CN104713284A - 一种电缆冷却系统及其控制方法 - Google Patents

Abstract

一种电缆冷却系统及其控制方法，属于机械领域。为了现有技术中所述的电缆发热的问题，一种电缆冷却系统，所述的冷却系统包括冷却管、冷却装置、连接冷却管的热水出水口和冷却装置热水进水口的热水管、连接冷却管的冷水入水口和冷却装置冷水出水口的冷水管和分别设置在热水管和冷水管中的两个泵。采用本发明有效减小电缆的发热，对不同型号的电缆本发明都可应用，且本发明通过当前电缆的工作强度预计电缆的发热量，提前准备好冷却系统的工作量，节约了能耗和提高了冷却系统的效率。

Description

一种电缆冷却系统及其控制方法

所属领域

    本发明属于机械领域，特别涉及一种电缆冷却系统及其控制方法。

背景技术

一到夏天，室外温度过高，加上夏天是用电高峰，电缆负荷过大，随着用电设备在线路中的不断增加，电缆所承受的电流也越来越大，其次电缆随着使用时间的推移，电缆存在老化等现象，其载流量也将不同程度的降低，一旦电流超出额定载流量，电缆将会发热，达到一定温度后电缆将会击穿、烧毁，严重时将导致火灾，电缆自燃很危险，灭火难度较大。鉴于着火电缆有电，不能用水灭，加上如果有易燃物在周围，或者把其他电缆给引燃,引发火灾烧到楼房,很容易造成难以控制的火灾局面。不仅仅是在高温天耽搁了百姓的用电时间，甚至会危害到生命，因此，如何给高空电缆降温，是一个很重要的问题。

发明内容

    为了解决背景技术中所述的电缆发热的问题，本发明提供一种电缆冷却系统及其控制方法。

    本发明解决上述问题所采用的技术方案如下：

一种电缆冷却系统，所述的冷却系统包括冷却管、冷却装置、连接冷却管的热水出水口和冷却装置热水进水口的热水管、连接冷却管的冷水入水口和冷却装置冷水出水口的冷水管和分别设置在热水管和冷水管中的两个泵；所述的冷却管为软管，绕在电缆的外部；所述的冷却装置包括冷却模块和出气模块，其中冷却模块包括壳体、设置在壳体内且和壳体上的热水进水口连接的洒水器，壳体上端设有排气口和热水进水口，下端设有冷水出水口和设置在冷水出水口上部的进气口；出气模块包括设置在壳体上排气口下方的排气风扇和与壳体排气口连接的排气管。

所述的冷却系统还包括储水箱、连接储水箱的出水口和冷却装置热水进水口的补水管，补水管上设有开关。

所述的壳体上还设有控制单元，控制单元包括温度传感器、水位传感器、储水箱水位传感器、导线和处理模块，温度传感器、水位传感器和储水箱水位传感器通过导线分别与处理模块连接，处理模块通过导线与排气风扇、分别设置在热水管和冷水管中的两个泵以及补水管上设置的开关连接，温度传感器和水位传感器设置在冷却管内的水中，储水箱水位传感器设置在储水箱的水中，处理模块设置在壳体外部。

一种电缆冷却系统的控制方法，其特征在于：

第一步,设置在冷却管内的温度传感器和水位传感器测得冷却管内的水的温度T1和水位X1，设置在储水箱内的储水箱水位传感器测得储水箱内的水位X2，温度传感器、水位传感器和储水箱水位传感器分别将冷却管内的水的温度T1、水位X1和水位X2传递给处理模块；

第二步；处理模块接收水的温度T1、水位X1和水位X2，温度T1减去预先设置的目标水温T,得到温度差值△T1;

第三步，处理模块判断水位X1是否低于或等于目标水位X,若水位X1是否低于或等于目标水位X，处理模块控制补水管上的开关打开，储水箱内的水通过洒水器进入壳体内，直到水位X1达到预先设置的冷却管内的最高水位X3，处理模块控制补水管上的开关关闭，若水位X1高于目标水位X，低于最高水位X3，处理模块不发出信号；

处理模块判断水位X2是否低于或等于警戒水位，若水位X2低于或等于警戒水位，处理模块发出警告，若水位X2高于警戒水位，处理模块不发出警告；

处理模块判断温度差值△T1是否大于或等于警戒温度以及温度差值△T1的正负性，若温度差值△T1为负，处理模块控制排气风扇减小转速，控制分别设置在热水管和冷水管中的两个泵减小工作功率，减小冷却管内水的流动性；若温度差值△T1为正且温度差值△T1是大于或等于警戒温度，处理模块控制排气风扇增大转速，控制分别设置在热水管和冷水管中的两个泵增大工作功率，加大冷却管内水的流动性；返回第一步。

