状况相关参数ambienttemperature、loadinglevel，这些参数针对当前负荷周期的一系列时间间隔预测电力设备的环境温度和负荷率。所需的运行状况相关参数ambienttemperature、loadinglevel的输入数据可以基于来源于专业知识和/或经验的历史数据进行估计，或作为备选基于对环境温度的在线测量，其用于确定电力设备顶部油温/热点温度的估计,并进一步估计运行成本相关参数powerloss、lifeloss、noise。可以与适当配置的数据库结合而自动和/或由操作员手动输入、或者通过接收表示环境温度的数据而执行获得步骤。例如，由第二数据集表示的运行状况相关参数是对历史记录中那些相关参数处理的输出值，并且历史记录涵盖先前负荷周期的期间。为了获得针对当前负荷周期的一系列时间间隔的运行成本相关参数powerloss、lifeloss、noise，获得与运行成本相关参数powerloss、lifeloss、noise对应的输入信号(例如，电力设备的功率损耗估计、电力设备生命周期成本和冷却系统降噪成本)。可以结合适当配置的数据库自动执行和/或由操作员手动输入来执行获得步骤。
与运行成本相关参数powerloss、lifeloss、noise相关联的输入特征通常表示基于专业知识和/或经验的可能估计。
此外，上述运行成本相关参数powerloss、lifeloss、noise可以是如图1所示的实现的上游计算的输出值，例如，通过下文所述的基于知识库和历史数据的另一预处理ppcost来获得该输出值。然后将这些值引入到方法中和/或作为技术输入数据传送到系统，必要时使用用于数据检测和/或传输适当预配置的接口，例如，经由局域网(lan)和/或广域网络(wan)(特别是因特网或无线电网络)、或者可以访问数据存储装置(优选地在数据库或存储的数据集中)。
考虑表示运行成本相关参数powerloss、lifeloss、noise的第一数据集，通过基于知识库预设定的数值和/或逻辑链接，根据电力设备及其冷却系统针对当前负荷周期的运行成本优化的准则，建立第三数据集，第三数据集表示冷却系统在当前负荷周期的一系列时间间隔的冷却容量参数coolingcapacityparameter。在这种情况下可以例如通过使用之后描述的目标函数计算来执行优选分配和/或定义。
在当前负荷周期中，控制冷却系统以由所建立的第三数据集表示的在一系列时间间隔处的冷却容量参数运行。
通过考虑不同时间间隔之间的相关性并且使得冷却优化不仅在特定时间间隔处而且在整个负荷周期中有效，在下一至少一个负荷周期中优化冷却容量。
目标函数计算
优化目标包括：如以下等式所示的变压器和冷却系统两者的功率损耗、变压器的寿命损耗和冷却风扇的噪声，其中n表示用于冷却优化的时间间隔。
tx与变压器相关，co与冷却系统相关。
这三个目标都可以被视为投入运行的冷却容量的函数。
为了将这三个目标统一为一个，应引入其他三个参数：电价、变压器生命周期成本和降噪成本。因此，这三个因素可以被转化为货币并由此统一在一起，如以下等式所示。
为了在整个负荷期间实现运行成本降低，目标函数应如下设计，其中f(n)是最终优化目标，最终优化目标是在整个负荷周期(即，24小时)期间的运行成本的总和。
objfunc＝min(f(n))
f(n)＝f(n)+f(n+1)+f(n+2)+...+f(n+n),n＝24(3)
在当前负荷周期中，冷却系统被控制为以由所建立的第三数据集表示的在一系列时间间隔处的冷却容量参数coolingcapacityparameter下运行。
在这种情况下，使用计算机自动搜索根据如上指定的准则的最佳设计，执行根据该方法的基于负荷周期和系统性构造的程序。这允许在整个负荷期间通过平衡若干冲突约束来实现电力变压器的最小运行成本，约束如下所示：
提高整个变压器系统的能效
延长使用寿命并减少变压器的维护
降低冷却系统的噪声。
功率损耗、生命周期损失和噪音水平确定
在这种情况下，可以例如通过如下计算，执行表示运行成本相关参数powerloss、lifeloss、noise的第一数据集的确定。变压器铜损是冷却容量的函数，因为在不同的绕组温度下，绕组电阻不同。如等式(4)所示，可以通过使用额定负载损耗ptrn、负载因数k、绕组的电阻温度系数α(对于铜绕组，α＝0.00393)以及平均绕组温度
冷却系统的功率损耗可由等式(5)表示，其中pcon是用于冷却的马达风扇的额定功率。利用变频驱动器，功耗是冷却风扇吹出的空气流的三次方；在没有变频驱动器的情况下，功耗将与投入运行的马达风扇数量成比例。
如等式(6)所示，通过使用作为顶部油温/热点温度和绝缘纸类型的函数的老化率来计算变压器的寿命损耗，
可以使用等式(7)来计算来自变压器trnctrl系统的总噪声，其中trn1是变压器在onan条件下的噪声，cfnctrl是由最佳冷却策略控制的冷却风扇的噪声。
