CN113589682B - 一种主变冷却器切换方法及系统 - Google Patents
一种主变冷却器切换方法及系统 Download PDFInfo
- Publication number
- CN113589682B CN113589682B CN202111142077.9A CN202111142077A CN113589682B CN 113589682 B CN113589682 B CN 113589682B CN 202111142077 A CN202111142077 A CN 202111142077A CN 113589682 B CN113589682 B CN 113589682B
- Authority
- CN
- China
- Prior art keywords
- cooler
- control module
- main
- main control
- information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000011156 evaluation Methods 0.000 claims description 56
- 238000013528 artificial neural network Methods 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 20
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 230000008034 disappearance Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 15
- 238000001816 cooling Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 238000004804 winding Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F27/00—Details of transformers or inductances, in general
- H01F27/08—Cooling; Ventilating
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F27/00—Details of transformers or inductances, in general
- H01F27/40—Structural association with built-in electric component, e.g. fuse
- H01F27/402—Association of measuring or protective means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F27/00—Details of transformers or inductances, in general
- H01F27/40—Structural association with built-in electric component, e.g. fuse
- H01F27/402—Association of measuring or protective means
- H01F2027/406—Temperature sensor or protection
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Transformer Cooling (AREA)
Abstract
本发明提供一种主变冷却器切换方法,包括下列步骤:主控模块将运行状态值为1的冷却器设定为主冷却器,将运行状态值为2的冷却器设定为辅助冷却器,将运行状态值为3的冷却器设定为备用冷却器;主控模块根据第一状态信息以及第一判断方法判断是否启动所述主冷却器;采集第二状态信息,主控模块根据第二状态信息以及第二判断方法判断是否启动所述辅助冷却器;采集第三状态信息,主控模块根据第三状态信息以及第三判断方法判断是否启动所述备用冷却器;对多个冷却器的运行状态值进行加一处理实现优先级切换,根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器,从而实现冷却器的优先级调整。
Description
技术领域
本发明涉及主变压器冷却控制技术领域,尤其涉及一种主变冷却器切换方法及系统。
背景技术
