CN110534981A - 一种基于物联网的智能防过充插座系统及其控制方法 - Google Patents
一种基于物联网的智能防过充插座系统及其控制方法 Download PDFInfo
- Publication number
- CN110534981A CN110534981A CN201910812121.9A CN201910812121A CN110534981A CN 110534981 A CN110534981 A CN 110534981A CN 201910812121 A CN201910812121 A CN 201910812121A CN 110534981 A CN110534981 A CN 110534981A
- Authority
- CN
- China
- Prior art keywords
- spigot
- socket
- overcharge
- detection module
- things
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R13/00—Details of coupling devices of the kinds covered by groups H01R12/70 or H01R24/00 - H01R33/00
- H01R13/66—Structural association with built-in electrical component
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R13/00—Details of coupling devices of the kinds covered by groups H01R12/70 or H01R24/00 - H01R33/00
- H01R13/66—Structural association with built-in electrical component
- H01R13/6608—Structural association with built-in electrical component with built-in single component
- H01R13/6633—Structural association with built-in electrical component with built-in single component with inductive component, e.g. transformer
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R13/00—Details of coupling devices of the kinds covered by groups H01R12/70 or H01R24/00 - H01R33/00
- H01R13/66—Structural association with built-in electrical component
- H01R13/665—Structural association with built-in electrical component with built-in electronic circuit
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R13/00—Details of coupling devices of the kinds covered by groups H01R12/70 or H01R24/00 - H01R33/00
- H01R13/66—Structural association with built-in electrical component
- H01R13/665—Structural association with built-in electrical component with built-in electronic circuit
- H01R13/6683—Structural association with built-in electrical component with built-in electronic circuit with built-in sensor
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R13/00—Details of coupling devices of the kinds covered by groups H01R12/70 or H01R24/00 - H01R33/00
- H01R13/66—Structural association with built-in electrical component
- H01R13/665—Structural association with built-in electrical component with built-in electronic circuit