假设所有冷却风扇运行时，onaf状况下来自变压器的噪声为trn2、则马达风扇分支总数为numfan、x为投入运行的冷却容量，则在不安装vfd的情况下，cfnctrl可以计算如下：
在安装vfd的情况下，可以通过使用(9)来计算cfn'ctrl：
cfn′ctrl(n)＝cfn+50lg(x(n)/100)(9)
在等式(6)中，变量涉及可以基于以下原理确定的顶部油温/热点温度。
顶部油温/热点温度计算
可以通过使用由iec或ieee定义的热模型来计算顶部油温/热点温度。例如，根据iec准则，如等式(10)所示，在时间间隔dt期间，可以通过计算增量顶部油温dθo来获得顶部油温θo，
其中：
r是额定电流下的负载损耗与空载损耗的比率；
kc是修正后的负荷率；
δθor是在额定损失(空载损失+负载损耗)时在稳定状态下的顶部油温上升；
θa是环境温度；
k11是热模型常数；
τo是平均油时间常数；
x是总损失对顶部油温上升(油指数)的指数幂，
m是针对温度计算的时间间隔的编号；
并且可以通过使用等式(11)进一步计算热点温度。
其中：
δθhr是额定电流下热点到顶部油的梯度；
k21/k22是热模型常数；
τw是绕组时间常数；
y是电流相对于绕组温度上升(绕组指数)的指数幂，
δθh1和δθh2是计算热点温度上升的两个中间变量；
dδθh1和dδθh2是δθh1和δθh2在期间dt期间的增量变化。
应注意，为了确保iec差分热模型的准确性，用于温度计算的最大dt不应超过热模型最小时间常数的1/2。
如果顶部油温和/或热点温度测量值可用，初始化只能在优化开始时完成一次，或者在优化的每个时间间隔下完成。
优选地，当针对onaf变压器仅部分冷却容量投入运行时，应校正负荷率。校正等式如式(12)所示，其中k为所测量或预测的负荷率(负载电流/额定电流)，x为冷却容量，s0为onan工作状况下与onaf工作状况下变压器容量的比值，kc是经修正的负荷率。
图2图示了根据本发明另一实施例的用于控制电力设备的冷却系统的方法。与根据图1的实施例相比，图2的实施例的不同之处在于：所测量的环境温度和负荷率可以用于负荷周期中的第一时间间隔，并且预测的和/或历史的环境温度和负荷率可用于负荷周期中的其他时间间隔。特别地，取代考虑表示图1的运行状况相关参数ambienttemperature、loadinglevel的第二数据集，使用另一第二数据集和第四数据集。另一第二数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备的运行状况相关参数，其中当前负荷周期包括当前时间间隔和随后计划的一系列时间间隔，并且第四数据集表示电力设备针对当前负荷周期的当前时间间隔的运行状况相关参数。例如，第四数据集可以是在当前负荷周期的当前时间间隔处测量电力设备的运行状况相关参数的输出值。在该备选实施例中，对于当前负荷周期，基于针对负荷周期中的第一时间间隔的环境温度和负荷率的实时测量来确定第一数据集有助于提高第一数据集在表征运行成本相关参数方面的准确度，从而可以实现更准确的冷却优化方法。
以下描述用于使用数据处理设备来控制电力设备的冷却系统的一个示例性系统。系统包括与存储器单元一起工作的数据处理设备。
系统(特别是数据处理设备)被适配用于：获得第一数据集，第一数据集表示针对当前负荷周期的一系列时间间隔针对电力设备及其冷却系统的运行成本相关参数；以及对于待评估的特定电力设备及其冷却系统，获得第二数据集，第二数据集表示针对当前负荷周期的一系列时间间隔预测的电力设备的运行状况相关参数。存储器单元被适配用于存储第二数据集。
对于每个数据集，系统自动考虑由第一数据集和第二数据集表示的参数，通过基于知识库预设定的数值和/或逻辑链接，根据电力设备及其冷却系统针对当前负荷周期的运行成本优化准则，来建立第三数据集，第三数据集表示冷却系统在当前负荷周期的一系列时间间隔内的冷却容量参数。由系统通过基于知识库预设定的数值链接建立的评估参数(参见图1)来确定一个单一的总体评估参数(第三个数据集)，并且在当前负荷周期中，系统将冷却系统控制为以由所建立的第三数据集表示的在一系列时间间隔处的冷却容量参数进行操作。备选地，系统可以进一步包括测量单元，测量单元被适配用于测量电力设备在当前负荷周期的当前时间间隔处由第三数据集表示的运行状况相关参数。由通过基于知识库预设定的数值链接(参见图2)建立的评估参数获得的系统来确定一个单一的总体评估参数(第三数据集)，并且在当前负荷周期的当前时间间隔期间，将冷却系统控制为以由所建立的第三数据集表示的在当前时间间隔处的冷却容量参数进行运行。
尽管已基于一些优选实施例描述了本发明，但是本领域技术人员应理解，这些实施例绝不应限制本发明的范围。在不脱离本发明的精神和概念的情况下，对实施例的任何变化和修改应在本领域普通技术人员的理解范围内，并且因此落入由所附权利要求限定的本发明的范围内。