CN116582034A - 一种低能耗永磁外转子滚筒电机控制系统 - Google Patents
一种低能耗永磁外转子滚筒电机控制系统 Download PDFInfo
- Publication number
- CN116582034A CN116582034A CN202310569966.6A CN202310569966A CN116582034A CN 116582034 A CN116582034 A CN 116582034A CN 202310569966 A CN202310569966 A CN 202310569966A CN 116582034 A CN116582034 A CN 116582034A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- motor
- data
- environment
- consumption parameter
- 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.)
- Pending
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 187
- 238000004088 simulation Methods 0.000 claims abstract description 45
- 238000013507 mapping Methods 0.000 claims abstract description 38
- 230000003993 interaction Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 abstract description 7
- 238000012216 screening Methods 0.000 abstract description 4
- 230000001105 regulatory effect Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/34—Modelling or simulation for control purposes
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/28—Arrangements for controlling current
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种低能耗永磁外转子滚筒电机控制系统，涉及电机控制技术领域，解决了现有技术没有综合考虑外部因素和内部损耗，难以实现电机在多工况下低能耗控制的技术问题；本发明在能耗映射模型的基础上，匹配获取工作环境最优的能耗参数组；基于最优的能耗参数组控制电机运行参数；本发明能够结合电机的实际工作环境快速匹配最佳的能耗参数组，将电机调整至低能耗状态；本发明根据电机的工作参数确定若干模拟环境组；在模拟环境组的基础上模拟电机运行，获取对应的若干能耗参数组；对若干能耗参数组进行筛选后获取能耗映射模型；本发明从电机的出厂数据出发，保证能耗映射模型满足电机的全工况工作需求，也能够保证对电机进行合理准确地调整。
Description
技术领域
本发明属于电机控制领域，涉及永磁外转子滚筒电机的低能耗控制技术，具体是一种低能耗永磁外转子滚筒电机控制系统。
背景技术
永磁外转子滚筒电机是目前市场上的主要动力装置，其在诸多领域得到广泛应用。但由于其具体的工作条件复杂且多样化，单一的电机控制方式难以保证电机时刻处于低能耗状态，这使得电机的运行成本难以控制。
目前在对永磁外转子滚筒电机进行控制时，要么通过电机的睡眠与唤醒状态之间的切换来降低能耗，要么根据电机的实际负载自动调节电机的输出功率实现能耗降低。现有技术在对电机进行能耗控制时，主要通过外部因素的直接反馈来控制电机，并没有考虑外部因素作用下电机本身产生的损耗，难以实现电机在多工况下的低能耗控制。
本发明提出了一种低能耗永磁外转子滚筒电机控制系统，以解决上述问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种低能耗永磁外转子滚筒电机控制系统，用于解决现有技术没有综合考虑外部因素和内部损耗，难以实现电机在多工况下低能耗控制的技术问题。