一种电缆冷却系统的BP神经网络，其特征在于：BP神经网络的模型建立分为以下2个步骤:

    1)网络结构的确定

  建立BP神经网络模型在工程应用中的网络结构，确定的内容如下:

    ①输入层节点个数

   先将输入数据“归一化”到限定范围[[0，1]之间；

   将电缆的电负荷和大气的温度确定为BP神经网络模型的输入层，BP神经网络模型的输入层节点数为2；

    ②输出层节点数为1

    ③隐含层节点数的选取

    本发明采用经验试算法，确定隐含层节点数为15，至此传统BP神经网络结构己经确定，其模型结构为2x15 x1；

    2)网络参数的设置

    ①学习速率v取值范围为[0.5,2.5]；

    ②平滑因子a取值范围为[[0.5，0.9]；

    ③学习误差E控制在[0. 005，0.01]。

本发明的有益效果是：采用本发明有效减小电缆的发热，且对不同型号的电缆本发明都可应用。

附图说明

    图1是本发明结构示意图。

    其中，1为冷却管、2为冷却装置、4为热水管、5为冷水管、6为冷却模块、7为进气模块、8为进气模块、61为壳体、62为洒水器、81为排气风扇、82为排气管，9为控制单元。

具体实施方式

如图1所示为本发明的其中一种实施例。

一种电缆冷却系统，所述的冷却系统包括冷却管1、冷却装置2、连接冷却管1的热水出水口和冷却装置2热水进水口的热水管4、连接冷却管1的冷水入水口和冷却装置2冷水出水口的冷水管5、储水箱3、连接储水箱3的出水口和冷却装置2热水进水口的补水管4和为了调节热水管4和冷水管5中水的流速分别设置在热水管4和冷水管5中的两个泵，补水管4上设有开关。所述的冷却管1为软管，绕在电缆的外部。

冷却装置2包括冷却模块6和出气模块8，其中冷却模块6包括壳体61、设置在壳体61内且和壳体61上的热水进水口连接的洒水器62，壳体61上端设有排气口和热水进水口，下端设有冷水出水口和设置在冷水出水口上部的进气口。壳体61上还设有控制单元9，控制单元9包括温度传感器、水位传感器、储水箱水位传感器、导线和处理模块，温度传感器、水位传感器和储水箱水位传感器通过导线分别与处理模块连接，处理模块通过导线与排气风扇81、分别设置在热水管4和冷水管5中的两个泵以及补水管4上设置的开关连接，温度传感器和水位传感器设置在冷却管1内的水中，储水箱水位传感器设置在储水箱3的水中，处理模块设置在壳体61外部。出气模块8包括设置在壳体61上排气口下方的排气风扇81和与壳体61排气口连接的排气管82。

一种电缆冷却系统的控制方法，其步骤为：

第一步,设置在冷却管1内的温度传感器和水位传感器测得冷却管1内的水的温度T1和水位X1，设置在储水箱3内的储水箱水位传感器测得储水箱3内的水位X2，温度传感器、水位传感器和储水箱水位传感器分别将冷却管1内的水的温度T1、水位X1和水位X2传递给处理模块；

第二步；处理模块接收水的温度T1、水位X1和水位X2，温度T1减去预先设置的目标水温T,得到温度差值△T1;

第三步，处理模块判断水位X1是否低于或等于目标水位X,若水位X1是否低于或等于目标水位X，处理模块控制补水管4上的开关打开，储水箱3内的水通过洒水器62进入壳体61内，直到水位X1达到预先设置的冷却管1内的最高水位X3，处理模块控制补水管4上的开关关闭，若水位X1高于目标水位X，低于最高水位X3，处理模块不发出信号；

处理模块判断水位X2是否低于或等于警戒水位，若水位X2低于或等于警戒水位，处理模块发出警告，若水位X2高于警戒水位，处理模块不发出警告；

处理模块判断温度差值△T1是否大于或等于警戒温度以及温度差值△T1的正负性，若温度差值△T1为负，处理模块控制排气风扇81减小转速，控制分别设置在热水管4和冷水管5中的两个泵减小工作功率，减小冷却管1内水的流动性；若温度差值△T1为正且温度差值△T1是大于或等于警戒温度，处理模块控制排气风扇81增大转速，控制分别设置在热水管4和冷水管5中的两个泵增大工作功率，加大冷却管1内水的流动性；返回第一步。

所述的处理模块还包含一种BP神经网络，BP神经网络根据当前的电缆的电负荷和大气的温度确定之后的电缆的温度以及水的温度T1，根据预测的水的温度T1得到温度差值△T1，处理模块判断温度差值△T1是否大于或等于警戒温度以及温度差值△T1的正负性，若温度差值△T1为负，处理模块控制排气风扇81减小转速，控制分别设置在热水管4和冷水管5中的两个泵减小工作功率，减小冷却管1内水的流动性；若温度差值△T1为正且温度差值△T1是大于或等于警戒温度，处理模块控制排气风扇81增大转速，控制分别设置在热水管4和冷水管5中的两个泵增大工作功率，加大冷却管1内水的流动性。

为了使处理模块反映更灵敏，运用BP神经网络对电缆冷却系统进行加强。将电缆的电负荷和大气的温度作为BP神经网络的两个输入变量，进行电缆发热量的计算，以及推倒出电缆的计算温度，对电缆冷却系统进行预处理。

 BP神经网络的模型建立

   分为以下2个步骤:

    1)网络结构的确定

    建立BP神经网络模型在工程应用中的网络结构，需要确定的内容如下:

    ①输入层节点个数

    输入层节点的数目多少取决于数据源的维数以及其对样本值影响度的大小。另外，人工神经儿网络只能处理数值型数据，如果源数据中有非数值类型的数据，首先要将外部信息变换或编码。一般需要先将输入数据“归一化”到限定范围[[0，1]之间。

   确定BP神经网络模型的输入层为:电缆的电负荷和大气的温度。因此BP神经网络模型的输入层节点数为2。

    ②输出层节点个数

    一般工程中输出层节点的个数为1;若有多个输出也可构造多输出网络或多个单输出网络分别研究。本发明中用于进行电缆发热量的计算，以及推倒出电缆的计算温度的网络模型输出层节点数为1，其物理意义为电缆的计算温度。

    ③隐含层节点数的选取

    常见的神经网络模型均为单隐含层模型，选取隐含层节点数是一个复杂的问题。隐含层节点数太少，可能导致网络不收敛，而隐含层节点数太多，可能导致样本学习时一间过长或计算结果不稳定。本发明采用经验试算法，最后确定隐含层节点数为15。至此传统BP神经网络结构己经确定，其模型结构为2x15 x1.

    2)网络参数的设置

    BP神经网络模型的网络参数包括:学习速率v、平滑因子a、学习误差E，网络参数的设置合理与否会影响到网络学习训练的速度。

    ①学习速率v通过试算建议取值范围为[0.5,2.5]。试验发现，学习速率的选择要和平滑因子综合考虑才有利于网络模型的优化。

    ②平滑因子a:平滑因子的引入使学习速率不再是恒定的值，而是随着迭代误差的变化而变化，但平滑因子也不宜过大，通过试算建议取值范围为[[0.5，0.9]，若取值过大容易进入饱和区。

③学习误差E:学习中误差的大小会对检验中误差造成影响，一般学习中误差越小，检验中误差也越小。但学习中误差越小，学习速度也越慢，甚至不收敛，若学习中误差太小，会造成过拟合现象，即使网络能够收敛，检验中误差也会产生回弹，通过大量试算，采用学习中误差控制在[0. 005，0.01]。

通过以上2个步骤，完成了BP神经网络模型的建立。

结论

    本发明在运行上述BP神经网络模型工作的基础上，得到以下结论:

    1)BP神经网络模型的结构为2x15 x1。即输入层有2个:电缆的电负荷和大气的温度。输出层有1个:电缆的计算温度。隐含层数量为15。

    2)BP神经网络模型的学习中误差为1 0. 013 m，检验中误差为10.049 m。

Claims (6)

1.一种电缆冷却系统，其特征在于：所述的冷却系统包括冷却管（1）、冷却装置（2）、连接冷却管（1）的热水出水口和冷却装置（2）热水进水口的热水管（4）、连接冷却管（1）的冷水入水口和冷却装置（2）冷水出水口的冷水管（5）和分别设置在热水管（4）和冷水管（5）中的两个泵；所述的冷却管（1）为软管，绕在电缆的外部；所述的冷却装置（2）包括冷却模块（6）和出气模块（8），其中冷却模块（6）包括壳体（61）、设置在壳体（61）内且和壳体（61）上的热水进水口连接的洒水器（62），壳体（61）上端设有排气口和热水进水口，下端设有冷水出水口和设置在冷水出水口上部的进气口；出气模块（8）包括设置在壳体（61）上排气口下方的排气风扇（81）和与壳体（61）排气口连接的排气管（82）。

