发明内容
本发明主要解决的技术问题如何减少变频器水源冷却机组散热过程中的能量消耗和提高变频器运行的安全性。
根据第一方面,本发明提供一种变频器水源冷却机组的散热控制方法,包括:获取变频器监控时间段的运行数据、变频器监控时间段的红外线摄像头的监控视频,所述变频器内部设置有水源冷却机组,所述变频器水源冷却机组包括柜体、制冷循环系统和冷却管,柜体上设有进风口和出风口,制冷循环系统的蒸发器设在柜体中,制冷循环系统的蒸发器位于进风口和出风口之间,制冷循环系统的冷凝器套在冷却管上或设在冷却管中,冷却管上设有进水口A和出水口A;基于所述变频器监控时间段的红外线摄像头的监控视频使用结构输出模型确定变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述变频器内部结构图中包括所述水源冷却机组;基于所述变频器内部结构图和所述变频器内部结构图所对应的发热量分布图确定变频器的总发热量和所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量;基于所述变频器监控时间段的运行数据、所述变频器内部结构图所对应的最高适应温度分布图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量确定预设时间段内的散热量信息,所述预设时间段内的散热量信息包括快速降温时间段的散热量、中速降温时间段的散热量、慢速降温时间段的散热量;构建图结构,所述图结构包括多个节点和所述多个节点之间的多条边,所述多个节点包括变频器内部结构节点、前N个温度最高的多个区域节点、水源冷却机组节点,其中所述水源冷却机组节点为中心节点,所述变频器内部结构节点、所述前N个温度最高的多个区域节点分别与所述水源冷却机组节点建立边,每个节点包括多个节点特征,所述变频器内部结构节点的节点特征为所述变频器监控时间段的运行数据、所述预设时间段内的散热量信息、所述变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述前N个温度最高的多个区域节点的节点特征为所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量,所述水源冷却机组节点的节点特征为所述预设时间段内的散热量信息、所述快速降温时间段的散热量、所述中速降温时间段的散热量和所述慢速降温时间段的散热量;基于图神经网络模型对所述多个节点和所述多个节点之间的多条边进行处理确定快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速。
更进一步地,所述变频器监控时间段的运行数据包括变频器的工作状态、电流、电压、频率、转速、功率、冷却水的水温。
更进一步地,快速降温时间段为预先设定的一分钟。
更进一步地,所述结构输出模型为门控循环单元、所述结构输出模型的输入为所述变频器监控时间段的红外线摄像头的监控视频,所述结构输出模型的输出为变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图。
更进一步地,所述图神经网络模型的输入为所述多个节点和所述多个节点之间的多条边,所述图神经网络模型的输出为快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速。
根据第二方面,本发明提供一种变频器水源冷却机组的散热控制系统,包括:获取模块,用于获取变频器监控时间段的运行数据、变频器监控时间段的红外线摄像头的监控视频,所述变频器内部设置有水源冷却机组,所述变频器水源冷却机组包括柜体、制冷循环系统和冷却管,柜体上设有进风口和出风口,制冷循环系统的蒸发器设在柜体中,制冷循环系统的蒸发器位于进风口和出风口之间,制冷循环系统的冷凝器套在冷却管上或设在冷却管中,冷却管上设有进水口A和出水口A;
结构输出模块,用于基于所述变频器监控时间段的红外线摄像头的监控视频使用结构输出模型确定变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述变频器内部结构图中包括所述水源冷却机组;
发热量确定模块,用于基于所述变频器内部结构图和所述变频器内部结构图所对应的发热量分布图确定变频器的总发热量和所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量;
