CN112286246A - 一种基于pso并网逆变器湿度监控系统 - Google Patents

Abstract

本发明公开了一种基于pso并网逆变器湿度监控系统，包括并网逆变器、内部湿度传感器、外部湿度传感器、分别与环境湿度传感器和内部湿度传感器连接的控制模块、与控制模块相连的无线通信模块，与无线通信模块连接的现场监测中心；所述并网逆变器设于铁塔上，内部湿度传感器设于并网逆变器内，外部湿度传感器设于铁塔塔身。通过设置内部湿度传感器和多个外部湿度传感器达到对并网逆变器湿度准确监测的效果，提高逆变器稳定运行的可靠性，而且结构简单，成本低，易于实现。

Description

一种基于pso并网逆变器湿度监控系统

技术领域

本发明涉及电力电子设备技术领域，尤其是涉及一种基于pso并网逆变器湿度监控系统。

背景技术

在电力系统中，铁塔作为输电线路的脊柱存在广泛分部在各个山间。铁塔上设置的太阳能发电系统通常直接暴露在室外环境工作，经常会遇到高湿、淋雨、盐雾等恶劣气象条件，光伏并网逆变器作为整个光伏系统的关键设备，承担电流转换、系统通讯、故障诊断与保护等重要作用。有当发生线路异常时，给维护人员带来了强大的检修压力。

光伏并网逆变器面临的湿度挑战主要由于内部空气较为密闭，长时间运行，当外界空气湿度较大时，其机箱内部空气湿度较大，影响逆变器稳定运行，对产品设计、元器件的选择都是个严峻的挑战。因此，准确测量外界空气湿度和远程监控并网逆变器工作状态，对于并网逆变器的可持续使用具有重要意义。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种基于pso并网逆变器湿度监控系统，可以准确测量并网逆变器的周围环境湿度和箱内湿度。并将数据实时反馈至现场监测中心，在湿度异常时实时进行向现场监测中心报警，使箱式逆变器内部的湿度保持在正常范围内，避免湿度过大环境对并网逆变器性能造成损害。

本发明解决其技术问题所采用的技术方案是：一种基于pso并网逆变器湿度监控系统，包括并网逆变器、内部湿度传感器、多个外部湿度传感器、分别与内部湿度传感器和多个外部湿度传感器连接的控制模块、与控制模块相连的无线通信模块，和无线通信模块连接的现场监测中心；所述并网逆变器设于铁塔上，内部湿度传感器设于并网逆变器的箱体内，多个外部湿度传感器均设于铁塔塔身。

优选的，所述外部湿度传感器从塔身从上至下设有6个，每层沿横向的铁塔支架设置2个。

优选的，所述外部湿度传感器从塔身从上至下设有8个，每层沿横向的铁塔支架设置2个。

优选的，所述每层的2个外部湿度传感器相对于并网逆变器对称安装。

优选的，所述外部湿度传感器用螺栓及固定支架固定于铁塔支架上。

优选的，所述并网逆变器连接光伏发电板，光伏发电板以易于阳光照射的夹角倾斜安装于塔身，光伏发电板所产生的直流电传输至并网逆变器转换为交流电。

优选的，所述光伏发电板用螺栓及固定支架固定于铁塔内侧支架上，所述光伏发电板与水平夹角在30°～45°之间。

优选的，所述逆变器内设有除湿装置，除湿装置和控制模块连接。

优选的，所述内部湿度传感器和外部湿度传感器均采用电子式湿敏传感器。

优选的，所述现场监测中心连接远程设备监测与故障诊断中心，现场监测中心负责收集控制模块传送的并网逆变器的湿度状态监测和初步异常判断，并将数据通过互联网传输给远程设备监测与故障诊断中心。

优选的，运用人工神经网络建立不同湿度条件的数学关系，以外部湿度传感器和内部湿度传感器获得的监测数据为样本，建立神经网络，对空气湿度做出预测；所述预测过程包括如下步骤：

S1:通过在检测位置设立的外部湿度传感器和内部湿度传感器，获取同时间段的外部湿度及相应的逆变器内湿度数据，将检测数据通过无线传输方式传送到现场监测中心进行分析；

S2:以待检测地点的数据为准，获取检测地点的训练参数作为训练样本，建立训练样本库；

S3:对所述训练样本中的外部湿度数据及相应的内部湿度数据进行归一化预处理；

S4:利用粒子群优化算法对BP神经网络的权值和阈值进行训练，根据训练结果建立外部湿度传感器检测的PSO-BP神经网络模型，根据该模型拟合出内部湿度的数据随外部湿度传感器采集数据变化的关系，以此作为主动控制除湿装置的参考。