抽水蓄能电厂主变压器在运行中的有功功率损耗会转化为热能,使变压器绕组和其中的绝缘油温度升高。主变冷却器的作用就是降低变压器中绝缘油的温度,从而降低变压器绕组和铁芯的温度,使主变压器正常运行。所以主变冷却器是否安全可靠运行对主变压器的正常工作有着重大影响。目前冷却器故障时不会自动切换优先级,原逻辑中不区分发生(泄露/电机)故障的冷却器是否在使用中,都会启动备用冷却器,可能会造成温度未达到启动辅助冷却器投入时,辅助冷却器发生(泄露/电机)故障而启动了备用冷却器,从而投入的冷却器超过了主变实际冷却需求,从而造成了较大的能源浪费。
发明内容
本发明的目的在于提供一种主变冷却器切换方法及系统,以解决上述背景技术中提出的问题。
为了实现上述发明目的,本发明第一方面提供了提供一种主变冷却器切换方法,包括下列步骤:
采集基础数据,建立评价指标,对所述评价指标进行主客观评价,并获取评价指标的综合权重,所述基础数据包括第一冷却器出口温度、第二冷却器出口温度、第三冷却器出口温度、第一冷却器扇叶转速、第二冷却器扇叶转速、第三冷却器扇叶转速、变压器油温、环境温度、变压器油温持续时间、负荷信号持续时间;
建立PID神经网络,选取多个评价指标作为PID神经网络的输入,所述综合权重作为PID神经网络的初始权重,所述PID神经网络输出多组Kp、Ki、Kd参数;
主控模块获取多个冷却器的运行状态值,将运行状态值为1的冷却器设定为主冷却器,将运行状态值为2的冷却器设定为辅助冷却器,将运行状态值为3的冷却器设定为备用冷却器;
采集第一状态信息,所述主控模块根据所述第一状态信息以及第一判断方法判断是否启动所述主冷却器,所述主冷却器根据所述主控模块的控制指令,向所述主控模块发送第一反馈信息,所述主控模块基于第一反馈信息,选取一组Kp、Ki、Kd参数对所述主冷却器进行温度调节;
采集第二状态信息,所述主控模块根据所述第二状态信息以及第二判断方法判断是否启动所述辅助冷却器,所述辅助冷却器根据所述主控模块的控制指令,向所述主控模块发送第二反馈信息,所述主控模块基于第二反馈信息,选取一组Kp、Ki、Kd参数对所述辅助冷却器进行温度调节;
采集第三状态信息,所述主控模块根据所述第三状态信息以及第三判断方法判断是否启动所述备用冷却器,所述备用冷却器根据所述主控模块的控制指令,向所述主控模块发送第三反馈信息,所述主控模块基于第三反馈信息,选取一组Kp、Ki、Kd参数对所述备用冷却器进行温度调节;
设定所述运行状态值为1的冷却器的启动时间为t,在时间t+T后,对多个冷却器的运行状态值进行加一处理实现优先级切换,根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器。
可选的,对所述评价指标进行主客观评价,采用层次分析法确定评价指标的主观权重,采用灰色关联分析法确定评价指标的客观权重,通过主观权重以及客观权重获得综合权重。
可选的,采用灰色关联分析法确定评价指标的客观权重,包括:
建立包括第一冷却器出口温度、第二冷却器出口温度、第三冷却器出口温度、第一冷却器扇叶转速、第二冷却器扇叶转速、第三冷却器扇叶转速、变压器油温、环境温度、变压器油温持续时间、负荷信号持续时间在内的评价指标;
基于评价指标建立下列评价矩阵:
式中,Xij表示对应第i个指标的第j个数值;
将所述评价矩阵归一化,获得下列归一化矩阵R:
由归一化决策矩阵R可获得最优解r*j=maxRij,所述虚拟理想解R*j=[r*1,r*2,r*3,...,r*n],其中Rij为归一化决策矩阵R中的相应元素;
计算第i个指标的第j个数值与所述虚拟理想解的灰色关联系数ε为:
基于灰色关联系数εij,构建如下灰色判断矩阵:
通过下式计算第i个指标的第j个数值在整个指标中所占的权重w:
可选的,通过主观权重以及客观权重获得综合权重,所述综合权重值的计算方式为:G=α*W1+β* W2,式中,α为层次分析法的相对重要程度,β灰色关联分析法的相对重要程度,W1为灰色关联分析法确定的权重,W2为层次分析法的确定的权重。
可选的,所述第一状态信息包括控制柜的合闸信息,所述第一判断方法包括:若所述主控模块判断是否收到所述控制柜的合闸信息,若收到,所述主控模块启动所述主冷却器。
可选的,所述第二状态信息包括主变压器的油温信息以及所述主变压器的负荷运行信号,所述第二判断方法包括:所述主变压器的一次回路合闸后发出的负荷运行信号,所述主控模块判断所述负荷运行信号的持续时间是否大于五秒,若是,则所述主控模块启动所述辅助冷却器;
若所述主控模块判断主变压器油温超过55℃,且主变压器油温超过55℃的时间不少于三秒,则所述主控模块启动所述辅助冷却器。
可选的,所述第二判断方法还包括:若主变压器运行一段时间后,所述负荷运行信号消失,并且消失时间不低于十分钟,同时所述主变压器油温在十分钟内持续低于45℃,此时所述主控模块关闭所述辅助冷却器。
可选的,所述第三状态信息包括:主变压器的油温信息、主变压器的泄露故障信息、主变压器的电机故障信息,所述第三判断方法包括:若所述主控模块判断主变压器油温超过55℃,且主变压器油温超过55℃的时间不少于两秒;