2.根据权利要求1所述的电缆冷却系统，其特征在于：所述的冷却系统还包括储水箱（3）、连接储水箱（3）的出水口和冷却装置（2）热水进水口的补水管（4），补水管（4）上设有开关。

3.根据权利要求3所述的一种电缆冷却系统，其特征在于：所述的壳体（61）上还设有控制单元（9），控制单元（9）包括温度传感器、水位传感器、储水箱水位传感器、导线和处理模块，温度传感器、水位传感器和储水箱水位传感器通过导线分别与处理模块连接，处理模块通过导线与排气风扇（81）、分别设置在热水管（4）和冷水管（5）中的两个泵以及补水管（4）上设置的开关连接，温度传感器和水位传感器设置在冷却管（1）内的水中，储水箱水位传感器设置在储水箱（3）的水中，处理模块设置在壳体（61）外部。

4.一种电缆冷却系统的控制方法，其特征在于：

第一步,设置在冷却管（1）内的温度传感器和水位传感器测得冷却管（1）内的水的温度T1和水位X1，设置在储水箱（3）内的储水箱水位传感器测得储水箱（3）内的水位X2，温度传感器、水位传感器和储水箱水位传感器分别将冷却管（1）内的水的温度T1、水位X1和水位X2传递给处理模块；

第二步，处理模块接收水的温度T1、水位X1和水位X2，温度T1减去预先设置的目标水温T,得到温度差值△T1;

第三步，处理模块判断水位X2是否低于或等于警戒水位，若水位X2低于或等于警戒水位，处理模块发出警告，若水位X2高于警戒水位，处理模块不发出警告；进入下一步；

第四步，处理模块判断水位X1是否低于或等于目标水位X，若水位X1是否低于或等于目标水位X，处理模块控制补水管（4）上的开关打开，储水箱（3）内的水通过洒水器（62）进入壳体（61）内，直到水位X1达到预先设置的冷却管（1）内的最高水位X3，处理模块控制补水管（4）上的开关关闭，若水位X1高于目标水位X，低于最高水位X3，处理模块不发出信号；

处理模块判断温度差值△T1是否大于或等于警戒温度以及温度差值△T1的正负性，若温度差值△T1为负，处理模块控制排气风扇（81）减小转速，控制分别设置在热水管（4）和冷水管（5）中的两个泵减小工作功率，减小冷却管（1）内水的流动性；若温度差值△T1为正且温度差值△T1是大于或等于警戒温度，处理模块控制排气风扇（81）增大转速，控制分别设置在热水管（4）和冷水管（5）中的两个泵增大工作功率，加大冷却管（1）内水的流动性；返回第一步。

5.根据权利要求4所述的电缆冷却系统的控制方法，其特征在于：所述的处理模块包含一种根据当前的电缆的电负荷和大气的温度确定之后的电缆的温度以及水的温度T1的BP神经网络，根据预测的水的温度T1得到温度差值△T1，处理模块判断温度差值△T1是否大于或等于警戒温度以及温度差值△T1的正负性，若温度差值△T1为负，处理模块控制排气风扇（81）减小转速，控制分别设置在热水管（4）和冷水管（5）中的两个泵减小工作功率，减小冷却管（1）内水的流动性；若温度差值△T1为正且温度差值△T1是大于或等于警戒温度，处理模块控制排气风扇（81）增大转速，控制分别设置在热水管（4）和冷水管（5）中的两个泵增大工作功率，加大冷却管（1）内水的流动性。

6. 根据权利要求5所述的电缆冷却系统的控制方法，其特征在于：所述的BP神经网络的模型建立分为以下2个步骤:

    1)网络结构的确定

  建立BP神经网络模型在工程应用中的网络结构，确定的内容如下:

    ①输入层节点个数

   先将输入数据“归一化”到限定范围[[0，1]之间；

   将电缆的电负荷和大气的温度确定为BP神经网络模型的输入层，BP神经网络模型的输入层节点数为2；

    ②输出层节点数为1

    ③隐含层节点数的选取

    本发明采用经验试算法，确定隐含层节点数为15，至此传统BP神经网络结构己经确定，其模型结构为2x15 x1；

    2)网络参数的设置

    ①学习速率v取值范围为[0.5,2.5]；

    ②平滑因子a取值范围为[[0.5，0.9]；

    ③学习误差E控制在[0. 005，0.01]。