CN111414031A - 一种开关柜的温湿度智能调节方法 - Google Patents
一种开关柜的温湿度智能调节方法 Download PDFInfo
- Publication number
- CN111414031A CN111414031A CN202010294152.2A CN202010294152A CN111414031A CN 111414031 A CN111414031 A CN 111414031A CN 202010294152 A CN202010294152 A CN 202010294152A CN 111414031 A CN111414031 A CN 111414031A
- Authority
- CN
- China
- Prior art keywords
- temperature
- humidity
- value
- training
- decrease
- 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
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 31
- 230000007423 decrease Effects 0.000 claims abstract description 23
- 230000005494 condensation Effects 0.000 claims abstract description 12
- 238000009833 condensation Methods 0.000 claims abstract description 12
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000011217 control strategy Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种开关柜的温湿度智能调节方法，包括参数设置、初始化模拟开关柜的虚拟环境模块、状态检验、选择操作、评估产生凝露的可能性、温湿度控制步骤。本发明通过对每个时刻的温湿度建立虚拟环境状态，模拟实际温湿度的增减进行评估，多次训练后可以自动给出最合理的温湿度控制策略，可及时调整减少开关柜凝露的问题，提高电力系统的运行稳定性。
Description
技术领域
本发明涉及一种开关柜的温湿度调节方法，尤其涉及一种开关柜的温湿度智能调节方法，属于电气设备运行维护技术领域。
背景技术
开关柜作为电力系统中重要的电气设备，相应的成套设备在变电站中也已经实现广泛应用，但近年来柜内爆炸事故常有发生，对电力系统稳定运行带来了重大挑战，同时大大降低现场人员的工作安全系数。而由于开关柜内封闭且空气不易流通的运行状态，常常会出现高温高湿的问题，这恰恰容易引起凝露现象的出现。凝露现象可能导致短时局部放电，长此以往会造成设备绝缘不可恢复的损伤，为事故埋下了严重隐患。
目前对开关柜的温湿度监测均通过柜内放置的传感器获得实时数据，之后采用阈值判断是否超过安全范围，最终驱动控制空调、除湿机等温湿度调节设备实现对温湿度的调节。现有的判断方法盲目且不可预见，只能分析当前温湿度出现凝露的可能性，无法预见当前对温湿度调节设备做出的控制对未来的影响，而凝露现象的出现条件非常复杂，盲目选择调节温度或湿度可能没有效果甚至适得其反，因此需要温湿度控制需要具备预见性。
强化学习作为智能算法之一近年来被广泛应用于设备控制领域，其具备良好的自学习能力，在多轮训练之后，可有效在虚拟环境中预见可能出现的错误情况并避免，从而自发地找到一个安全有效的解决问题的策略方法。
发明内容
本发明要解决的技术问题是提供一种开关柜的温湿度智能调节方法。
为解决上述技术问题，本发明采用的技术方案是：
一种开关柜的温湿度智能调节方法，包括以下步骤：
步骤1：设置训练轮数；设置末轮标志为0；
步骤2：判断末轮标志是否为1；如果是，转向步骤3；否则，转向步骤4；
步骤3：设定温湿度累加值为0；
步骤4：初始化模拟开关柜的虚拟环境模块：所述虚拟环境模块包括价值表，所述价值表的行标签为状态，列标签为操作；温度不变且湿度不变，温度增加0.1℃且湿度不变，温度降低0.1℃且湿度不变，温度不变且湿度增加0.1％，温度不变且湿度降低0.1％，温度增加0.1℃且湿度增加0.1％，温度增加0.1℃且湿度减少0.1％，温度降低0.1℃且湿度增加0.1％，温度降低0.1℃且湿度降低0.1％；设置训练次数；
步骤5：状态检验：采集开关柜内的温湿度，如果价值表的状态与当前温湿度数据组合不重复，将其作为一项状态增加到价值表中；
步骤6：选择操作：随机选择所述价格表中的一项操作，价值最大的操作被选中的概率大于所述价格表中其他操作被选中的概率综合；如果末轮标志为1且选择的操作为对温湿度的增减，温湿度累加值增加温湿度的增减值；
步骤7：训练次数减1，判断训练次数是否大于0，如果是，转向步骤5，否则转向步骤8；
步骤8：评估产生凝露的可能性：确定与步骤6选择的操作对应的收益等级F：
式(1)中，T为温度，RH为相对湿度；式(1)中，T为温度，RH为相对湿度；更新所述价值表中与所述初始状态和操作对应的价值V(s0,ai)为V(s1,aj)＝V(s0,ai)+β(F+ωV(s1,aj)-V(s0,ai))；β为超参数学习率，ω为价值衰减率；
步骤9：训练轮数减1；判断训练轮数是否为1；如果是，转向步骤10；否则转向步骤11；
步骤10：设置末轮标志为1；
步骤11：判断训练轮数是否为0；如果是，转向步骤11；否则转向步骤2；
步骤12：温湿度控制：如果温度降低达1℃时，开启空调；如果湿度增加达2％，开启除湿机；
步骤13：间隔预设时间Δt，转向步骤1。
进一步，训练轮数为10，训练次数为20。
采用上述技术方案所取得的技术效果在于：
本发明通过对每个时刻的温湿度建立虚拟环境状态，模拟实际温湿度的增减进行评估，多次训练后可以自动给出最合理的温湿度控制策略，可及时调整减少开关柜凝露的问题，提高电力系统的运行稳定性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明的流程图。
具体实施方式
实施例1：
一种开关柜的温湿度智能调节方法，包括以下步骤：
步骤1：设置训练轮数；设置末轮标志为0；本实施例中训练轮数为10；
步骤2：判断末轮标志是否为1；如果是，转向步骤3；否则，转向步骤4；
步骤3：设定温湿度累加值为0；
步骤4：初始化模拟开关柜的虚拟环境模块：所述虚拟环境模块包括价值表，所述价值表的行标签为状态，列标签为操作；操作包括对温湿度的增减；设置训练次数，本实施例中，训练次数为20；如状态s1＝(20,60)指温度T＝20℃，相对湿度RH＝60％；操作如温度增加0.1℃；价值表的价值V(s0,ai)代表在状态s0进行操作ai后避免凝露的可能性；
步骤5：状态检验：采集开关柜内的温湿度，如果价值表的状态与当前温湿度数据组合不重复，将其作为一项状态增加到价值表中；
步骤6：选择操作：随机选择所述价格表中的一项操作，价值最大的操作被选中的概率大于所述价格表中其他操作被选中的概率综合；如果末轮标志为1，记录选择的操作；如果选择的操作为对温湿度的增减，温湿度累加值增加温湿度的增减值；
步骤7：训练次数减1，判断训练次数是否大于0，如果是，转向步骤5，否则转向步骤8；
步骤8：评估产生凝露的可能性：确定与步骤6选择的操作对应的收益等级F，根据公式β(F+ωV(s1,aj)-V(s0,ai))(其中β为超参数学习率，ω为价值衰减率，F为收益等级；V(s0,ai)为价值表中状态s0和操作ai对应的价值，V(s1,aj)为价值表中状态s1和操作aj对应的价值)算出该动作真实价值与估计价值之间的误差，更新所述价值表中与所述初始状态和操作对应的价值；
当状态s0进行操作ai变为状态s1并进行操作aj时，对价值表中状态s0进行操作ai的价值V(s0,ai)更新为V(s0,ai)+β(F+ωV(s1,aj)-V(s0,ai))；β为超参数学习率，ω为价值衰减率，F为收益等级；V(s0,ai)为价值表中状态s0和操作ai对应的价值，V(s1,aj)为价值表中状态s1和操作aj对应的价值；
在虚拟环境中模拟实际环境反馈功能，用于评估某状态进行操作后的新状态对于避免凝露的收益等级F的评估模型为：
步骤9：训练轮数减1；判断训练轮数是否为1；如果是，设置末轮标志为1；否则转向步骤10；
步骤9：训练轮数减1；判断训练轮数是否为1；如果是，转向步骤10；否则转向步骤11；
步骤10：设置末轮标志为1；
步骤11：判断训练轮数是否为0；如果是，转向步骤11；否则转向步骤2；
步骤12：温湿度控制：如果温度降低达1℃时，开启空调；如果湿度增加达2％，开启除湿机；
步骤13：间隔预设时间Δt，转向步骤1。
Claims (2)
1.一种开关柜的温湿度智能调节方法，其特征在于：包括以下步骤：
步骤1：参数设置：设置训练轮数；设置末轮标志为0；
步骤2：判断末轮标志是否为1；如果是，转向步骤3；否则，转向步骤4；
步骤3：设定温湿度累加值为0；
步骤4：初始化模拟开关柜的虚拟环境模块：所述虚拟环境模块包括价值表，所述价值表的行标签为状态，列标签为操作；操作包括对温湿度的增减；设置训练次数；
步骤5：状态检验：采集开关柜内的温湿度，如果价值表的状态与当前温湿度数据组合不重复，将其作为一项状态增加到价值表中；
步骤6：选择操作：随机选择所述价格表中的一项操作，随机选择的概率为初始化随机指数δ(0＜δ＜1)，选择价值最大的操作的概率为1-δ；如果末轮标志为1且选择的操作为对温湿度的增减，温湿度累加值增加温湿度的增减值；
步骤7：训练次数减1，判断训练次数是否大于0，如果是，转向步骤5，否则转向步骤8；
步骤8：评估产生凝露的可能性：确定与步骤6选择的操作对应的收益等级F：
式(1)中，T为温度，RH为相对湿度；更新所述价值表中与所述初始状态和操作对应的价值V(s0,ai)为V(s1,aj)＝V(s0,ai)+β(F+ωV(s1,aj)-V(s0,ai))；β为超参数学习率，ω为价值衰减率；
步骤9：训练轮数减1；判断训练轮数是否为1；如果是，转向步骤10；否则转向步骤11；
步骤10：设置末轮标志为1；
步骤11：判断训练轮数是否为0；如果是，转向步骤11；否则转向步骤2；
步骤12：温湿度控制：如果温度降低达1℃时，开启空调；如果湿度增加达2％，开启除湿机；
步骤13：间隔预设时间Δt，转向步骤1。