所述主控模块判断所述泄露故障信息的持续时间是否不少于两秒,若是,所述主控模块启动所述备用冷却器;
所述主控模块判断所述电机故障信息的持续时间是否不少于两秒,若是,所述主控模块启动所述备用冷却器。
可选的,所述方法还包括:在根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器时,多个冷却器的工作状态不发生改变;
在根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器后,所述主控模块根据第二判断方法判断不满足辅助冷却器的启动条件后,关闭新的辅助冷却器;
所述主控模块根据第三判断方法判断不满足备用冷却器的启动条件后,关闭新的备用冷却器。
本发明第二方面提供了一种主变冷却器切换系统,用于执行如第一方面所述的主变冷却器切换方法,所述系统包括:
评价模块,用于对评价指标进行主客观评价,并获取评价指标的综合权重;
学习模块,用于构建PID 神经网络,选取多个评价指标作为PID神经网络的输入,所述综合权重作为PID神经网络的初始权重,所述PID神经网络输出多组Kp、Ki、Kd参数;
主控模块,用于对多个冷却器实现切换控制,并基于多组Kp、Ki、Kd参数实现冷却器的温度控制。
与现有技术相比,本发明达到的有益效果如下:
本发明提供的一种主变冷却器切换方法及系统,能够实现主变压器的冷却器的智能化检测/控制,实现多个冷却器的优先级切换、开启/关闭控制以及温度精确调节,有效避免了现有技术中变压器风冷变频节能方法灵活性差,调节单一,调节精度低,冷效却果差以及由于受控制逻辑的限制导致冷却器多投而造成的浪费,多投或少投而造成温度的变化过快而影响变压器的工作性能和使用寿命;由于受调节方法的限制不能经济的适用于各种复杂的场合,不能实现冷却器的经济运行,造成了资源浪费的问题,同时为变压器冷却器的节能控制提供了一种控制思路。
附图说明
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优选实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的整体架构图;
图2为本发明提供的一种主变冷却器切换方法的流程图;
图3为本发明提供的一种主变冷却器切换系统的架构图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
应当理解的是,本发明能够以不同形式实施,而不应当解释为局限于这里提出的实施例。相反地,提供这些实施例将使公开彻底和完全,并且将本发明的范围完全地传递给本领域技术人员。
在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时,单数形式的“一”、“一个”和“所述/该”也意图包括复数形式,除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”,当在该说明书中使用时,确定所述特征、整数、步骤、操作、元件和/或部件的存在,但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时,术语“和/或”包括相关所列项目的任何及所有组合。
为了彻底理解本发明,将在下列的描述中提出详细的结构,以便阐释本发明提出的技术方案。本发明的可选实施例详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
一种主变冷却器切换方法,应用于主控模块中,参见图1,其中主控模块由现场PLC以及通信主线构成,每台主变压器配N台冷却器,而现场PLC通过硬布线或modbus分别与所述冷却器以及主变压器相连接,通过接收判断来自主变压器的状态信息,从而调动相应的冷却器降低主变压器中绝缘油的温度,从而降低变压器绕组和铁芯的温度,使主变压器正常运行。
参见图2,其控制方法包括下列步骤:
S1、采集基础数据,建立评价指标,对所述评价指标进行主客观评价,并获取评价指标的综合权重,所述基础数据包括第一冷却器出口温度、第二冷却器出口温度、第三冷却器出口温度、第一冷却器扇叶转速、第二冷却器扇叶转速、第三冷却器扇叶转速、变压器油温、环境温度、变压器油温持续时间、负荷信号持续时间;
在步骤S1中,采用层次分析法确定评价指标的主观权重,采用灰色关联分析法确定评价指标的客观权重,通过主观权重以及客观权重获得综合权重。
在本发明的一个示例中,通过层次分析法确定评价指标的主观权重,包括如下步骤:
S101、建立包括第一冷却器出口温度、第二冷却器出口温度、第三冷却器出口温度、第一冷却器扇叶转速、第二冷却器扇叶转速、第三冷却器扇叶转速、变压器油温、环境温度、变压器油温持续时间、负荷信号持续时间在内的评价指标
S102、建立判断矩阵,通过对所述评价指标的两两比较,列出判断矩阵如下:
Vi:Vj=aij
A=(aij)n*m
