一种动态负载跟踪变频器节能控制方法及系统与流程

本发明涉及变频器节能控制技术，具体是一种动态负载跟踪变频器节能控制方法及系统。

背景技术：

1、电动机的负载曲线一般是一个抛物线，抛物线的谷点是最佳运行点(既节能点)负载减轻时抛物线会随着变动。如果负载减轻时及时适当降低电压，电动机即可运行在抛物线的谷点，既是最佳的节能点上，电压的最佳化可使电流最小化和视在功率、有功功率、无功功率均最小化；电流最小化可以带来以下益处:

2、(1)电动机的铁损、铜损会随之大幅度下降，发热量下降，电动机的寿命大大延长；

3、(2)功率因数(pf)可大大提高，无功功率几乎全部被消除；

4、然而常规变频器是通过改变电动机的频率来确定电压的(v/f 特性)，从而控制转速和转矩，此功能也是电机节能器所具备的基本功能。常规变频器对电动机提供电压的多少是和电动机的负荷状况无关的。由电动机的特性得知，供给电动机的电压越高，电力的消耗越大，而供给电动机的电压过低时，又会因转矩过低而不能正常工作。因此常规变频器在正常运行时，为了避免电压过低，往往把电压值设定的较高，这样导致了电能的浪费。节电器是在线检测电动机负载率的变化，根据负载的实际需求，实时调整电动机的输入功率，保证电动机在最佳节能状态运行；

5、而进一步的，由于电压电流曲线一般是电动机出厂时由厂家实验测试获得的，难以全面评估出在不同的老化程度和不同的负载率的情况下，电动机实际的电压和电流曲线，且电压电流曲线也并非是一个确切的函数，难以通过求导等数学方法找到最佳点；

6、申请公开号为cn112954978a的中国专利公开了一种智能节能变频器控制系统，包括变频器本体、风扇、变频器温度检测单元、环境温度检测单元以及控制器。所述风扇用于向变频器本体送风；所述变频器温度检测单元设于变频器本体上，用于检测变频器本体的实时温度；且所述变频器温度检测单元将变频器温度发送至控制器；所述环境温度检测单元设于风扇上，用于检测变频器本体以及风扇所处环境的实时温度；且所述环境温度检测单元将环境温度发送至控制器。控制器依据变频器温度、环境温度以及两者之间的温度差实时调节风扇的转速，即在满足变频器散热需求的前提下，降低风扇的功率，以减少能源的消耗；该发明并未能考虑到如何降低电动机的空载率；

7、为此，本发明提出一种动态负载跟踪变频器节能控制方法及系统。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种动态负载跟踪变频器节能控制方法及系统，降低了电动机的空载率，实现智能节能效果。

2、为实现上述目的，本发明的技术方案如下：

3、第一方面，本发明提出一种动态负载跟踪变频器节能控制方法，包括以下步骤：

4、步骤一：在测试环境中预先收集若干组电流预测训练数据；

5、步骤二：使用电流预测训练数据训练计算电流值的第一机器学习模型；

6、步骤三：将第一机器学习模型载入待控制电动机的控制后台；待控制电动机的控制后台实时获取电动机的老化程度因素数据以及实时负载率；

7、步骤四：基于老化程度因素数据、实时负载率以及第一机器学习模型，待控制电动机的控制后台获得实时的输入电压电流训练数据；

8、步骤五：待控制电动机的控制后台使用输入电压电流训练数据，生成第二机器学习模型；

9、步骤六：待控制电动机的控制后台基于第二机器学习模型，获得控制输入电压，将控制输入电压作为变频器调整待控制电动机的输入电压，以获得较优的功率因数；

10、其中，所述测试环境为测试人员通过主动控制测试电动机中影响实时输入电流的若干属性值的变化，以收集输入电流值的数据收集环境；在实验环境中收集电流预测训练数据，提高训练数据的准确性和可控性；

11、其中，所述电流预测训练数据包括在每次测试环境中收集数据时，测试电动机的训练特征以及电流数据；

12、其中，所述训练特征包括老化程度因素数据、负载率以及输入电压；

13、其中，所述老化程度因素数据为在上一次老化数据采集时计算的绝缘电阻误差比、振动声级误差比以及温度误差比；

14、进行老化数据的采集的方式为：

15、使用绝缘电阻测试仪测量测试电动机的绝缘电阻值；

16、使用振动声级计测量测试电动机的振动声级；

17、使用温度传感器测量测试电动机的温度；

18、绝缘电阻误差比的计算方式为：将上一次老化数据采集时采集的绝缘电阻值除以初始绝缘电阻值；所述初始绝缘电阻值为第一次老化数据采集时的绝缘电阻值；

19、振动声级误差比的计算方式为：将上一次老化数据采集时采集的振动声级除以初始振动声级；所述初始振动声级为第一次老化数据采集时的振动声级；

20、温度误差比的计算方式为：将上一次老化数据采集时采集的温度除以初始温度值；所述初始温度值为第一次老化数据采集时的温度；

21、所述负载率为电动机平均负载与最大负载之比，在不同的负载率的情况下，电压电流曲线有所不同；所述输入电压通过在电动机的输入侧使用电压传感器实时获得；

22、所述电流数据为在每次测试环境中收集训练特征时，对应的电动机的输入电流值，该输入电流值通过在电动机的输入侧使用电流传感器实时获得；

23、使用电流预测训练数据训练计算电流值的第一机器学习模型的方式为：

24、将每组训练特征组成第一特征向量形式，并将第一特征向量作为第一机器学习模型的输入，所述第一机器学习模型以每组训练特征对应的预测的输入电流值为输出，以训练特征对应的电流数据为预测目标，以最小化所有训练特征的预测误差之和作为训练目标；对第一机器学习模型进行训练，直至预测误差之和达到收敛时停止训练；所述第一机器学习模型是svm模型或多项式回归模型；所述第一特征向量中的元素包括绝缘电阻误差比、振动声级误差比、温度误差比、负载率以及输入电压；