- H01R13/6691—Structural association with built-in electrical component with built-in electronic circuit with built-in signalling means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R13/00—Details of coupling devices of the kinds covered by groups H01R12/70 or H01R24/00 - H01R33/00
- H01R13/66—Structural association with built-in electrical component
- H01R13/70—Structural association with built-in electrical component with built-in switch
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R13/00—Details of coupling devices of the kinds covered by groups H01R12/70 or H01R24/00 - H01R33/00
- H01R13/66—Structural association with built-in electrical component
- H01R13/70—Structural association with built-in electrical component with built-in switch
- H01R13/713—Structural association with built-in electrical component with built-in switch the switch being a safety switch
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R27/00—Coupling parts adapted for co-operation with two or more dissimilar counterparts
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
Landscapes
- Engineering & Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开一种基于物联网的智能防过充插座系统,包括:插座,其上设置有多个插口;多个控制模块,其与所述插口一一对应,并与对应插口电连接,且所述控制模块之间相互并联,其包括:电流检测模块,其与对应所述插口电连接;电能检测模块,其与所述电流检测模块电连接;防过充检测模块,其与所述电能检测模块电连接;高温检测模块,其与所述防过充检测模块电连接;变压器,其与所述高温检测模块电连接,用于调节所述插口处的电压继电器,其与所述高温检测模块电连接,并与所述变压器并联,用于断开对应插口处的电源;控制器,其独立控制各个控制模块中的变压器或者继电器单独工作。本发明还公开一种基于物联网的智能防过充插座系统的控制方法。
Description
技术领域
本发明涉及嵌入式智能家居领域,更具体的是,本发明涉及一种基于物联网的智能防过充插座系统及其控制方法。
背景技术
现如今各种充电设备越来越多,人们为了使手机、平板电脑或者电动车等产品在第二天有充足的电量,大多数用户都会对这些设备彻夜充电,虽然目前一般使用电池的设备都配有限流保护芯片,但是长时间多次进行过充会显著降低电池的循环使用寿命,导致电池不够耐用,此外使用劣质电源对电池充电,在无人监管的场合,用户不能够得知设备充电状态,此时易发生或者使用户经济、人身安全蒙受损失。
发明内容
本发明的一个目的是设计开发了一种基于物联网的智能防过充插座系统,在插座的各个插口处设置有控制模块,有效的避免了用电器过充,插座过载、短路和漏电现象的发生,提高了用电安全。
本发明的另一个目的是设计开发了一种基于物联网的智能防过充插座系统的控制方法,能够采集各个插口的工作状态,并基于BP神经网络控制各个插口处的变压器和继电器的工作状态。
本发明还能在变压器工作时,精确控制变压器的降压量,既能保证用电器的电源接入,又能保证插座的用电安全。
本发明提供的技术方案为:
一种基于物联网的智能防过充插座系统,包括:
插座,其上设置有多个插口;
多个控制模块,其与所述插口一一对应,并与对应所述插口电连接,且所述控制模块之间相互并联:
所述控制模块包括:
电流检测模块,其与对应所述插口电连接,用于检测连接用电器后的电流;
电能检测模块,其与所述电流检测模块电连接,用于检测连接用电器后的使用的功率;
防过充检测模块,其与所述电能检测模块电连接,用于检测连接用电器后的用电器的充电状态;
高温检测模块,其与所述防过充检测模块电连接,用于检测连接用电器后的插口处的温度;
变压器,其与所述高温检测模块电连接,用于调节所述插口处的电压
继电器,其与所述高温检测模块电连接,并与所述变压器并联,用于断开对应插口处的电源;
控制器,其分别连接所述控制模块,并独立控制各个控制模块中的变压器或者继电器单独工作。
优选的是,所述电能检测模块包括:
测量芯片,其与所述控制器连接
取样电路,其连接到对应插座上,并与所述测量芯片连接,用于将对应插口连接用电器后的电流转换为电压信号,并发送给所述测量芯片。