散热量确定模块,用于基于所述变频器监控时间段的运行数据、所述变频器内部结构图所对应的最高适应温度分布图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量确定预设时间段内的散热量信息,所述预设时间段内的散热量信息包括快速降温时间段的散热量、中速降温时间段的散热量、慢速降温时间段的散热量;
构建模块,用于构建图结构,所述图结构包括多个节点和所述多个节点之间的多条边,所述多个节点包括变频器内部结构节点、前N个温度最高的多个区域节点、水源冷却机组节点,其中所述水源冷却机组节点为中心节点,所述变频器内部结构节点、所述前N个温度最高的多个区域节点分别与所述水源冷却机组节点建立边,每个节点包括多个节点特征,所述变频器内部结构节点的节点特征为所述变频器监控时间段的运行数据、所述预设时间段内的散热量信息、所述变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述前N个温度最高的多个区域节点的节点特征为所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量,所述水源冷却机组节点的节点特征为所述预设时间段内的散热量信息、所述快速降温时间段的散热量、所述中速降温时间段的散热量和所述慢速降温时间段的散热量;
流速确定模块,用于基于图神经网络模型对所述多个节点和所述多个节点之间的多条边进行处理确定快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速。
更进一步地,所述变频器监控时间段的运行数据包括变频器的工作状态、电流、电压、频率、转速、功率、冷却水的水温。
更进一步地,快速降温时间段为预先设定的一分钟。
更进一步地,所述结构输出模型为门控循环单元、所述结构输出模型的输入为所述变频器监控时间段的红外线摄像头的监控视频,所述结构输出模型的输出为变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图。
更进一步地,所述图神经网络模型的输入为所述多个节点和所述多个节点之间的多条边,所述图神经网络模型的输出为快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速。
本发明提供的一种变频器水源冷却机组的散热控制方法和系统,该方法包括获取变频器监控时间段的运行数据、变频器监控时间段的红外线摄像头的监控视频,所述变频器内部设置有水源冷却机组,所述变频器水源冷却机组包括柜体、制冷循环系统和冷却管,柜体上设有进风口和出风口,制冷循环系统的蒸发器设在柜体中,制冷循环系统的蒸发器位于进风口和出风口之间,制冷循环系统的冷凝器套在冷却管上或设在冷却管中,冷却管上设有进水口A和出水口A;基于所述变频器监控时间段的红外线摄像头的监控视频使用结构输出模型确定变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述变频器内部结构图中包括所述水源冷却机组;基于所述变频器内部结构图和所述变频器内部结构图所对应的发热量分布图确定变频器的总发热量和所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量;基于所述变频器监控时间段的运行数据、所述变频器内部结构图所对应的最高适应温度分布图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量确定预设时间段内的散热量信息,所述预设时间段内的散热量信息包括快速降温时间段的散热量、中速降温时间段的散热量、慢速降温时间段的散热量;构建图结构,所述图结构包括多个节点和所述多个节点之间的多条边,所述多个节点包括变频器内部结构节点、前N个温度最高的多个区域节点、水源冷却机组节点,其中所述水源冷却机组节点为中心节点,所述变频器内部结构节点、所述前N个温度最高的多个区域节点分别与所述水源冷却机组节点建立边,每个节点包括多个节点特征,所述变频器内部结构节点的节点特征为所述变频器监控时间段的运行数据、所述预设时间段内的散热量信息、所述变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述前N个温度最高的多个区域节点的节点特征为所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量,所述水源冷却机组节点的节点特征为所述预设时间段内的散热量信息、所述快速降温时间段的散热量、所述中速降温时间段的散热量和所述慢速降温时间段的散热量;基于图神经网络模型对所述多个节点和所述多个节点之间的多条边进行处理确定快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速,该方法能够减少变频器水源冷却机组散热过程中的能量消耗。