人工神经网络是从微观结构以及功能上对人脑神经系统模拟而建立起来的一类计算模型,具有模拟人的部分形象思维能力，适合非线性预测及推理。

本发明的有益效果：本发明提出的基于pso并网逆变器湿度监控系统通过内部温湿度传感器、多个外部湿度传感器检测逆变器机箱内部和外部的湿度差。通过围绕并网逆变器设置的多个外部湿度传感器，能准确测量环境湿度的阈值，现场监测中心进行实时的分析预测，并进行预除湿处理。从而有效降低逆变器机箱内部空气湿度，减小空气湿度对逆变器造成的损坏，提高逆变器稳定运行的可靠性，而且结构简单，成本低，易于实现。

附图说明

图1—为本申请的第1实施形态基于pso并网逆变器湿度监控系统的结构设备布置示意图；

图2—为本申请的第1实施形态的结构示意图；

图中：1—铁塔，2—光伏发电板，3—并网逆变器，4—第一外部传感器，5—第二外部传感器，6—第三外部传感器，7—第四外部传感器，8—第五外部传感器，9—第六外部传感器。

具体实施方式

以下结合附图及实施例对本发明作进一步说明。

参照图1和图2：

本发明公开了一种基于pso并网逆变器湿度监控系统，包括并网逆变器3、内部湿度传感器、多个外部湿度传感器、分别与内部湿度传感器和外部湿度传感器连接的控制模块、与控制模块相连的无线通信模块，和无线通信模块连接的现场监测中心；所述并网逆变器3设于铁塔1上，内部湿度传感器设于并网逆变器3的箱体内，多个外部湿度传感器设于铁塔1塔身。

<第1实施形态>

在本实施例中，所述外部湿度传感器从塔身从上至下设有6个，每层沿横向的铁塔支架设置2个，即分为3层，且每层的2个外部湿度传感器相对于并网逆变器3对称安装，相邻层的外部湿度传感器沿铁塔高度等距设置；分别为第一外部传感器4，第二外部传感器5，第三外部传感器6，第四外部传感器7，第五外部传感器8，第六外部传感器9，所述第三外部传感器6，第四外部传感器7和并网逆变器3设于同一高度。

在本实施例中，所述外部湿度传感器用螺栓及固定支架固定于铁塔支架上。

在本实施例中，所述并网逆变器3连接光伏发电板2，光伏发电板2所产生的直流电传输至并网逆变器3转换为交流电；光伏发电板2以易于阳光照射的夹角倾斜安装于逆变器以下两侧的铁塔支架上，左右两侧各安装两块光伏发电板2，所述光伏发电板2位置上下交错，互不阻挡阳光。

在本实施例中，所述内部湿度传感器和外部湿度传感器均采用电子式湿敏传感器，其准确度可达2-3%RH，比干湿球测湿精度高。

在本实施例中，所述现场监测中心连接远程设备监测与故障诊断中心，现场监测中心负责收集控制模块传送的并网逆变器的湿度状态监测和初步异常判断，并将数据通过互联网传输给远程设备监测与故障诊断中心。

工作时，通过内部湿度传感器、外部湿度传感器检测机箱内部和机箱周围环境的空气湿度，反馈给控制模块，再通过无线通信模块传输至现场监测中心进行初步判断；首先设定湿度阈值，若是判断内部空气湿度大于湿度阈值，则控制除湿装置完成机箱内部除湿效果；若是内部空气湿度小于湿度阈值，但任一外部湿度传感器检测到外部空气湿度达到阈值，同样由现场监测中心控制除湿装置先进行预排湿处理，避免出现机箱内湿度超标的现象，有效减小空气湿度过大对并网逆变器工作造成的影响。

<第2实施形态>

本发明的第二实施形态的基于pso并网逆变器湿度监控系统的具体描述如下。

对于与第1实施形态相同的部件、标注相同的符号，省略对这些部件的详细说明。

第2实施形态与第1实施形态的不同点在于：相对于第一实施形态的6个外部湿度传感器，第二实施形态设有8个外部湿度传感器，且每层的2个外部湿度传感器相对于并网逆变器3对称安装，相邻层的外部湿度传感器沿铁塔高度等距设置；所述第2层和第3层的4个湿度传感器相对于并网逆变器中心对称。

本实施例中，运用人工神经网络建立不同湿度条件的数学关系，以外部湿度传感器和内部湿度传感器获得的监测数据为样本，建立神经网络，对空气湿度做出预测；人工神经网络是从微观结构以及功能上对人脑神经系统模拟而建立起来的一类计算模型,具有模拟人的部分形象思维能力，适合非线性预测及推理，所述预测过程包括如下步骤：