为实现上述目的，本发明的第一方面提供了一种低能耗永磁外转子滚筒电机控制系统，包括中枢控制模块，以及与之相连接的数据交互模块；中枢控制模块根据电机的工作参数确定若干模拟环境组；在模拟环境组的基础上模拟电机运行，获取对应的若干能耗参数组；以及计算模拟环境组对应的若干能耗参数组的能耗系数；至少选择一个能耗系数符合要求的能耗参数组，并基于选择的能耗参数组与对应模拟环境组构建能耗映射模型；中枢控制模块通过与数据交互模块相连接的数据传感器获取电机的工作环境；在能耗映射模型的基础上，匹配获取工作环境最优的能耗参数组；基于最优的能耗参数组控制电机运行参数。
电机运行环境复杂且多样，难以通过单一的电机设置来降低运行能耗。本发明模拟获取各模拟环境组下对应的最优能耗参数组，并通过人工智能模型对模拟环境组与最优能耗参数组之间的映射关系进行表达，构建能耗映射模型；之后在电机实际运行时，根据电机的实际工作环境确定对应的最优能耗参数组，根据能耗参数组来对电机进行动态调节，以实现电机时刻处于低能耗状态。
本发明中的模拟环境组包括环境温度、环境湿度和电机负载等电机工作环境的影响因素。能耗参数组包括功率因数和电机效率，这两个参数直接影响着电机的经济性。电机的功率因数与电机效率呈反比例变化，即随着功率因数的增大，电机效率会降低；功率因数可通过调节的励磁电流来改变；而对于功率较大的电机可通过改变风摩耗来改变电机效率，对于功率较小的电机可通过改变功率因数来平衡功率因数和电机效率，进而降低电机运行成本。
本发明中的中枢控制模块与数据交互模块通信和/或电气连接；数据交互模块与若干数据传感器通信和/或电气连接；若干数据传感器用于获取电机的工作环境，且数据传感器包括温度传感器、湿度传感器和功率传感器。中枢控制模块主要负责数据处理，包括能耗映射模型的构建以及根据能耗映射模型对电机进行动态调整。数据交互模块则主要通过数据传感器进行数据采集；数据传感器主要用于获取电机的工作环境。
优选的，所述中枢控制模块根据电机的工作参数确定若干模拟环境组，包括：提取电机的工作参数；按照设置的步长分别对环境温度、环境湿度和电机负载进行数据提取，获取三组数据序列；对三组数据序列中的数据进行依次组合获取若干模拟环境组。
本发明中的工作参数包括环境温度、环境湿度和电机负载，与工作环境相对应。环境温度、环境湿度会对电机的工作状态产生影响，如低温环境下会对电机运行产生的温升进行抑制。电机负载同样会对电机运行状态产生影响，因此将环境数据与电机负载结合起来对电机运行状态进行模拟，可得到不同条件下电机的功率因数和电机效率的最佳平衡。
本发明识别出电机出厂设置的环境温度、环境湿度以及电机负载的范围，分别根据对应设置的步长来对范围进行划分，可获取三组数据序列。通过排列组合的方式将三组数据序列中的数据进行排列，可获取若干模拟环境组。任意模拟环境组中均包括一个环境温度、一个环境湿度和一个电机负载。
优选的，所述在模拟环境组的基础上模拟电机运行，包括：依次选定模拟环境组，根据模拟环境组来模拟电机的运行过程；改变电机的功率因数，并提取随之改变的电机效率；提取不影响电机正常运行的功率因数和电机效率组合，生成能耗参数组。
在获取若干模拟环境组之后，可依次根据模拟环境组来设置模拟环境，并模拟电机的运行过程。在电机运行过程中，在合理范围内改变电机的功率因数(合理范围可以为[0.8，1])，其他要素不变的情况下提取对应的电机效率，即形成能耗参数组。因此，同一模拟环境组对应若干能耗参数组。
能耗参数组对应的功率因数和电机效率均能够满足电机带动电机负载正常运行，显然不同能耗参数组带来的电机运行成本是不同的。若电力成本相对电机运行带来的收益较高，则功率因数越大，电机在维持正常工作下的运行成本越低。
优选的，所述计算模拟环境组对应的若干能耗参数组的能耗系数，包括：将能耗数据组中的功率因数和电机效率分别标记为GY和DX；通过公式NX=α×GY×exp(DX)计算获取能耗数据组的能耗系数NX。
本发明对模拟环境组对应的若干能耗参数组进行评估，具体是通过大量数据模拟获取能耗系数的计算公式，根据计算公式计算出各能耗参数组对应的能耗系数，能耗系数越大说明电机按照对应能耗参数组运行时的成本越低。根据设定的能耗阈值来选择符合要求的能耗参数组，用于后续能耗映射模型的训练。
本发明中的α为大于0的比例系数，α根据输入成本和输出成本设定，也可以理解为根据电机工作过程所带来的经济收益与投入成本来确定。如电机工作一小时带来的经济收益为1000元，而电力等成本投入为500元，则α=0.5。当然，在另外一些实施例中可以直接将α设置为1，并不影响能耗参数组的筛选。
优选的，所述基于选择的能耗参数组与对应模拟环境组构建能耗映射模型，包括：将模拟环境组中的环境温度、环境湿度和电机负载整合成标准输入数据；将能耗参数组中的功率因数和电机效率整合成标准输出数据；通过标准输入数据和标准输出数据训练人工智能模型，获取能耗映射模型。