25、待控制电动机的控制后台获得实时的输入电压电流训练数据的方式为：

26、预设电压采集次数n，将每次采样的编号标记为n，其中，n=1,2,3,...,n；将待控制电动机的实时负载率标记为f，预设采样上限u以及采样下限d；

27、对于第n次采样，将电动机的采样电压设置为un；

28、当n时，采样电压un的计算公式为；其中，；其中，c和e分别为预设的比例系数，其中ln(n)为对n使用以自然常数为底的对数函数进行计算；

29、当n>时，采样电压un的计算公式为；

30、将待控制电动机的老化程度因素数据、实时负载率以及第n个采样电压输入至第一机器学习模型中，获得第一机器学习模型输出的预测的第n个采样电流；

31、将第n个采样电压以及预测的第n个采样电流作为一组电压电流组合，所有n个电压电流组合作为输入电压电流训练数据；

32、生成第二机器学习模型的方式为：

33、将输入电压电流训练数据中每组电压电流组合的采样电压作为第二机器学习模型的输入，所述第二机器学习模型以每个采样电压对应的预测的采样电流为输出，以每组电压电流组合中采样电压对应的采样电流为预测目标，以最小化所有采样电压的预测误差之和作为训练目标；对第二机器学习模型进行训练，直至预测误差之和达到收敛时停止训练；所述第二机器学习模型是svm模型或多项式回归模型；

34、获得控制输入电压包括以下步骤：

35、步骤y1：预设下降步长x，将电动机当前电压值标记为u，电动机当前电流值标记为i，计算电压初始下降值u1，其中电压初始下降值u1为u+x或u-x中的任意一个，将电压初始下降值u1输入至第二机器学习模型中，获得第二机器学习模型输出的预测的采样电流；将该采样电流标记为i1；

36、步骤y2：计算下降梯度值h，其中下降梯度值h的公式为；将当前电压值u更新为u1，将电压初始下降值u1更新为u1+h，将当前电流值i更新为采样电流i1，重新将电压初始下降值u1输入至第二机器学习模型中，获得新的采样电流i1；循环执行步骤y2，直至采样电流i1收敛；采样电流i1收敛的判断方式为本次循环中获得的采样电流i1与上一轮循环中获得的采样电流i1的差值小于预设的误差系数；

37、步骤y3：将循环结束时的当前电压值u作为控制输入电压。

38、第二方面，本发明提出一种动态负载跟踪变频器节能控制系统，基于上述的一种动态负载跟踪变频器节能控制方法实现，包括训练数据收集模块、第一机器学习模型训练模块以及电动机后台控制模块；其中，各个模块之间通过有线和/或无线网络方式连接；

39、其中，所述训练数据收集模块主要用于在测试环境中预先收集若干组电流预测训练数据，并将电流预测训练数据发送至第一机器学习模型训练模块；

40、其中，所述第一机器学习模型训练模块主要用于使用电流预测训练数据训练计算电流值的第一机器学习模型，并将第一机器学习模型发送至电动机后台控制模块；

41、所述电动机后台控制模块主要用于实时获取电动机的老化程度因素数据以及实时负载率，基于老化程度因素数据、实时负载率以及第一机器学习模型，获得控制输入电压，将控制输入电压作为变频器调整待控制电动机的输入电压，以获得较优的功率因数；

42、其中，获得控制输入电压的方式为：

43、基于老化程度因素数据、实时负载率以及第一机器学习模型，待控制电动机的控制后台获得实时的输入电压电流训练数据；

44、待控制电动机的控制后台使用输入电压电流训练数据，生成第二机器学习模型；

45、待控制电动机的控制后台基于第二机器学习模型，获得控制输入电压。

46、第三方面，本发明提出一种计算机终端，包括：处理器和存储器，其中：

47、所述存储器中存储有可供处理器调用的计算机程序；

48、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的动态负载跟踪变频器节能控制方法。

49、第四方面，本发明提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；

50、当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行上述的动态负载跟踪变频器节能控制方法。

51、与现有技术相比，本发明的有益效果是：

52、本发明通过在测试环境中预先收集若干组电流预测训练数据，再使用电流预测训练数据训练计算电流值的第一机器学习模型，第一机器学习模型用于实现根据电动机的老化程度、负载率以及电动机的实时输入电压来预测电动机的输入电流，待控制电动机的控制后台实时获取电动机的老化程度因素数据以及实时负载率，基于老化程度因素数据、实时负载率以及第一机器学习模型，控制后台获得实时的输入电压电流训练数据，基于输入电压电流训练数据，生成第二机器学习模型，第二机器学习模型是用来利用输入电压和输入电流数据的集合来进行输入电压电流曲线的拟合，从而将离散的输入电压电流集合转化为连续的输入电压电流曲线，最后基于第二机器学习模型，获得控制输入电压；实现自动根据电动机的实时负载率，智能生成对应电压电流曲线，并基于梯度下降算法实现在电压电流曲的函数为未知的情况下，也能计算出近乎最优解，从而降低电动机的空载率，实现智能节能效果。