式中,Vi为一个评价指标,Vj为另一个评价指标,aij为标度,i取1,2,3,…,n;j取1,2,3,…,m,而n、m分别取任一自然数,并采用以下标准进行判断:当Vi与Vj具有同等重要性时,标度为1;当Vi比Vj稍微重要时,标度为3;当Vi比Vj明显重要时,标度为5;当Vi比Vj强烈重要时,标度为7;当Vi比Vj极端重要时,标度为9;
S103、计算判断矩阵A的最大特征根的特征向量,该向量即为层次分析法所确定的权重向量。
在本发明的另一个示例中,通过采用灰色关联分析法确定评价指标的客观权重,包括:
S104、基于评价指标建立下列评价矩阵:
式中,Xij表示对应第i个指标的第j个数值;
S105、将所述评价矩阵归一化,获得下列归一化矩阵R:
由归一化决策矩阵R可获得最优解r*j=maxRij,所述虚拟理想解R*j=[r*1,r*2,r*3,...,r*n],其中Rij为归一化决策矩阵R中的相应元素;
S106、计算第i个指标的第j个数值与所述虚拟理想解的灰色关联系数ε为:
S107、基于灰色关联系数εij,构建如下灰色判断矩阵:
S108、通过下式计算第i个指标的第j个数值在整个指标中所占的权重w:
所述综合权重值的计算方式为:G=α*W1+β* W2,式中,α为层次分析法的相对重要程度,β灰色关联分析法的相对重要程度,W1为灰色关联分析法确定的权重,W2为层次分析法的确定的权重。
S2、建立PID神经网络,选取多个评价指标作为PID神经网络的输入,所述综合权重作为PID神经网络的初始权重,所述PID神经网络输出多组Kp、Ki、Kd参数;
作为示例性的,本发明实施例设置了多组评价指标组,其中第一组指标包括:第一冷却器出口温度、第一冷却器扇叶转速、变压器油温、环境温度、变压器油温持续时间;
第二组指标包括:第一冷却器出口温度、第一冷却器扇叶转速、第二冷却器出口温度、第二冷却器扇叶转速、变压器油温、环境温度、变压器油温持续时间、负荷信号持续时间;
第三组指标包括:第一冷却器出口温度、第一冷却器扇叶转速、第二冷却器出口温度、第二冷却器扇叶转速、第三冷却器出口温度、第三冷却器扇叶转速、变压器油温、环境温度、变压器油温持续时间、负荷信号持续时间;
计算第一组指标的综合权重,将以第一组指标作为PID神经网络的输入,以第一组指标的综合权重作为PID神经网络的初始权重,所述PID神经网络输出第一组Kp、Ki、Kd参数;
计算第二组指标的综合权重,将以第二组指标作为PID神经网络的输入,以第二组指标的综合权重作为PID神经网络的初始权重,所述PID神经网络输出第二组Kp、Ki、Kd参数;
计算第三组指标的综合权重,将以第三组指标作为PID神经网络的输入,以第三组指标的综合权重作为PID神经网络的初始权重,所述PID神经网络输出第三组Kp、Ki、Kd参数;
S3、主控模块获取多个冷却器的运行状态值,将运行状态值为1的冷却器设定为主冷却器,将运行状态值为2的冷却器设定为辅助冷却器,将运行状态值为3的冷却器设定为备用冷却器;
S4、采集第一状态信息,所述主控模块根据所述第一状态信息以及第一判断方法判断是否启动所述主冷却器,所述主冷却器根据所述主控模块的控制指令,向所述主控模块发送第一反馈信息,所述主控模块基于第一反馈信息,选取一组Kp、Ki、Kd参数对所述主冷却器进行温度调节;
在此步骤中,作为示例性的,所述第一状态信息包括控制柜的合闸信息,所述第一判断方法包括:若所述主控模块判断是否收到所述控制柜的合闸信息,若收到,所述主控模块启动所述主冷却器。即当控制柜合闸通电时,主控模块启动主冷却器,由主冷却器实现主变压器的冷却操作,同时所述主冷却器向所述主控模块发送包含ON信息的第一反馈信息;
所述主控模块根据第一反馈信息,以第一组指标作为PID神经网络的输入,以第一组指标的综合权重作为PID神经网络的初始权重,所述PID神经网络输出第一组Kp、Ki、Kd参数,通过第一组Kp、Ki、Kd参数实现对主冷却器温度输出的调节。
S5、采集第二状态信息,所述主控模块根据所述第二状态信息以及第二判断方法判断是否启动所述辅助冷却器,所述辅助冷却器根据所述主控模块的控制指令,向所述主控模块发送第二反馈信息,所述主控模块基于第二反馈信息,选取一组Kp、Ki、Kd参数对所述辅助冷却器进行温度调节;
在此步骤中,所述第二状态信息包括主变压器的油温信息以及所述主变压器的负荷运行信号,所述主变压器的油温信息由主变压器自身进行监测而获得,同理,主变压器处于异常运行状态时,会产生相应的的负荷运行信号,通过主变压器与主控模块的数据传输接口,可将上述第二状态信息传输至主控模块的PLC处。
进一步的,所述第二判断方法包括两个判断条件,判断条件一以及判断条件二用于判断何时启动辅助冷却器,其中判断条件一:所述主变压器的一次回路合闸后发出的负荷运行信号,所述主控模块判断所述负荷运行信号的持续时间是否大于五秒;
判断条件二:若所述主控模块判断主变压器油温超过55℃,且主变压器油温超过55℃的时间不少于三秒;