具体实施方式
图1至图4示意性地显示了本发明一种实施方式的一种变频器水源冷却机组的结构。
参考图1至图4,变频器水源冷却机组,包括柜体1、制冷循环系统和冷却管3。此外,变频器水源冷却机组还可以包括套管4、温度传感器5、控制器6、冷却水塔7、泵体8和管路9。
参考图1和图2,柜体1的顶部留有进风口11,柜体1的侧部靠上的位置留有出风口12,空气可以在进风口11与出风口12之间流通,进风口11、出风口12在柜体1上的位置便于将设备安装在变频器所处的环境中。在其他实施例中,根据换热要求以及换热场景,进风口11也可以设置在柜体1上的其他部位,出风口12也可以设置在柜体1上的其他部位。
制冷循环系统安装在柜体1中。制冷循环系统是由压缩机23、冷凝器22、节流阀和蒸发器21四个基本部件组成,它们之间用管道依次连接,形成一个密闭的系统,制冷剂在系统中不断地循环流动,发生状态变化,与外界进行热量交换。
参考图2,制冷循环系统的压缩机23安装在柜体1的内底部。
参考图1和图2,制冷循环系统的蒸发器21安装在柜体1中,制冷循环系统的蒸发器21位于进风口11和出风口12之间,热风经过制冷循环系统的蒸发器21后温度会降低。
参考图1,制冷循环系统的蒸发器21在柜体1中倾斜排布,蒸发器21倾斜排布可以有效增加蒸发器21的热交换面积,提高热交换效率,实现对变频器的热风的快速降温。
本实施例中,制冷循环系统的蒸发器21的倾斜角度是30~70度,优选60度,即蒸发器21与柜体1上的水平面之间的夹角为30~70度,优选60度,30~70度的倾斜角度可以确保制冷循环系统的蒸发器21的换热效率,满足变频器的环境控制需求。在其他实施例中,根据换热要求,制冷循环系统的蒸发器21的倾斜角度也可以设置成其他数值。
参考图3,本实施例中,制冷循环系统的冷凝器22采用盘管式冷凝器,制冷循环系统的冷凝器22套在冷却管3上,冷却管3由一跟长管弯折形成,冷却管3的一个端口形成进水口A31,冷却管3的另一个端口形成出水口A32,水可以通过进水口A31进入冷却管3中,与套在冷却管3外围的泠凝器22换热后通过出水口A32流出。在其他实施例中,根据换热要求,制冷循环系统的冷凝器22也可以直接安装在冷却管3中,冷却管3可以采用内径较大的管道,冷凝器22内置在冷却管3中,冷却管3的端部一体成型有进水口A31和出水口A32。
参考图1和图3,冷却管3和制冷循环系统的冷凝器22均容置在套管4中,冷却管3上的进水口A31和出水口A32从套管4的端部伸出,套管4安装在柜体1中,冷却管3上的进水口A31和出水口A32从柜体1的侧部伸出(图1所示),盘管式冷凝器套在冷却管3上可以提高冷凝器22与冷却管3之间的换热效率,套管4可以有效防止冷凝器22排放的热量逸散,影响对变频器的降温,套管4可以将冷凝器22排放的热量收聚在套管4中,提高套管4中冷凝器22与冷却管3之间的换热效率。
参考图2,套管4可以安装在柜体1的内底部,套管4的底部成型有排水管B41,套管4中产生的冷凝水可以通过排水管B41排出。
参考图2,柜体1的内底部成型有水槽13,水槽13的底部安装有排水管A14,排水管A14的一端安装在水槽13的底部,排水管A14的另一端从柜体1的侧部伸出(图1和图2所示),套管4中产生的冷凝水可以通过排水管B41流至柜体1底部的水槽13中,水槽13中的水通过排水管A14进行排放。
参考图2和图3,本实施例中,制冷循环系统的数量为四个,每个制冷循环系统独立工作,四个制冷循环系统的四个冷凝器22依次套在冷却管3上,四个制冷循环系统的四个蒸发器21集成在一起,呈扁平状,套管4上的排水管B41的数量也为四个,每个冷凝器22的下方分布一个排水管B41,确保每个冷凝器22产生的冷凝水可以通过排水管B41及时排出。四个制冷循环系统的设计,机组具有更高可靠性,任何一个制冷循环系统中的压缩机23发生故障,其他制冷循环系统仍可正常运行不受影响。在其他实施例中,根据换热需求,制冷循环系统的数量也可以为一个、两个、三个或四个以上。
参考图1,温度传感器5安装在出风口12处,温度传感器5用来检测出风口12处的温度。
参考图2,控制器6安装在柜体1的侧部,控制器6与温度传感器5通过导线连接,制冷循环系统的压缩机23通过导线、继电器与控制器6连接,控制器6可以控制制冷循环系统的压缩机23的开或关;温度传感器5可以实时地将出风口12处的温度输送给控制器6进行处理,当出风口12处的温度高于设定值时,控制器6控制压缩机23工作,当出风口12处的温度低于设定值时,控制器6控制压缩机23停止工作,根据出风口12处的温度,控制器6可以智能控制制冷循环系统的开关,实现设备的高效节能运行。
参考图4,冷却水塔7的出水口B72通过管路9与冷却管3的进水口A31连通,冷却水塔7的进水口B71通过管路9与冷却管3的出水口A32连通,冷却水塔7可以将冷却管3中流至冷却水塔7中的水进行冷却,并将冷却后的水回流至冷却管3中,通过冷却水塔7可以实现对冷却水进行降温再利用,节约水资源。
参考图4,本实施例中,冷却水塔7的出水口B72与冷却管3的进水口A31之间的管路9上安装有泵体8,泵体8可以确保冷却管3与冷却水塔7之间的冷却水形成快速循环回流,提高换热效率。在其他实施例中,泵体8也可以安装在冷却水塔7的进水口B71与冷却管3的出水口A32之间的管路9上。
参考图4,使用本发明的设备时,柜体1上的进风口11通过管道101与变频器10的热风口102连通,柜体1上的出风口12对着变频器10,冷却水塔7的出水口B72通过管路9与冷却管3的进水口A31连通,出水口B72与进水口A31之间的管路9上安装有泵体8,冷却水塔7的进水口B71通过管路9与冷却管3的出水口A32连通;变频器10的热风可以沿A方向以及B方向并通过进风口11进入柜体1中,变频器10的热风经过制冷循环系统的蒸发器21后温度降低,降温后的冷风通过出风口12并沿C方向输送至变频器10所处的环境中,实现变频器10快速降温,以满足变频器10的环境控制需求,制冷循环系统的蒸发器21的倾斜设置可以确保换热效率,满足变频器10的环境控制需求,另外,采用水冷的方式,制冷循环系统的冷凝器22产生的热量可以通过冷却管3中的水带走,通过冷却水塔7可以实现对冷却水进行降温再利用,节约水资源。
本发明实施例中,提供了如图5所示的一种变频器水源冷却机组的散热控制方法,所述变频器水源冷却机组的散热控制方法包括步骤S1~S6:
步骤S1,获取变频器监控时间段的运行数据、变频器监控时间段的红外线摄像头的监控视频,所述变频器内部设置有水源冷却机组,所述变频器水源冷却机组包括柜体、制冷循环系统和冷却管,柜体上设有进风口和出风口,制冷循环系统的蒸发器设在柜体中,制冷循环系统的蒸发器位于进风口和出风口之间,制冷循环系统的冷凝器套在冷却管上或设在冷却管中,冷却管上设有进水口A和出水口A;
变频器监控时间段的运行数据包括变频器的工作状态、电流、电压、频率、转速、功率、冷却水的水温。
工作状态:指变频器的运行状态,如开机、关机、待机、运转等。
电流指变频器通过电源向电机输出的电流大小,通常以安培(A)为单位来衡量。电流大小与电机的转速有关,因此可以用来监测电机负载情况。
电压指变频器将电源提供的电压通过变换器变换后输出给电机的电压。通常以伏特(V)为单位来衡量。
频率指变频器输出到电机的电压频率,即使固定频率的电源变为可调频率的电压源。
转速指电机的转速,通常以转每分钟(RPM)为单位来衡量。电机转速的大小决定了机械负载和负荷变化情况。
功率指变频器输出到电机的电功率大小,通常以瓦特(W)为单位来衡量。功率的大小与电流和电压有关。
冷却水的水温指用于水源冷却机组的水的温度,可以通过传感器等设备获取。
监控时间段为对变频器进行运行数据采集和红外线摄像头监控的时间段。监控时间段可以为30秒、1分钟、2分钟等。在一些实施例中,可以在变频器内部安装红外线摄像头以对变频器进行监控。通过设备接口或传感器采集可以变频器的运行数据,同时使用红外线摄像头对变频器内部进行实时监控,记录温度信息。
水源冷却机组为内置于变频器中的冷却系统,通过水循环来散热。
步骤S2,基于所述变频器监控时间段的红外线摄像头的监控视频使用结构输出模型确定变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述变频器内部结构图中包括所述水源冷却机组。
所述结构输出模型为门控循环单元、所述结构输出模型的输入为所述变频器监控时间段的红外线摄像头的监控视频,所述结构输出模型的输出为变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图。
变频器监控时间段的红外线摄像头的监控视频包含了变频器内部的温度分布情况。
变频器内部结构图是变频器内部的结构图,可以显示出变频器内各个组件的布局和位置关系。通过内部结构图,可以识别出变频器的各种部件,例如电子器件、散热器、电路板等。
所述变频器内部结构图所对应的发热量分布图是指在监控时间段内所述变频器内部结构图显示了变频器内部各个部件产生的发热量的分布情况。不同的部件会因为功能、大小和位置的不同而产生不同的发热量。
所述变频器内部结构图所对应的最高适应温度分布图显示了变频器内部各个部件的最高能适应的温度的分布情况。例如,变频器中电机的最高适应温度为60度。
门控循环单元(Gated Recurrent Unit,GRU)用于处理序列数据和时序信息。门控循环单元为人工智能的一种实现方式。门控循环单元包括记忆单元、更新门和重置门三个组件。通过门控循环单元模型可以处理连续时间段的红外线摄像头的监控视频,可以更好地捕捉到红外线摄像头的监控视频时间序列中的关系,能够输出得到综合考虑了各个时间点的红外线摄像头的监控视频之间关联关系的特征,使得该输出的特征更加的准确和全面。在一些实施例中,可以通过梯度下降法对门控循环单元模型进行训练,当达到预先设定的停止条件则停止训练。结构输出模型具备处理序列数据的能力,而红外线摄像头的监控视频可以被视为一个序列,其中每个帧代表一个时间步。通过对这些时间步进行连续的处理,结构输出模型能够从视频中提取关键特征,并对变频器的内部结构进行建模。在获取了变频器的内部结构图之后,结构输出模型可以进一步分析红外线摄像头的监控视频,将其转化为发热量分布图和变频器内部结构图所对应的最高适应温度分布图。
在一些实施例中,结构输出模型包括建模子模型、发热量确定子模型、最高适应温度确定子模型,建模子模型、发热量确定子模型、最高适应温度确定子模型都为门控循环单元。其中建模子模型的输入为所述变频器监控时间段的红外线摄像头的监控视频,建模子模型的输出为变频器内部结构图。发热量确定子模型的输入为所述变频器监控时间段的红外线摄像头的监控视频、所述变频器内部结构图,发热量确定子模型的输出为所述变频器内部结构图所对应的发热量分布图,最高适应温度确定子模型的输入为所述变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器监控时间段的红外线摄像头的监控视频,最高适应温度确定子模型的输出为所述变频器内部结构图所对应的最高适应温度分布图。建模子模型负责从红外线监控视频中提取特征信息,生成变频器内部结构图,发热量确定子模型负责根据变频器内部结构图和红外线监控视频提取的特征信息,计算出变频器内不同区域的发热量分布图,最高适应温度确定子模型则负责根据变频器内部结构图、红外线监控视频和发热量分布图等信息,计算出变频器内不同区域的最高适应温度分布图。将结构输出模型拆分为多个子模型有助于组合不同的计算能力以解决特定的问题,并且每个子模型可专注于处理特定的任务,使得整个模型更容易理解和调试。此外,多个子模型之间存在相互独立性,可以方便地进行单独的训练和优化,从而提高模型的泛化能力和性能。同时,将模型拆分成多个子模型还可以方便地替换和升级特定的子模型,进一步提高模型的灵活性和可扩展性。
步骤S3,基于所述变频器内部结构图和所述变频器内部结构图所对应的发热量分布图确定变频器的总发热量和所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量。
在一些实施例中,可以遍历所有区域的温度数据,找出温度最高的前N个区域。N的值可以提前手动输入,N为大于2的正整数。
变频器的总发热量为变频器在监控时间段内的总发热量。
在一些实施例中,还可以通过发热量确定模型对所述变频器内部结构图和所述变频器内部结构图所对应的发热量分布图进行处理确定变频器的总发热量和所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量。发热量确定模型为卷积神经网络模型。发热量确定模型的输入为所述变频器内部结构图和所述变频器内部结构图所对应的发热量分布图,发热量确定模型的输出为变频器的总发热量和所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量。卷积神经网络模型为人工智能的一种实现方式。卷积神经网络(CNN)可以是多层神经网络(例如,包括至少两个层)。所述至少两个层可以包括卷积层(CONV)、修正线性单元(ReLU)层、池化层(POOL)或全连接层(FC)中的至少一个。经过训练后的发热量确定模型能够从图像中提取有用特征,并逐渐理解和学习图像的上下文信息。
步骤S4,基于所述变频器监控时间段的运行数据、所述变频器内部结构图所对应的最高适应温度分布图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量确定预设时间段内的散热量信息,所述预设时间段内的散热量信息包括快速降温时间段的散热量、中速降温时间段的散热量、慢速降温时间段的散热量。
在一些实施例中,可以通过散热量确定模型对所述变频器监控时间段的运行数据、所述变频器内部结构图所对应的最高适应温度分布图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量进行处理确定预设时间段内的散热量信息,其中所述预设时间段内的散热量信息包括快速降温时间段的散热量、中速降温时间段的散热量、慢速降温时间段的散热量。散热量确定模型为卷积神经网络模型。散热量确定模型的输入为所述变频器监控时间段的运行数据、所述变频器内部结构图所对应的最高适应温度分布图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量,散热量确定模型的输出为预设时间段内的散热量信息,其中所述预设时间段内的散热量信息包括快速降温时间段的散热量、中速降温时间段的散热量、慢速降温时间段的散热量。散热量确定模型为卷积神经网络模型。散热量确定模型可以综合考虑所述变频器监控时间段的运行数据、所述变频器内部结构图所对应的最高适应温度分布图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量从而确定预设时间段内的散热量信息。
在一些实施例中,快速降温时间段为预先设定的一分钟。预设时间段等于快速降温时间段、中速降温时间段、慢速降温时间段的和。预设时间段内的总散热量为快速降温时间段的散热量、中速降温时间段的散热量、慢速降温时间段的散热量之和。快速降温时间段的散热量为变频器在快速降温状态下需要释放的总热量。中速降温时间段的散热量为变频器在中速降温状态下需要释放的总热量。慢速降温时间段的散热量为变频器在慢速降温状态下需要释放的总热量。快速降温时间段、中速降温时间段、慢速降温时间段在单位时间内的散热效率依次降低,水源冷却机组在快速降温时间段提高功率进行快速降温从而保护变频器,之后依次在中速降温时间段、慢速降温时间段降低功率,从而达到在降温时的精确控制,从而避免了水源冷却机组长时间大功率的降温造成的能源浪费。快速降温时间段为变频器内部温度较高时的阶段,此时需要通过增加冷却水流速来快速降低温度。中速降温时间段是在接近目标温度时的阶段,此时需要适当降低冷却水流速以稳定温度变化。慢速降温时间段是在接近目标温度并进行细微调整时的阶段,此时可以进一步降低冷却水流速以获得更精确的温度控制。
步骤S5,构建图结构,所述图结构包括多个节点和所述多个节点之间的多条边,所述多个节点包括变频器内部结构节点、前N个温度最高的多个区域节点、水源冷却机组节点,其中所述水源冷却机组节点为中心节点,所述变频器内部结构节点、所述前N个温度最高的多个区域节点分别与所述水源冷却机组节点建立边,每个节点包括多个节点特征,所述变频器内部结构节点的节点特征为所述变频器监控时间段的运行数据、所述预设时间段内的散热量信息、所述变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述前N个温度最高的多个区域节点的节点特征为所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量,所述水源冷却机组节点的节点特征为所述预设时间段内的散热量信息,所述快速降温时间段的散热量、所述中速降温时间段的散热量和所述慢速降温时间段的散热量。
构建出的多个节点和多条边可以被输入到图神经网络模型中以确定快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速。
图神经网络模型是一种能够处理图结构数据的深度学习模型。图神经网络模型包括图神经网络(Graph Neural Network,GNN)和全连接层。图神经网络是一种直接作用于图上的神经网络,所述图是由节点和边两部分组成的一种数据结构。图神经网络模型基于信息传播机制,每一个节点通过相互交换信息来更新自己的节点状态,直到达到某一个稳定值。其中每一个节点可以包括多个节点特征、节点特征可以为多种类型,例如数值、文本、图像等。
通过构建图结构,可以更好地综合考虑变频器内部不同部位的温度分布情况,以及与之相关联的散热情况。同时,通过将水源冷却机组节点作为中心节点并与其他节点相连,可以对变频器内部不同部位的散热进行控制和调整。通过构建图结构,将变频器的内部结构、各区域的温度和散热量等信息整合到一起,便于进行综合分析和决策。在一些实施例中,构建的多条边可以表示多个节点之间的位置关系。
图6为本发明的实施例提供的构建的图结构的示意图,如图所示,其中节点A为水源冷却机组节点,节点B为变频器内部结构节点,节点C、D、E分别为前3个温度最高的多个区域节点。
步骤S6,基于图神经网络模型对所述多个节点和所述多个节点之间的多条边进行处理确定快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速。
所述图神经网络模型的输入为所述多个节点和所述多个节点之间的多条边,所述图神经网络模型的输出为快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速。
快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速依次降低。
通过图神经网络模型对图结构进行处理,以确定不同时间段的冷却水流速。这样可以根据变频器的实时状态和散热需求,实现精确的温度控制和散热效果优化。使用图神经网络模型对图结构中的节点和边进行学习和表示。训练模型时,输入为图结构中的节点特征和边特征,输出为对应时间段的冷却水流速。预测时,根据实时的温度和散热需求,输入相应的节点特征和边特征,得到预测的冷却水流速。在一些实施例中,可以根据预测得到的快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速,调整冷却系统中水泵的转速或水流通道的阀门开度,以控制冷却水流速的大小,并实现变频器的散热控制。
基于同一发明构思,图7为本发明的实施例提供的一种变频器水源冷却机组的散热控制系统示意图,所述变频器水源冷却机组的散热控制系统包括:
获取模块31,用于获取变频器监控时间段的运行数据、变频器监控时间段的红外线摄像头的监控视频,所述变频器内部设置有水源冷却机组,所述变频器水源冷却机组包括柜体、制冷循环系统和冷却管,柜体上设有进风口和出风口,制冷循环系统的蒸发器设在柜体中,制冷循环系统的蒸发器位于进风口和出风口之间,制冷循环系统的冷凝器套在冷却管上或设在冷却管中,冷却管上设有进水口A和出水口A;
结构输出模块32,用于基于所述变频器监控时间段的红外线摄像头的监控视频使用结构输出模型确定变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述变频器内部结构图中包括所述水源冷却机组;
发热量确定模块33,用于基于所述变频器内部结构图和所述变频器内部结构图所对应的发热量分布图确定变频器的总发热量和所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量;
散热量确定模块34,用于基于所述变频器监控时间段的运行数据、所述变频器内部结构图所对应的最高适应温度分布图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量确定预设时间段内的散热量信息,所述预设时间段内的散热量信息包括快速降温时间段的散热量、中速降温时间段的散热量、慢速降温时间段的散热量;
构建模块35,用于构建图结构,所述图结构包括多个节点和所述多个节点之间的多条边,所述多个节点包括变频器内部结构节点、前N个温度最高的多个区域节点、水源冷却机组节点,其中所述水源冷却机组节点为中心节点,所述变频器内部结构节点、所述前N个温度最高的多个区域节点分别与所述水源冷却机组节点建立边,每个节点包括多个节点特征,所述变频器内部结构节点的节点特征为所述变频器监控时间段的运行数据、所述预设时间段内的散热量信息、所述变频器内部结构图、所述变频器内部结构图所对应的发热量分布图、所述变频器内部结构图所对应的最高适应温度分布图,所述前N个温度最高的多个区域节点的节点特征为所述变频器内部结构图中前N个温度最高的区域和所述前N个温度最高的区域所对应的发热量,所述水源冷却机组节点的节点特征为所述预设时间段内的散热量信息、所述快速降温时间段的散热量、所述中速降温时间段的散热量和所述慢速降温时间段的散热量;
流速确定模块36,用于基于图神经网络模型对所述多个节点和所述多个节点之间的多条边进行处理确定快速降温时间段的冷却水流速、中速降温时间段的冷却水流速、慢速降温时间段的冷却水流速。