优选的是,所述防过充检测模块包括:
电压比较器,其与所述取样电路连接,用于接收所述取样电路的电压信号并输出电平信号;
延时电路,其与所述电压比较器连接,用于对所述电压比较器输出的电平信号进行延时;
其中,当所述电压比较器接收的电压信号小于基准参考电压时,电压比较器输出低电平信号;当所述电压比较器接收的电压信号高于基准参考电压时,电压比较器输出高电平信号;
当所述电压比较器输出的低电平信号延时后仍为低电平信号时,所述取样电路对应的插口处连接的用电器为过冲状态;当所述电压比较器输出的高电平信号延时后仍为高电平信号时,所述取样电路对应的插口处连接的用电器为充电状态。
优选的是,还包括:
多个手动开关按钮,其设置在所述插座上,且与所述插口一一对应,用于手动控制对应插口处电源的连通或者断开;
LCD显示屏,其设置在所述插座上,用于显示各个插口的工作状态;
无线通信模块,其与所述控制器连接,用于与外部移动终端连接。
一种基于物联网的智能防过充插座系统的控制方法,采集各个插口的工作状态,并基于BP神经网络控制各个插口处的变压器和继电器的工作状态,具体包括如下步骤:
步骤一、按照采样周期,测量插口处的电流、插口处的功率、插口处的温度、插口处的用电器的充电状态;
步骤二、确定三层BP神经网络的输入层神经元向量x={x1,x2,x3,x4};其中,x1为插口处的电流,x2为插口处的功率,x3为插口处的温度,x4为插口处的用电器的充电状态;
其中,所述输入层神经元值为xk=[xk1,xk2,…,xkn],k为输入层神经元序列号,k={1,2,3,4},n为插口数量,xkn为第n个插口的第k个输入神经元值;
步骤三、所述输入层向量映射到隐层,隐层的神经元为m个;
步骤四、得到输出层神经元向量o={o1,o2};其中,o1为插口处变压器的工作状态,o2为插口处继电器的工作状态,所述输出层神经元值为ot=[ot1,ot2,…,otn],t为输出层神经元序列号,t={1,2},otn为第n个插口的第t个输出神经元值,当otn为1时,为工作状态,当otn为0时,为不工作状态。
优选的是,当o1n=1时,o2n=0;当o1n=0时,o2n=1。
优选的是,当第n个插口处的变压器工作时,控制变压器的降压量满足:
式中,l为插座连接用电器的数量,ΔU为第n个插口处的变压器的降压量,Pi为第i个插口处的功率,PW为插座的许用功率,Pn为第n个插口处的功率,Ii为第i个插口处的电流,IW为插座的许用电流,In为第n个插口处的电流,为第n个插口处的温度变化率,为第n个插口处的允许最大温度变化率,为第n个插口的第j个相邻插口处的温度变化率,mn为第n个插口的相邻插口的数量,ω为调节系数。
优选的是,当继电器工作时,控制所述继电器对应的插座断开电源连接。
优选的是,所述隐层的神经元为4个。
优选的是,所述隐层及所述输出层的激励函数均采用S型函数fj(x)=1/(1+e-x)。
本发明所述的有益效果:
(1)本发明设计开发的基于物联网的智能防过充插座系统,在插座的各个插口处设置有控制模块,有效的避免了用电器过充,插座过载、短路和漏电现象的发生,提高了用电安全。
(2)本发明设计开发的基于物联网的智能防过充插座系统的控制方法,能够采集各个插口的工作状态,并基于BP神经网络控制各个插口处的变压器和继电器的工作状态。本发明还能在变压器工作时,精确控制变压器的降压量,既能保证用电器的电源接入,又能保证插座的用电安全。
附图说明
图1为本发明所述插座的结构示意图。
图2为本发明所述控制模块的示意图。
图3为本发明所述电能检测模块的示意图。
图4为本发明所述防过充检测模块的示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供一种基于物联网的智能防过充插座系统,包括:插座100,其上设置有多个插口110;多个控制模块,其与插口110一一对应,并与对应插口电连接,且控制模块之间相互并联,控制器,其分别连接控制模块,并独立控制各个控制模块中的变压器或者继电器单独工作。
如图2所示,所述的控制模块包括:电流检测模块(一般用电流表即可),其与对应插口电连接,用于检测连接用电器后的电流(不连接用电器默认为0);电能检测模块,其与电流检测模块电连接,用于检测插口连接用电器后的使用的功率(不连接用电器默认为0);防过充检测模块,其与电能检测模块电连接,用于检测连接用电器后的用电器的充电状态;高温检测模块(一般使用温度传感器),其与防过充检测模块电连接,用于检测连接用电器后的插口处的温度;变压器,其与高温检测模块电连接,用于调节插口处的电压继电器,继电器,其与高温检测模块电连接,并与变压器并联,用于断开对应插口处的电源。
如图3所示,所述的电能检测模块包含取样电路和测量芯片,并与控制器相连接。其中取样电路连接到插口处,用于将插口处连接的用电器的电流转换成模拟电压信号后送入测量芯片中。测量芯片内含ADC转换模块、DSP模块且支持多通道输入,通过分析采集到的用电数据进而检测插口连接用电器后的使用的功率。ADC模块主要用于将取样电路送入的模拟信号转换成可供DSP使用的数字信号。DSP模块可编程,对数据进行分析处理后经过SPI借口发送给控制器,控制器接收信号后生成控制指令发送给变压器或者继电器。