当满足判断条件一或判断条件二时,则所述主控模块启动所述辅助冷却器,与主冷却器一起对主变压器进行联合制冷,同时所述辅助冷却器向所述主控模块发送包含ON信息的第二反馈信息。
进一步的,所述第二判断方法还包括判断条件三,所述判断条件三用于判断何时关闭辅助制冷器,判断条件三为:若主变压器运行一段时间后,所述负荷运行信号消失,并且消失时间不低于十分钟,同时所述主变压器油温在十分钟内持续低于45℃,当满足判断条件三时,此时所述主控模块关闭所述辅助冷却器,由主制冷器为主变压器实施单独制冷。
进一步的,所述主控模块根据第二反馈信息,以第二组指标作为PID神经网络的输入,以第二组指标的综合权重作为PID神经网络的初始权重,所述PID神经网络输出第二组Kp、Ki、Kd参数,通过第二组Kp、Ki、Kd参数对主冷却器以及辅助冷却器进行调节,实现主冷却器以及辅助冷却器的高效精确的制冷。
S6、采集第三状态信息,所述主控模块根据所述第三状态信息以及第三判断方法判断是否启动所述备用冷却器,所述备用冷却器根据所述主控模块的控制指令,向所述主控模块发送第三反馈信息,所述主控模块基于第三反馈信息,选取一组Kp、Ki、Kd参数对所述备用冷却器进行温度调节;
在本步骤中,所述第三状态信息包括:主变压器的油温信息、主变压器的泄露故障信息、主变压器的电机故障信息,所述泄露故障信息以及电机故障信息均由主变压器自身的监测系统进行采集。
进一步的,所述第三判断方法包括三个判断条件,其中判断条件一为:若所述主控模块判断主变压器油温超过65℃,且主变压器油温超过55℃的时间不少于两秒;
判断条件二为:所述主控模块判断所述泄露故障信息的持续时间是否不少于两秒。
判断条件三为:所述主控模块判断所述电机故障信息的持续时间是否不少于两秒。
在实施第三判断方法的过程中,其处于满足判断条件一或判断条件二或判断条件三的状态下时,所述主控模块启动所述备用冷却器,从而使得备用冷却器开启,与辅助冷却器、主冷却器一起为主变压器进行冷却操作,同时所述备用冷却器向所述主控模块发送第三反馈信息。
进一步的,当不满足判断条件一时,即所述主控模块判断主变压器油温低于65℃时,所述主控模块关闭所述备用冷却器。
进一步的,所述主控模块根据第三反馈信息,以第三组指标作为PID神经网络的输入,以第三组指标的综合权重作为PID神经网络的初始权重,所述PID神经网络输出第三组Kp、Ki、Kd参数,通过第三组Kp、Ki、Kd参数对主冷却器、辅助冷却器、备用冷却器进行调节,实现主冷却器、辅助冷却器、备用冷却器的高效精确的制冷。
S7、设定所述运行状态值为1的冷却器的启动时间为t,在时间t+T后,对多个冷却器的运行状态值进行加一处理实现优先级切换,根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器。
在本步骤中,其T为阈值,在本实施例中,T取值为一周,所述运行状态值包括数值1、2、3,当所述运行状态值为3时,在进行加一处理后,所述运行状态值修改为数值1。
当主冷却器、辅助冷却器、备用冷却器正常运行一周后,主冷却器、辅助冷却器、备用冷却器的运行状态值进行加一处理,在加一处理后,运行状态值为1的冷却器变更自身的运行状态值为2,运行状态值为2的冷却器变更自身的运行状态值为3,运行状态值为3的冷却器变更自身的运行状态值为1,因此原主冷却器被设定为新的辅助冷却器,原辅助冷却器被设定为新的备用冷却器,原备用冷却器被设定为新的主冷却器。
进一步的,在根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器后,所述主控模块根据第二判断方法判断不满足辅助冷却器的启动条件后,关闭新的辅助冷却器;
所述主控模块根据第三判断方法判断不满足备用冷却器的启动条件后,关闭新的备用冷却器。
作为示例性的,在进行优先级切换过程中,当原主冷却器处于正常工作状态,并已经正常工作了t+T小时后,而原辅助冷却器、原备用冷却器不处于工作状态,当原备用冷却器被设定为新的主冷却器后,t+T+1S时启动原备用冷却器,并同时关闭原主冷却器,进而实现优先级切换。
进一步的,当原主冷却器、原辅助冷却器处于正常工作状态,并已经正常工作了t+T小时后,而原备用冷却器不处于工作状态,当原备用冷却器被设定为新的主冷却器,原主冷却器被设定为新的辅助冷却器,原辅助冷却器被设定为新的备用冷却器后,t+T+1S时启动原备用冷却器,并保持原主冷却器处于启动状态,同时关闭原辅助冷却器。
进一步的,当原主冷却器、原辅助冷却器、原备用冷却器处于正常工作状态时,并已经正常工作了t+T小时后,在进行优先级切换时,根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器,在t+T+1S时保持原主冷却器、原辅助冷却器、原备用冷却器的工作状态不发生改变。
进一步的,在本申请的实施例中,所述第一反馈信息、第二反馈信息、第三反馈信息均包括ON信息以及OFF信息,当所述冷却器处于未启动状态时,相应的冷却器持续向所述主控模块发送OFF信息,当所述冷却器处于启动状态时,相应的冷却器持续向所述主控模块发送ON信息。
作为示例性的,当所述主冷却器向所述主控模块发送包含OFF信息的第一反馈信息时,表示其所述主冷却器出现故障,此时所述主控模块对主冷却器、辅助冷却器、备用冷却器的运行状态值进行加一处理,确定新的主冷却器,通过启动新的主冷却器来实现主变压器的冷却操作,原主冷却器生成故障报警信息,并及时通知技术人员进行维修处理。
作为示例性的,当所述辅助冷却器向所述主控模块发送包含OFF信息的第二反馈信息时,所述主控模块启动备用冷却器来代替辅助冷却器进而实现主变压器的冷却操作,辅助冷却器生成故障报警信息,并及时通知技术人员进行维修处理。
作为示例性的,当所述备用冷却器向所述主控模块发送包含OFF信息的第三反馈信息时,所述备用冷却器生成故障报警信息,并及时通知技术人员进行维修处理。
参见图3,本发明第二方面提供了一种主变冷却器切换系统,用于执行如第一方面所述的主变冷却器切换方法,所述系统包括:
评价模块,用于对评价指标进行主客观评价,并获取评价指标的综合权重;
学习模块,用于构建PID 神经网络,选取多个评价指标作为PID神经网络的输入,所述综合权重作为PID神经网络的初始权重,所述PID神经网络输出多组Kp、Ki、Kd参数;
主控模块,用于对多个冷却器实现切换控制,并基于多组Kp、Ki、Kd参数实现冷却器的温度控制。
本发明第二方面提供的主变冷却器切换系统,其工作流程以及原理与第一方面一致,本实施例不在此继续阐述。
综上所述,本发明提供了一种主变冷却器切换方法及系统,能够实现主变压器的冷却器的智能化检测/控制,实现主冷却器、辅助冷却器、备用冷却器的优先级切换以及根据需求实现多个冷却器的开启/关闭控制,有效避免了现有技术中变压器风冷变频节能方法灵活性差,调节单一,调节精度低,冷效却果差以及由于受控制逻辑的限制导致冷却器多投而造成的浪费,多投或少投而造成温度的变化过快而影响变压器的工作性能和使用寿命;由于受调节方法的限制不能经济的适用于各种复杂的场合,不能实现冷却器的经济运行,造成了资源浪费的问题,同时为变压器冷却器的节能控制提供了一种控制思路。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (8)
1.一种主变冷却器切换方法,其特征在于,包括下列步骤:
采集基础数据,建立评价指标,对所述评价指标进行主客观评价,并获取评价指标的综合权重,所述基础数据包括第一冷却器出口温度、第二冷却器出口温度、第三冷却器出口温度、第一冷却器扇叶转速、第二冷却器扇叶转速、第三冷却器扇叶转速、变压器油温、环境温度、变压器油温持续时间、负荷信号持续时间;
建立PID神经网络,选取多个评价指标作为PID神经网络的输入,所述综合权重作为PID神经网络的初始权重,所述PID神经网络输出多组Kp、Ki、Kd参数;
主控模块获取多个冷却器的运行状态值,将运行状态值为1的冷却器设定为主冷却器,将运行状态值为2的冷却器设定为辅助冷却器,将运行状态值为3的冷却器设定为备用冷却器;
采集第一状态信息,所述主控模块根据所述第一状态信息以及第一判断方法判断是否启动所述主冷却器,所述主冷却器根据所述主控模块的控制指令,向所述主控模块发送第一反馈信息,所述主控模块基于第一反馈信息,选取一组Kp、Ki、Kd参数对所述主冷却器进行温度调节;
采集第二状态信息,所述主控模块根据所述第二状态信息以及第二判断方法判断是否启动所述辅助冷却器,所述辅助冷却器根据所述主控模块的控制指令,向所述主控模块发送第二反馈信息,所述主控模块基于第二反馈信息,选取一组Kp、Ki、Kd参数对所述辅助冷却器进行温度调节;
采集第三状态信息,所述主控模块根据所述第三状态信息以及第三判断方法判断是否启动所述备用冷却器,所述备用冷却器根据所述主控模块的控制指令,向所述主控模块发送第三反馈信息,所述主控模块基于第三反馈信息,选取一组Kp、Ki、Kd参数对所述备用冷却器进行温度调节;
设定所述运行状态值为1的冷却器的启动时间为t,在时间t+T后,对多个冷却器的运行状态值进行加一处理实现优先级切换,根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器。
2.根据权利要求1所述的一种主变冷却器切换方法,其特征在于,对所述评价指标进行主客观评价,采用层次分析法确定评价指标的主观权重,采用灰色关联分析法确定评价指标的客观权重,通过主观权重以及客观权重获得综合权重。
3.根据权利要求1所述的一种主变冷却器切换方法,其特征在于,所述第一状态信息包括控制柜的合闸信息,所述第一判断方法包括:若所述主控模块判断是否收到所述控制柜的合闸信息,若收到,所述主控模块启动所述主冷却器。
4.根据权利要求3所述的一种主变冷却器切换方法,其特征在于,所述第二状态信息包括主变压器的油温信息以及所述主变压器的负荷运行信号,所述第二判断方法包括:所述主变压器的一次回路合闸后发出的负荷运行信号,所述主控模块判断所述负荷运行信号的持续时间是否大于五秒,若是,则所述主控模块启动所述辅助冷却器;
若所述主控模块判断主变压器油温超过55℃,且主变压器油温超过55℃的时间不少于三秒,则所述主控模块启动所述辅助冷却器。
5.根据权利要求4所述的一种主变冷却器切换方法,其特征在于,所述第二判断方法还包括:若主变压器运行一段时间后,所述负荷运行信号消失,并且消失时间不低于十分钟,同时所述主变压器油温在十分钟内持续低于45℃,此时所述主控模块关闭所述辅助冷却器。
6.根据权利要求5所述的一种主变冷却器切换方法,其特征在于,所述第三状态信息包括:主变压器的油温信息、主变压器的泄露故障信息、主变压器的电机故障信息,所述第三判断方法包括:若所述主控模块判断主变压器油温超过55℃,且主变压器油温超过55℃的时间不少于两秒;
所述主控模块判断所述泄露故障信息的持续时间是否不少于两秒,若是,所述主控模块启动所述备用冷却器;
所述主控模块判断所述电机故障信息的持续时间是否不少于两秒,若是,所述主控模块启动所述备用冷却器。
7.根据权利要求6所述的一种主变冷却器切换方法,其特征在于,所述方法还包括:在根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器时,多个冷却器的工作状态不发生改变;
所述方法还包括:在根据新的运行状态值重新设定新的主冷却器、新的辅助冷却器以及新的备用冷却器后,所述主控模块根据第二判断方法判断不满足辅助冷却器的启动条件后,关闭新的辅助冷却器;
所述主控模块根据第三判断方法判断不满足备用冷却器的启动条件后,关闭新的备用冷却器。
8.一种主变冷却器切换系统,用于执行如权利要求1-7任一项所述的主变冷却器切换方法,其特征在于,所述系统包括:
评价模块,用于对评价指标进行主客观评价,并获取评价指标的综合权重;
学习模块,用于构建PID 神经网络,选取多个评价指标作为PID神经网络的输入,所述综合权重作为PID神经网络的初始权重,所述PID神经网络输出多组Kp、Ki、Kd参数;
主控模块,用于对多个冷却器实现切换控制,并基于多组Kp、Ki、Kd参数实现冷却器的温度控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111142077.9A CN113589682B (zh) | 2021-09-28 | 2021-09-28 | 一种主变冷却器切换方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111142077.9A CN113589682B (zh) | 2021-09-28 | 2021-09-28 | 一种主变冷却器切换方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113589682A CN113589682A (zh) | 2021-11-02 |
CN113589682B true CN113589682B (zh) | 2021-12-28 |
Family
ID=78242366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111142077.9A Active CN113589682B (zh) | 2021-09-28 | 2021-09-28 | 一种主变冷却器切换方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113589682B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115629535A (zh) * | 2022-11-14 | 2023-01-20 | 国网浙江省电力有限公司金华供电公司 | 一种基于bp神经网络的变电站智能降温控制方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000208337A (ja) * | 1999-01-11 | 2000-07-28 | Mitsubishi Electric Corp | 静止誘導電気機器装置 |
CN2924742Y (zh) * | 2006-06-14 | 2007-07-18 | 冯宝泉 | 变压器强油循环风冷智能控制系统 |
WO2014037988A1 (ja) * | 2012-09-04 | 2014-03-13 | 富士通株式会社 | 温度管理システム |
KR101367086B1 (ko) * | 2013-10-17 | 2014-02-24 | (주)테키스트 | 반도체 제조 설비를 위한 온도제어 시스템 |
CN107912004A (zh) * | 2017-12-14 | 2018-04-13 | 深圳供电局有限公司 | 一种变压器冷却控制柜 |
