CN117529070A - 一种用于光伏逆变器稳定运行的散热控制方法及系统 - Google Patents
一种用于光伏逆变器稳定运行的散热控制方法及系统 Download PDFInfo
- Publication number
- CN117529070A CN117529070A CN202410022440.0A CN202410022440A CN117529070A CN 117529070 A CN117529070 A CN 117529070A CN 202410022440 A CN202410022440 A CN 202410022440A CN 117529070 A CN117529070 A CN 117529070A
- Authority
- CN
- China
- Prior art keywords
- heat dissipation
- dissipation control
- parameters
- initial
- control 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.)
- Granted
Links
- 230000017525 heat dissipation Effects 0.000 title claims abstract description 488
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000009826 distribution Methods 0.000 claims abstract description 169
- 239000000428 dust Substances 0.000 claims abstract description 126
- 230000007613 environmental effect Effects 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims description 57
- 238000011156 evaluation Methods 0.000 claims description 37
- 239000011248 coating agent Substances 0.000 claims description 35
- 238000000576 coating method Methods 0.000 claims description 35
- 238000005457 optimization Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 6
- 239000004519 grease Substances 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 229920001296 polysiloxane Polymers 0.000 description 4
- 229910044991 metal oxide Inorganic materials 0.000 description 3
- 150000004706 metal oxides Chemical class 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000005669 field effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M7/00—Conversion of ac power input into dc power output; Conversion of dc power input into ac power output
- H02M7/42—Conversion of dc power input into ac power output without possibility of reversal
- H02M7/44—Conversion of dc power input into ac power output without possibility of reversal by static converters
- H02M7/48—Conversion of dc power input into ac power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/2089—Modifications to facilitate cooling, ventilating, or heating for power electronics, e.g. for inverters for controlling motor
- H05K7/20909—Forced ventilation, e.g. on heat dissipaters coupled to components
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/2089—Modifications to facilitate cooling, ventilating, or heating for power electronics, e.g. for inverters for controlling motor
- H05K7/20945—Thermal management, e.g. inverter temperature control
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Inverter Devices (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种用于光伏逆变器稳定运行的散热控制方法及系统,涉及光伏逆变器控制技术领域,该方法包括:获取光伏逆变器的运行环境内的环境参数,以及光伏逆变器的逆变运行参数;构建散热控制参数空间;获得多个变化温度分布序列和多个变化灰尘分布序列;分析多个初始散热控制参数的适应度,获得多个初始适应度;聚类后按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族;输出收敛散热控制参数族内适应度最大的散热控制参数,进行光伏逆变器的散热控制。本发明解决了现有技术中光伏逆变器的散热控制时分析过于片面,散热控制周期长的技术问题,达到了提升散热控制质量,提高控制效率的技术效果。
Description
技术领域
本发明涉及光伏逆变器控制技术领域,具体涉及一种用于光伏逆变器稳定运行的散热控制方法及系统。
背景技术
光伏逆变器对于保证光伏转换效率以及发电效率有着十分重要的意义,是保证电站稳定运行的关键设备。目前,光伏逆变器在运行过程中需要进行散热控制,来保证运行效率。然而,在进行散热控制时,技术人员往往着眼于光伏逆变器的散热设备优化,忽略了光伏逆变器运行状态与周围环境对散热的影响。由于片面化的分析使散热调控时往往需要花费大量的时间成本进行参数调整。现有技术存在着光伏逆变器的散热控制时分析过于片面,散热控制周期长的技术问题。
发明内容
本申请提供了一种用于光伏逆变器稳定运行的散热控制方法及系统,用于针对解决现有技术中光伏逆变器的散热控制时分析过于片面,散热控制周期长的技术问题。
鉴于上述问题,本申请提供了一种用于光伏逆变器稳定运行的散热控制方法及系统。
本申请的第一个方面,提供了一种用于光伏逆变器稳定运行的散热控制方法,其中,所述方法应用于光伏逆变器,所述光伏逆变器包括散热设备和多个目标元件,所述方法包括:
获取光伏逆变器的运行环境内的环境参数,以及光伏逆变器的逆变运行参数,环境参数包括温度参数和灰尘参数;
获取对所述散热设备进行散热控制的设备参数空间,以及散热涂层的涂层参数空间,构建散热控制参数空间;
在所述散热控制参数空间内,随机生成多个初始散热控制参数,并结合所述环境参数和逆变运行参数,进行散热控制后的温度分布预测和灰尘分布预测,获得多个变化温度分布序列和多个变化灰尘分布序列;
基于所述多个变化温度分布序列和多个变化灰尘分布序列,分析所述多个初始散热控制参数的适应度,获得多个初始适应度;
根据所述多个初始适应度,对所述多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族;
输出所述收敛散热控制参数族内适应度最大的散热控制参数,进行所述光伏逆变器的散热控制。
本申请的第二个方面,提供了一种用于光伏逆变器稳定运行的散热控制系统,所述系统包括:
逆变运行参数获得模块,用于获取光伏逆变器的运行环境内的环境参数,以及光伏逆变器的逆变运行参数,环境参数包括温度参数和灰尘参数;
控制参数空间构建模块,用于获取对散热设备进行散热控制的设备参数空间,以及散热涂层的涂层参数空间,构建散热控制参数空间;
变化灰尘分布序列获得模块,用于在所述散热控制参数空间内,随机生成多个初始散热控制参数,并结合所述环境参数和逆变运行参数,进行散热控制后的温度分布预测和灰尘分布预测,获得多个变化温度分布序列和多个变化灰尘分布序列;
初始适应度获得模块,用于基于所述多个变化温度分布序列和多个变化灰尘分布序列,分析所述多个初始散热控制参数的适应度,获得多个初始适应度;
控制参数族获得模块,用于根据所述多个初始适应度,对所述多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族;
散热控制模块,用于输出所述收敛散热控制参数族内适应度最大的散热控制参数,进行所述光伏逆变器的散热控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过获取光伏逆变器的运行环境内的环境参数,以及光伏逆变器的逆变运行参数,环境参数包括温度参数和灰尘参数,然后获取对散热设备进行散热控制的设备参数空间,以及散热涂层的涂层参数空间,构建散热控制参数空间,进而在散热控制参数空间内,随机生成多个初始散热控制参数,并结合环境参数和逆变运行参数,进行散热控制后的温度分布预测和灰尘分布预测,获得多个变化温度分布序列和多个变化灰尘分布序列,基于多个变化温度分布序列和多个变化灰尘分布序列,分析多个初始散热控制参数的适应度,获得多个初始适应度,然后根据多个初始适应度,对多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族,输出收敛散热控制参数族内适应度最大的散热控制参数,进行光伏逆变器的散热控制。达到了提升散热控制质量,缩短散热控制参数分析周期,提高控制效率的技术效果。
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为本申请实施例提供的一种用于光伏逆变器稳定运行的散热控制方法流程示意图;
图2为本申请实施例提供的一种用于光伏逆变器稳定运行的散热控制方法中获得多个变化温度分布序列和多个变化灰尘分布序列的流程示意图;
图3为本申请实施例提供的一种用于光伏逆变器稳定运行的散热控制方法中获得所述收敛散热控制参数族的流程示意图;
图4为本申请实施例提供的一种用于光伏逆变器稳定运行的散热控制系统结构示意图。
附图标记说明:逆变运行参数获得模块11,控制参数空间构建模块12,变化灰尘分布序列获得模块13,初始适应度获得模块14,控制参数族获得模块15,散热控制模块16。
具体实施方式
本申请通过提供了一种用于光伏逆变器稳定运行的散热控制方法及系统,用于针对解决现有技术中光伏逆变器的散热控制时分析过于片面,散热控制周期长的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一:
如图1所示,本申请提供了一种用于光伏逆变器稳定运行的散热控制方法,其中,所述方法应用于光伏逆变器,所述光伏逆变器包括散热设备和多个目标元件,所述方法包括:
步骤S100:获取光伏逆变器的运行环境内的环境参数,以及光伏逆变器的逆变运行参数,环境参数包括温度参数和灰尘参数;
在本申请的实施例中,所述光伏逆变器是将光伏太阳能电池板的直流电转换为交流电的电气设备,包括散热设备和多个目标元件。当光伏逆变器内的电子元件温度升高,会导致可靠性下降。如,电子元件温度每升高2°,可靠性下降10%。因此,需要利用散热设备对光伏逆变器进行散热,其中,所述散热设备为风扇。所述多个目标元件为所述光伏逆变器内的多个电子元件,如IGBT(Insulated Gate Bipolar Transistor)绝缘栅双极型晶体管、MOS管(Metal Oxide Semiconductor Field Effect Transistor),即金属氧化物半导体型场效应管、二极管等电子元件。
在一个可能的实施例中,使用温度传感器(如热电偶传感器、红外温度传感器)对所述光伏逆变器的运行环境内多个目标元件处进行温度采集,并对采集获得的温度进行均值处理,从而获得环境参数里的温度参数。可选的,通过对光伏逆变器的多个目标元件表面空气流程较为稳定、灰尘颗粒分布均匀的地方,测量空气中悬浮颗粒物的光学性质,如散射系数、吸收系数等,根据光学性质获得灰尘的数量浓度和粒径分布,进而生成所述灰尘参数。所述逆变运行参数用于对光伏逆变器的运行状态进行描述,包括逆变效率、额定输出容量、输出电压稳定度和额定输出功率、负载功率因数等参数。通过获得所述环境参数和逆变运行参数,掌握光伏逆变器的状态以及所运行环境情况,达到了为后续进行光伏逆变器完成散热控制后的温度分布预测和灰尘分布预测,提供基础分析数据的技术效果。
步骤S200:获取对所述散热设备进行散热控制的设备参数空间,以及散热涂层的涂层参数空间,构建散热控制参数空间;
进一步的,获取对所述散热设备进行散热控制的设备参数空间,以及散热涂层的涂层参数空间,构建散热控制参数空间,本申请实施例步骤S200还包括:
获取所述散热设备的转速参数空间和方向参数空间,作为设备参数空间;
获取对所述多个目标元件进行散热涂层设置的涂层参数空间;
组合所述设备参数空间和涂层参数空间,获得散热控制参数空间。
在本申请的实施例中,根据所述散热设备的规格型号,确定对其进行散热控制时对各个设备参数进行调节的范围,生成所述设备参数空间。可选的,当所述散热设备为风扇时。对散热设备的转动方向参数空间和转速参数范围进行采集,获得设备参数空间。将散热涂层涂覆在多个目标元件的表面,可以将多个目标元件的热量进行导出,从而实现散热的目标,涂层参数空间用于对散热涂层可以选择的参数范围进行描述。优选的,所述散热涂层可以是硅脂,其中,涂层参数空间包括硅脂的厚度范围及硅脂密度范围、硅脂硬度范围等。然后对所述设备参数空间和涂层参数空间进行组合,获得所述散热控制参数空间。所述散热控制参数空间为进行光伏逆变器散热控制时可以调节的参数范围。
步骤S300:在所述散热控制参数空间内,随机生成多个初始散热控制参数,并结合所述环境参数和逆变运行参数,进行散热控制后的温度分布预测和灰尘分布预测,获得多个变化温度分布序列和多个变化灰尘分布序列;
进一步的,如图2所示,在所述散热控制参数空间内,随机生成多个初始散热控制参数,并结合所述环境参数和逆变运行参数,进行散热控制后的温度分布预测和灰尘分布预测,获得多个变化温度分布序列和多个变化灰尘分布序列,本申请实施例步骤S300还包括:
基于光伏逆变器的运行数据记录,获取样本环境参数集合、样本逆变运行参数集合和样本散热控制参数集合;
基于所述样本环境参数集合、样本逆变运行参数集合和样本散热控制参数集合,采集进行散热控制后多个时间点内所述多个目标元件的温度分布和灰尘分布,获得样本变化温度分布序列集和样本变化灰尘分布序列集;
采用所述样本环境参数集合、样本逆变运行参数集合、样本散热控制参数集合,分别结合所述样本变化温度分布序列集和样本变化灰尘分布序列集,构建温度分布预测分支和灰尘分布预测分支,集成获得散热控制预测器;
采用所述散热控制预测器,根据所述环境参数、逆变运行参数,分别结合所述多个初始散热控制参数,进行散热控制预测,获得所述多个变化温度分布序列和多个变化灰尘分布序列。
在一个可能的实施例中,在所述散热控制参数空间内,对转速参数、方向参数和涂层参数进行随机赋值,从而获得多个初始散热控制参数。将所述多个初始散热控制参数与所述环境参数和逆变运行参数相结合,在光伏逆变器运行状态下进行散热控制后的温度分布变化情况预测和灰尘分布变化情况预测,从而获得所述多个变化温度分布序列和多个变化灰尘分布序列。其中,所述多个变化温度分布序列用于进行散热控制后多个时间点内光伏逆变器的多个元件的温度分布可能随时间变化的情况进行时序性描述。所述多个变化灰尘分布序列用于对进行散热控制后多个时间点内光伏逆变器内多个目标元件的灰尘分布可能随时间变化的情况进行时序性描述。温度分布为所运行空间内多个目标元件的温度分布情况。灰尘分布为所运行环境空间内多个目标元件的灰尘分布情况。通过获得多个变化温度分布序列和多个变化灰尘分布序列,达到了为后续从温度和灰尘两个维度分析散热控制优劣程度提供分析数据的技术效果。
在一个实施例中,所述运行数据记录用于对光伏逆变器稳定运行的散热控制情况进行描述,通过分别以环境参数、逆变运行参数和散热参数为索引,对所述运行数据记录进行检索,优选的,对检索后获得的数据进行数据清洗,通过删除空白文档、错别字替换以及重复数据剔除等操作,获得高质量的所述样本环境参数集合、样本逆变运行参数集合和样本散热控制参数集合。采集在所述样本环境参数集合的运行环境下,以及样本逆变运行参数集合的光伏逆变器运行状态下,按照样本散热控制参数集合中的散热控制参数进行散热控制后的多个时间点内多个目标元件的温度分布和灰尘分布,从而获得所述样本变化温度分布序列和样本变化灰尘分布序列集。
在一个可能的实施例中,将所述样本环境参数集合、样本逆变运行参数集合和样本变化温度分布序列集作为温度分布预测训练集,对基于卷积神经网络构建的网络层进行监督训练,并在训练过程中根据监督输出的准确率对网络层参数进行更新,直至输出达到收敛,获得所述温度分布预测分支。基于同样的原理,将样本环境参数集合、样本逆变运行参数集合和样本变化灰尘分布序列集作为灰尘分布预测训练集,对基于卷积神经网络构建的网络层进行监督训练,并在训练过程中根据监督输出的准确率对网络层参数进行更新,直至输出达到收敛,获得所述灰尘分布预测分支。其中,所述温度分布预测分支用于对多个目标元件的温度分布情况进行智能化预测。所述灰尘分布预测分支用于对多个目标元件的灰尘分布情况进行智能化预测。通过将所述温度分布预测分支和灰尘分布预测分支进行集成,从而获得所述散热控制预测器。其中,所述散热控制预测器从温度和灰尘两个维度对光伏逆变器的散热控制效果进行预测。通过将所述环境参数、逆变运行参数,分别结合所述多个初始散热控制参数输入所述散热控制预测器中,进行智能化的散热控制预测,从而获得所述多个变化温度分布序列和多个变化灰尘分布序列。
步骤S400:基于所述多个变化温度分布序列和多个变化灰尘分布序列,分析所述多个初始散热控制参数的适应度,获得多个初始适应度;
进一步的,基于所述多个变化温度分布序列和多个变化灰尘分布序列,分析所述多个初始散热控制参数的适应度,获得多个初始适应度,本申请实施例步骤S400还包括:
基于所述样本变化温度分布序列集和样本变化灰尘分布序列集,进行散热控制温度分数评估和灰尘分数评估,获取样本温度分数集合和样本灰尘分数集合;
采用所述样本变化温度分布序列集和样本温度分数集合,构建温度控制评估分支;
采用所述样本变化灰尘分布序列集和样本灰尘分数集合,构建灰尘控制评估分支,结合所述温度控制评估分支,获得散热参数评估通道;
采用所述散热参数评估通道,根据所述多个变化温度分布序列和多个变化灰尘分布序列进行散热控制评估,获得多个温度分数和多个灰尘分数,分别加权计算获得所述多个初始适应度。
在本申请的实施例中,根据多个变化温度分布序列和多个变化灰尘分布序列,对所述多个初始散热控制参数的散热控制效果,也就是适应度进行分析预测,从而获得多个初始适应度。其中,所述所多个初始适应度是综合分析散热控制后的温度分布预测结果和灰尘分布预测结果后获得的多个初始散热控制参数的散热控制质量优劣,初始适应度越高,对应的初始散热控制参数越适合当前情况下光伏逆变器的散热控制。
在一个实施例中,利用专家调查法,将n位专家隔离开后,n个专家分别对样本变化温度分布序列集和样本变化灰尘分布序列集的散热控制效果,从温度和灰尘两个维度打分,将n个温度打分分数进行均值处理,获得样本温度分数集合。同理,将n个灰尘打分分数进行均值处理,获得样本灰尘分数集合。进而,以所述样本变化温度分布序列集和样本温度分数集合作为温度控制评估数据,构建变化温度分布序列集与温度分数集合之间的映射关系,并将映射关系嵌于所述温度控制评估分支中。
同理,以所述样本变化灰尘分布序列集和样本灰尘分数集合作为灰尘控制评估数据,构建变化灰尘分布序列集与灰尘分数集合之间的映射关系,并将映射关系嵌于所述灰尘控制评估分支中。进而将所述灰尘控制评估分支与所述温度控制评估分支进行并联,生成所述散热参数评估通道。所述散热参数评估通道用于从温度分布和灰尘分布两个维度进行并行散热控制评估。分别将多个变化温度分布序列和多个变化灰尘分布序列输入所述散热参数评估通道中的温度控制评估分支和灰尘控制评估分支中进行散热控制评估,从而获得多个温度分数和多个灰尘分数。其中,每个温度分数对应一个变化温度分布序列,每个灰尘分数对应一个变化灰尘分布序列,且每个变化温度分布序列具有对应的变化灰尘分布序列。进而根据对应关系,将同属于一个初始散热控制参数进行散热控制后的温度分数和灰尘分数进行加权计算,从而获得所述多个初始适应度。
步骤S500:根据所述多个初始适应度,对所述多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族;
步骤S600:输出所述收敛散热控制参数族内适应度最大的散热控制参数,进行所述光伏逆变器的散热控制。
进一步的,根据所述多个初始适应度,对所述多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族,本申请实施例步骤S500还包括:
按照所述多个初始适应度,对所述多个初始散热控制参数划分为多个引领初始散热控制参数和多个跟随初始散热控制参数,其中,多个引领初始散热控制参数的初始适应度大于多个跟随初始散热控制参数的初始适应度;
以所述多个引领初始散热控制参数,对所述多个跟随初始散热控制参数进行聚类,获得多个初始散热控制参数族,其中,所述多个初始散热控制参数族是以每个引领初始散热控制参数为中心聚类后获得的;
基于多个初始散热控制参数族,按照搜索更新策略,进行更新优化,获得多个基础散热控制参数族;
基于多个基础散热控制参数族,按照收敛更新策略,进行更新优化,获得所述收敛散热控制参数族。
在一个可能的实施例中,以所述多个初始适应度为聚类依据,对所述多个初始散热控制参数进行划分聚类,对聚类结果按照搜索更新策略和收敛更新策略进行两个阶段的更新优化,获得收敛散热控制参数族。优选的,所述搜索更新策略为初始更新扩充阶段,以最优初始散热控制参数作为搜索方向,带动其余初始散热控制参数向其搜索方向进行搜索更新,不断将搜索到的适应度更大的散热控制参数对每个聚类结果进行更新,从而提升整体适应度大小,即提升搜索过程中散热控制参数的散热控制效果。所述收敛更新策略为合并收敛阶段,当两个聚类结果的整体适应度相差较大时,整体适应度较小的聚类结果吸收至整体适应度较大的聚类结果中,从而消除弱势群体,使具有优势的聚类结果整体适应度更大,经过不断合并收敛,直至获得最具有优势的聚类结果将其作为收敛散热控制参数族。经过两个阶段更新优化,既保证了全局搜索更新的全面性,又能提升搜索效率,提升收敛散热控制参数族的质量。
在本申请的实施例中,将所述收敛散热控制参数族内适应度最大的散热控制参数进行输出,根据其对光伏逆变器进行散热控制。从而达到了从温度分布和灰尘分布两个维度进行散热控制效果分析,并进行两个阶段的更新策略优化,获得最佳的散热控制参数进行光伏逆变器的散热控制,提升散热控制可靠性的技术效果。
在一个实施例中,按照所述多个初始适应度,对所述多个初始散热控制参数按照初始适应度大小进行排序,设定位于前面预设数量的初始散热控制参数作为多个引领初始散热控制参数,进而,将剩余的多个初始散热控制参数作为多个跟随初始散热控制参数。以多个引领初始散热控制参数,分别对所述多个跟随初始散热控制参数进行聚类,可选的,通过利用余弦相似度计算引领初始散热控制参数与跟随初始散热控制参数的相似度,将相似度满足要求的跟随初始散热控制参数划分至所述引领初始散热控制参数对应的聚类结果中,从而获得多个初始散热控制参数族。其中,所述多个初始散热控制参数族与所述多个引领初始散热控制参数一一对应。进而,基于多个初始散热控制参数族,按照搜索更新策略,进行更新优化,获得多个基础散热控制参数族。然后基于多个基础散热控制参数族,按照收敛更新策略,进行更新优化,获得所述收敛散热控制参数族。
进一步的,基于多个初始散热控制参数族,按照搜索更新策略,进行更新优化,获得多个基础散热控制参数族,本申请实施例步骤S500还包括:
计算多个初始散热控制参数族的初始适应度之和,将初始适应度之和最大的初始散热控制参数族内的引领初始散热控制参数作为搜索方向,对其他的引领初始散热控制参数和跟随初始散热控制参数进行搜索更新,获得多个更新散热控制参数族;
继续按照搜索更新策略,对多个更新散热控制参数族继续进行搜索更新,直到达到预设搜索更新次数,获得多个基础散热控制参数族。
进一步的,如图3所示,基于多个基础散热控制参数族,按照收敛更新策略,进行更新优化,获得所述收敛散热控制参数族,本申请实施例步骤S500还包括:
在所述多个基础散热控制参数族内,随机选择两个基础散热控制参数族并计算适应度之和,计算并判断两个适应度之和的差值是否大于适应度差值阈值,若是,则适应度之和大的基础散热控制参数族合并适应度之和小的基础散热控制参数族,若否,则不进行合并;
将合并后的基础散热控制参数族内的引领散热控制参数作为搜索方向,或者,将适应度之和大的基础散热控制参数族内的引领散热控制参数作为搜索方向,对其他的引领散热控制参数和跟随散热控制参数进行搜索更新,其中,所述引领散热控制参数为合并后的基础散热控制参数族内适应度最大的散热控制参数,所述跟随散热控制参数为合并后的基础散热控制参数族内适应度低于引领散热控制参数的适应度的散热控制参数;
继续按照收敛更新策略,进行散热控制参数的更新优化,直到最后只剩下一个散热控制参数族,作为收敛散热控制参数族,其中,所述散热控制参数族为所述多个基础散热控制参数族经过收敛更新合并后,获得的最后一个散热控制参数聚集的集合。
在本申请的实施例中,计算多个初始散热控制参数族的初始适应度之和,将初始适应度之和最大的初始散热控制参数族内的引领初始散热控制参数作为搜索方向,对其他的引领初始散热控制参数和跟随初始散热控制参数进行搜索更新,可选的,分别计算多个初始散热控制参数族的初始适应度之和与最大的初始散热控制参数族的初始适应度之和的比值的倒数,将计算结果与预设搜索更新距离进行相乘,获得其他的引领初始散热控制参数和跟随初始散热控制参数进行搜索更新时单次移动的搜索更新距离。使初始适应度更大的初始散热控制参数族搜索更新移动小些,使初始适应度更小的初始散热控制参数族搜索更新移动大些,从而提高搜索更新效率,进而获得多个更新散热控制参数族。继续按照搜索更新策略,对多个更新散热控制参数族继续进行搜索更新,直到达到预设搜索更新次数,获得多个基础散热控制参数族。其中,所述预设搜索更新次数为本领域技术人员预先设定的搜索更新次数。
优选的,在所述多个基础散热控制参数族内,随机选择两个基础散热控制参数族并计算适应度之和,计算并判断两个适应度之和的差值是否大于适应度差值阈值,若是,则表明两个基础散热控制参数族之间的整体适应度差距较大,适应度之和大的基础散热控制参数族合并适应度之和小的基础散热控制参数族,若否,则不进行合并。进而,将合并后的基础散热控制参数族内的引领散热控制参数作为搜索方向,或者,将适应度之和大的基础散热控制参数族内的引领散热控制参数作为搜索方向,对其他的引领散热控制参数和跟随散热控制参数进行搜索更新。并在搜索更新中,基于按照搜索更新策略进行更新优化时计算的单次移动距离同样的原理,进行搜索更新移动距离分析。进而,继续按照收敛更新策略,进行散热控制参数的更新优化,直到最后只剩下一个散热控制参数族,作为收敛散热控制参数族。
在一个可能的实施例中,所述散热控制参数为用于对光伏逆变器的运行环境进行散热控制的参数,包括转速参数、方向参数和涂层参数。所述散热控制参数空间为散热控制参数可以调节的参数范围。所述多个初始散热控制参数为在所述散热控制参数空间内随机生成的多个初始散热控制参数。通过根据所述多个初始适应度对所述多个初始散热控制参数按照适应度大小进行划分,通过初步划分,获得多个引领初始散热控制参数和多个跟随初始散热控制参数。进而,以多个引领初始散热控制参数为聚类中心,对多个跟随初始散热控制参数进行聚类,从而获得多个初始散热控制参数族。其中,每个初始散热控制参数族中包括一个引领初始散热控制参数和多个跟随初始散热控制层参数,实现了对多个初始散热控制参数按照适应度大小进行聚类的目标。进而,根据所述多个初始散热控制参数族的初始适应度之和的大小,确定所述多个初始散热控制参数族的整体优化方向,按照搜索更新策略进行更新优化后,获得整体优化后的多个基础散热控制参数族。进而,基于所述多个基础散热控制参数族进行下一步的精细化更新合并,进行收敛更新,目标是将多个基础散热控制参数族在收敛更新后能够只剩下一个适应度之和最大的散热控制族,并将其作为收敛散热控制参数族。也就是说,多个初始散热控制参数、多个初始散热控制参数族、多个基础散热控制参数族、收敛散热控制参数族为散热控制参数在不同优化阶段所构成的组合。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过获取光伏逆变器的运行环境内的环境参数,以及光伏逆变器的逆变运行参数,实现了对光伏逆变器的运行环境和自身状态进行掌握的目标,然后构建散热控制参数空间作为参数寻优时选择范围,进行温度分布预测和灰尘分别预测后,获得多个变化温度分布序列和多个变化灰尘分布序列,进而对随机生成的多个初始散热控制参数的适应度进行分析,获得多个初始适应度;以多个初始适应度为基础,对多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族,然后输出收敛散热控制参数族内适应度最大的散热控制参数,进行光伏逆变器的散热控制。达到了提升散热控制质量,提高控制效率的技术效果。
实施例二:
基于与前述实施例中一种用于光伏逆变器稳定运行的散热控制方法相同的发明构思,如图4所示,本申请提供了一种用于光伏逆变器稳定运行的散热控制系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
逆变运行参数获得模块11,用于获取光伏逆变器的运行环境内的环境参数,以及光伏逆变器的逆变运行参数,环境参数包括温度参数和灰尘参数;
控制参数空间构建模块12,用于获取对散热设备进行散热控制的设备参数空间,以及散热涂层的涂层参数空间,构建散热控制参数空间;
变化灰尘分布序列获得模块13,用于在所述散热控制参数空间内,随机生成多个初始散热控制参数,并结合所述环境参数和逆变运行参数,进行散热控制后的温度分布预测和灰尘分布预测,获得多个变化温度分布序列和多个变化灰尘分布序列;
初始适应度获得模块14,用于基于所述多个变化温度分布序列和多个变化灰尘分布序列,分析所述多个初始散热控制参数的适应度,获得多个初始适应度;
控制参数族获得模块15,用于根据所述多个初始适应度,对所述多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族;
散热控制模块16,用于输出所述收敛散热控制参数族内适应度最大的散热控制参数,进行所述光伏逆变器的散热控制。
进一步的,所述控制参数空间构建模块12用于执行如下步骤:
获取所述散热设备的转速参数空间和方向参数空间,作为设备参数空间;
获取对多个目标元件进行散热涂层设置的涂层参数空间;
组合所述设备参数空间和涂层参数空间,获得散热控制参数空间。
进一步的,所述变化灰尘分布序列获得模块13用于执行如下步骤:
基于光伏逆变器的运行数据记录,获取样本环境参数集合、样本逆变运行参数集合和样本散热控制参数集合;
基于所述样本环境参数集合、样本逆变运行参数集合和样本散热控制参数集合,采集进行散热控制后多个时间点内所述多个目标元件的温度分布和灰尘分布,获得样本变化温度分布序列集和样本变化灰尘分布序列集;
采用所述样本环境参数集合、样本逆变运行参数集合、样本散热控制参数集合,分别结合所述样本变化温度分布序列集和样本变化灰尘分布序列集,构建温度分布预测分支和灰尘分布预测分支,集成获得散热控制预测器;
采用所述散热控制预测器,根据所述环境参数、逆变运行参数,分别结合所述多个初始散热控制参数,进行散热控制预测,获得所述多个变化温度分布序列和多个变化灰尘分布序列。
进一步的,所述初始适应度获得模块14用于执行如下步骤:
基于所述样本变化温度分布序列集和样本变化灰尘分布序列集,进行散热控制温度分数评估和灰尘分数评估,获取样本温度分数集合和样本灰尘分数集合;
采用所述样本变化温度分布序列集和样本温度分数集合,构建温度控制评估分支;
采用所述样本变化灰尘分布序列集和样本灰尘分数集合,构建灰尘控制评估分支,结合所述温度控制评估分支,获得散热参数评估通道;
采用所述散热参数评估通道,根据所述多个变化温度分布序列和多个变化灰尘分布序列进行散热控制评估,获得多个温度分数和多个灰尘分数,分别加权计算获得所述多个初始适应度。
进一步的,所述控制参数族获得模块15用于执行如下步骤:
按照所述多个初始适应度,对所述多个初始散热控制参数划分为多个引领初始散热控制参数和多个跟随初始散热控制参数,其中,多个引领初始散热控制参数的初始适应度大于多个跟随初始散热控制参数的初始适应度;
以所述多个引领初始散热控制参数,对所述多个跟随初始散热控制参数进行聚类,获得多个初始散热控制参数族,其中,所述多个初始散热控制参数族是以每个引领初始散热控制参数为中心聚类后获得的;
基于多个初始散热控制参数族,按照搜索更新策略,进行更新优化,获得多个基础散热控制参数族;
基于多个基础散热控制参数族,按照收敛更新策略,进行更新优化,获得所述收敛散热控制参数族。
进一步的,所述控制参数族获得模块15用于执行如下步骤:
计算多个初始散热控制参数族的初始适应度之和,将初始适应度之和最大的初始散热控制参数族内的引领初始散热控制参数作为搜索方向,对其他的引领初始散热控制参数和跟随初始散热控制参数进行搜索更新,获得多个更新散热控制参数族;
继续按照搜索更新策略,对多个更新散热控制参数族继续进行搜索更新,直到达到预设搜索更新次数,获得多个基础散热控制参数族。
进一步的,所述控制参数族获得模块15用于执行如下步骤:
在所述多个基础散热控制参数族内,随机选择两个基础散热控制参数族并计算适应度之和,计算并判断两个适应度之和的差值是否大于适应度差值阈值,若是,则适应度之和大的基础散热控制参数族合并适应度之和小的基础散热控制参数族,若否,则不进行合并;
将合并后的基础散热控制参数族内的引领散热控制参数作为搜索方向,或者,将适应度之和大的基础散热控制参数族内的引领散热控制参数作为搜索方向,对其他的引领散热控制参数和跟随散热控制参数进行搜索更新,其中,所述引领散热控制参数为合并后的基础散热控制参数族内适应度最大的散热控制参数,所述跟随散热控制参数为合并后的基础散热控制参数族内适应度低于引领散热控制参数的适应度的散热控制参数;
继续按照收敛更新策略,进行散热控制参数的更新优化,直到最后只剩下一个散热控制参数族,作为收敛散热控制参数族,其中,所述散热控制参数族为所述多个基础散热控制参数族经过收敛更新合并后,获得的最后一个散热控制参数聚集的集合。
需要说明的是,上述本申请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。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。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。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种用于光伏逆变器稳定运行的散热控制方法,其特征在于,所述方法应用于光伏逆变器,所述光伏逆变器包括散热设备和多个目标元件,所述方法包括:
获取光伏逆变器的运行环境内的环境参数,以及光伏逆变器的逆变运行参数,环境参数包括温度参数和灰尘参数;
获取对所述散热设备进行散热控制的设备参数空间,以及散热涂层的涂层参数空间,构建散热控制参数空间;
在所述散热控制参数空间内,随机生成多个初始散热控制参数,并结合所述环境参数和逆变运行参数,进行散热控制后的温度分布预测和灰尘分布预测,获得多个变化温度分布序列和多个变化灰尘分布序列;
基于所述多个变化温度分布序列和多个变化灰尘分布序列,分析所述多个初始散热控制参数的适应度,获得多个初始适应度;
根据所述多个初始适应度,对所述多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族;
输出所述收敛散热控制参数族内适应度最大的散热控制参数,进行所述光伏逆变器的散热控制。
2.根据权利要求1所述的方法,其特征在于,获取对所述散热设备进行散热控制的设备参数空间,以及散热涂层的涂层参数空间,构建散热控制参数空间,包括:
获取所述散热设备的转速参数空间和方向参数空间,作为设备参数空间;
获取对所述多个目标元件进行散热涂层设置的涂层参数空间;
组合所述设备参数空间和涂层参数空间,获得散热控制参数空间。
3.根据权利要求1所述的方法,其特征在于,在所述散热控制参数空间内,随机生成多个初始散热控制参数,并结合所述环境参数和逆变运行参数,进行散热控制后的温度分布预测和灰尘分布预测,获得多个变化温度分布序列和多个变化灰尘分布序列,包括:
基于光伏逆变器的运行数据记录,获取样本环境参数集合、样本逆变运行参数集合和样本散热控制参数集合;
基于所述样本环境参数集合、样本逆变运行参数集合和样本散热控制参数集合,采集进行散热控制后多个时间点内所述多个目标元件的温度分布和灰尘分布,获得样本变化温度分布序列集和样本变化灰尘分布序列集;
采用所述样本环境参数集合、样本逆变运行参数集合、样本散热控制参数集合,分别结合所述样本变化温度分布序列集和样本变化灰尘分布序列集,构建温度分布预测分支和灰尘分布预测分支,集成获得散热控制预测器;
采用所述散热控制预测器,根据所述环境参数、逆变运行参数,分别结合所述多个初始散热控制参数,进行散热控制预测,获得所述多个变化温度分布序列和多个变化灰尘分布序列。
4.根据权利要求3所述的方法,其特征在于,基于所述多个变化温度分布序列和多个变化灰尘分布序列,分析所述多个初始散热控制参数的适应度,获得多个初始适应度,包括:
基于所述样本变化温度分布序列集和样本变化灰尘分布序列集,进行散热控制温度分数评估和灰尘分数评估,获取样本温度分数集合和样本灰尘分数集合;
采用所述样本变化温度分布序列集和样本温度分数集合,构建温度控制评估分支;
采用所述样本变化灰尘分布序列集和样本灰尘分数集合,构建灰尘控制评估分支,结合所述温度控制评估分支,获得散热参数评估通道;
采用所述散热参数评估通道,根据所述多个变化温度分布序列和多个变化灰尘分布序列进行散热控制评估,获得多个温度分数和多个灰尘分数,分别加权计算获得所述多个初始适应度。
5.根据权利要求1所述的方法,其特征在于,根据所述多个初始适应度,对所述多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族,包括:
按照所述多个初始适应度,对所述多个初始散热控制参数划分为多个引领初始散热控制参数和多个跟随初始散热控制参数,其中,多个引领初始散热控制参数的初始适应度大于多个跟随初始散热控制参数的初始适应度;
以所述多个引领初始散热控制参数,对所述多个跟随初始散热控制参数进行聚类,获得多个初始散热控制参数族,其中,所述多个初始散热控制参数族是以每个引领初始散热控制参数为中心聚类后获得的;
基于多个初始散热控制参数族,按照搜索更新策略,进行更新优化,获得多个基础散热控制参数族;
基于多个基础散热控制参数族,按照收敛更新策略,进行更新优化,获得所述收敛散热控制参数族。
6.根据权利要求5所述的方法,其特征在于,基于多个初始散热控制参数族,按照搜索更新策略,进行更新优化,获得多个基础散热控制参数族,包括:
计算多个初始散热控制参数族的初始适应度之和,将初始适应度之和最大的初始散热控制参数族内的引领初始散热控制参数作为搜索方向,对其他的引领初始散热控制参数和跟随初始散热控制参数进行搜索更新,获得多个更新散热控制参数族;
继续按照搜索更新策略,对多个更新散热控制参数族继续进行搜索更新,直到达到预设搜索更新次数,获得多个基础散热控制参数族。
7.根据权利要求5所述的方法,其特征在于,基于多个基础散热控制参数族,按照收敛更新策略,进行更新优化,获得所述收敛散热控制参数族,包括:
在所述多个基础散热控制参数族内,随机选择两个基础散热控制参数族并计算适应度之和,计算并判断两个适应度之和的差值是否大于适应度差值阈值,若是,则适应度之和大的基础散热控制参数族合并适应度之和小的基础散热控制参数族,若否,则不进行合并;
将合并后的基础散热控制参数族内的引领散热控制参数作为搜索方向,或者,将适应度之和大的基础散热控制参数族内的引领散热控制参数作为搜索方向,对其他的引领散热控制参数和跟随散热控制参数进行搜索更新,其中,所述引领散热控制参数为合并后的基础散热控制参数族内适应度最大的散热控制参数,所述跟随散热控制参数为合并后的基础散热控制参数族内适应度低于引领散热控制参数的适应度的散热控制参数;
继续按照收敛更新策略,进行散热控制参数的更新优化,直到最后只剩下一个散热控制参数族,作为收敛散热控制参数族,其中,所述散热控制参数族为所述多个基础散热控制参数族经过收敛更新合并后,获得的最后一个散热控制参数聚集的集合。
8.一种用于光伏逆变器稳定运行的散热控制系统,其特征在于,所述系统包括:
逆变运行参数获得模块,用于获取光伏逆变器的运行环境内的环境参数,以及光伏逆变器的逆变运行参数,环境参数包括温度参数和灰尘参数;
控制参数空间构建模块,用于获取对散热设备进行散热控制的设备参数空间,以及散热涂层的涂层参数空间,构建散热控制参数空间;
变化灰尘分布序列获得模块,用于在所述散热控制参数空间内,随机生成多个初始散热控制参数,并结合所述环境参数和逆变运行参数,进行散热控制后的温度分布预测和灰尘分布预测,获得多个变化温度分布序列和多个变化灰尘分布序列;
初始适应度获得模块,用于基于所述多个变化温度分布序列和多个变化灰尘分布序列,分析所述多个初始散热控制参数的适应度,获得多个初始适应度;
控制参数族获得模块,用于根据所述多个初始适应度,对所述多个初始散热控制参数进行聚类,并按照搜索更新策略和收敛更新策略,对多个聚类结果进行更新优化,获得收敛散热控制参数族;
散热控制模块,用于输出所述收敛散热控制参数族内适应度最大的散热控制参数,进行所述光伏逆变器的散热控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410022440.0A CN117529070B (zh) | 2024-01-08 | 2024-01-08 | 一种用于光伏逆变器稳定运行的散热控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410022440.0A CN117529070B (zh) | 2024-01-08 | 2024-01-08 | 一种用于光伏逆变器稳定运行的散热控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117529070A true CN117529070A (zh) | 2024-02-06 |
CN117529070B CN117529070B (zh) | 2024-03-26 |
Family
ID=89757089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410022440.0A Active CN117529070B (zh) | 2024-01-08 | 2024-01-08 | 一种用于光伏逆变器稳定运行的散热控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117529070B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150361864A1 (en) * | 2014-04-21 | 2015-12-17 | Clemson University | Control of radiator cooling fans |
US10628755B1 (en) * | 2018-12-14 | 2020-04-21 | Sas Institute Inc. | Distributable clustering model training system |
US20210271299A1 (en) * | 2019-05-07 | 2021-09-02 | Stephane Gauthier | Heating system using heat extracted from a computer processing unit |
US20210303998A1 (en) * | 2020-03-28 | 2021-09-30 | Tata Consultancy Services Limited | Multi-chiller scheduling using reinforcement learning with transfer learning for power consumption prediction |
WO2022111232A1 (zh) * | 2020-11-30 | 2022-06-02 | 中兴通讯股份有限公司 | 水冷系统的控制模型优化方法、电子设备和存储介质 |
CN115375082A (zh) * | 2022-07-01 | 2022-11-22 | 国网北京市电力公司 | 电热网协同运行决策处理方法、装置以及电子设备 |
CN115809525A (zh) * | 2022-12-14 | 2023-03-17 | 西安交通大学 | 碳化硅双面散热功率模块优化设计方法、系统、设备及介质 |
CN115915708A (zh) * | 2022-10-28 | 2023-04-04 | 北京百度网讯科技有限公司 | 制冷设备控制参数预测方法、装置、电子设备及存储介质 |
CN115913102A (zh) * | 2022-09-20 | 2023-04-04 | 阳光智维科技有限公司 | 光伏电站及其逆变器异常检测方法、装置、监控系统 |
CN116629120A (zh) * | 2023-05-23 | 2023-08-22 | 南京大全变压器有限公司 | 一种干式电力变压器的散热评价方法及系统 |
CN117093039A (zh) * | 2023-10-18 | 2023-11-21 | 南通西塔自动化科技有限公司 | 一种变频器水冷散热控制方法及系统 |
WO2023246717A1 (zh) * | 2022-06-23 | 2023-12-28 | 华为技术有限公司 | 液冷系统的控制方法、装置、设备和系统 |
-
2024
- 2024-01-08 CN CN202410022440.0A patent/CN117529070B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150361864A1 (en) * | 2014-04-21 | 2015-12-17 | Clemson University | Control of radiator cooling fans |
US10628755B1 (en) * | 2018-12-14 | 2020-04-21 | Sas Institute Inc. | Distributable clustering model training system |
US20210271299A1 (en) * | 2019-05-07 | 2021-09-02 | Stephane Gauthier | Heating system using heat extracted from a computer processing unit |
US20210303998A1 (en) * | 2020-03-28 | 2021-09-30 | Tata Consultancy Services Limited | Multi-chiller scheduling using reinforcement learning with transfer learning for power consumption prediction |
WO2022111232A1 (zh) * | 2020-11-30 | 2022-06-02 | 中兴通讯股份有限公司 | 水冷系统的控制模型优化方法、电子设备和存储介质 |
WO2023246717A1 (zh) * | 2022-06-23 | 2023-12-28 | 华为技术有限公司 | 液冷系统的控制方法、装置、设备和系统 |
CN115375082A (zh) * | 2022-07-01 | 2022-11-22 | 国网北京市电力公司 | 电热网协同运行决策处理方法、装置以及电子设备 |
CN115913102A (zh) * | 2022-09-20 | 2023-04-04 | 阳光智维科技有限公司 | 光伏电站及其逆变器异常检测方法、装置、监控系统 |
CN115915708A (zh) * | 2022-10-28 | 2023-04-04 | 北京百度网讯科技有限公司 | 制冷设备控制参数预测方法、装置、电子设备及存储介质 |
CN115809525A (zh) * | 2022-12-14 | 2023-03-17 | 西安交通大学 | 碳化硅双面散热功率模块优化设计方法、系统、设备及介质 |
CN116629120A (zh) * | 2023-05-23 | 2023-08-22 | 南京大全变压器有限公司 | 一种干式电力变压器的散热评价方法及系统 |
CN117093039A (zh) * | 2023-10-18 | 2023-11-21 | 南通西塔自动化科技有限公司 | 一种变频器水冷散热控制方法及系统 |
Non-Patent Citations (2)
Title |
---|
杨正;张臻;全鹏;夏登福;刘志康;: "基于Icepak的光伏并网逆变器热分析及热设计优化", 太阳能学报, no. 02, 28 February 2020 (2020-02-28) * |
邱翔;王;: "封装堆叠的温度场分析和参数研究", 半导体技术, no. 10, 3 October 2012 (2012-10-03) * |
Also Published As
Publication number | Publication date |
---|---|
CN117529070B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ji et al. | Multiobjective design optimization of IGBT power modules considering power cycling and thermal cycling | |
Wasanapradit et al. | Solving mixed-integer nonlinear programming problems using improved genetic algorithms | |
CN110147578B (zh) | 基于半实物仿真平台的igbt器件的寿命预测方法 | |
Lu et al. | Multidimensional data-driven life prediction method for white LEDs based on BP-NN and improved-adaboost algorithm | |
Zhou et al. | A hybrid differential evolution algorithm with estimation of distribution algorithm for reentrant hybrid flow shop scheduling problem | |
Fang et al. | Nonintrusive appliance identification with appliance-specific networks | |
Liu et al. | Accuracy improvement of energy prediction for solar-energy-powered embedded systems | |
CN112183826B (zh) | 基于深度级联生成对抗网络的建筑能耗预测方法及相关产品 | |
CN113554148A (zh) | 一种基于贝叶斯优化的BiLSTM电压偏差预测方法 | |
Omer et al. | Comparison of decision tree based ensemble methods for prediction of photovoltaic maximum current | |
CN110556820A (zh) | 用于确定能量系统操作场景的方法和设备 | |
CN117529070B (zh) | 一种用于光伏逆变器稳定运行的散热控制方法及系统 | |
Ren et al. | Empirical mode decomposition based adaboost-backpropagation neural network method for wind speed forecasting | |
Zjavka | PV power intra‐day predictions using PDE models of polynomial networks based on operational calculus | |
CN114970412A (zh) | 一种基于icgwo-lstm的igbt寿命预测方法 | |
CN111323847B (zh) | 用于为模拟集成算法确定权重比的方法和设备 | |
Meng et al. | Fast two-stage global maximum power point tracking for grid-tied string PV inverter using characteristics mapping principle | |
JP2004054808A (ja) | プラント最適運転制御装置 | |
Dzib et al. | Photovoltaic module temperature estimation: a comparison between artificial neural networks and adaptive neuro fuzzy inference systems models | |
CN111985692B (zh) | 一种基于ceemdan的用电负荷预测方法 | |
CN112861418A (zh) | 一种基于ga-woa-grnn网络的斜拉索短期覆冰厚度预测方法 | |
Bot et al. | Forecasting electricity demand in households using moga-designed artificial neural networks | |
Das et al. | Improved dequantization and normalization methods for tabular data pre-processing in smart buildings | |
Kurokawa et al. | Recent research trends of artificial intelligence applications in power electronics | |
CN116432830A (zh) | 一种光伏功率预测方法及相关计算机设备、储存介质 |
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 |