获取检测地点的训练参数作为训练样本，建立训练样本库，其中，所述训练参数包括多个外部湿度传感器及对应时间的内部湿度传感器数据；

在本步骤中，首先获取训练样本，以待检测地点的数据为准，获取检测地点的训练参数作为训练样本，建立训练样本库；

在一较佳实施例中，所述获取检测地点的训练参数作为训练样本，建立训 练样本库的步骤为：

通过在检测位置设立的外部湿度传感器和内部湿度传感器，获取同时间段的外部湿度及相应的逆变器内湿度数据，构建所述训练样本；系统每10分钟检测一次，构建足够大的训练样本；再对所述训练样本进行归一化预处理；

训练样本需进行预处理，以适合神经网络的训练；在本实施例中，对所述训练样本中的外部湿度数据及相应的内部湿度数据进行归一化：

利用粒子群优化算法（PSO，Particle Swarm Optimization）对BP（Back Propagation，网络模型）神经网络的权值和阈值进行训练，根据训练结果建立外部湿度传感器检测的PSO-BP神经网络模型，根据该模型拟合出内部湿度的数据随外部湿度传感器采集数据变化的关系，并以此作为主动控制除湿装置的参考，并预测最近一段时间的湿度情况，在到达湿度阈值之前，控制器调度除湿装置提前做好除湿准备。

以上仅是本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有前述各种技术特征的组合和变型，本领域的技术人员在不脱离本发明的精神和范围的前提下，对本发明的改进、变型、等同替换，或者将本发明的结构或方法用于其它领域以取得同样的效果，都属于本发明包括的保护范围。

Claims (9)

1.一种基于pso并网逆变器湿度监控系统，其特征在于：包括并网逆变器、内部湿度传感器、多个外部湿度传感器、分别与内部湿度传感器和外部湿度传感器连接的控制模块、与控制模块相连的无线通信模块，和无线通信模块连接的现场监测中心；所述并网逆变器设于铁塔上，内部湿度传感器设于并网逆变器的箱体内，多个外部湿度传感器均设于铁塔塔身。

2.根据权利要求1所述的基于pso并网逆变器湿度监控系统，其特征在于：所述多个外部湿度传感器沿塔身从上至下设有6个，每层沿横向的铁塔支架设置2个。

3.根据权利要求1所述的基于pso并网逆变器湿度监控系统，其特征在于：所述多个外部湿度传感器沿塔身从上至下设有8个，每层沿横向的铁塔支架设置2个。

4.根据权利要求2或3所述的基于pso并网逆变器湿度监控系统，其特征在于：所述每层的2个外部湿度传感器相对于并网逆变器对称安装。

5.根据权利要求1所述的基于pso并网逆变器湿度监控系统，其特征在于：所述外部湿度传感器用螺栓及固定支架固定于铁塔支架上。

6.根据权利要求1所述的基于pso并网逆变器湿度监控系统，其特征在于：所述并网逆变器连接光伏发电板，光伏发电板以易于阳光照射的夹角倾斜安装于塔身，光伏发电板所产生的直流电传输至并网逆变器转换为交流电。

7.根据权利要求1所述的基于pso并网逆变器湿度监控系统，其特征在于：所述内部湿度传感器和外部湿度传感器均采用电子式湿敏传感器。

8.根据权利要求1所述的基于pso并网逆变器湿度监控系统，其特征在于：所述逆变器内设有除湿装置，除湿装置和控制模块连接。

9.根据权利要求1所述的基于pso并网逆变器湿度监控系统，其特征在于：以外部湿度传感器和内部湿度传感器获得的监测数据为样本，建立神经网络，对空气湿度做出预测；所述预测过程包括如下步骤：

S1:通过在检测位置设立的外部湿度传感器和内部湿度传感器，获取同时间段的外部湿度及相应的逆变器内湿度数据，将检测数据通过无线传输方式传送到现场监测中心进行分析；

S2:以待检测地点的数据为准，获取检测地点的训练参数作为训练样本，建立训练样本库；

S3:对所述训练样本中的外部湿度数据及相应的内部湿度数据进行归一化预处理；

S4:利用粒子群优化算法对BP神经网络的权值和阈值进行训练，根据训练结果建立外部湿度传感器检测的PSO-BP神经网络模型，根据该模型拟合出内部湿度的数据随外部湿度传感器采集数据变化的关系，以此作为主动控制除湿装置的参考。

Images