CN110767411A (zh) * | 2019-10-31 | 2020-02-07 | 广东电网有限责任公司 | 一种变压器冷却装置及运行监测系统 |
CN110794890A (zh) * | 2019-11-06 | 2020-02-14 | 国网新疆电力有限公司检修公司 | 基于全面感知的变压器冷却器智能控制系统及其工作方法 |
CN111912640B (zh) * | 2020-07-14 | 2024-02-09 | 渭南美益特发动机减排技术有限公司 | Egr冷却器换热性能实验系统及其应用方法 |
CN112718302A (zh) * | 2020-12-02 | 2021-04-30 | 创思达(辽宁)环保工程有限公司 | 蒸发冷却器喷水控制方法及装置 |
-
2021
- 2021-09-28 CN CN202111142077.9A patent/CN113589682B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113589682A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Integrating direct load control with interruptible load management to provide instantaneous reserves for ancillary services | |
Fu et al. | Predictive maintenance in intelligent-control-maintenance-management system for hydroelectric generating unit | |
CN101943921B (zh) | 一种变压器冷却系统智能控制方法和智能控制装置 | |
CN104537487B (zh) | 一种输变电设备运行动态风险的评估方法 | |
CN109713668B (zh) | 一种新能源基地直流外送连锁脱网预警和防御系统及方法 | |
CN113589682B (zh) | 一种主变冷却器切换方法及系统 | |
Nassaj et al. | An accelerated preventive agent based scheme for postdisturbance voltage control and loss reduction | |
CN116191476B (zh) | 智能化电网一次调频系统 | |
CN117034763A (zh) | 一种数字能源空压系统的一站式智能管理系统 | |
CN116700390A (zh) | 储能液冷系统进液温度控制方法、系统、设备及存储介质 | |
CN111509779A (zh) | 柴油发电机组并机母线多路输出供电、切换控制系统 | |
CN111240306A (zh) | 一种自适应配电变压器故障诊断系统及其诊断方法 | |
CN112084661B (zh) | 一种风电机组变流器水冷系统冷却状态评估预警方法 | |
Nguyen et al. | Safety-assured collaborative load management in smart grids | |
CN112636564A (zh) | 变流器的控制方法及装置、变流器、电子设备、存储介质 | |
Khare et al. | Prioritizing emergency control problems with fuzzy set theory | |
CN116577583B (zh) | 脱硫系统电气参数评价方法、装置和电子设备 | |
CN104345654A (zh) | 不同功率整流器混插系统、及其节能实现方法和装置 | |
CN117034157B (zh) | 一种结合多模态运行数据的水电设备故障识别方法与系统 | |
US11196257B2 (en) | System for managing distribution network | |
CN111969606B (zh) | 支路n-1过载预防控制方法、装置及存储介质 | |
CN115853817B (zh) | 用于风机变频节能安全防护的视频判断系统 | |
Hunt et al. | Improving the operation of distribution substations | |
CN110912269B (zh) | 一种海上电网电能调度与管控系统 | |
CN118174456A (zh) | 一种自感知监测智能化控制配电系统 |
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 |