如图4所示,所述防过充检测模块包含取样电路、电压选择器、电压比较器、延时电路和逻辑控制器。取样电路的功能为将充电电流信号转换为微弱的电压信号。取样电路采样后,将数据送入电压选择器进行选择,然后输入到电压比较器中,将采样得到的电池电压与基准参考电压进行比较,若前者电压更小,则比较器输出低电平信号,此时芯片内振荡器启动,输出时钟信号给延时电路产生延时,若经过200ms延时后,比较器仍输出低电平信号,则判断用电器出现过充,控制器控制继电器工作,断开插口电源;当电压比较器接收的电压信号高于基准参考电压时,电压比较器输出高电平信号;延时后电压比较器仍输出高电平信号时,取样电路对应的插口处连接的用电器为充电状态。
本实施例中,还包括多个手动开关按钮111,其设置在插座100上,且与插口110一一对应,用于手动控制对应插口处电源的连通或者断开,当然,也可以为1个总控制按钮,控制整个插座的电源的连通或者断开;LCD显示屏120,其设置在插座100上,用于显示各个插口的工作状态;无线通信模块,其与控制器连接,用于与外部移动终端连接,能够通过外部移动终端控制插座上各个插口处的变压器或者继电器工作。
本发明设计开发的基于物联网的智能防过充插座系统,在插座的各个插口处设置有控制模块,有效的避免了用电器过冲,插座过载、短路和漏电现象的发生,提高了用电安全。
本发明还提供一种基于物联网的智能防过充插座系统的控制方法,采集各个插口的工作状态,并基于BP神经网络控制各个插口处的变压器和继电器的工作状态,具体包括如下步骤:
步骤一、建立BP神经网络模型。
BP模型上各层次的神经元之间形成全互连连接,各层次内的神经元之间没有连接,输入层神经元的输出与输入相同,即oi=xi。中间隐含层和输出层的神经元的操作特性为
opj=fj(netpj)
其中p表示当前的输入样本,ωji为从神经元i到神经元j的连接权值,opi为神经元j的当前输入,opj为其输出;fj为非线性可微非递减函数,一般取为S型函数,即fj(x)=1/(1+e-x)。
本发明采用的BP网络体系结构由三层组成,第一层为输入层,共n个节点,对应了表示插座的n个检测信号,这些信号参数由数据预处理模块给出;第二层为隐层,共m个节点,由网络的训练过程以自适应的方式确定;第三层为输出层,共p个节点,由系统实际需要输出的响应确定。
该网络的数学模型为:
输入向量:x=(x1,x2,...,xn)T
中间层向量:y=(y1,y2,...,ym)T
输出向量:o=(o1,o2,...,op)T
本发明中,输入层节点数为n=4,输出层节点数为p=4,隐藏层节点数m=2。
输入层4个参数分别表示为:x1为插口处的电流,x2为插口处的功率,x3为插口处的温度,x4为插口处的用电器的充电状态;
其中,所述输入层神经元值为xk=[xk1,xk2,…,xkn],k为输入层神经元序列号,k={1,2,3,4},n为插口数量,xkn为第n个插口的第k个输入神经元值;
输出层2个参数分别表示为:o1为插口处变压器的工作状态,o2为插口处继电器的工作状态,所述输出层神经元值为ot=[ot1,ot2,...,otn],t为输出层神经元序列号,t={1,2},otn为第n个插口的第t个输出神经元值,当otn为1时,为工作状态,当otn为0时,为不工作状态。
步骤二、进行BP神经网络的训练。
建立好BP神经网络节点模型后,即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本,并给定输入节点i和隐含层节点j之间的连接权值,隐层节点j和输出层节点k之间的连接权值。
(1)训练方法
各子网采用单独训练的方法;训练时,首先要提供一组训练样本,其中的每一个样本由输入样本和理想输出对组成,当网络的所有实际输出与其理想输出一致时,表明训练结束;否则,通过修正权值,使网络的理想输出与实际输出一致;各子网训练时的输出样本如表1所示。
表1网络训练用的输出样本
(2)训练算法
BP网络采用误差反向传播(Backward Propagation)算法进行训练,其步骤可归纳如下:
第一步:选定一结构合理的网络,设置所有节点阈值和连接权值的初值。
第二步:对每个输入样本作如下计算:
(a)前向计算:对l层的j单元
式中,为第n次计算时l层的j单元信息加权和,为l层的j单元与前一层(即l-1层)的单元i之间的连接权值,为前一层(即l-1层,节点数为nl-1)的单元i送来的工作信号;i=0时,令 为l层的j单元的阈值。
若单元j的激活函数为sigmoid函数,则
且
若神经元j属于第一隐层(l=1),则有
若神经元j属于输出层(l=L),则有
且ej(n)=xj(n)-oj(n);
(b)反向计算误差:
对于输出单元
对隐单元
(c)修正权值:
η为学习速率。
第三步:输入新的样本或新一周期样本,直到网络收敛,在训练时各周期中样本的输入顺序要重新随机排序。
BP算法采用梯度下降法求非线性函数极值,存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是Levenberg-Marquardt优化算法,它使得网络学习时间更短,能有效地抑制网络陷于局部极小。其权值调整率选为
Δω=(JTJ+μI)-1JTe
其中J为误差对权值微分的雅可比(Jacobian)矩阵,I为输入向量,e为误差向量,变量μ是一个自适应调整的标量,用来确定学习是根据牛顿法还是梯度法来完成。
在系统设计时,系统模型是一个仅经过初始化了的网络,权值需要根据在使用过程中获得的数据样本进行学习调整,为此设计了系统的自学习功能。在指定了学习样本及数量的情况下,系统可以进行自学习,以不断完善网络性能。
当o1n=1时,o2n=0;当o1n=0时,o2n=1,即变压器和继电器单独工作。
(1)当第n个插口处的变压器工作时,控制变压器的降压量满足:
式中,l为插座连接用电器的数量,ΔU为第n个插口处的变压器的降压量,Pi为第i个插口处的功率,PW为插座的许用功率,Pn为第n个插口处的功率,Ii为第i个插口处的电流,IW为插座的许用电流,In为第n个插口处的电流,为第n个插口处的温度变化率,为第n个插口处的允许最大温度变化率,为第n个插口的第j个相邻插口处的温度变化率,mn为第n个插口的相邻插口的数量,ω为调节系数。
(2)当继电器工作时,控制所述继电器对应的插座断开电源连接。
下面结合具体的实施例进一步的对本发明提供的基于物联网的智能防过充插座系统的控制方法进行说明。
模拟10组不同的用电环境,具体数据如表2所示。
表2模拟用电环境数据
采用本发明提供的基于物联网的智能防过充插座系统的控制方法进行控制,具体结果如表3所示。
表3控制结果
序号 | 变压器工作状态 | 继电器工作状态 | 降压量(v) |
1 | 不工作 | 不工作 | 0 |
2 | 不工作 | 工作(断电) | 0 |
3 | 工作 | 不工作 | 15 |
4 | 工作 | 不工作 | 35 |
5 | 工作 | 不工作 | 20 |
6 | 工作 | 不工作 | 30 |
7 | 不工作 | 不工作 | 0 |
8 | 工作 | 工作(断电) | 0 |
9 | 工作 | 不工作 | 50 |
10 | 不工作 | 工作(断电) | 0 |
由表3可知,采用本发明提供的基于物联网的智能防过充插座系统的控制方法,能够实时检测插座上各个插口连接用电器后的用电状态,进而确定变压器和继电器的工作状态,有效的避免了用电器过充,插座过载、短路和漏电现象的发生,提高了用电安全。
本发明设计开发的基于物联网的智能防过充插座系统的控制方法,能够采集各个插口的工作状态,并基于BP神经网络控制各个插口处的变压器和继电器的工作状态。本发明还能在变压器工作时,精确控制变压器的降压量,既能保证用电器的电源接入,又能保证插座的用电安全。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种基于物联网的智能防过充插座系统,其特征在于,包括:
插座,其上设置有多个插口;
多个控制模块,其与所述插口一一对应,并与对应所述插口电连接,且所述控制模块之间相互并联:
所述控制模块包括:
电流检测模块,其与对应所述插口电连接,用于检测连接用电器后的电流;
电能检测模块,其与所述电流检测模块电连接,用于检测连接用电器后的使用的功率;
防过充检测模块,其与所述电能检测模块电连接,用于检测连接用电器后的用电器的充电状态;
高温检测模块,其与所述防过充检测模块电连接,用于检测连接用电器后的插口处的温度;
变压器,其与所述高温检测模块电连接,用于调节所述插口处的电压
继电器,其与所述高温检测模块电连接,并与所述变压器并联,用于断开对应插口处的电源;
控制器,其分别连接所述控制模块,并独立控制各个控制模块中的变压器或者继电器单独工作。
2.如权利要求1所述的基于物联网的智能防过充插座系统,其特征在于,所述电能检测模块包括:
测量芯片,其与所述控制器连接
取样电路,其连接到对应插座上,并与所述测量芯片连接,用于将对应插口连接用电器后的电流转换为电压信号,并发送给所述测量芯片。
3.如权利要求3所述的基于物联网的智能防过充插座系统,其特征在于,所述防过充检测模块包括:
电压比较器,其与所述取样电路连接,用于接收所述取样电路的电压信号并输出电平信号;
延时电路,其与所述电压比较器连接,用于对所述电压比较器输出的电平信号进行延时;
其中,当所述电压比较器接收的电压信号小于基准参考电压时,电压比较器输出低电平信号;当所述电压比较器接收的电压信号高于基准参考电压时,电压比较器输出高电平信号;
当所述电压比较器输出的低电平信号延时后仍为低电平信号时,所述取样电路对应的插口处连接的用电器为过冲状态;当所述电压比较器输出的高电平信号延时后仍为高电平信号时,所述取样电路对应的插口处连接的用电器为充电状态。
4.如权利要求3所述的基于物联网的智能防过充插座系统,其特征在于,还包括:
多个手动开关按钮,其设置在所述插座上,且与所述插口一一对应,用于手动控制对应插口处电源的连通或者断开;
LCD显示屏,其设置在所述插座上,用于显示各个插口的工作状态;
无线通信模块,其与所述控制器连接,用于与外部移动终端连接。
5.一种基于物联网的智能防过充插座系统的控制方法,其特征在于,采集各个插口的工作状态,并基于BP神经网络控制各个插口处的变压器和继电器的工作状态,具体包括如下步骤:
步骤一、按照采样周期,测量插口处的电流、插口处的功率、插口处的温度、插口处的用电器的充电状态;
步骤二、确定三层BP神经网络的输入层神经元向量x={x1,x2,x3,x4};其中,x1为插口处的电流,x2为插口处的功率,x3为插口处的温度,x4为插口处的用电器的充电状态;
其中,所述输入层神经元值为xk=[xk1,xk2,...,xkn],k为输入层神经元序列号,k={1,2,3,4},n为插口数量,xkn为第n个插口的第k个输入神经元值;
步骤三、所述输入层向量映射到隐层,隐层的神经元为m个;
步骤四、得到输出层神经元向量o={o1,o2};其中,o1为插口处变压器的工作状态,o2为插口处继电器的工作状态,所述输出层神经元值为ot=[ot1,ot2,…,otn],t为输出层神经元序列号,t={1,2},otn为第n个插口的第t个输出神经元值,当otn为1时,为工作状态,当otn为0时,为不工作状态。
6.如权利要求5所述的基于物联网的智能防过充插座系统的控制方法,其特征在于,当o1n=1时,o2n=0;当o1n=0时,o2n=1。
7.如权利要求6所述的基于物联网的智能防过充插座系统的控制方法,其特征在于,当第n个插口处的变压器工作时,控制变压器的降压量满足:
式中,l为插座连接用电器的数量,ΔU为第n个插口处的变压器的降压量,Pi为第i个插口处的功率,PW为插座的许用功率,Pn为第n个插口处的功率,Ii为第i个插口处的电流,IW为插座的许用电流,In为第n个插口处的电流,为第n个插口处的温度变化率,为第n个插口处的允许最大温度变化率,为第n个插口的第j个相邻插口处的温度变化率,mn为第n个插口的相邻插口的数量,ω为调节系数。
8.如权利要求5所述的基于物联网的智能防过充插座系统的控制方法,其特征在于,当继电器工作时,控制所述继电器对应的插座断开电源连接。
9.如权利要求5所述的基于物联网的智能防过充插座系统的控制方法,其特征在于,所述隐层的神经元为4个。
10.如权利要求5所述的基于物联网的智能防过充插座系统的控制方法,其特征在于,所述隐层及所述输出层的激励函数均采用S型函数fj(x)=1/(1+e-x)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910812121.9A CN110534981B (zh) | 2019-08-30 | 2019-08-30 | 一种基于物联网的智能防过充插座系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910812121.9A CN110534981B (zh) | 2019-08-30 | 2019-08-30 | 一种基于物联网的智能防过充插座系统及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110534981A true CN110534981A (zh) | 2019-12-03 |
CN110534981B CN110534981B (zh) | 2020-07-03 |
Family
ID=68665383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910812121.9A Active CN110534981B (zh) | 2019-08-30 | 2019-08-30 | 一种基于物联网的智能防过充插座系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110534981B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112186843A (zh) * | 2020-09-22 | 2021-01-05 | 邵阳县世荣电子有限责任公司 | 一种台灯用可拆式充电底座及其充电控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836078A (zh) * | 2014-02-11 | 2015-08-12 | 王斌 | 一种人工神经元控制插座 |
CN204706925U (zh) * | 2015-06-30 | 2015-10-14 | 福州大学 | 基于bp神经网络的智能电池充电器 |
CN107968299A (zh) * | 2017-12-06 | 2018-04-27 | 芯海科技(深圳)股份有限公司 | 一种基于人工神经网络的养鱼智能插座及识别算法 |
CN108923208A (zh) * | 2018-06-25 | 2018-11-30 | 江苏大学 | 一种基于人造突触网络的新型安全插座 |
CN109244761A (zh) * | 2018-10-19 | 2019-01-18 | 广东维锐科技股份有限公司 | 一种智能充电插座 |
CN109428247A (zh) * | 2017-08-29 | 2019-03-05 | 金宝通有限公司 | 具有集成的通用串行总线(usb)的智能且稳健的墙面插座 |
US20190097362A1 (en) * | 2017-09-26 | 2019-03-28 | Xcelsis Corporation | Configurable smart object system with standard connectors for adding artificial intelligence to appliances, vehicles, and devices |
CN109884530A (zh) * | 2019-04-02 | 2019-06-14 | 西安交通大学 | 一种基于神经网络算法的电池管理系统及其操作方法 |
-
2019
- 2019-08-30 CN CN201910812121.9A patent/CN110534981B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836078A (zh) * | 2014-02-11 | 2015-08-12 | 王斌 | 一种人工神经元控制插座 |
CN204706925U (zh) * | 2015-06-30 | 2015-10-14 | 福州大学 | 基于bp神经网络的智能电池充电器 |
CN109428247A (zh) * | 2017-08-29 | 2019-03-05 | 金宝通有限公司 | 具有集成的通用串行总线(usb)的智能且稳健的墙面插座 |
US20190097362A1 (en) * | 2017-09-26 | 2019-03-28 | Xcelsis Corporation | Configurable smart object system with standard connectors for adding artificial intelligence to appliances, vehicles, and devices |
CN107968299A (zh) * | 2017-12-06 | 2018-04-27 | 芯海科技(深圳)股份有限公司 | 一种基于人工神经网络的养鱼智能插座及识别算法 |
CN108923208A (zh) * | 2018-06-25 | 2018-11-30 | 江苏大学 | 一种基于人造突触网络的新型安全插座 |
CN109244761A (zh) * | 2018-10-19 | 2019-01-18 | 广东维锐科技股份有限公司 | 一种智能充电插座 |
CN109884530A (zh) * | 2019-04-02 | 2019-06-14 | 西安交通大学 | 一种基于神经网络算法的电池管理系统及其操作方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112186843A (zh) * | 2020-09-22 | 2021-01-05 | 邵阳县世荣电子有限责任公司 | 一种台灯用可拆式充电底座及其充电控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110534981B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hua et al. | Optimal energy management strategies for energy Internet via deep reinforcement learning approach | |
CN104538999B (zh) | 一种光伏发电储能系统及其能量调度方法 | |
CN102324582B (zh) | 一种多功能铅酸蓄电池智能维护装置及容量预测方法 | |
CN107037373B (zh) | 基于神经网络的蓄电池剩余电量预测方法 | |
CN107831441A (zh) | 锂电池充电电流的预测方法、预测系统及一种充电装置 | |
CN109886501A (zh) | 一种电动汽车充放电多目标优化方法 | |
CN104376371B (zh) | 一种基于拓扑的配网分层负荷预测方法 | |
CN104934968A (zh) | 基于多智能体的配网应灾恢复协调控制方法及装置 | |
CN104734303B (zh) | 电动汽车充电操作的控制方法和装置 | |
CN109409770A (zh) | 一种基于神经网络的农村电网智能水平评价方法 | |
CN105429230B (zh) | 基于人工神经网络算法的电池管理系统及方法 | |
CN105337310A (zh) | 一种串联结构光储型多微网经济运行系统及方法 | |
CN110198042A (zh) | 一种电网储能的动态优化方法及存储介质 | |
CN107069801B (zh) | 一种基于最小用户停电损失的配电网孤岛划分方法 | |
CN106374540B (zh) | 一种实现微电源供电与负荷用电平衡的微电网控制方法 | |
CN112713605A (zh) | 一种交流微电网非等容电池储能单元soc均衡方法 | |
Wan et al. | A data-driven approach for real-time residential EV charging management | |
CN106169771A (zh) | 一种可预测发电量数据的并网逆变器 | |
CN110534981A (zh) | 一种基于物联网的智能防过充插座系统及其控制方法 | |
CN206542219U (zh) | 一种兆瓦级储能电站电池管理系统 | |
CN103679292B (zh) | 一种智能微电网双电池电能协同优化方法 | |
CN112993989A (zh) | 一种主动配电系统抗差状态估计数据处理方法 | |
Hasan et al. | A new smart approach of an efficient energy consumption management by using a machinelearning technique | |
CN110472841B (zh) | 一种电动汽车快速充电站的储能配置方法 | |
CN104730938B (zh) | 一种电池特征模拟方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |