一种用于静电除尘器电源的能量管理方法与系统 |
|||||||
申请号 | CN202410229989.7 | 申请日 | 2024-02-29 | 公开(公告)号 | CN118041116A | 公开(公告)日 | 2024-05-14 |
申请人 | 德鲁奇(山东)智能设备有限公司; | 发明人 | 弗兰克·格伦德曼; 冯勇鑫; 任兆华; 李才华; | ||||
摘要 | 本 发明 提供了一种用于静电 除尘器 电源的 能量 管理方法与系统,其中该方法包括:获取训练样本;对训练样本进行异常值去除处理得到去除异常值后的训练样本;对去除异常值后的训练样本进行归一化处理并将其输入到BP神经网络中进行训练得到能量管理模型;将当前的环境 温度 、环境湿度和粉尘浓度输入到能量管理模型中得到最佳的 母线 直流 电压 ;使用三相调压模 块 将三相交流电进行升压和整流得到最佳的母线直流电压为 静 电除尘器 供电。本发明通过将 环境温度 、环境湿度、粉尘浓度和母线直流电压作为样本输入到BP神经网络中进行训练,可以得到最佳的母线直流电压,这样可以适应不同工况下的能量需求,从而达到节能减排的目的。 | ||||||
权利要求 | 1.一种用于静电除尘器电源的能量管理系统,其特征在于,包括: |
||||||
说明书全文 | 一种用于静电除尘器电源的能量管理方法与系统技术领域背景技术[0002] 静电除尘器是一种常用的空气净化设备,它通过产生静电场吸附空气中的尘埃和污染物,从而达到净化空气的目的。静电除尘器通常需要使用高压电源来产生静电场,以吸 引和捕捉空气中的颗粒物。然而,传统的静电除尘器电源通常存在能耗高、效率低、安全性 差等问题。 [0003] 针对传统静电除尘器电源存在的问题,需要一种能够有效管理能量的方法,实现对静电除尘器电源的实时监测和调节,以适应不同工况下的能量需求,从而达到节能减排 的目的。 发明内容[0004] 为解决上述问题,本发明的目的在于提供一种用于静电除尘器电源的能量管理方法与系统。 [0005] 为实现上述目的,本发明采用的技术方案是: [0006] 一种用于静电除尘器电源的能量管理系统,包括: [0008] 脉冲谐振模块,用于对所述母线直流电进行调制生成脉冲电; [0009] 脉冲变压器,所述脉冲变压器的输入端与所述脉冲谐振模块的输出端连接,所述脉冲变压器的输出端的一侧与第三电容的一端连接,所述第三电容的另一端与静电除尘器 的一端连接,所述脉冲变压器的输出端的另一侧与所述静电除尘器的另一端连接,用于对 所述脉冲电进行升压处理得到升压后的脉冲电以对静电除尘器供电。 [0010] 优选的,所述脉冲谐振模块,包括: [0011] 第一电感L1,所述第一电感L1的一端与三相调压模块的输出端连接,所述第一电感L1的另一端第一电容C1的一端连接; [0013] 第一电阻R1,所述第一电阻R1与第一二极管D1并联,所述第一电阻R1的一端与所述第一电容C1的一端连接,所述第一电阻R1的另一端与第二电容C2的一端连接,所述第二 电容C2的另一端与所述第一开关管Q1的发射极连接; [0014] 第三电感L3,所述第三电感L3的一端与所述第一电容C1的另一端连接,所述第三电感L3的另一端与脉冲变压器的输入端连接。 [0015] 优选的,所述脉冲谐振模块,还包括: [0016] 第二电感L2,所述第二电感L2的一端与三相调压模块的输出端连接,所述第二电感L2的另一端第三电容C3的一端连接; [0017] 第二开关管Q2,所述第二开关管Q2的集电极与所述第三电容C3的一端连接,所述第二开关管Q2的发射极与三相调压模块的输出端连接; [0018] 第二电阻R2,所述第二电阻R2与第二二极管D2并联,所述第二电阻R2的一端与所述第三电容C3的一端连接,所述第二电阻R2的另一端与第四电容C4的一端连接,所述第四 电容C4的另一端与所述第二开关管Q2的发射极连接; [0019] 第四电感L4,所述第四电感L4的一端与所述第四电容C4的另一端连接,所述第四电感L4的另一端与脉冲变压器的输入端连接。 [0020] 优选的,还包括: [0023] 本发明还提供了一种用于静电除尘器电源的能量管理方法,包括: [0025] 步骤2:对所述训练样本进行异常值去除处理得到去除异常值后的训练样本; [0026] 步骤3:对所述去除异常值后的训练样本进行归一化处理并将其输入到BP神经网络中进行训练得到能量管理模型; [0027] 步骤4:将当前的环境温度、环境湿度和粉尘浓度输入到能量管理模型中得到最佳的母线直流电压; [0028] 步骤5:使用三相调压模块将三相交流电进行升压和整流得到最佳的母线直流电压为静电除尘器供电。 [0029] 优选的,所述步骤2:对所述训练样本进行异常值去除处理得到去除异常值后的训练样本,包括: [0030] 步骤2.1:计算训练样本中各个数据集的均值,并基于数据集的均值计算每个数据的偏差; [0031] 步骤2.2:判断每个数据的偏差是否在预设区间内,并将不在预设区间内的数据作为异常值去除;其中,所述预设区间是基于正态分布规律构建的; [0032] 步骤2.3:使用平均插值法对去除异常值之后的相应数据点进行填充得到去除异常值后的训练样本。 [0033] 优选的,所述步骤2.1:计算训练样本中各个数据集的均值,并基于数据集的均值计算每个数据的偏差,包括: [0034] 采用公式: [0035] [0036] 计算每个数据的偏差;其中,μ表示均值,vi表示数据与均值之差的绝对值,σ表示第i个数据的偏差。 [0037] 优选的,在步骤2.2中,预设区间为(μ‑3σ,μ+3σ)。 [0038] 优选的,所述步骤2.3:使用插值法对去除异常值之后的相应数据点进行填充得到去除异常值后的训练样本,包括: [0039] 步骤2.3.1:获取去除异常值之后相应数据点的相邻数据; [0040] 步骤2.3.2:计算相邻数据之间的平均值; [0041] 步骤2.3.3:将所述平均值作为去除异常值之后相应数据点的填充值。 [0042] 优选的,在步骤3中,采用随机下降模型优化训练BP神经网络;其中,随机下降模型为: [0043] [0044] 其中,Δi表示BP神经网络经过第i次迭代的卷积核权值,Wil表示第l层BP神经网络的偏置值,η表示学习率, 表示损失函数与卷积核权值的偏导数。 [0045] 本发明提供的一种用于静电除尘器电源的能量管理方法与系统的有益效果在于:与现有技术相比,本发明通过将环境温度、环境湿度、粉尘浓度和母线直流电压作为样本输 入到BP神经网络中进行训练,可以得到最佳的母线直流电压,这样可以适应不同工况下的 能量需求,从而达到节能减排的目的。 附图说明 [0046] 为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些 实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附 图获得其他的附图。 [0047] 图1为本发明实施例提供的一种用于静电除尘器电源的能量管理系统电路图; [0048] 图2为本发明实施例提供的一种用于静电除尘器电源的能量管理方法流程图。 具体实施方式[0049] 在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特 定的方位构造和操作,因此不能理解为对本发明的限制。 [0050] 此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者 隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上, 除非另有明确具体的限定。 [0051] 在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元 件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发 明中的具体含义。 [0052] 为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅 用以解释本发明,并不用于限定本发明。 [0053] 请参阅图1,一种用于静电除尘器电源的能量管理系统,包括: [0054] 三相调压模块,用于对三相交流电进行升压和整流处理得到母线直流电; [0055] 脉冲谐振模块,用于对所述母线直流电进行调制生成脉冲电; [0056] 脉冲变压器,所述脉冲变压器的输入端与所述脉冲谐振模块的输出端连接,所述脉冲变压器的输出端的一侧与第三电容的一端连接,所述第三电容的另一端与静电除尘器 的一端连接,所述脉冲变压器的输出端的另一侧与所述静电除尘器的另一端连接,用于对 所述脉冲电进行升压处理得到升压后的脉冲电以对静电除尘器供电。 [0057] 进一步的,所述脉冲谐振模块,包括: [0058] 第一电感L1,所述第一电感L1的一端与三相调压模块的输出端连接,所述第一电感L1的另一端第一电容C1的一端连接; [0059] 第一开关管Q1,所述第一开关管Q1的集电极与所述第一电容C1的一端连接,所述第一开关管Q1的发射极与三相调压模块的输出端连接; [0060] 第一电阻R1,所述第一电阻R1与第一二极管D1并联,所述第一电阻R1的一端与所述第一电容C1的一端连接,所述第一电阻R1的另一端与第二电容C2的一端连接,所述第二 电容C2的另一端与所述第一开关管Q1的发射极连接; [0061] 第三电感L3,所述第三电感L3的一端与所述第一电容C1的另一端连接,所述第三电感L3的另一端与脉冲变压器的输入端连接。 [0062] 进一步的,所述脉冲谐振模块,还包括: [0063] 第二电感L2,所述第二电感L2的一端与三相调压模块的输出端连接,所述第二电感L2的另一端第三电容C3的一端连接; [0064] 第二开关管Q2,所述第二开关管Q2的集电极与所述第三电容C3的一端连接,所述第二开关管Q2的发射极与三相调压模块的输出端连接; [0065] 第二电阻R2,所述第二电阻R2与第二二极管D2并联,所述第二电阻R2的一端与所述第三电容C3的一端连接,所述第二电阻R2的另一端与第四电容C4的一端连接,所述第四 电容C4的另一端与所述第二开关管Q2的发射极连接; [0066] 第四电感L4,所述第四电感L4的一端与所述第四电容C4的另一端连接,所述第四电感L4的另一端与脉冲变压器的输入端连接。 [0067] 优选的,还包括: [0068] 直流基压电源,所述直流基压电源的负极与第三二极管D3的阴极连接,所述直流基压电源的正极与所述静电除尘器连接; [0069] 第五电感L5,所述第五电感L5的一端与所述第三二极管D3的阳极连接,所述第五电感L5的另一端与所述静电除尘器连接。 [0070] 在本发明实施例中,最前端接入380V三相工频交流电源,经三相调压模块可得到可调的直流电压。L1和L2是两个参数较大的直流电抗器,起到滤波缓冲的作用,同时为了降 低IGBT的电流应力,将脉冲发生原边支路设为并联对称双支路模式,这样可以得到更加稳 定的脉冲电压。 [0071] 请参阅图2,本发明还提供了一种用于静电除尘器电源的能量管理方法,包括: [0072] 步骤1:获取训练样本;所述训练样本包括:环境温度、环境湿度、粉尘浓度和母线直流电压; [0073] 步骤2:对所述训练样本进行异常值去除处理得到去除异常值后的训练样本; [0074] 进一步的,所述步骤2包括: [0075] 步骤2.1:计算训练样本中各个数据集的均值,并基于数据集的均值计算每个数据的偏差; [0076] 进一步的,所述步骤2.1包括: [0077] 采用公式: [0078] [0079] 计算每个数据的偏差;其中,μ表示均值,vi表示数据与均值之差的绝对值,σ表示第i个数据的偏差。 [0080] 步骤2.2:判断每个数据的偏差是否在预设区间内,并将不在预设区间内的数据作为异常值去除;其中,所述预设区间是基于正态分布规律构建的;在步骤2.2中,预设区间为 (μ‑3σ,μ+3σ)。 [0081] 步骤2.3:使用平均插值法对去除异常值之后的相应数据点进行填充得到去除异常值后的训练样本。 [0082] 进一步的,步骤2.3包括: [0083] 步骤2.3.1:获取去除异常值之后相应数据点的相邻数据; [0084] 步骤2.3.2:计算相邻数据之间的平均值; [0085] 步骤2.3.3:将所述平均值作为去除异常值之后相应数据点的填充值。 [0086] 步骤3:对所述去除异常值后的训练样本进行归一化处理并将其输入到BP神经网络中进行训练得到能量管理模型; [0087] 在步骤3中,采用随机下降模型优化训练BP神经网络;其中,随机下降模型为: [0088] [0089] 其中,Δi表示BP神经网络经过第i次迭代的卷积核权值,Wil表示第l层BP神经网络的偏置值,η表示学习率, 表示损失函数与卷积核权值的偏导数。 [0090] 步骤4:将当前的环境温度、环境湿度和粉尘浓度输入到能量管理模型中得到最佳的母线直流电压; [0091] 步骤5:使用三相调压模块将三相交流电进行升压和整流得到最佳的母线直流电压为静电除尘器供电。 [0092] 本发明通过将环境温度、环境湿度、粉尘浓度和母线直流电压作为样本输入到BP神经网络中进行训练,可以得到最佳的母线直流电压,这样可以适应不同工况下的能量需 求,从而达到节能减排的目的。 |