CN117434989B - 一种电气柜内环境调控系统及调控方法 - Google Patents
一种电气柜内环境调控系统及调控方法 Download PDFInfo
- Publication number
- CN117434989B CN117434989B CN202311753712.6A CN202311753712A CN117434989B CN 117434989 B CN117434989 B CN 117434989B CN 202311753712 A CN202311753712 A CN 202311753712A CN 117434989 B CN117434989 B CN 117434989B
- Authority
- CN
- China
- Prior art keywords
- temperature
- probability matrix
- transition probability
- value
- electrical cabinet
- 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 56
- 230000001276 controlling effect Effects 0.000 title claims abstract description 9
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 8
- 230000007704 transition Effects 0.000 claims abstract description 157
- 239000011159 matrix material Substances 0.000 claims abstract description 110
- 230000008859 change Effects 0.000 claims abstract description 102
- 238000010438 heat treatment Methods 0.000 claims abstract description 31
- 238000005070 sampling Methods 0.000 claims description 72
- 239000013598 vector Substances 0.000 claims description 55
- 230000007613 environmental effect Effects 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 16
- 229920006395 saturated elastomer Polymers 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims 1
- 230000005494 condensation Effects 0.000 description 12
- 238000009833 condensation Methods 0.000 description 12
- 230000000739 chaotic effect Effects 0.000 description 11
- 238000007791 dehumidification Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 239000002274 desiccant Substances 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Abstract
本发明涉及电气柜技术领域,具体涉及一种电气柜内环境调控系统及调控方法,该方法包括:采集电气柜内的温度、相对湿度及电气柜外的环境温度,根据采集数据得到各马尔科夫转移概率矩阵,获取各马尔科夫转移概率矩阵的环境温度变化倾向值及环境温度变化混乱度,根据环境温度变化混乱度得到各马尔科夫转移概率矩阵的窗口尺寸,根据窗口尺寸得到各时刻的加热温度微变量,进而得到各时刻加热器的温度改变量,完成电气柜内环境调控。本发明旨在提高电气柜环境调控的准确性,降低电气柜设备的故障率,实现电气柜环境的精确调控。
Description
技术领域
本发明涉及电气柜技术领域,具体涉及一种电气柜内环境调控系统及调控方法。
背景技术
电气柜在工业中的主要作用是对电器控制、监控、保护,其运行状态直接影响到用电设备的性能和安全,因此维持电气柜的正常运行是保障工业设备稳定运行的重要手段。在电气柜的运行过程中,环境的温湿度是保障电气柜正常运行的重要指标,温湿度不正常可能导致电气柜内部结露,腐蚀电器设备的同时带来短路的风险。
传统的电气柜防结露方法,主要是通过凝露传感器检测电气柜内是否结露,通过干燥剂或半导体除湿装置对电气柜内部除湿,并用以加热器升温作为辅助破坏结露条件以达到防止结露的目的。但凝露传感器发出信号时,电气柜内已经到达了结露的条件,在还未除湿时电气柜内可能已有少量结露,带来电气柜的故障风险;此外使用半导体除湿或干燥剂除湿,维护工作量大,设备复杂且故障率高,为设备维护带来了较大困难。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种电气柜内环境调控系统及调控方法,所采用的技术方案具体如下:
第一方面,本发明实施例提供了一种电气柜内环境调控方法,该方法包括以下步骤:
采集电气柜内的温度、相对湿度及电气柜外的环境温度;
根据电气柜内的温度及相对湿度得到电气柜内的安全温度;将各采样时刻电气柜外的环境温度离散化得到各采样时刻的离散环境温度数据;根据各采样时刻的离散环境温度数据得到各个马尔科夫转移概率矩阵;获取各马尔科夫转移概率矩阵中各行的转移状态转出的倾向值;根据马尔科夫转移概率矩阵中各行的转移状态转出的倾向值得到各马尔科夫转移概率矩阵的环境温度变化倾向值;获取各马尔科夫转移概率矩阵的环境温度变化混乱度;根据环境温度变化混乱度得到各采样时刻的加热温度微变量;结合电气柜内的安全温度、环境温度变化倾向值及各采样时刻的加热温度微变量完成电气柜内环境调控;
所述根据环境温度变化混乱度得到各采样时刻的加热温度微变量,包括:
预设采样周期,根据采样周期计算一小时内的采样数,将所述采样数与各马尔科夫转移概率矩阵的环境温度变化混乱度的乘积作为各马尔科夫转移概率矩阵的窗口尺寸;
针对各采样时刻,向前取所述窗口尺寸范围内的电气柜内温度数据及电气柜外环境温度数据,计算窗口尺寸范围内的电气柜内温度数据与电气柜外环境温度数据的差值,将窗口尺寸范围内的所述各差值作为各采样时刻的温差向量,将温差向量从中间截开分为两个长度相等的向量,前一个向量记为前温差向量,后一个记为后温差向量,分别计算前温差向量和后温差向量中元素的均值及标准差;
计算后温差向量与前温差向量的均值的差值,记为第一差值,计算所述第一差值与窗口尺寸的1/2的比值,记为第一比值,计算后温差向量与前温差向量的标准差的和值,计算后温差向量的标准差与所述和值的比值,记为第二比值,将第一比值与第二比值的乘积作为各采样时刻的加热温度微变量。
优选的,所述根据电气柜内的温度及相对湿度得到电气柜内的安全温度,包括:
将电气柜内各采样时刻的温度利用安托因公式计算得到各采样时刻的饱和蒸汽压,利用相对湿度的定义式,结合电气柜内各采样时刻的相对湿度及饱和蒸汽压,得到各采样时刻的水气压,结合相对湿度的定义式、各采样时刻的水气压及预设安全湿度得到各采样时刻的安全饱和蒸汽压,利用安全饱和蒸汽压及安托因公式计算得到各采样时刻的温度,作为安全温度。
优选的,所述将各采样时刻电气柜外的环境温度离散化得到各采样时刻的离散环境温度数据,包括:
针对各采样时刻电气柜外的环境温度,将小于-5摄氏度的环境温度记为,将大于等于-5摄氏度小于0摄氏度的环境温度记为/>,将大于等于0摄氏度小于5摄氏度的环境温度记为/>,将大于等于5摄氏度小于10摄氏度的环境温度记为/>,将大于等于10摄氏度小于15摄氏度的环境温度记为/>,将大于等于15摄氏度小于20摄氏度的环境温度记为/>,将大于等于20摄氏度小于25摄氏度的环境温度记为/>,将大于等于25摄氏度小于30摄氏度的环境温度记为/>,将大于等于30摄氏度的环境温度记为/>,其中。
优选的,所述根据各采样时刻的离散环境温度数据得到各个马尔科夫转移概率矩阵,包括:
针对所有采样时刻的离散环境温度数据,根据一天24小时将离散环境温度数据依据采样时刻划分到24个时间区间,将一个时间区间的数据作为一份数据,按照采样时刻计算每份数据中后一采样时刻的元素与前一采样时刻的元素的差值,得到每份数据的差分值向量,将所有同一时间区间的数据作为一组数据,针对各组数据中的各份数据,将每份数据中第一个元素相同的划分为一类数据,结合预设离散区间、各类数据中的各个差分值向量及马尔科夫状态转移概率矩阵算法得到各个马尔科夫转移概率矩阵。
优选的,所述获取各马尔科夫转移概率矩阵中各行的转移状态转出的倾向值,包括:
计算马尔科夫转移概率矩阵中每行的各元素与对应转移状态的预设对应值的乘积,计算马尔科夫转移概率矩阵中每行所有元素所述乘积的和值,将所述和值与马尔科夫转移概率矩阵中所有行的所有元素的所述乘积的和值的比值作为各马尔科夫转移概率矩阵中各行的转移状态转出的倾向值。
优选的,所述根据马尔科夫转移概率矩阵中各行的转移状态转出的倾向值得到各马尔科夫转移概率矩阵的环境温度变化倾向值,表达式为:
;
式中,表示第/>个马尔科夫转移概率矩阵的环境温度变化倾向值,/>表示马尔科夫转移概率矩阵的行数或列数,/>表示第/>个马尔科夫转移概率矩阵中第行的转移状态转出的倾向值,/>表示马尔科夫转移概率矩阵中第/>行转移状态的预设对应值,/>表示第/>个马尔科夫转移概率矩阵中所有行的转移状态转出的倾向值的均值,/> 表示第/>个马尔科夫转移概率矩阵中所有行的转移状态转出的倾向值的标准差。
优选的,所述获取各马尔科夫转移概率矩阵的环境温度变化混乱度,表达式为:
;
式中,表示第/>个马尔科夫转移概率矩阵的环境温度变化混乱度,/>表示马尔科夫转移概率矩阵的行数或列数,/>表示第/>个马尔科夫转移概率矩阵中第/>行第/>列的元素,/>表示马尔科夫转移概率矩阵中所有元素的均值,/>表示马尔科夫转移概率矩阵中第/>行转移状态的预设对应值,/>表示马尔科夫转移概率矩阵中第/>行转移状态的预设对应值。
优选的,所述结合电气柜内的安全温度、环境温度变化倾向值及各采样时刻的加热温度微变量完成电气柜内环境调控,表达式为:
;
式中,表示/>时刻加热器的温度改变量,/>表示/>时刻的加热温度微变量,/>表示预设采样周期,/>表示/>时刻对应的电气柜内温度数据与电气柜外环境温度数据的差值,/>表示/>时刻所位于的时间区间对应的第/>个马尔科夫转移概率矩阵的环境温度变化混乱度,/>表示/>时刻的电气柜外环境温度,/>表示/>时刻所位于的时间区间对应的马尔科夫转移概率矩阵的环境温度变化倾向值,/>表示/>时刻的电气柜内的安全温度;
大于0时表示此时加热器需要加热,且需要加热改变的温度量为/>,小于等于0时表示此时加热器需要停止加热。
第二方面,本发明实施例还提供了一种电气柜内环境调控系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果:
本发明实施例通过对电气柜内外环境温湿度检测,通过结露条件设定电气柜内的安全温度。通过电气柜内外温度变化的历史数据,通过马尔科夫矩阵分析温度变化特点计算出环境温度变化倾向值,表征可通过历史数据预测的温度,并通过环境温度变化混乱度表征历史数据预测的温度的可信度;进一步通过对实时数据的分析,分析出不可通过历史数据预测部分的温度变化数值大小;进一步以环境温度变化混乱度为权重,将可通过历史数据预测的温度部分和通过实时数据分析的温度部分结合,作为预测的电气柜温度变化情况,并以此指导电气柜内加热器工作;
相比传统的电气柜除露方法,通过预测电气柜的温度变化控制加热器工作,替代了传统的凝露传感器,在电气柜内未到达结露条件时提前调整温度,舍弃了半导体除湿装置或干燥剂除湿方案,使设备故障率降低的同时也降低了维护成本,并且降低了电气柜内元器件发生损坏的风险。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例提供的一种电气柜内环境调控方法的步骤流程图;
图2为电气柜内环境调控指标获取流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种电气柜内环境调控系统及调控方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种电气柜内环境调控系统及调控方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种电气柜内环境调控方法的步骤流程图,该方法包括以下步骤:
步骤S001,采集电气柜内的温度、相对湿度,电气柜外的环境温度,并进行预处理。
通过传感器采集电气柜内的温度、相对湿度,电气柜外的环境温度。所有采集数据的采样周期为秒,本实施例中/>,实施者可根据实际情况自行设定,本实施例对此不做限制。将所有采样时刻的电气柜内温度、电气柜内湿度、电气柜外环境温度构成3个向量,具体表示为电气柜内温度/>,电气柜内相对湿度,电气柜外环境温度/>,其中,下标/>代表数据采集时的对应时刻。
对于采集的电气柜内温度,根据安托因公式,可以计算出此时的室内饱和蒸汽水压;根据相对湿度的定义式,其中/>为相对湿度,/>为水气压,/>为饱和蒸汽水压,通过室内饱和蒸汽水压和电气柜内相对湿度可以计算出当前水气压;此时根据以安全湿度AQ作为相对湿度,根据相对湿度的定义式可以计算出安全饱和蒸汽水压;进一步根据安全饱和蒸汽水压,通过安托因公式可以计算出一个温度值,定义为安全温度,每一个时刻有一个对应的安全温度,表示为电气柜内安全温度/>,当某一时刻的电气柜内温度小于电气柜内安全温度时,代表此时电气柜内温度过低。本实施例中安全湿度/>,实施者可根据实际情况自行设定,本实施例对此不做限制,且安托因公式为现有公知技术,本实施例在此不做详细赘述。
然后将电气柜外的环境温度数据离散化处理,具体为:对环境温度数据按下式变换得到离散环境温度数据:
;
式中,是电气柜外环境温度/>中的元素,/>是离散环境温度数据,右侧的公式/>对应的是温度范围,将温度/>按照每5度划分为一个等级,左侧的等式代表了每一个等级的编号。本实施例中/>,/>,/>,/>,/>,,/>,/>,/>实施者可根据实际情况自行设定,本实施例对此不做限制。
对于电气柜外环境温度,记录连续/>天的数据,按照上式对其中元素进行离散化处理,所得各采样时刻的环境温度数据/>构成环境温度数据集/>。本实施例中,实施者可根据实际情况自行设定,本实施例对此不做限制。
步骤S002,对采集数据进一步处理,根据电气柜外环境温度的变化得到各马尔科夫转移概率矩阵,对得到的每个马尔科夫转移概率矩阵,计算环境温度变化倾向值和环境温度变化混乱度,根据环境温度变化混乱度,计算加热温度微变量及加热器的温度改变量。
具体的,本实施例首先根据采集数据得到各马尔科夫转移概率矩阵,获取各马尔科夫转移概率矩阵的环境温度变化倾向值及环境温度变化混乱度,根据环境温度变化混乱度得到各马尔科夫转移概率矩阵的窗口尺寸,根据窗口尺寸得到各时刻的加热温度微变量,进而得到各时刻加热器的温度改变量,完成电气柜内环境调控,具体电气柜内环境调控指标获取流程图如图2所示。各时刻加热器的温度改变量的构建过程具体为:
由于电气柜一般放置在一个稳定的环境当中,而环境温度在一天24小时内呈现规律的波动,而环境温度是一个影响电气柜内部温度的重要因素,因此计算环境温度变化倾向,以此表征某一时间段内,环境温度是上升还是下降;计算环境温度变化混乱度,以此表征此时的环境温度变化倾向的可信程度,环境温度变化越混乱,代表此时的环境温度越难通过环境温度变化倾向进行预测,此时需要通过更多的考虑其它数据对电气柜内部温度进行预测。
本发明实施例采用马尔科夫矩阵分析电气柜外环境温度的变化,具体如下:
针对环境温度数据集,将每天各采样时刻对应的/>数据划分为24个小时区间内,将一个小时区间内的/>数据作为一份数据。
针对连续记录天的数据,将相同小时区间的/>数据作为一组数据,例如将每天1点到2点时间区间内的/>数据作为一组数据,将每天2点到3点时间区间内的/>数据作为一组数据,以此类推,得到各组数据,即每组包含/>份/>数据。针对每组/>数据,将其中各份数据的第一个/>值相同的划分为一类数据。
对环境温度数据集中的每一份数据,计算其差分值向量,具体为:从每份数据的第二个元素开始,每个元素减去前一个元素,构成一个新的向量,记为差分值向量。综上,将每一组中每一类中的每一份数据替换成了差分值向量。
本实施例将差分值向量中各元素离散化,因此构建离散区间如表1温度差值离散映射表所示,实施者可根据实际情况构建其他离散区间,本实施例对此不做限制。
;
以离散区间、同一类数据中的各个差分值向量为输入,使用马尔科夫状态转移概率矩阵算法计算,得到马尔科夫转移概率矩阵,此计算过程为现有公知技术,本实施例在此不做详细赘述。则上述各离散区间为马尔科夫转移概率矩阵的各转移状态。
得到的马尔科夫转移概率矩阵为一个大小为10*10的矩阵,矩阵中元素含义为:第/>个马尔科夫转移概率矩阵中第/>行第/>列的元素/>代表了第/>行的转移状态在下一时刻变成第/>行转移状态的概率。
环境温度数据集中每一类数据都会得到一个马尔科夫转移概率矩阵/>,以每一类所处在一天24小时中的时间为列下标/>,以每一类数据在划分时对应的等级为行下标/>,将所有马尔科夫转移概率矩阵进行排列。
由于可能因为数据量不够或电气柜所处地区的温度变化情况有限,导致排列中会出现空位置,对空位置进行插值操作,具体为:
在马尔科夫转移概率矩阵排列中,从上到下从左到右遍历,遍历到一个空位置时,获取其周围相邻个位置的所有马尔科夫转移概率矩阵,将所有获得的矩阵相加求均值,得到一个新的矩阵填入所遍历到的空位置,完成插值操作,本实施例中/>,实施者可根据实际情况自行设定,本实施例对此不做限制。
根据上述限定最终得到24*9个马尔科夫转移概率矩阵。每个马尔科夫转移概率矩阵都表征了在一天内某一小时开始时刻,电气柜外环境温度的离散等级为,则在接下来的一小时内,环境温度的变化规律。
由于加热器的加热效果传递到整个电气柜中具有一定时间的延迟,为保证电气柜内的温度始终处在安全温度以下,减少结露风险,因此需要计算预测环境温度的变化,提前加热以保证温度恒定。
本发明实施例通过马尔科夫转移概率矩阵获取电气柜外环境温度的变化特征,计算环境温度变化倾向值作为预测温度变化的理论预测量,计算环境温度预测变化混乱度作为预测中不可估计的噪声量,将理论预测量和噪声量综合考虑,作为指导策略控制电气柜内部温度加热,具体如下:
计算环境温度变化倾向值如下:
;
;
式中,表示第/>个马尔科夫转移概率矩阵的环境温度变化倾向值,/>表示马尔科夫转移概率矩阵的行数或列数,/>表示第/>个马尔科夫转移概率矩阵中第行的转移状态转出的倾向值,/>表示马尔科夫转移概率矩阵中第/>行转移状态的预设对应值,/>表示第/>个马尔科夫转移概率矩阵中所有行的转移状态转出的倾向值的均值,/> 表示第/>个马尔科夫转移概率矩阵中所有行的转移状态转出的倾向值的标准差,/>表示第/>个马尔科夫转移概率矩阵中第/>行第/>列的元素。
马尔科夫转移概率矩阵中各转移状态的预设对应值如表2转移状态对应值映射表所示。
;
表2中,第一行代表对应的转移状态,对应值即为、/>所代表的数值。
式中是以该行转移到对应状态的概率作为权重,将转移到的各个状态加权相加,被转移到的状态概率越大,权重越大。得到的值是该行所述状态转移到下一状态的倾向。
将进行归一化处理得到/>,是第/>个马尔科夫转移概率矩阵中第/>行的转移状态转出的倾向值;/>值为正且其值越大代表温度在第/>行的状态下,更倾向温度升高;该值为负且其值越小代表温度在第/>行的状态下,更倾向温度降低;该值为0代表温度在第/>行的状态下,更倾向温度保持不变。
式中,/>项是对应的/>值与其均值的差值绝对值除以其标准差,能够表征对应的/>数据在第/>个马尔科夫转移概率矩阵中的所有数据中的显著程度。该值越大表明/>在第/>个马尔科夫转移概率矩阵中的所有/>数据中越偏离均值,对应的其权重越高,该数据越显著。因此/>项是一个系数项,加强第/>个马尔科夫转移概率矩阵中的所有/>数据之间的差异关系,加强数据特征。
最后以为权重,/>项为加强数据特征的系数,将每一行的所属状态的对应值加权相加并求均值,表征了该马尔科夫概率转移矩阵的转移倾向。/>值为正且其值越大代表温度在第/>个矩阵的状态下,更倾向温度升高;该值为负且其值越小代表温度在第/>个矩阵的状态下,更倾向温度降低;该值为0代表温度在第/>个矩阵的状态下,更倾向温度保持不变。因此以/>作为预测环境温度变化的理论预测量。
计算环境温度变化混乱度:
;
式中,表示第/>个马尔科夫转移概率矩阵的环境温度变化混乱度,/>表示马尔科夫转移概率矩阵的行数或列数,/>表示第/>个马尔科夫转移概率矩阵中第/>行第/>列的元素,/>表示马尔科夫转移概率矩阵中所有元素的均值,/>表示马尔科夫转移概率矩阵中第/>行转移状态的预设对应值,/>表示马尔科夫转移概率矩阵中第/>行转移状态的预设对应值。
式中是第/>个马尔科夫转移概率矩阵中每一个元素与均值的差值绝对值,该值越大代表该矩阵中的元素标准差越大,该矩阵越混乱,环境温度变化越混乱;/>是将每一个元素的对应行和对应列的转移状态对应值作为权重,该值越大代表该元素所代表的转移状态的温度变化越大,代表第/>个马尔科夫转移概率矩阵的温度变化越剧烈,环境温度变化越混乱,对应的此时环境温度变化的噪声量就越大。
最终将与/>各项相乘求平均,得到了环境温度变化混乱度/>,/>越大代表/>个马尔科夫转移概率矩阵的温度变化越剧烈,环境温度变化越混乱。之所以求均值是为了使/>的值域保持在(0,1),方便之后的计算。
计算得到了环境温度变化混乱度,对应了此时的环境温度变化的噪声量,环境温度变化混乱度越大代表环境温度变化越混乱,此时的环境温度变化的噪声量越大,此时的理论预测量和实际的温度变化之间差值越大。因此需要进一步通过当下时刻的温度实时变化,计算加热温度微变量作为对理论预测量的修正,判断温度变化趋势。
本发明通过对实时监测的电气柜外环境温度和电气柜内温度的差异变化情况,判断此时需要增大加热器功率还是减小加热器功率。在进行计算时,采用从当前时刻开始向前取窗口的方式获得计算数据。规定合适的窗口尺寸,能减小计算量且保证数据的可靠。具体的窗口尺寸计算如下:
;
式中,表示第/>个马尔科夫转移概率矩阵的窗口尺寸,/>是一小时的秒数,/>是采样周期,两者相除得到的是一小时内的采样数,/>表示第/>个马尔科夫转移概率矩阵的环境温度变化混乱度。
由于在计算环境温度变化混乱度时,采用的数据每一份的时间长度为1小时,因此将最长的窗口长度规定为1小时。环境温度变化混乱度的值域为(0,1),值越大代表在这一小时内的温度数据越混乱,因此短时间内的温度数据越有可能因为混乱带来的无序波动导致预测结果误差过大,因此需要获取更多的实时数据计算加热温度微变量。
此时获得了计算的窗口尺寸,接下来计算加热温度微变量,具体如下:
对于每个小时开始的时刻,获取此时电气柜外环境温度的大小,进而获取接下来一个小时内对应的马尔科夫转移概率矩阵,进而计算出接下来一个小时内的窗口尺寸。
获得当前时刻以前/>时刻的电气柜内温度/>,电气柜外环境温度/>,作为计算/>时刻的数据。
将减去/>获得温差向量/>,将温差向量在中间截开构成两个长度相等的向量,前一个向量记为前温差向量/>,后一个向量记为后温差向量/>。
分别计算前温差向量的标准差,均值/>,后温差向量的标准差/>,均值/>。
计算加热温度微变量如下:
;/>
式中,表示/>时刻的加热温度微变量,/>、/>分别表示前温差向量的标准差、均值;/>、/>分别表示后温差向量的标准差、均值;/>是当前/>时刻位于的时间区间对应的马尔可夫转移概率矩阵/>的窗口尺寸。
式中是前温差向量与后温差向量的温度差值,/>是前温差向量与后温差向量的长度,两者相除能表征窗口内温度随时间变化的变化量大小。
式中是将窗口中前温差向量与后温差向量的标准差之差/>归一化后的结果,其值域为(0,1),/>越大代表了此时的电气柜内外温度差正在偏向于混乱,/>越小代表了此时的电气柜内外温度差正在偏向于稳定。
当电气柜内外温度差偏向于混乱时,代表当下时刻的不可预测的温度部分占比越大,对应预测的温度中,占比应该越大;当电气柜内外温度差偏向于稳定时,代表当下时刻的不可预测的温度部分占比越小,对应预测的温度中,/>占比应该越小。因此/>作为/>项的权重,两者相乘得到/>时刻的加热温度微变量,/>值代表了此时的电气柜内外温度差异中,不可通过马尔科夫转移概率矩阵预知的实时噪音部分的大小。
步骤S003,通过加热器所需造成的温度变化数值实时调整加热器,破坏电气柜内的结露条件。
进一步,计算出时刻加热器所需造成的温度改变量:
;
式中,表示/>时刻加热器的温度改变量,/>表示/>时刻的加热温度微变量,/>表示预设采样周期,/>表示/>时刻对应的电气柜内温度数据与电气柜外环境温度数据的差值,/>表示/>时刻所位于的时间区间对应的第/>个马尔科夫转移概率矩阵的环境温度变化混乱度,/>表示/>时刻的电气柜外环境温度,/>表示/>时刻所位于的时间区间对应的马尔科夫转移概率矩阵的环境温度变化倾向值,/>表示/>时刻的电气柜内的安全温度。
式中代表了实时噪音部分在/>时间内,加热器应对电气柜内温度改变量的大小,/>代表了通过马尔科夫转移概率矩阵预测的理论温度部分在/>时间内,加热器应对电气柜内温度改变量的大小。
式中是环境温度变化混乱度作为权重调整噪音部分和可预测部分的比较值,值越大代表此时的环境温度变化越混乱越难通过知马尔科夫转移概率矩阵预知,对应的加热器所需造成的温差中,实时计算的噪音部分占比的权重应该越大。
大于0时表示此时加热器需要加热,且需要加热改变的温度量为/>,小于等于0时表示此时加热器需要停止加热。
综上实时调整加热器完成了电气柜内的温度控制,防止了电气柜内出现结露现象。
基于与上述方法相同的发明构思,本发明实施例还提供了一种电气柜内环境调控系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种电气柜内环境调控方法中任意一项所述方法的步骤。
综上所述,本发明实施例通过预测电气柜的温度变化控制加热器工作,替代了传统的凝露传感器,在电气柜内未到达结露条件时提前调整温度,舍弃了半导体除湿装置或干燥剂除湿方案,使设备故障率降低的同时也降低了维护成本,并且降低了电气柜内元器件发生损坏的风险。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种电气柜内环境调控方法,其特征在于,该方法包括以下步骤:
采集电气柜内的温度、相对湿度及电气柜外的环境温度;
根据电气柜内的温度及相对湿度得到电气柜内的安全温度;将各采样时刻电气柜外的环境温度离散化得到各采样时刻的离散环境温度数据;根据各采样时刻的离散环境温度数据得到各个马尔科夫转移概率矩阵;获取各马尔科夫转移概率矩阵中各行的转移状态转出的倾向值;根据马尔科夫转移概率矩阵中各行的转移状态转出的倾向值得到各马尔科夫转移概率矩阵的环境温度变化倾向值;获取各马尔科夫转移概率矩阵的环境温度变化混乱度;根据环境温度变化混乱度得到各采样时刻的加热温度微变量;结合电气柜内的安全温度、环境温度变化倾向值及各采样时刻的加热温度微变量完成电气柜内环境调控;
所述根据环境温度变化混乱度得到各采样时刻的加热温度微变量,包括:
预设采样周期,根据采样周期计算一小时内的采样数,将所述采样数与各马尔科夫转移概率矩阵的环境温度变化混乱度的乘积作为各马尔科夫转移概率矩阵的窗口尺寸;
针对各采样时刻,向前取所述窗口尺寸范围内的电气柜内温度数据及电气柜外环境温度数据,计算窗口尺寸范围内的电气柜内温度数据与电气柜外环境温度数据的差值,将窗口尺寸范围内的所述各差值作为各采样时刻的温差向量,将温差向量从中间截开分为两个长度相等的向量,前一个向量记为前温差向量,后一个记为后温差向量,分别计算前温差向量和后温差向量中元素的均值及标准差;
计算后温差向量与前温差向量的均值的差值,记为第一差值,计算所述第一差值与窗口尺寸的1/2的比值,记为第一比值,计算后温差向量与前温差向量的标准差的和值,计算后温差向量的标准差与所述和值的比值,记为第二比值,将第一比值与第二比值的乘积作为各采样时刻的加热温度微变量;
所述根据各采样时刻的离散环境温度数据得到各个马尔科夫转移概率矩阵,包括:
针对所有采样时刻的离散环境温度数据,根据一天24小时将离散环境温度数据依据采样时刻划分到24个时间区间,将一个时间区间的数据作为一份数据,按照采样时刻计算每份数据中后一采样时刻的元素与前一采样时刻的元素的差值,得到每份数据的差分值向量,将所有同一时间区间的数据作为一组数据,针对各组数据中的各份数据,将每份数据中第一个元素相同的划分为一类数据,结合预设离散区间、各类数据中的各个差分值向量及马尔科夫状态转移概率矩阵算法得到各个马尔科夫转移概率矩阵;
所述获取各马尔科夫转移概率矩阵中各行的转移状态转出的倾向值,包括:
计算马尔科夫转移概率矩阵中每行的各元素与对应转移状态的预设对应值的乘积,计算马尔科夫转移概率矩阵中每行所有元素所述乘积的和值,将所述和值与马尔科夫转移概率矩阵中所有行的所有元素的所述乘积的和值的比值作为各马尔科夫转移概率矩阵中各行的转移状态转出的倾向值;
所述根据马尔科夫转移概率矩阵中各行的转移状态转出的倾向值得到各马尔科夫转移概率矩阵的环境温度变化倾向值,表达式为:
;
式中,表示第/>个马尔科夫转移概率矩阵的环境温度变化倾向值,/>表示马尔科夫转移概率矩阵的行数或列数,/>表示第/>个马尔科夫转移概率矩阵中第/>行的转移状态转出的倾向值,/>表示马尔科夫转移概率矩阵中第/>行转移状态的预设对应值,表示第/>个马尔科夫转移概率矩阵中所有行的转移状态转出的倾向值的均值, 表示第/>个马尔科夫转移概率矩阵中所有行的转移状态转出的倾向值的标准差;
所述获取各马尔科夫转移概率矩阵的环境温度变化混乱度,表达式为:
;
式中,表示第/>个马尔科夫转移概率矩阵的环境温度变化混乱度,/>表示马尔科夫转移概率矩阵的行数或列数,/>表示第/>个马尔科夫转移概率矩阵中第/>行第/>列的元素,/>表示马尔科夫转移概率矩阵中所有元素的均值,/>表示马尔科夫转移概率矩阵中第/>行转移状态的预设对应值,/>表示马尔科夫转移概率矩阵中第/>行转移状态的预设对应值;
所述结合电气柜内的安全温度、环境温度变化倾向值及各采样时刻的加热温度微变量完成电气柜内环境调控,表达式为:
;
式中,表示/>时刻加热器的温度改变量,/>表示/>时刻的加热温度微变量,/>表示预设采样周期,/>表示/>时刻对应的电气柜内温度数据与电气柜外环境温度数据的差值,/>表示/>时刻所位于的时间区间对应的第/>个马尔科夫转移概率矩阵的环境温度变化混乱度,/>表示/>时刻的电气柜外环境温度,/>表示/>时刻所位于的时间区间对应的马尔科夫转移概率矩阵的环境温度变化倾向值,/>表示/>时刻的电气柜内的安全温度;
大于0时表示此时加热器需要加热,且需要加热改变的温度量为/>,/>小于等于0时表示此时加热器需要停止加热。
2.根据权利要求1所述的一种电气柜内环境调控方法,其特征在于,所述根据电气柜内的温度及相对湿度得到电气柜内的安全温度,包括:
将电气柜内各采样时刻的温度利用安托因公式计算得到各采样时刻的饱和蒸汽压,利用相对湿度的定义式,结合电气柜内各采样时刻的相对湿度及饱和蒸汽压,得到各采样时刻的水气压,结合相对湿度的定义式、各采样时刻的水气压及预设安全湿度得到各采样时刻的安全饱和蒸汽压,利用安全饱和蒸汽压及安托因公式计算得到各采样时刻的温度,作为安全温度。
3.根据权利要求1所述的一种电气柜内环境调控方法,其特征在于,所述将各采样时刻电气柜外的环境温度离散化得到各采样时刻的离散环境温度数据,包括:
针对各采样时刻电气柜外的环境温度,将小于-5摄氏度的环境温度记为,将大于等于-5摄氏度小于0摄氏度的环境温度记为/>,将大于等于0摄氏度小于5摄氏度的环境温度记为,将大于等于5摄氏度小于10摄氏度的环境温度记为/>,将大于等于10摄氏度小于15摄氏度的环境温度记为/>,将大于等于15摄氏度小于20摄氏度的环境温度记为/>,将大于等于20摄氏度小于25摄氏度的环境温度记为/>,将大于等于25摄氏度小于30摄氏度的环境温度记为/>,将大于等于30摄氏度的环境温度记为/>,其中/>。
4.一种电气柜内环境调控系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-3任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311753712.6A CN117434989B (zh) | 2023-12-20 | 2023-12-20 | 一种电气柜内环境调控系统及调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311753712.6A CN117434989B (zh) | 2023-12-20 | 2023-12-20 | 一种电气柜内环境调控系统及调控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117434989A CN117434989A (zh) | 2024-01-23 |
CN117434989B true CN117434989B (zh) | 2024-03-12 |
Family
ID=89553812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311753712.6A Active CN117434989B (zh) | 2023-12-20 | 2023-12-20 | 一种电气柜内环境调控系统及调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117434989B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2175423C1 (ru) * | 2000-05-25 | 2001-10-27 | Военный инженерно-космический университет им. А.Ф. Можайского | Установка для комбинированной обработки воздуха герметичных помещений |
WO2004044683A2 (en) * | 2002-11-06 | 2004-05-27 | Simmonds Precision Products, Inc. | Method for detection and recognition of fog presence within an aircraft compartment using video images |
WO2014008173A1 (en) * | 2012-07-06 | 2014-01-09 | Guardian Industries Corp. | Moisture sensor and/or defogger with bayesian improvements, and related methods |
CN111885878A (zh) * | 2020-06-10 | 2020-11-03 | 安徽东投电气有限公司 | 一种基于物联网的电气设备运行环境智能调控系统 |
CN112446545A (zh) * | 2020-12-01 | 2021-03-05 | 河北工业大学 | 一种基于叠加马尔科夫链的负荷预测方法 |
WO2022168042A1 (en) * | 2021-02-07 | 2022-08-11 | Octopus Energy Group Limited | Methods and systems for predictive heated water provision |
WO2023134320A1 (zh) * | 2022-01-11 | 2023-07-20 | 北京大学 | 基于可学习马尔科夫逻辑网络的复杂动作识别方法及装置 |
WO2023160110A1 (zh) * | 2022-02-25 | 2023-08-31 | 中国电力科学研究院有限公司 | 一种集群温控负荷系统调频方法、系统、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9371032B2 (en) * | 2006-01-10 | 2016-06-21 | Guardian Industries Corp. | Moisture sensor and/or defogger with Bayesian improvements, and related methods |
US10885454B2 (en) * | 2019-03-19 | 2021-01-05 | International Business Machines Corporation | Novelty detection of IoT temperature and humidity sensors using Markov chains |
-
2023
- 2023-12-20 CN CN202311753712.6A patent/CN117434989B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2175423C1 (ru) * | 2000-05-25 | 2001-10-27 | Военный инженерно-космический университет им. А.Ф. Можайского | Установка для комбинированной обработки воздуха герметичных помещений |
WO2004044683A2 (en) * | 2002-11-06 | 2004-05-27 | Simmonds Precision Products, Inc. | Method for detection and recognition of fog presence within an aircraft compartment using video images |
WO2014008173A1 (en) * | 2012-07-06 | 2014-01-09 | Guardian Industries Corp. | Moisture sensor and/or defogger with bayesian improvements, and related methods |
CN111885878A (zh) * | 2020-06-10 | 2020-11-03 | 安徽东投电气有限公司 | 一种基于物联网的电气设备运行环境智能调控系统 |
CN112446545A (zh) * | 2020-12-01 | 2021-03-05 | 河北工业大学 | 一种基于叠加马尔科夫链的负荷预测方法 |
WO2022168042A1 (en) * | 2021-02-07 | 2022-08-11 | Octopus Energy Group Limited | Methods and systems for predictive heated water provision |
WO2023134320A1 (zh) * | 2022-01-11 | 2023-07-20 | 北京大学 | 基于可学习马尔科夫逻辑网络的复杂动作识别方法及装置 |
WO2023160110A1 (zh) * | 2022-02-25 | 2023-08-31 | 中国电力科学研究院有限公司 | 一种集群温控负荷系统调频方法、系统、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于QT语音平台的电力电缆终端设备巡检系统与实现;高亮;闫凡铭;张博阳;王九龙;刘彦辉;杨倩;薛玉翠;;绥化学院学报;20180305(第03期);全文 * |
高亮 ; 闫凡铭 ; 张博阳 ; 王九龙 ; 刘彦辉 ; 杨倩 ; 薛玉翠 ; .基于QT语音平台的电力电缆终端设备巡检系统与实现.绥化学院学报.2018,(第03期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117434989A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3069205B1 (en) | Method and apparatus for obtaining thermal property data | |
US10783285B2 (en) | System for obtaining and classifying energy characteristics | |
CN101216715B (zh) | 用神经元网络调节参数的pid控制温度仪表及其控制方法 | |
CN110257577B (zh) | 一种球式热风炉烧炉过程控制方法及系统 | |
JP5075701B2 (ja) | 制御機器および電力推定方法 | |
CN112215479B (zh) | 一种基于自适应收缩岭回归的电表反窃电分析方法 | |
CN110529980B (zh) | 中央空调实际需求供冷负荷的确定方法、系统和电子设备 | |
CN106524582B (zh) | 适于水侧并联风冷热泵机组的压缩机负荷控制方法及装置 | |
CN114471418A (zh) | 一种连续式造粒反应釜的釜内温度控制方法、系统和介质 | |
CN111522229A (zh) | 参数自整定的mimo异因子偏格式无模型控制方法 | |
CN104360984B (zh) | 一种基于两点边值测量下冷却塔填料热力性能计算方法 | |
CN117434989B (zh) | 一种电气柜内环境调控系统及调控方法 | |
CN111550932B (zh) | 一种制热水控制方法、处理器、储水型热水器 | |
CN111460639A (zh) | 动态推算电缆导体温度的方法、装置、电子设备及存储介质 | |
CN112446169A (zh) | 热水器用水量的预测方法、热水器以及存储介质 | |
CN115587512A (zh) | 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法 | |
CN112149309B (zh) | 一种考虑温度-负荷相关性的调温负荷曲线拟合方法 | |
Wang et al. | A steady-state detection method based on Gaussian discriminant analysis for the on-line gas turbine process | |
CN116821796A (zh) | 基于可靠在线数据自适应的冷水机组故障诊断方法 | |
CN114459160B (zh) | 热水器温度的设置方法、热水器以及存储介质 | |
CN112685449A (zh) | 一种热力系统性能计算方法、装置及设备 | |
CN111967150A (zh) | 冷却能力计算方法、装置、计算机设备及存储介质 | |
CN117313014B (zh) | 一种窑炉运转能耗异常数据实时监测预警方法 | |
CN112800672B (zh) | 锅炉粘污系数的评估方法、系统、介质及电子设备 | |
CN114528747A (zh) | 热水器用水量的预测方法、热水器以及存储介质 |
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 |