本发明中的人工智能模型包括BP神经网络模型或者RBF神经网络模型；将模拟环境组中的数据整合成标准输入数据，对应的若干能耗参数组的数据整合成标准输出数据，可以训练得到能耗映射模型。模拟之前获得了若干模拟环境组，因此标准输入数据和标准输出数据的数据量足以满足人工智能模型的训练，而且还能够保证能耗映射模型能够满足电机的大多数工作环境。
优选的，所述在能耗映射模型的基础上，匹配获取工作环境最优的能耗参数组，包括：根据获取的电机工作环境整合获取模型输入数据；将模型输入数据输入至能耗映射模型中，获取与标准输出数据内容属性一致的模型输出数据，并标记为工作环境对应的最优能耗参数组。
能耗映射模型是保持电机处于低能耗工作状态的基础。中枢控制模块在电机的实际工作中，仅需要实时采集电机的实际工作环境，如实际工作的环境温度、环境湿度以及电机负载，结合电机实际工作的输出成本和投入成本来确定能耗最低的能耗参数组。当然，也可以将根据输出成本和投入成本生成的比例系数纳入到能耗映射模型的训练中，这样能耗映射模型可直接输出最优的能耗参数组。
优选的，所述基于最优的能耗参数组控制电机运行参数，包括：获取电机工作中实际的功率因数和电机效率；将实际的功率因数和电机效率与最优的能耗参数组中的对应数据进行比较；根据比较结果对电机运行参数进行调节。
本发明在获取最优的能耗参数组之后，与电机当前状态下的功率因数和电机效率进行比较，根据比较结果来对励磁电流进行调节，进而实现对功率因数的调节。功率因数调节之后，电机效率也就得到了间接调节，最终实现电机的低能耗运行。
与现有技术相比，本发明的有益效果是：
1.本发明基于选择的能耗参数组与对应模拟环境组构建能耗映射模型；在能耗映射模型的基础上，匹配获取工作环境最优的能耗参数组；基于最优的能耗参数组控制电机运行参数；本发明能够结合电机的实际工作环境快速匹配最佳的能耗参数组，及时将电机调整至低能耗状态。
2.本发明根据电机的工作参数确定若干模拟环境组；在模拟环境组的基础上模拟电机运行，获取对应的若干能耗参数组；对若干能耗参数组进行筛选之后获取能耗映射模型；本发明从电机的出厂数据出发，保证能耗映射模型满足电机的全工况工作需求，同时也能够保证对电机进行合理准确地调整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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一些实施例，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为本发明的系统原理示意图；
图2为本发明的方法步骤示意图。
实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明第一方面实施例提供了一种低能耗永磁外转子滚筒电机控制系统，包括中枢控制模块，以及与之相连接的数据交互模块；中枢控制模块根据电机的工作参数确定若干模拟环境组；在模拟环境组的基础上模拟电机运行，获取对应的若干能耗参数组；以及计算模拟环境组对应的若干能耗参数组的能耗系数；至少选择一个能耗系数符合要求的能耗参数组，并基于选择的能耗参数组与对应模拟环境组构建能耗映射模型；中枢控制模块通过与数据交互模块相连接的数据传感器获取电机的工作环境；在能耗映射模型的基础上，匹配获取工作环境最优的能耗参数组；基于最优的能耗参数组控制电机运行参数。
本实施例的第一步是中枢控制模块根据电机的工作参数确定若干模拟环境组；在模拟环境组的基础上模拟电机运行，获取对应的若干能耗参数组。
假设某电机铭牌的环境温度为0-30℃，环境湿度为0.1-0.8，该电机的电机负载为0-100；对应的设定步长分别为5，0.1，10；则得到三组数据序列分别为[0，5，10，15，20，25，30]，[0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8]，[0，10，20，30，40，50，60，70，80，90，100]。通过组合的方式可获取若干模拟环境组，具体模拟环境组的数量为7×8×11。
选定其中一模拟环境组[5，0.2，40]，将模拟环境的环境温度设置为5℃，环境湿度设置为0.2，同时为电机匹配40的电机负载。在此条件下模拟电机运行，并在运行过程中改变电机的功率因数。假设电机的功率因数为[0.8，1]，则也按照设定的步长进行改变，同时每个功率因数均对应一个电机效率。这样在同一模拟环境组下可获取多个能耗参数组，而且这多个能耗参数组中必然存在能耗最低的组合。
本实施例的第二步是计算模拟环境组对应的若干能耗参数组的能耗系数；至少选择一个能耗系数符合要求的能耗参数组，并基于选择的能耗参数组与对应模拟环境组构建能耗映射模型。
每个模拟环境组均对应若干能耗参数组，因此电机的功率因数和电机效率之间本身存在着制约关系，因此不可能存在某一能耗参数组中的功率因素和电机效率均高于另一能耗参数组。通过设定的能耗系数计算公式得到各能耗参数组的能耗系数，根据能耗阈值对其进行筛选。可选择能耗系数最大的一组能耗参数组，当然也可以选择所有能耗系数大于能耗阈值的能耗参数组。之后，对模拟环境组以及筛选出的能耗参数组进行整合，并对人工智能模型进行训练，可得到能耗映射模型。
本实施例的第三步是中枢控制模块通过与数据交互模块相连接的数据传感器获取电机的工作环境；在能耗映射模型的基础上，匹配获取工作环境最优的能耗参数组；基于最优的能耗参数组控制电机运行参数。
电机在实际工作过程中，通过数据传感器获取电机的实际工作环境，如环境温度、环境湿度以及电机的实际负载，将其整合成模型输入数据，输入至能耗映射模型中可得到对应的能耗参数组，该能耗参数组也可以理解为该模型输入数据所对应的最优的一个或者几个功率因数和电机效率组合。
将能耗映射模型输出的功能因数与电机实际的功率因数进行比较，若存在差距，则通过调节电机的励磁电流对功率因数进行调整。随着功率因数的变化，电机的电机效率也会发生变化，进而使得电机在低能耗下完成工作。在必要时候，还可以对电机的风摩耗来对电机效率进行调节，以保持功率因数和电机效率的平衡。
上述公式中的部分数据是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：根据电机的工作参数确定若干模拟环境组；在模拟环境组的基础上模拟电机运行，获取对应的若干能耗参数组。计算模拟环境组对应的若干能耗参数组的能耗系数；至少选择一个能耗系数符合要求的能耗参数组，并基于选择的能耗参数组与对应模拟环境组构建能耗映射模型。获取电机的工作环境；在能耗映射模型的基础上，匹配获取工作环境最优的能耗参数组；基于最优的能耗参数组控制电机运行参数。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种低能耗永磁外转子滚筒电机控制系统，包括中枢控制模块，以及与之相连接的数据交互模块；其特征在于：
中枢控制模块根据电机的工作参数确定若干模拟环境组；在模拟环境组的基础上模拟电机运行，获取对应的若干能耗参数组；其中，模拟环境组包括环境温度、环境湿度和电机负载，能耗参数组包括功率因数和电机效率；以及
计算模拟环境组对应的若干能耗参数组的能耗系数；至少选择一个能耗系数符合要求的能耗参数组，并基于选择的能耗参数组与对应模拟环境组构建能耗映射模型；其中，能耗系数符合要求指能耗系数大于设定的能耗阈值；
中枢控制模块通过与数据交互模块相连接的数据传感器获取电机的工作环境；在能耗映射模型的基础上，匹配获取工作环境最优的能耗参数组；基于最优的能耗参数组控制电机运行参数；其中，电机运行参数包括励磁电流或风摩耗。
2.根据权利要求1所述的一种低能耗永磁外转子滚筒电机控制系统，其特征在于，所述中枢控制模块根据电机的工作参数确定若干模拟环境组，包括：
提取电机的工作参数；其中，工作参数包括环境温度、环境湿度和电机负载；
按照设置的步长分别对环境温度、环境湿度和电机负载进行数据提取，获取三组数据序列；对三组数据序列中的数据进行依次组合获取若干模拟环境组。
3.根据权利要求1所述的一种低能耗永磁外转子滚筒电机控制系统，其特征在于，所述在模拟环境组的基础上模拟电机运行，包括：
依次选定模拟环境组，根据模拟环境组来模拟电机的运行过程；
改变电机的功率因数，并提取随之改变的电机效率；提取不影响电机正常运行的功率因数和电机效率组合，生成能耗参数组。
4.根据权利要求1所述的一种低能耗永磁外转子滚筒电机控制系统，其特征在于，所述计算模拟环境组对应的若干能耗参数组的能耗系数，包括：
将能耗数据组中的功率因数和电机效率分别标记为GY和DX；
通过公式NX=α×GY×exp(DX)计算获取能耗数据组的能耗系数NX；其中，α为大于0的比例系数，α根据输入成本和输出成本设定。
5.根据权利要求1所述的一种低能耗永磁外转子滚筒电机控制系统，其特征在于，所述基于选择的能耗参数组与对应模拟环境组构建能耗映射模型，包括：
将模拟环境组中的环境温度、环境湿度和电机负载整合成标准输入数据；将能耗参数组中的功率因数和电机效率整合成标准输出数据；
通过标准输入数据和标准输出数据训练人工智能模型，获取能耗映射模型；其中，人工智能模型包括BP神经网络模型或者RBF神经网络模型。
6.根据权利要求1所述的一种低能耗永磁外转子滚筒电机控制系统，其特征在于，所述在能耗映射模型的基础上，匹配获取工作环境最优的能耗参数组，包括：
根据获取的电机工作环境整合获取模型输入数据；其中，模型输入数据的内容属性与标准输入数据一致；
将模型输入数据输入至能耗映射模型中，获取与标准输出数据内容属性一致的模型输出数据，并标记为工作环境对应的最优能耗参数组。
7.根据权利要求1所述的一种低能耗永磁外转子滚筒电机控制系统，其特征在于，所述基于最优的能耗参数组控制电机运行参数，包括：
获取电机工作中实际的功率因数和电机效率；
将实际的功率因数和电机效率与最优的能耗参数组中的对应数据进行比较；根据比较结果对电机运行参数进行调节。
8.根据权利要求1所述的一种低能耗永磁外转子滚筒电机控制系统，其特征在于，所述中枢控制模块与所述数据交互模块通信和/或电气连接；所述数据交互模块与若干数据传感器通信和/或电气连接；
若干所述数据传感器用于获取电机的工作环境，且所述数据传感器包括温度传感器、湿度传感器和功率传感器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310569966.6A CN116582034A (zh) | 2023-05-19 | 2023-05-19 | 一种低能耗永磁外转子滚筒电机控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310569966.6A CN116582034A (zh) | 2023-05-19 | 2023-05-19 | 一种低能耗永磁外转子滚筒电机控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116582034A true CN116582034A (zh) | 2023-08-11 |
Family
ID=87544907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310569966.6A Pending CN116582034A (zh) | 2023-05-19 | 2023-05-19 | 一种低能耗永磁外转子滚筒电机控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116582034A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116954180A (zh) * | 2023-09-21 | 2023-10-27 | 广东鑫钻节能科技股份有限公司 | 基于数字能源鼓风站的多站点协同控制系统及其方法 |
| CN117833754A (zh) * | 2023-12-06 | 2024-04-05 | 淮阴工学院 | 一种用于永磁电机的远程控制系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114440410A (zh) * | 2022-02-14 | 2022-05-06 | 深圳嘉力达节能科技有限公司 | 基于换热效率对冷冻、冷却水泵进行变流量控制的方法 |
| CN115017638A (zh) * | 2022-05-11 | 2022-09-06 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 一种基于数字孪生的空压机设备能效运行优化方法 |
| CN115654716A (zh) * | 2022-11-01 | 2023-01-31 | 广西大学 | 永磁直驱低速大风扇与空调联合运行的温控方法及系统 |
| CN115657541A (zh) * | 2022-10-24 | 2023-01-31 | 山东科技大学 | 一种基于数字孪生精细化建模的空压机监管系统及方法 |
| CN116128059A (zh) * | 2021-11-15 | 2023-05-16 | Abb瑞士股份有限公司 | 基于数字孪生推断马达能耗 |
-
2023
- 2023-05-19 CN CN202310569966.6A patent/CN116582034A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128059A (zh) * | 2021-11-15 | 2023-05-16 | Abb瑞士股份有限公司 | 基于数字孪生推断马达能耗 |
| CN114440410A (zh) * | 2022-02-14 | 2022-05-06 | 深圳嘉力达节能科技有限公司 | 基于换热效率对冷冻、冷却水泵进行变流量控制的方法 |
| CN115017638A (zh) * | 2022-05-11 | 2022-09-06 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 一种基于数字孪生的空压机设备能效运行优化方法 |
| CN115657541A (zh) * | 2022-10-24 | 2023-01-31 | 山东科技大学 | 一种基于数字孪生精细化建模的空压机监管系统及方法 |
| CN115654716A (zh) * | 2022-11-01 | 2023-01-31 | 广西大学 | 永磁直驱低速大风扇与空调联合运行的温控方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116954180A (zh) * | 2023-09-21 | 2023-10-27 | 广东鑫钻节能科技股份有限公司 | 基于数字能源鼓风站的多站点协同控制系统及其方法 |
| CN116954180B (zh) * | 2023-09-21 | 2023-12-12 | 广东鑫钻节能科技股份有限公司 | 基于数字能源鼓风站的多站点协同控制系统及其方法 |
| CN117833754A (zh) * | 2023-12-06 | 2024-04-05 | 淮阴工学院 | 一种用于永磁电机的远程控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116582034A (zh) | 一种低能耗永磁外转子滚筒电机控制系统 | |
| CN106499656B (zh) | 一种风扇风速智能控制方法 | |
| CN100349352C (zh) | 模糊式电力系统稳定器参数自寻优方法与自寻优装置 | |
| CN116184828B (zh) | 自适应汽轮机高调阀特性曲线在线实时优化方法与系统 | |
| CN116321610B (zh) | 一种智能灯光控制的方法及控制系统 | |
| CN115017787A (zh) | 基于智能算法的风电场电压穿越特性等值建模方法及系统 | |
| CN111524439B (zh) | 压缩机模拟工装的控制方法 | |
| CN116579164A (zh) | 一种数字孪生智能制造系统 | |
| CN112287540A (zh) | 一种风电场接入电网的电磁暂态联合仿真方法 | |
| CN109325613A (zh) | 用平行序贯极限学习机对静态电压稳定裕度在线预测方法 | |
| CN113627533B (zh) | 一种基于强化学习的电力设备检修决策生成方法 | |
| CN106253306B (zh) | 一种发电厂avc控制子站仿真方法 | |
| Altun et al. | Fuzzy logic based lighting system supported with IoT for renewable energy resources | |
| CN117033984B (zh) | 结合数字孪生的半导体加工质量预测方法及系统 | |
| CN110847111A (zh) | 基于半实物仿真的获取水电站闸门调度参数的方法 | |
| CN111720271A (zh) | 一种风电机组载荷在线预测的智能方法及风电机组 | |
| CN114266187A (zh) | 一种办公建筑用电网络优化方法及系统 | |
| CN107168066B (zh) | 一种温室环境自适应控制方法 | |
| CN112378052A (zh) | 室内舒适度调节方法、装置、系统、计算机设备及存储介质 | |
| CN116184891A (zh) | 一种物联网环境预测和监控方法及系统 | |
| CN111797980A (zh) | 一种个性化地暖使用习惯的自适应学习方法 | |
| CN114726002B (zh) | 一种基于虚拟控制的多个发电机组输出控制方法及系统 | |
| CN113191559B (zh) | 一种基于自回归选择的改进神经网短期居民负荷预测方法 | |
| CN115329536A (zh) | 一种基于数字孪生的船用发动机故障诊断方法 | |
| CN115758922A (zh) | 一种用于风环境测试场营造的风场数字孪生体系统 |
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 |