CN116931450A - 用于提供旋转电动机器的仿真模型的方法和系统 - Google Patents
用于提供旋转电动机器的仿真模型的方法和系统 Download PDFInfo
- Publication number
- CN116931450A CN116931450A CN202310900958.5A CN202310900958A CN116931450A CN 116931450 A CN116931450 A CN 116931450A CN 202310900958 A CN202310900958 A CN 202310900958A CN 116931450 A CN116931450 A CN 116931450A
- Authority
- CN
- China
- Prior art keywords
- input data
- simulation model
- machine
- electric machine
- training
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000004088 simulation Methods 0.000 title claims abstract description 56
- 238000010586 diagram Methods 0.000 claims description 46
- 238000012549 training Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000004804 winding Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000004907 flux Effects 0.000 description 4
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 230000003071 parasitic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B17/00—Systems with reflecting surfaces, with or without refracting elements
- G02B17/02—Catoptric systems, e.g. image erecting and reversing system
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/33—Design verification, e.g. functional simulation or model checking
- G06F30/3308—Design verification, e.g. functional simulation or model checking using simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Optics & Photonics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Control Of Electric Motors In General (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明涉及一种用于提供旋转电动机器的仿真模型的计算机实施的方法，其中，通过参数值确定仿真模型，在方法中，获得输入数据(S1)，其中，输入数据根据借助机器(2)在未连接于运行电压的状态下来获取，并且表征机器(2)，从输入数据中借助于经训练的函数(F)得出(S2)参数值，提供(S3)得出的参数值。
Description
本发明是基于申请日为2021年4月21日、申请号为202180033891.9、发明名称为“用于提供旋转电动机器的仿真模型的方法和系统”的中国专利申请(PCT国际申请PCT/EP2021/060340进入中国国家阶段)的母案的分案申请。
技术领域
本发明涉及一种用于提供经训练的函数的计算机实施的方法。
本发明还涉及一种使用上述经训练的函数提供旋转电动机器的仿真模型的计算机实施的方法，其中，该通过参数值确定仿真模型。
此外，本发明涉及计算机程序，计算机程序包括相应的指令并且在通过计算机执行相应的程序时促使计算机执行一个或/和另一上述方法。
此外，本发明涉及具有计算机可读介质的传感器设备，计算机可读介质具有基于前述仿真模型的另一仿真模型。
此外，本发明涉及一种数据载体信号，数据载体信号传输前述仿真模型和/或前述计算机程序。
本发明还涉及一种用于将旋转电动机器联接至平台(优选软件平台、尤其云平台)的方法，和涉及一种用于得出连接于运行电压的、且例如联接于平台的旋转电动机器的运行表现的方法。
此外，本发明涉及一种用于得出连接于运行电压的旋转电动机器的运行表现的装置，其中，该装置包括传感器设备和计算设备。
背景技术
在工业持续数字化的背景下，新资产的入驻是重要方面。现场设备、机器、软件等谈及的通常是设施部件层面上的资产。
在对旧工业设施进行数字化时，经常遇到的问题是：设施中可用的、关于异步机、例如关于旋转电动机器、尤其关于异步机、例如异步马达和发电机的信息不足以创建机器的足够精确的仿真模型并且例如执行入驻或者确定机器的运行点。
即使异步马达的等效电路(仿真模型)已知(“绿区(Greenfield)”)，通常也难以得出其运行表现。对于“绿区”问题的可行的解决方案在本申请人的EP 20 173 618.8提出，其内容就此并入本申请中。为此，通常需要借助昂贵的传感器进行复杂的测量。
在许多马达、例如来自旧系列的马达中，可用的信息通常更少。信息通常仅限于能够在类型铭牌(功率铭牌)上找到的数据(“棕区”)。
解决这种问题和确定运行表现的一种可行的方案是改用更简单的方法(例如线性插值)。然而，更简单的方法存在显著的不准确性，并且仅还提供有关转矩的信息，而没有提供更详细的说明，即例如效率和功率因数。
发明内容
因此，本发明的目的能够被视为：提供旋转电动机器的仿真模型，并且例如根据仅少量可用的信息就实现旋转电动机器的入驻，并且在此放弃复杂的、昂贵的测量，即例如静止状态下的测量(例如冷电阻测量)结合空载(电压系列)和负载下(负载系列)下的旋转测量。
根据本发明，该目的借助于用于提供上述类型的旋转电动机器的仿真模型的计算机实施的方法通过如下方式来实现，其中，通过参数值确定仿真模型，即
-获得输入数据，其中，能够根机器在未连接于运行电压的状态下获取输入数据，并且输入数据对于机器是特征性的并且包括旋转电动机器的轴高度、极对数和铭牌规格，
-借助经训练的函数从输入数据中得出参数值，其中，按照上述的方法来提供经训练的函数，其中，经训练的函数基于轴高度和极对数得出损失和散布系数，其中
从得出的损失和散布系数和铭牌规格中得出参数值，
-提供得出的参数值。
在本发明的上下文中，将术语“借助于”理解为：参数值的得出能够包括多个子步骤，其中，不必在每个子步骤中都使用经训练的函数F。例如，该方法能够具有可借助分析数学公式来执行的子步骤。这在计算时间方面能够是有利的。
在本发明的上下文中，将术语“连接于运行电压”理解为旋转电动机器的如下状态，在该状态下机器连接于高度和频率固定的(刚性网络)或可变的(逆变器运行)运行电压。
优选地，逆变器的控制方法是已知的，由此，能够从以传感器方式得出的频率f1中确定未知的逆变器输出电压。
在一个实施方式中能够提出：将仿真模型设计为等效电路图。
还能够考虑的是：仿真模型以关联方程的形式或表格形式存在。
在一个实施方式中能够提出：经训练的函数基于神经网络、基于回归、优选基于多元回归。
此外，能够有利地提出：对输入数据进行可信性检查。
在一个实施方式中能够提出：输入数据由铭牌规格构成。
能够规定一些参数值由铭牌上的数据定义。这能够通过直接从铭牌上的数据计算某些参数的值来简化过程。
在此，能够提出：通过铭牌规格来确定参数值的一部分。由此，能够通过如下方式简化该方法：即直接从铭牌规格中计算特定的参数的值。
完全能够考虑的是：输入数据仅由轴高度和极对数构成。借助这种输入数据能够实现良好的结果。
多元回归和尤其还有神经网络的优点在于：不必限制训练输入数据，并且也不必有针对性地找出训练输入数据。如果输入数据包括两个(例如轴高度和极对数)以上的输入变量、例如多个输入变量，并且神经网络被供应输入变量，以便确定仿真模型参数，则这是尤其有利的。
此外，根据本发明，该目的借助一种用于提供上述类型的经训练的函数的计算机实施的方法通过以下方式来实现：即
-获得训练输入数据，训练输入数据对于旋转电动机器是特征性/代表性的，并且能够根据该机器在未连接于运行电压的状态下获取训练输入数据，其中，训练输入数据包括轴高度和极对数，
-获得训练输出数据，训练输出数据代表参数值并且包括损失和散布系数，其中，参数值确定旋转电动机器的仿真模型，
-基于训练输入数据和训练输出数据训练函数，
-提供经训练的函数。。
在一个实施方式中能够提出：在训练数据集上训练函数之前，对包括训练输入数据和训练输出数据的训练数据集进行预处理。预处理例如能够包括将数据置于相对的且标准化的形式。
能够有利的是：函数基于回归，优选基于多元回归。
该函数也能够基于神经网络，使得上述经训练的函数同样能够基于神经网络。
根据本发明，该目的还借助第一计算机程序通过以下方式实现：即第一计算机程序包括指令，在通过计算机执行该程序时指令促使计算机得出仿真模型参数值。
因此，计算机程序获得输入数据作为输入并且输出仿真模型参数值作为输出。由于通过仿真模型参数值确定仿真模型，所以同样能够谈及提供仿真模型或确定仿真模型参数值。
根据本发明，该目的还借助第二计算机程序通过以下方式实现：即第二计算机程序包括指令，在通过计算机执行该程序时，指令促使计算机提供经训练的函数。
第一和/或第二计算机程序能够存储在计算机可读介质上，或借助例如以编码形式的数据传输信号来传递。
此外，根据本发明，本发明的该目的借助用于将旋转电动机器联接于平台、优选软件平台、特别是上述类型的云平台的方法通过以下方式来实现：即
-根据机器在未连接于运行电压的状态下获取输入数据，输入数据包括机器的轴高度、极对数和铭牌规格，其中，输入数据对于机器是特征性的并且作为用于配置应用软件的输入被输入，其中
-配置应用软件将输入数据传输至平台，其中，平台包括指令，指令引起通过平台执行上述方法，以便提供旋转电动机器的仿真模型，其中
-优选地将仿真模型传输至配置应用软件，其中，配置应用软件将仿真模型传输至布置在机器处的、优选固定在机器处的传感器设备。
此外，根据本发明，本发明的目的借助用于得出连接于运行电压且例如联接于平台的旋转电动机器的运行表现的方法通过以下方式来实现：即
A)检测机器外部的散布磁场，
B)从检测到的散布磁场中计算转差频率f2或同步频率或同步转数f1，
C)从转差频率f2和同步频率或同步转数f1中计算转差s，
D)根据上述方法提供仿真模型，
E)根据转差s、同步频率f1和所提供的仿真模型得出机器的运行表现和尤其机器的运行点。
此外，根据本发明，本发明的目的借助所提出类型的装置通过以下方式来实现：传感器设备设计用于：检测机器外部的散布磁场，并从检测到的散布磁场中计算转差频率f2和同步频率f1，并将转差频率和同步频率传输至计算设备，其中，将按照根据上述方法提供的仿真模型存储在计算设备上，并且计算设备配置用于根据计算的转差频率f2和同步频率f1来得出转差s，并且然后借助于仿真模型来得出机器的运行表现。
附图说明
下面根据附图中所示的实施例更详细地描述和解释本发明。附图示出：
图1示出用于提供等效电路图的计算机实施的方法的流程图，
图2至图4示出可行的等效电路图，
图5示出用于提供经训练的函数的计算机实施的方法的流程图，
图6示出工业IT环境，和
图7示出用于得出旋转电动机器的运行表现的方法的流程图。
在实施例和附图中，相同或起相同作用的元件分别设有相同的附图标记。
具体实施方式
首先，参考图1。在图1中作为流程图示出用于提供旋转电动机器2的仿真模型的计算机实施方法的实施方式。下面，将等效电路图EC1、EC2、EC3视为仿真模型的示例。也能够使用其他仿真模型，即例如关联方程形式或表格形式的仿真模型。
通过预定的参数的值确定等效电路图EC1、EC2、EC3。图2至图4例如示出不同的等效电路图EC1、EC2、EC3。图2涉及T等效电路图EC1，图3涉及具有分离的转子电阻的T等效电路图EC2，T等效电路图等价于图2的T等效电路图，并且图4涉及具有以下参数的扩展的等效电路图EC3：主电感Xh(主磁通)、定子电感X1和转子电感X'2(漏磁通)、转子电阻R'2(转子绕组损失)、定子电阻R1(定子绕组损失)、Rfe(铁损失)和Rzus(额外损失)。
在不限制本公开的范围的情况下并且为了简化描述，下文使将术语“等效电路图”理解为扩展的等效电路图EC3。
在该方法的步骤S1中，获得输入数据。能够根据在机器2未连接于运行电压的状态下获取输入数据，并且输入数据对于机器2是特征性的。在此，输入数据例如能够经由第一接口馈入到计算设备中，例如作为输入被输入到配置应用中。输入数据是表征机器2的数据。输入数据包括例如铭牌规格LSA-制造商说明、标准说明、法规说明等，其表征在额定点(在100％负载下)的机器。例如，根据未连接的机器可获得的、但是不必在其功率铭牌上说明的其他数据例如是极对数、轴高度等。
此外，该方法能够包括对输入数据进行合理性检查(此处未示出)。例如，在此能够检查额定点中的效率和功率因数(如果给定)是否在根据额定电压和额定电流计算机械额定功率时产生足够小的误差。
在步骤S2中，等效电路图EC3的参数值从输入数据中借助于经训练的函数F得出。
在本发明的上下文中，将术语“借助于”理解为：参数值的得出能够包括多个子步骤，其中，不必在每个子步骤中应用经训练的函数F。
图1示出一个实施方式，其中，步骤S2包括两个子步骤(第一子步骤S20和第二子步骤S21)。例如，第一子步骤S20能够是将经训练的函数F应用于输入数据的至少一部分的步骤。输入数据的该部分包括例如机器2的轴高度和极对数。在此，经训练的函数F能够从输入数据的至少一部分中得出损失和散布系数，以确定机器2的等效电路图EC3的参数值。
经训练的函数F例如能够基于回归，优选地基于多元回归。
根据在第一子步骤S20中得出的参数，例如损失和散布系数和输入数据(铭牌规格LSA)的剩余部分，在第二子步骤S21中例如能够经由其他物理变量得出等效电路图参数的参数值，优选地借助于预定的一个或多个数学公式来计算。
能够在步骤S2中、优选在第二子步骤S21中优选借助于预定的一个或多个数学公式计算的物理变量的非详尽列表是：极对数、同步转速、转差、消耗功率、附加损失、单个定子绕组损失、铁损失和摩擦损失及其总和、定子电阻、总无功功率、最大可能的散布系数等。
例如，极对数、同步转速和额定转差能够从额定频率fN和额定转速nN中确定，额定频率和额定转速能够在类型铭牌上说明。此外，能够从(分别在额定点的)电流、电压和功率因数中或从(同样分别在额定点的)机械输出功率和效率中计算额定点(作为马达运行)的电消耗功率。
例如，附加损失能够根据标准或规范计算，例如按照根据IEC60034-2-1或EN60034-2-1的方法。
在另一步骤S3中提供得出的参数值:主电感Xh(主磁通)、定子电感X1和转子电感X'2(漏磁通)、转子电阻R'2(转子绕组损失)、定子电阻R1(定子绕组损失)、Rfe(铁损失)和Rzus(附加损失)。例如，这能够借助于经由第二接口的输出来实施(例如参见图6)。例如，具有得出的参数值的等效电路图EC3能够通过将参数存储在数据库8中、例如存储在云4中来存储。
图5示出用于提供经训练的函数(例如上述的经训练的函数F)的计算机实施的方法的可行的实施方式。
在步骤T1中，例如借助于第一训练接口获得训练输入数据。训练输入数据表征或表现旋转电动机器，并且能够根据机器在未连接于运行电压的状态下获取。训练输入数据包括轴高度和极对数。
在步骤T2中，例如借助于第一训练接口获得训练输出数据，训练输出数据对于参数值是代表性的并且包括损失和散布系数，其中，参数值确定旋转电动机器的等效电路图。
也就是说，训练数据集包括如下机器的数据，机器的等效电路图参数值已经是已知的。这例如能够是已知类型的异步机(例如异步马达或发电机)的数据。
能够在训练数据集上训练函数之前预处理包括训练输入数据和训练输出数据的训练数据集。预处理例如能够包括将数据置于相对的和标准化的形式。
在步骤T3中，基于训练输入数据和训练输出数据来训练函数。
在步骤T4中，例如借助于第二训练接口来提供经训练的函数F。
该函数例如能够基于回归，优选地基于多元回归。
训练输入数据能够包括轴高度(例如63mm至450mm)，特别是轴高度和极对数(例如2至8)，并且训练输出数据能够包括损失和散布系数。要理解的是：该方法也适用于其他轴高度(例如小于63毫米和大于455毫米)和极对数。
因此，训练数据集能够包括旋转电动机器(例如相同或相似类型的异步机)的数据，其中，等效电路图参数对其轴高度的相关性或对其轴高度和其极对数的相关性是已知的。
此外，能够验证经训练的函数。这例如能够在50％至125％的负载范围内进行。
训练数据集能够包含不同类型的1000至2000台异步机的数据。
该函数也能够基于神经网络，使得上述经训练的函数F同样能够基于神经网络。
每个前述计算机实施的方法能够以计算机程序指令的形式存在，其中，当通过计算机或更一般地通过数据处理系统执行计算机程序时，指令促使计算机或数据处理系统执行相应的方法。
计算机程序能够被存储在计算机可读介质上或借助数据载体信号传输。这同样适用于方法产品，即适用于具有得出的参数值的等效电路图EC1、EC2、EC3和适用于经训练的函数F，参数值和函数能够被存储在计算机可读介质上或借助数据载体信号传输。
图6示出工业IT环境1，在工业IT环境中实施用于将新资产(在此旋转电动机器2)联接于或入驻到平台3处的方法的一个实施方式。平台例如能够设计为软件平台，并且尤其设计为基于云4的平台3(云平台3)。例如，云能够设计为物联网云，特别是设计为工业物联网云4。
云平台3能够包括一个或多个计算单元。云平台3例如能够包括上述计算机程序，借助计算机程序能够提供机器2的等效电路图的参数值。例如，计算机程序能够存储在后端服务器5上的云4中。
在当前的示例中基于：既不了解机器2的等效部件图也不了解其等效电路图参数。能够假设：机器2例如通过扩展的等效电路图EC3来描述。能够例如借助方法的前述实施方式以下述描述的方式来得出等效电路图的参数值。
如果机器2的等效电路图参数已知，则IT环境1能够用于训练函数F，例如以如上所述的方式使用。为此目的，例如，后端服务器5能够具有带有相应指令的计算机程序。
首先，根据机器2(例如异步马达或发电机)在未连接于运行电压的状态下获取输入数据，输入数据对于机器2是特征的并且能够作为输入被输入到配置应用软件中。
例如，这能够由用户通过其例如从功率铭牌LS读出说明来测量异步马达2的轴高度，其中，用户例如首先收集与资产(例如机器、特别是异步马达)相关的数据。此外，能够例如从铭牌规格中借助上述方法计算极对数。
在设置异步马达或发电机2时，用户能够在所谓的入驻的范畴中将所获得的输入数据输入到移动设备6(例如智能手机/手持设备)上的配置应用中。
配置应用能够经由数据连接7(例如WLAN或GSM无线电)将输入数据传输至物联网云4，特别是后端服务器5。
输入数据也能够存储在数据库8中，其中，数据库8能够设计为云平台3(未示出)的数据库或也设计为第三方(在此未示出)的云数据库。
存储在后端服务器5上的计算机程序能够访问数据库8。
然后，计算机程序访问输入数据并且为异步马达2产生/得出配属的仿真模型EC3，即参数值。
能够为每个新资产重复该方法。
然后，在中间步骤中，出于信息安全的原因，能够减少仿真模型的信息内容。在此，具有得出的参数值的扩展的等效电路图EC3能够转换为压缩的或简化的等效电路图。
简化的等效电路图具有比扩展的等效电路图更少的信息内容。在简化的等效电路图中，对等效电路图能够合并元素或者完全移除元素。在此，在物联网设备上的计算中通过以下方式至少部分再次补充简化的信息：即做出(合理的)假设，然而假设仅对于个别马达(并且不一定精确地)适用。因此，关于运行表现的陈述会非常有限，并且仅限于转矩和功率。
然后，能够将仿真模型(具有得出的参数值的等效电路图EC3)例如存储在平台数据库8中或后端服务器5上，以便在入驻的进一步的进程中对于配置应用是可调用的，或者在没有中间存储的情况下传输至配置应用。
在配置应用具有仿真模型之后，该配置应用能够将仿真模型经由另外的、例如基于无线电的数据连接9(例如蓝牙或WLAN)传输至物联网设备10，物联网设备布置、优选固定在异步马达2处。
物联网设备10能够设计为传感器设备，传感器设备设计和配置用于：产生传感器数据，并且使用仿真模型(具有得出的参数值的等效电路图EC3或简化的等效电路图)，以便例如从传感器数据中借助于仿真模型计算当前的马达运行点的数据或资产KPI(KPI为关键性能指标)。为此，能够在物联网设备10中设有计算单元和/或计算机可读存储介质(此处未示出)。
物联网设备10优选地不联接于机器2内部(或外部)的机器传感器。对于在此描述的运行表现得出(例如参见图7的描述)不需要昂贵的且维护复杂的传感器，传感器例如能够测量电流或电压。因此，物联网设备10非常便宜而且维护友好。在此，例如，能够得出转矩和/或功率，例如机械轴功率和/或功率因数和/或效率。
计算的资产KPI(异步马达2的运行表现)能够例如以可调节的(时间)间隔经由另一优选的、基于无线电的数据连接11(例如WLAN)传输至物联网云平台3。在那里，资产KPI能够进行进一步的IT处理或存储在数据库8中或后端服务器5上。此外，资产KPI能够在例如布置在物联网云平台的前端中的显示设备处显示，例如在仪表板12处显示。
数据连接7、9、11优选地都是双侧的。
在(在此未示出的)一个实施方式中，能够放弃将仿真模型传输至物联网设备10。在该情况下，也能够弃用等效电路图的前述的压缩，由此能够实现更好的结果。代替地，资产KPI(异步马达或发电机2的运行表现)的计算能够转移到物联网云平台3中。
图7示出用于得出机器2的在其投入运行时的运行表现的、上面简要讨论的方法的一个实施方式的流程图。
在步骤A中，检测机器2外部的散布磁场。在步骤B中，从检测到的散布磁场中计算转差频率f2和同步频率f1。在步骤C中，从转差频率f2和同步频率f1中计算转差s。例如，这能够借助于信号处理软件实现。在步骤D中，如上所述，提供等效电路图(得出的等效电路图参数值)(例如借助于从移动设备6的数据传输)。借助于来自移动设备6的数据传输提供等效电路图优选不在测量或计算序列期间发生。代替地，等效电路图能够在入驻期间被传输并被存储在物联网设备上。
在步骤E中，根据转差s、同步频率f1和所提供的等效电路图(得出的等效电路图参数值)得出机器2的运行表现，并且尤其得出其运行点。
例如，步骤A至C和E全都能够借助于物联网设备10来实施。
但是，也能够考虑但是：物联网设备10仅执行步骤A至C中的一个或多个，并且其余步骤通过另一计算单元、例如本地服务器或后端服务器5执行。例如，物联网设备10能够将散布磁场数据传输至计算单元以进行进一步处理和分析。
因此，用于得出连接于运行电压的旋转电动机器2的运行表现的装置能够包括传感器设备10和计算设备，它们配置和协作为，使得实施该方法的步骤A至E。计算设备例如能够包括后端服务器5、移动设备6、数据库8和显示设备12(见图6)。
尽管已经通过实施例详细说明和描述了本发明，但是本发明不受所公开的示例的限制。能够由本领域技术人员推导出其他变体方案，而不脱离如通过以下专利权利要求限定的本发明保护范围。特别地，所描述的、用于提供等效电路图的方法能够通过关于用于提供经训练的函数的方法描述的或要求保护的特征来改进，并且反之亦然。这在必要的修改后应用于用于将旋转电动机器联接于平台的方法、用于得出连接于运行电压的旋转电动机器的运行表现的方法和应用于用于得出连接于运行电压的旋转电动机器的运行表现的装置。
Claims (22)
1.一种用于提供经训练的函数(F)的计算机实施的方法，在所述方法中，
-获得(T1)训练输入数据，所述训练输入数据表征旋转电动机器，并且能够借助在未连接于运行电压的状态下的该机器获取所述训练输入数据，其中，所述训练输入数据包括轴高度和极对数，
-获得(T2)训练输出数据，所述训练输出数据代表参数值并且包括损失和散布系数，其中，所述参数值确定所述旋转电动机器的仿真模型，
-基于所述训练输入数据和所述训练输出数据训练(T3)函数，
-提供(T4)经训练的所述函数。
2.根据权利要求1所述的方法，其中，所述函数基于神经网络，基于回归。
3.根据权利要求2所述的方法，其中，所述函数基于多元回归。
4.根据权利要求1至3中任一项所述的方法，其中，在训练数据集上训练所述函数之前，将包括所述训练输入数据和所述训练输出数据的训练数据集预处理。
5.根据权利要求4所述的方法，其中，所述预处理包括将数据置于相对的且标准化的形式。
6.一种用于提供旋转电动机器的仿真模型的计算机实施的方法，其中，通过参数值确定所述仿真模型，在所述方法中，
-获得(S1)输入数据，其中，能够借助在未连接于运行电压的状态下的所述旋转电动机器(2)获取所述输入数据，并且所述输入数据表征所述旋转电动机器(2)并且包括所述旋转电动机器(2)的轴高度、极对数和铭牌规格(LSA)，
-借助于经训练的函数(F)从所述输入数据得出(S2)参数值，其中，按照根据权利要求1至5中任一项所述的方法来提供所述经训练的函数(F)，其中，所述经训练的函数基于所述轴高度和所述极对数得出(S20)损失和散布系数，其中，
从得出的所述损失和散布系数和所述铭牌规格(LSA)得出所述参数值，
-提供(S3)得出的所述参数值。
7.根据权利要求6所述的方法，其中，所述经训练的函数(F)基于神经网络，基于回归。
8.根据权利要求7所述的方法，其中，所述经训练的函数(F)基于多元回归。
9.根据权利要求6至8中任一项所述的方法，其中，对所述输入数据进行合理性检查。
10.根据权利要求7至9中任一项所述的方法，其中，所述输入数据由所述铭牌规格(LSA)构成。
11.根据权利要求10所述的方法，其中，通过所述铭牌规格(LSA)确定所述参数值中的至少一部分。
12.根据权利要求6至11中任一项所述的方法，其中，仅由所述轴高度和所述极对数构成所述输入数据。
13.根据权利要求6至12中任一项所述的方法，其中，所述仿真模型设计为等效电路图。
14.根据权利要求13所述的方法，其中，所述等效电路图是扩展的等效电路图。
15.一种包括指令的计算机程序，在通过计算机执行所述程序时，所述指令使所述计算机执行根据权利要求1至5中任一项所述的方法或根据权利要求6至14中任一项所述的方法。
16.一种数据载体信号，所述数据载体信号传输按照根据权利要求6至14中任一项所述的方法提供的仿真模型和/或根据权利要求15所述的计算机程序。
17.一种用于将旋转电动机器(2)联接至平台(3)的方法，在所述方法中，
-借助在未连接于运行电压的状态下的所述机器(2)获取输入数据，所述输入数据包括所述机器(2)的轴高度、极对数和铭牌规格(LSA)，其中，所述输入数据表征所述机器(2)并且作为用于配置应用软件的输入被置入，其中，
-所述配置应用软件将所述输入数据传输至所述平台(3)，其中，所述平台(3)包括指令，所述指令引起：通过所述平台(3)执行根据权利要求6至14中任一项所述的方法，以便提供所述旋转电动机器(2)的仿真模型，其中，
-优选地将所述仿真模型传输至所述配置应用软件，其中，所述配置应用软件将所述仿真模型传输至布置在所述机器(2)处的、优选固定在所述机器处的传感器设备(10)。
18.根据权利要求17所述的方法，其中，所述平台(3)是软件平台。
19.根据权利要求17或18所述的方法，其中，所述平台(3)是云平台。
20.一种用于确定连接于运行电压的旋转电动机器(2)的运行表现的方法，在所述方法中，
A)检测所述机器(2)外部的散布磁场，
B)从检测到的所述散布磁场计算转差频率和同步频率，
C)从所述转差频率和所述同步频率计算转差，
D)根据权利要求6至14中任一项所述的方法提供仿真模型，
E)根据所述转差、所述同步频率和所提供的所述仿真模型确定所述机器(2)的运行表现。
21.根据权利要求20所述的方法，其中，根据所述转差、所述同步频率和所提供的所述仿真模型确定所述机器的运行点。
22.一种用于确定连接于运行电压的旋转电动机器(2)的运行表现的装置，其中，所述装置包括传感器设备(10)和计算设备(5，6，8，12)，在所述装置中，
所述传感器设备(10)设计用于：检测所述机器(2)外部的散布磁场，并从检测到的所述散布磁场计算转差频率和同步频率，并将所述转差频率和同步频率传输至所述计算设备(5，6，8，12)，其中，
将按照根据权利要求6至14中任一项所述的方法提供的仿真模型(EC1，EC2，EC3)存储在所述计算设备(5，6，8，12)上，并且所述计算设备(5，6，8，12)配置用于：根据计算出的所述转差频率和同步频率确定转差，并且然后借助于所述仿真模型(EC1，EC2，EC3)确定所述机器(2)的运行表现。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20173646.9A EP3907568A1 (de) | 2020-05-08 | 2020-05-08 | Verfahren und systeme zum bereitstellen eines simulationsmodells einer elektrischen rotatorischen maschine |
| EP20173646.9 | 2020-05-08 | ||
| PCT/EP2021/060340 WO2021224003A1 (de) | 2020-05-08 | 2021-04-21 | Verfahren und systeme zum bereitstellen eines simulationsmodells einer elektrischen rotatorischen maschine |
| CN202180033891.9A CN115516385A (zh) | 2020-05-08 | 2021-04-21 | 用于提供旋转电动机器的仿真模型的方法和系统 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180033891.9A Division CN115516385A (zh) | 2020-05-08 | 2021-04-21 | 用于提供旋转电动机器的仿真模型的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116931450A true CN116931450A (zh) | 2023-10-24 |
Family
ID=70680235
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310900958.5A Pending CN116931450A (zh) | 2020-05-08 | 2021-04-21 | 用于提供旋转电动机器的仿真模型的方法和系统 |
| CN202180033891.9A Pending CN115516385A (zh) | 2020-05-08 | 2021-04-21 | 用于提供旋转电动机器的仿真模型的方法和系统 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180033891.9A Pending CN115516385A (zh) | 2020-05-08 | 2021-04-21 | 用于提供旋转电动机器的仿真模型的方法和系统 |
Country Status (7)
| Country | Link |
|---|---|
| US (2) | US11790135B2 (zh) |
| EP (3) | EP3907568A1 (zh) |
| KR (2) | KR102559570B1 (zh) |
| CN (2) | CN116931450A (zh) |
| BR (1) | BR112022022148A2 (zh) |
| MX (1) | MX2022013958A (zh) |
| WO (1) | WO2021224003A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116794997A (zh) * | 2022-03-13 | 2023-09-22 | 中国航天科工飞航技术研究院（中国航天海鹰机电技术研究院） | 基于半实物仿真平台的直线电机仿真建模方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6713978B2 (en) * | 2001-07-18 | 2004-03-30 | Texas A&M University System | Method and system for determining induction motor speed |
| CN102368672B (zh) * | 2011-07-19 | 2014-05-28 | 株洲变流技术国家工程研究中心有限公司 | 一种电动机软起动仿真装置及其方法 |
| EP3322088A1 (de) * | 2016-11-10 | 2018-05-16 | Siemens Aktiengesellschaft | Verfahren zum überwachen des betriebes einer elektrischen rotierenden maschine |
| CN108595798A (zh) | 2018-04-11 | 2018-09-28 | 广东电网有限责任公司 | 一种适用于机电暂态仿真的负荷模型参数计算方法 |
| CN110007232B (zh) * | 2019-05-23 | 2021-09-03 | 广东工业大学 | 一种鼠笼式异步电机运行效率的预测方法及相关装置 |
| EP3907878A1 (de) | 2020-05-08 | 2021-11-10 | Siemens Aktiengesellschaft | Anordnung und verfahren zur betriebsverhaltensermittlung einer elektrischen rotatorischen maschine |
-
2020
- 2020-05-08 EP EP20173646.9A patent/EP3907568A1/de not_active Withdrawn
-
2021
- 2021-04-21 BR BR112022022148A patent/BR112022022148A2/pt unknown
- 2021-04-21 CN CN202310900958.5A patent/CN116931450A/zh active Pending
- 2021-04-21 US US17/923,842 patent/US11790135B2/en active Active
- 2021-04-21 KR KR1020227043130A patent/KR102559570B1/ko active IP Right Grant
- 2021-04-21 WO PCT/EP2021/060340 patent/WO2021224003A1/de active Search and Examination
- 2021-04-21 MX MX2022013958A patent/MX2022013958A/es unknown
- 2021-04-21 CN CN202180033891.9A patent/CN115516385A/zh active Pending
- 2021-04-21 EP EP23212707.6A patent/EP4303673A3/de active Pending
- 2021-04-21 KR KR1020237024979A patent/KR20230116947A/ko active Application Filing
- 2021-04-21 EP EP21725033.1A patent/EP4118496B1/de active Active
-
2023
- 2023-09-11 US US18/244,695 patent/US20230419002A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP3907568A1 (de) | 2021-11-10 |
| EP4118496C0 (de) | 2024-02-07 |
| US11790135B2 (en) | 2023-10-17 |
| CN115516385A (zh) | 2022-12-23 |
| EP4118496B1 (de) | 2024-02-07 |
| US20230419002A1 (en) | 2023-12-28 |
| US20230222270A1 (en) | 2023-07-13 |
| KR20230116947A (ko) | 2023-08-04 |
| KR102559570B1 (ko) | 2023-07-25 |
| EP4118496A1 (de) | 2023-01-18 |
| EP4303673A3 (de) | 2024-03-13 |
| BR112022022148A2 (pt) | 2022-12-13 |
| WO2021224003A1 (de) | 2021-11-11 |
| EP4303673A2 (de) | 2024-01-10 |
| MX2022013958A (es) | 2022-11-30 |
| KR20230003300A (ko) | 2023-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lu et al. | A survey of efficiency-estimation methods for in-service induction motors | |
| CN107451364B (zh) | 一种dfig风电场等值参数的辨识方法 | |
| CN102651629B (zh) | 一种永磁磁链的在线估算方法 | |
| CN108141169A (zh) | 用于识别机电系统的离散瞬时角速度的方法 | |
| Cabal‐Yepez et al. | Real‐time condition monitoring on VSD‐fed induction motors through statistical analysis and synchronous speed observation | |
| US20230419002A1 (en) | Method and systems for provision of a simulation model of an electric rotating machine | |
| CN108390617B (zh) | 电机转子温度监测方法、装置、存储介质和计算机设备 | |
| Morfín et al. | The squirrel-cage induction motor model and its parameter identification via steady and dynamic tests | |
| Lane et al. | Investigation of reductions in motor efficiency and power factor caused by stator faults when operated from an inverter drive under open loop and sensorless vector modes | |
| CN116595395B (zh) | 一种基于深度学习的逆变器输出电流预测方法及系统 | |
| Aree | Analytical determination of speed-torque and speed-current curves of single-cage induction motor under supply voltage and frequency variations | |
| WO2021137758A1 (en) | Method and apparatus for displaying indicator information of wind farm and storage medium | |
| CN115441798B (zh) | 基于出厂数据和最大转矩公式的感应电动机参数辨识方法 | |
| Zhao et al. | Online estimation of rotor temperature in induction motors based on parameter identification | |
| CN110689177A (zh) | 订单准备时间的预测方法和装置，电子设备及存储介质 | |
| CN113820600A (zh) | 交流电阻测试系统、方法、装置及计算机可读存储介质 | |
| CN105974308B (zh) | 用于马达变频器的马达效率分析方法 | |
| Koubaa | Application of least-squares techniques for induction motor parameters estimation | |
| Calis et al. | LabVIEW based laboratory typed test setup for the determination of induction motor performance characteristics | |
| CN112671307A (zh) | 一种表贴式永磁同步电机退磁程度评价方法及装置 | |
| Grillo et al. | A method for online identification of a subset of synchronous generator fundamental parameters from monitoring systems data | |
| CN111598420A (zh) | 一种考虑用户主要设备敏感指数的区域电能质量评估方法 | |
| Sobczyk et al. | A distributed system for diagnostics of induction motors | |
| Martín et al. | Study of reduced-order models of squirrel-cage induction motors | |
| CN111512166B (zh) | 用于测量电动机的功率或能量的测量方法、程序和设备 |
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 |