2.一种采用权利要求1所述的开关柜的温湿度智能调节方法，其特征在于：训练轮数为10，训练次数为20。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010294152.2A CN111414031B (zh) | 2020-04-15 | 2020-04-15 | 一种开关柜的温湿度智能调节方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010294152.2A CN111414031B (zh) | 2020-04-15 | 2020-04-15 | 一种开关柜的温湿度智能调节方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111414031A true CN111414031A (zh) | 2020-07-14 |
| CN111414031B CN111414031B (zh) | 2022-02-08 |
Family
ID=71491924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010294152.2A Active CN111414031B (zh) | 2020-04-15 | 2020-04-15 | 一种开关柜的温湿度智能调节方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111414031B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462827A (zh) * | 2020-10-27 | 2021-03-09 | 国网山东省电力公司临沂供电公司 | 一种汇控柜环境综合监测治理方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204424758U (zh) * | 2015-03-20 | 2015-06-24 | 江西华通电气有限公司 | 一种自动控温除湿的低压配电柜 |
| CN105045315A (zh) * | 2015-06-29 | 2015-11-11 | 韦义乐 | 一种变电站室外端子箱加热系统 |
| CN108205604A (zh) * | 2017-12-19 | 2018-06-26 | 国网浙江省电力公司绍兴供电公司 | 一种抑制开关柜凝露的模拟方法 |
| US20190003726A1 (en) * | 2012-02-10 | 2019-01-03 | Gentherm Incorporated | Moisture abatement in heating operation of climate controlled systems |
| CN109672102A (zh) * | 2018-11-22 | 2019-04-23 | 广东电网有限责任公司 | 一种凝露的产生判断方法、控制方法、装置及电子设备 |
| CN110941296A (zh) * | 2019-11-18 | 2020-03-31 | 国网天津市电力公司电力科学研究院 | 一种开关室智能防凝露控制系统及其控制方法 |
-
2020
- 2020-04-15 CN CN202010294152.2A patent/CN111414031B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190003726A1 (en) * | 2012-02-10 | 2019-01-03 | Gentherm Incorporated | Moisture abatement in heating operation of climate controlled systems |
| CN204424758U (zh) * | 2015-03-20 | 2015-06-24 | 江西华通电气有限公司 | 一种自动控温除湿的低压配电柜 |
| CN105045315A (zh) * | 2015-06-29 | 2015-11-11 | 韦义乐 | 一种变电站室外端子箱加热系统 |
| CN108205604A (zh) * | 2017-12-19 | 2018-06-26 | 国网浙江省电力公司绍兴供电公司 | 一种抑制开关柜凝露的模拟方法 |
| CN109672102A (zh) * | 2018-11-22 | 2019-04-23 | 广东电网有限责任公司 | 一种凝露的产生判断方法、控制方法、装置及电子设备 |
| CN110941296A (zh) * | 2019-11-18 | 2020-03-31 | 国网天津市电力公司电力科学研究院 | 一种开关室智能防凝露控制系统及其控制方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462827A (zh) * | 2020-10-27 | 2021-03-09 | 国网山东省电力公司临沂供电公司 | 一种汇控柜环境综合监测治理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111414031B (zh) | 2022-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108037378B (zh) | 基于长短时记忆网络的变压器运行状态预测方法及系统 | |
| CN103683277B (zh) | 一种电力系统暂态稳定切负荷控制有效性评价指标计算方法 | |
| CN102854461B (zh) | 一种开关设备发生故障的概率预测方法及其系统 | |
| CN104517241B (zh) | 一种基于输电线路全工况信息的风险评估方法 | |
| US20200348993A1 (en) | Machine-learning based optimization of data center designs and risks | |
| US20170115675A1 (en) | Determining a time for corrective action in a data center | |
| CN105631578A (zh) | 一种面向风险评估的输变电设备故障概率模型的建模方法 | |
| Zhu et al. | Rapid quantification of demand response potential of building HAVC system via data-driven model | |
| EP3059856A1 (en) | Method for predicting a future timing of lowering of a current value or power generation quantity of a solar power generation system | |
| CN106097146A (zh) | 一种计及运行状态的风电机组短期可靠性预测方法 | |
| CN109214529A (zh) | 一种机电系统预防性维护方法及系统、设备、存储介质 | |
| Schein et al. | Application of control charts for detecting faults in variable-air-volume boxes | |
| CN118144614B (zh) | 一种基于数据分析的停车场充电桩供电管理系统 | |
| CN111414031A (zh) | 一种开关柜的温湿度智能调节方法 | |
| CN110953687B (zh) | 一种空调的健康度评价方法、系统及存储介质 | |
| CN104154632A (zh) | 一种机房精密空调系统集中控制方法 | |
| Guo et al. | Intelligent model based fault detection and diagnosis for HVAC system using statistical machine learning methods | |
| CN103246939A (zh) | 基于安全稳定裕度的电网运行安全风险事件在线辨识方法 | |
| Gao et al. | Diagnosis of the low temperature difference syndrome in the chilled water system of a super high-rise building: A case study | |
| DE112019007975T5 (de) | Abnormalitätszeichenschätzeinrichtung für Klimaanlage, Abnormalitätszeichenschätzmodelllerneinrichtung für Klimaanlage und Klimaanlage | |
| CN105528742A (zh) | 一种断路器失效概率评估方法 | |
| CN117805688A (zh) | 一种用于输变电工程的数字化监控方法、设备以及介质 | |
| CN211015183U (zh) | 一种高压开关设备的环境监控装置 | |
| Du et al. | Wavelet neural network-based fault diagnosis in air-handling units | |
| CN105911375A (zh) | 一种配电线路覆冰临界电流特性的试验方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201117 Address after: 274000 No. 199 Zhonghua Road, Shandong, Heze Applicant after: State Grid Shandong Electric Power Company Heze Power Supply Co. Applicant after: STATE GRID CORPORATION OF CHINA Address before: 274000 No. 199 Zhonghua Road, Shandong, Heze Applicant before: State Grid Shandong Electric Power Company Heze Power Supply Co. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |