CN117595743A - 变频器输出控制方法、装置、设备及存储介质 - Google Patents
变频器输出控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117595743A CN117595743A CN202410076683.2A CN202410076683A CN117595743A CN 117595743 A CN117595743 A CN 117595743A CN 202410076683 A CN202410076683 A CN 202410076683A CN 117595743 A CN117595743 A CN 117595743A
- Authority
- CN
- China
- Prior art keywords
- output
- state
- data
- power
- rotating speed
- 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 59
- 239000013598 vector Substances 0.000 claims abstract description 115
- 238000004458 analytical method Methods 0.000 claims abstract description 105
- 238000006243 chemical reaction Methods 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 239000010410 layer Substances 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 11
- 238000007637 random forest analysis Methods 0.000 claims description 10
- 239000002356 single layer Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 14
- 230000008901 benefit Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013021 overheating Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 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
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
-
- 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
- H02P27/00—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage
- H02P27/04—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明提供了一种变频器输出控制方法、装置、设备及存储介质，该方法包括：对目标变频器的目标输出状态数据进行状态识别，得到输出状态特征集合，分别对电机设备的目标输出功率数据和目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合并分别与输出状态特征集合进行特征编码转换，生成功率状态影响向量和转速状态影响向量；将功率状态影响向量和转速状态影响向量分别输入预置的输出功率分析模型和输入输出转速分析模型，生成输出功率控制方案和输出转速控制方案进行协同输出控制。本方法通过同时考虑功率和转速两个关键因素，可以更好地协调电机设备的输出功率和转速，使其始终处于合适的工作状态，可以提高系统的整体性能。
Description
技术领域
本发明涉及自动化技术领域，尤其涉及一种变频器输出控制方法、装置、设备及存储介质。
背景技术
在工业领域中，电机设备的输出功率和转速控制是非常重要的。变频器作为一种常用的电力调节设备，可以通过调整输出电压和频率来实现对电机的精确控制，从而满足不同工况下的需求。然而，在实际应用中，由于电机设备的特性以及运行环境的不同，需要综合考虑功率和转速这两个关键因素对变频器进行协同控制，以确保变频器能够稳定地工作并提供所需的输出。然而传统的变频器控制方法通常只考虑其中一种因素，如功率或转速，而忽略了另一种因素的影响。这种单一因素的控制方法存在一些问题。首先，当只考虑功率时，可能无法满足对电机转速的精确控制需求。同样地，当只关注转速时，可能无法确保电机输出的功率符合要求。这种不匹配可能导致电机设备在工作过程中出现不稳定的情况，影响系统的整体性能和稳定性。
发明内容
本发明的主要目的在于解决现有的变频器输出控制影响系统稳定性的技术问题。
本发明第一方面提供了一种变频器输出控制方法，所述变频器输出控制方法包括：
对目标变频器进行输出状态监测，得到目标输出状态数据，并对所述目标变频器的电机设备进行功率检测和转速检测，得到目标输出功率数据和目标设备转速数据；
对所述目标输出状态数据进行状态识别，得到输出状态特征集合，并分别对所述目标输出功率数据和所述目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合；
对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量，并对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量；
将所述功率状态影响向量输入预置的输出功率分析模型进行输出功率分析，生成输出功率控制方案；
将所述转速状态影响向量输入预置的输出转速分析模型进行输出转速分析，得到输出转速控制方案；
根据所述输出功率控制方案以及所述输出转速控制方案对所述目标变频器进行协同输出控制。
可选的，在本发明第一方面的第一种实现方式中，所述对目标变频器进行输出状态监测，得到目标输出状态数据，并对所述目标变频器的电机设备进行功率检测和转速检测，得到目标输出功率数据和目标设备转速数据，包括：
通过预置的信号采集设备阵列对目标变频器进行输出状态监测，得到初始输出状态数据；
通过预置的功率传感器阵列对所述目标变频器的电机设备进行功率检测，得到初始输出功率数据，并通过预置的转速传感器阵列对所述目标变频器的电机设备进行转速检测，得到初始设备转速数据；
分别将所述初始输出状态数据、所述初始输出功率数据以及所述初始设备转速数据传输至预置的中央控制系统；
通过所述中央控制系统对所述初始输出状态数据进行数据滤波和数据去噪，得到目标输出状态数据；
通过所述中央控制系统分别对所述初始输出功率数据以及所述初始设备转速数据进行标准差阈值计算，得到所述初始输出功率数据的第一标准差阈值和所述初始设备转速数据的第二标准差阈值；
通过所述第一标准差阈值，对所述初始输出功率数据进行异常值去除，得到目标输出功率数据，并通过所述第二标准差阈值，对所述初始设备转速数据进行异常值去除，得到目标设备转速数据。
可选的，在本发明第一方面的第二种实现方式中，所述对所述目标输出状态数据进行状态识别，得到输出状态特征集合，并分别对所述目标输出功率数据和所述目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合，包括：
获取所述目标变频器的多个状态参数标签，并根据所述多个状态参数标签确定所述目标输出状态数据的多个状态参数聚类中心；
通过所述多个状态参数聚类中心对所述目标输出状态数据进行特征聚类，得到每个状态参数聚类中心的目标状态参数聚类结果；
分别对所述目标状态参数聚类结果进行特征值映射，得到输出状态特征集合；
获取所述目标输出功率数据的第一时间戳数据以及所述目标设备转速数据的第二时间戳数据；
对所述目标输出功率数据和所述第一时间戳数据进行曲线拟合，得到输出功率变化曲线，并对所述输出功率变化曲线进行特征点识别和提取，得到输出功率特征集合；
对所述目标设备转速数据和所述第二时间戳数据进行曲线拟合，得到设备转速变化曲线，并对所述设备转速变化曲线进行特征点识别和提取，得到设备转速特征集合。
可选的，在本发明第一方面的第三种实现方式中，所述对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量，并对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量，包括：
对所述输出状态特征集合进行均值和标准差计算，得到状态特征均值和状态特征标准差；
对所述输出功率特征集合进行均值和标准差计算，得到功率特征均值和功率特征标准差，并对所述设备转速特征集合进行均值和标准差计算，得到转速特征均值和转速特征标准差；
对所述状态特征均值、所述状态特征标准差、所述功率特征均值和所述功率特征标准差进行差异系数计算，得到第一差异系数，并根据所述第一差异系数生成第一特征权重数据；
根据所述第一特征权重数据对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量；
对所述状态特征均值、所述状态特征标准差、所述转速特征均值和所述转速特征标准差进行差异系数计算，得到第二差异系数，并根据所述第二差异系数生成第二特征权重数据；
根据所述第二特征权重数据对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量。
可选的，在本发明第一方面的第四种实现方式中，所述将所述功率状态影响向量输入预置的输出功率分析模型进行输出功率分析，生成输出功率控制方案，包括：
将所述功率状态影响向量输入预置的输出功率分析模型，所述输出功率分析模型包括输入层、多个策略分析网络以及输出层；
通过所述输入层接收所述功率状态影响向量，并对所述功率状态影响向量进行标准化处理，得到标准功率状态向量；
将所述标准功率状态向量分发至所述多个策略分析网络，并通过每个策略分析网络中的随机森林网络对所述标准功率状态向量进行功率强度和功率模式分析，得到每个策略分析网络对应的初始功率策略；
通过所述输出层对每个策略分析网络对应的初始功率策略进行策略融合，得到输出功率控制方案。
可选的，在本发明第一方面的第五种实现方式中，所述将所述转速状态影响向量输入预置的输出转速分析模型进行输出转速分析，得到输出转速控制方案，包括：
将所述转速状态影响向量输入预置的输出转速分析模型，所述输出转速分析模型包括双层门限循环单元、单层门限循环单元以及全连接网络；
通过所述双层门限循环单元中的256个门限循环单元对所述转速状态影响向量进行转速隐藏特征提取，得到转速隐藏特征向量；
通过所述单层门限循环单元中的128个门限循环单元对所述转速隐藏特征向量进行特征解码，得到目标解码特征序列；
通过所述全连接网络中的ReLU函数对所述目标解码特征序列进行输出转速控制参数运算，输出转速控制参数集合；
对所述输出转速控制参数集合进行方案集成，得到输出转速控制方案。
可选的，在本发明第一方面的第六种实现方式中，所述根据所述输出功率控制方案以及所述输出转速控制方案对所述目标变频器进行协同功率控制，包括：
对所述输出功率控制方案以及所述输出转速控制方案进行方案整合，得到变频器功率控制方案；
通过预置的多变量协同控制算法，根据所述变频器功率控制方案对所述目标变频器进行协同功率控制。
本发明第二方面提供了一种变频器输出控制装置，所述变频器输出控制装置包括：
监测模块，用于对目标变频器进行输出状态监测，得到目标输出状态数据，并对所述目标变频器的电机设备进行功率检测和转速检测，得到目标输出功率数据和目标设备转速数据；
识别模块，用于对所述目标输出状态数据进行状态识别，得到输出状态特征集合，并分别对所述目标输出功率数据和所述目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合；
编码模块，用于对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量，并对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量；
功率分析模块，用于将所述功率状态影响向量输入预置的输出功率分析模型进行输出功率分析，生成输出功率控制方案；
转速分析模块，用于将所述转速状态影响向量输入预置的输出转速分析模型进行输出转速分析，得到输出转速控制方案；
协同控制模块，用于根据所述输出功率控制方案以及所述输出转速控制方案对所述目标变频器进行协同输出控制。
本发明第三方面提供了一种变频器输出控制装置，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述变频器输出控制设备执行上述的变频器输出控制方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的变频器输出控制方法的步骤。
上述变频器输出控制方法、装置、设备及存储介质，通过对目标变频器的目标输出状态数据进行状态识别，得到输出状态特征集合，分别对电机设备的目标输出功率数据和目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合并分别与输出状态特征集合进行特征编码转换，生成功率状态影响向量和转速状态影响向量；将功率状态影响向量和转速状态影响向量分别输入预置的输出功率分析模型和输入输出转速分析模型，生成输出功率控制方案和输出转速控制方案进行协同输出控制。本方法通过同时考虑功率和转速两个关键因素，可以更好地协调电机设备的输出功率和转速，使其始终处于合适的工作状态，可以提高系统的整体性能。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例中变频器输出控制方法的一个实施例示意图；
图2为本发明实施例中变频器输出控制装置的一个实施例示意图；
图3为本发明实施例中变频器输出控制设备的一个实施例示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图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他实施例，都属于本发明保护的范围。
本发明实施例中所提到的术语“包括”和“具有”以及它们的任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种变频器输出控制方法进行详细介绍。如图1所示，该变频器输出控制的方法，本方法包括如下步骤：
101、对目标变频器进行输出状态监测，得到目标输出状态数据，并对目标变频器的电机设备进行功率检测和转速检测，得到目标输出功率数据和目标设备转速数据；
在本发明的一个实施例中，具体的，首先，通过预置的信号采集设备阵列对目标变频器进行输出状态监测，这包括输出波形、输出峰值等参数的实时收集，从而获得初始输出状态数据。同时，通过安装在变频器上的功率传感器阵列对电机设备进行功率检测，以及通过转速传感器阵列对电机设备进行转速检测，分别获得初始输出功率数据和初始设备转速数据。这些传感器阵列不仅能够提供精确的实时数据，还能够通过其高灵敏度确保数据的准确性和可靠性。接下来，分别将这些初始数据传输至预置的中央控制系统。该系统负责对收集到的初始输出状态数据进行数据滤波和去噪处理，从而得到更加准确和干净的目标输出状态数据。数据滤波和去噪过程中，采用如卡尔曼滤波器等先进算法，以去除由于传感器误差、环境干扰等因素引入的噪声，确保数据质量。接着，中央控制系统对初始输出功率数据和初始设备转速数据进行标准差阈值计算。通过这一计算，系统确定数据的正常波动范围，并据此设置第一标准差阈值和第二标准差阈值。随后，通过这些标准差阈值，中央控制系统对初始输出功率数据和初始设备转速数据进行异常值去除处理。排除由于设备故障、环境变化等非正常因素造成的数据异常，从而确保所得到的目标输出功率数据和目标设备转速数据的准确性和可靠性。最终，处理后的目标输出功率数据和目标设备转速数据将用于后续的变频器输出控制流程中。
在本发明的一个实施例中，所述对目标变频器进行输出状态监测，得到目标输出状态数据，并对所述目标变频器的电机设备进行功率检测和转速检测，得到目标输出功率数据和目标设备转速数据，包括：通过预置的信号采集设备阵列对目标变频器进行输出状态监测，得到初始输出状态数据；通过预置的功率传感器阵列对所述目标变频器的电机设备进行功率检测，得到初始输出功率数据，并通过预置的转速传感器阵列对所述目标变频器的电机设备进行转速检测，得到初始设备转速数据；分别将所述初始输出状态数据、所述初始输出功率数据以及所述初始设备转速数据传输至预置的中央控制系统；通过所述中央控制系统对所述初始输出状态数据进行数据滤波和数据去噪，得到目标输出状态数据；通过所述中央控制系统分别对所述初始输出功率数据以及所述初始设备转速数据进行标准差阈值计算，得到所述初始输出功率数据的第一标准差阈值和所述初始设备转速数据的第二标准差阈值；通过所述第一标准差阈值，对所述初始输出功率数据进行异常值去除，得到目标输出功率数据，并通过所述第二标准差阈值，对所述初始设备转速数据进行异常值去除，得到目标设备转速数据。
具体的，首先，通过预置的信号采集设备阵列对变频器进行输出状态监测。信号采集设备阵列能够精确测量变频器的电压、电流、频率和占空比等参数，从而提供关于变频器的输出波形、输出峰值等的初始输出状态数据。变频器上还装备了功率传感器阵列和转速传感器阵列。功率传感器阵列对变频器电机设备的功率消耗进行监测，从而得到初始输出功率数据。接下来，分别将这些初始输出状态数据、初始输出功率数据以及初始设备转速数据传输至预置的中央控制系统。中央控制系统是变频器输出控制的大脑，它负责处理和分析从各个传感器收集来的数据。在处理初始输出状态数据时，中央控制系统执行数据滤波和去噪操作，以确保得到准确无误的目标输出状态数据。例如，通过使用卡尔曼滤波器或其他高级滤波算法，可以去除由于传感器误差或外部环境干扰导致的噪音，从而获得更为精确的输出状态信息。同时，中央控制系统对初始输出功率数据和初始设备转速数据进行标准差阈值计算，识别和剔除的异常值，确保数据的可靠性和有效性。例如，通过计算初始输出功率数据的标准差，系统确定功率数据的正常波动范围，超出这个范围的数据是由设备故障或其他异常情况引起的，应当被视为异常值并予以剔除。同样的方法也用于处理初始设备转速数据，通过计算第二标准差阈值，系统能够识别出转速数据中的异常波动。在确定了第一和第二标准差阈值之后，中央控制系统分别对初始输出功率数据和初始设备转速数据进行异常值去除。例如，如果某一时刻的输出功率数据远高于平均水平并超出了第一标准差阈值，这个数据点将被视为异常并被剔除。同理，如果检测到的设备转速突然升高到异常范围，这一转速读数也会被排除在外。
102、对目标输出状态数据进行状态识别，得到输出状态特征集合，并分别对目标输出功率数据和目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合；
在本实施例中，具体的，首先，获取目标变频器的多个状态参数标签，包括电压幅值、电流幅值、频率和占空比等关键参数。这些参数标签为状态识别提供了必要的维度，使得对输出状态的分析更加全面和精确。接下来，基于这些多样的状态参数标签，确定目标输出状态数据的多个状态参数聚类中心。通过聚类分析方法，如K-均值聚类，将相似的状态数据分组，从而识别出代表性的输出状态模式。随后，对每个状态参数聚类中心的目标状态参数聚类结果进行特征值映射，进而得到输出状态特征集合。这一过程中，特征值映射的作用在于将原始的输出状态数据转换成更加抽象和概括的特征表示，便于后续的数据处理和分析。而为了进一步分析输出功率和设备转速的变化特征，系统还需要获取目标输出功率数据的第一时间戳数据以及目标设备转速数据的第二时间戳数据。接下来，对目标输出功率数据和第一时间戳数据进行曲线拟合，生成输出功率变化曲线。在这一过程中，曲线拟合不仅能够揭示功率数据随时间的变化趋势，还能帮助识别关键的变化节点或特征点。通过对这些特征点的识别和提取，可以得到输出功率特征集合。同样的方法也用于处理目标设备转速数据和第二时间戳数据，通过曲线拟合得到设备转速变化曲线，并进一步进行特征点的识别和提取，最终得到设备转速特征集合。通过以上步骤，系统不仅能够准确捕捉并分析变频器的输出状态，还能深入理解输出功率和设备转速的变化规律。这些分析结果为后续的输出控制提供了数据基础。
在本发明的一个实施例中，所述对所述目标输出状态数据进行状态识别，得到输出状态特征集合，并分别对所述目标输出功率数据和所述目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合，包括：获取所述目标变频器的多个状态参数标签，并根据所述多个状态参数标签确定所述目标输出状态数据的多个状态参数聚类中心；通过所述多个状态参数聚类中心对所述目标输出状态数据进行特征聚类，得到每个状态参数聚类中心的目标状态参数聚类结果；分别对所述目标状态参数聚类结果进行特征值映射，得到输出状态特征集合；获取所述目标输出功率数据的第一时间戳数据以及所述目标设备转速数据的第二时间戳数据；对所述目标输出功率数据和所述第一时间戳数据进行曲线拟合，得到输出功率变化曲线，并对所述输出功率变化曲线进行特征点识别和提取，得到输出功率特征集合；对所述目标设备转速数据和所述第二时间戳数据进行曲线拟合，得到设备转速变化曲线，并对所述设备转速变化曲线进行特征点识别和提取，得到设备转速特征集合。
具体的，具体的，首先，获取目标变频器的多个状态参数标签。这些状态参数包括电压幅值、电流幅值、频率和占空比。接下来，基于这些状态参数，系统确定目标输出状态数据的多个状态参数聚类中心。通过使用聚类算法，如K-均值算法，将输出状态数据划分为几个类别，每个类别代表一种特定的输出状态。这种分类方法有助于更清晰地理解变频器在不同输出条件下的行为模式。随后，对每个状态参数聚类中心的目标状态参数聚类结果进行特征值映射，得到输出状态特征集合。特征值映射是一个将原始数据转换为更加易于分析和处理的形式的过程。例如，通过对聚类结果进行维度缩减或变换，可以将复杂的原始数据转化为更简单的形式，从而便于进一步的数据分析和应用。然后，系统获取目标输出功率数据的第一时间戳数据以及目标设备转速数据的第二时间戳数据。这些时间戳数据提供了输出功率和设备转速随时间变化的关键信息，是进行有效控制的基础。例如，第一时间戳数据显示，在某些时段，输出功率随着时间的推移而逐渐增加。接下来，系统对目标输出功率数据和第一时间戳数据进行曲线拟合，以得到输出功率变化曲线。曲线拟合是一种统计方法，用于找出数据点之间的最佳匹配曲线。例如，通过使用多项式或指数函数进行拟合，可以准确地描述输出功率如何随时间变化。一旦曲线拟合完成，系统将对输出功率变化曲线进行特征点识别和提取，以得到输出功率特征集合。特征点提取是一个识别数据中重要变化点的过程，如功率峰值或突变点。类似地，系统也对目标设备转速数据和第二时间戳数据进行曲线拟合，以得到设备转速变化曲线。这可以帮助系统理解电机设备在运行过程中的转速变化趋势。
103、对输出功率特征集合和输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量，并对设备转速特征集合和输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量；
在本实施例中，具体的，首先，对输出状态特征集合进行均值和标准差的计算，获取输出状态特征的统计特性，包括其平均水平和变异程度，从而为后续的特征权重分配提供依据。同样的计算也应用于输出功率特征集合和设备转速特征集合，以获取这些特征的均值和标准差。接下来，基于这些统计结果进行差异系数的计算。差异系数是一个描述特征变异程度相对于均值的重要指标，它能够反映不同特征之间的相对重要性。通过计算状态特征均值、状态特征标准差、功率特征均值和功率特征标准差的差异系数，可以得到第一差异系数。第一差异系数的计算结果用于生成第一特征权重数据，这些权重数据反映了不同特征在整个输出控制系统中的相对重要性。随后，根据第一特征权重数据对输出功率特征集合和输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量。将原始特征数据通过编码转换成为模型可用的形式，即影响向量。这些影响向量不仅包含了原始数据的关键信息，还融合了特征之间的相对重要性，从而为后续的控制决策提供更加准确和有效的输入。随后，通过对状态特征均值、状态特征标准差、转速特征均值和转速特征标准差进行差异系数计算，得到第二差异系数。第二差异系数同样用于生成第二特征权重数据，这些数据随后被用于对设备转速特征集合和输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量。
在本发明的一个实施例中，所述对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量，并对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量，包括：对所述输出状态特征集合进行均值和标准差计算，得到状态特征均值和状态特征标准差；对所述输出功率特征集合进行均值和标准差计算，得到功率特征均值和功率特征标准差，并对所述设备转速特征集合进行均值和标准差计算，得到转速特征均值和转速特征标准差；对所述状态特征均值、所述状态特征标准差、所述功率特征均值和所述功率特征标准差进行差异系数计算，得到第一差异系数，并根据所述第一差异系数生成第一特征权重数据；根据所述第一特征权重数据对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量；对所述状态特征均值、所述状态特征标准差、所述转速特征均值和所述转速特征标准差进行差异系数计算，得到第二差异系数，并根据所述第二差异系数生成第二特征权重数据；根据所述第二特征权重数据对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量。
具体的，首先，系统对输出状态特征集合进行均值和标准差的计算，对变频器的位置、速度、高度和姿态等多个输出参数的综合分析。计算均值和标准差是为了得到每种输出状态的平均水平及其变化范围。例如，通过计算变频器在一段时间内的平均速度和速度变化的标准差，可以得到关于变频器速度稳定性的重要信息。同样的计算方法也适用于输出功率特征集合和设备转速特征集合。对于设备转速特征集合，计算其均值和标准差可以帮助监测和控制电机设备的转速，防止过热。例如，如果转速特征的标准差较大，这意味着设备在某些输出条件下容易过热。进一步地，系统对这些特征的均值和标准差进行差异系数计算。差异系数是一种描述数据变异程度相对于平均值的指标，能够反映出不同特征的相对重要性。通过计算得到的第一差异系数用于生成第一特征权重数据，这些数据能够反映出在变频器输出控制中各个特征的相对重要性。接下来，根据第一特征权重数据，系统对输出功率特征集合和输出状态特征集合进行特征编码转换，从而生成对应的功率状态影响向量。将原始特征数据通过编码转换成为模型可用的形式，即影响向量。这些影响向量包含了原始数据的关键信息，并结合了特征之间的相对重要性，为后续的控制决策提供更加准确和有效的输入。最后，通过对状态特征均值、状态特征标准差、转速特征均值和转速特征标准差进行差异系数计算，得到第二差异系数。这个第二差异系数用于生成第二特征权重数据，这些数据随后被用于对设备转速特征集合和输出状态特征集合进行特征编码转换，从而生成对应的转速状态影响向量。
104、将功率状态影响向量输入预置的输出功率分析模型进行输出功率分析，生成输出功率控制方案；
在本实施例中，首先，将功率状态影响向量输入到预设的输出功率分析模型中。这个模型是一个多层次的神经网络结构，包含输入层、多个策略分析网络层以及输出层。然后，输入层接收功率状态影响向量，并对其进行标准化处理以生成标准功率状态向量。标准化的目的是为了统一不同数据源的尺度，确保模型分析的准确性和一致性。随后，这个标准化后的功率状态向量被分发到模型中的多个策略分析网络。每个策略分析网络内部包含一个随机森林网络，这是一种高效的集成学习方法，通过构建多个决策树来进行复杂数据分析和模式识别。每个随机森林网络负责对标准功率状态向量进行详细的输出功率强度和输出功率模式分析，从而生成针对每种情况的初始功率策略。随机森林网络的优势在于它能处理大量的输入特征并且对数据噪声具有较强的抵抗力，这使得它适合用于复杂和多变的输出环境下的输出分析。这些不同的随机森林网络生成的初始功率策略随后被汇总到输出层。在输出层，这些策略经过综合融合处理，产生最终的输出功率控制方案。策略融合考虑了各个策略分析网络生成的多个初始功率策略，并综合这些策略的优势，排除冗余或相互矛盾的部分。这个操作方案不仅考虑了输出功率强度和模式的最优化，还考虑了变频器的当前输出状态和能源效率。
在本发明的一个实施例中，所述将所述功率状态影响向量输入预置的输出功率分析模型进行输出功率分析，生成输出功率控制方案，包括：将所述功率状态影响向量输入预置的输出功率分析模型，所述输出功率分析模型包括输入层、多个策略分析网络以及输出层；通过所述输入层接收所述功率状态影响向量，并对所述功率状态影响向量进行标准化处理，得到标准功率状态向量；将所述标准功率状态向量分发至所述多个策略分析网络，并通过每个策略分析网络中的随机森林网络对所述标准功率状态向量进行功率强度和功率模式分析，得到每个策略分析网络对应的初始功率策略；通过所述输出层对每个策略分析网络对应的初始功率策略进行策略融合，得到输出功率控制方案。
具体的，首先，构建一个输出功率分析模型，该模型主要由三部分组成：输入层、多个策略分析网络以及输出层。输入层负责接收功率状态影响向量。功率状态影响向量包含了关于变频器输出系统的功率使用情况和输出状态的综合信息。对功率状态影响向量进行标准化处理。标准化处理的目的是将数据转换成具有统一标准的格式，这有助于减少不同数据尺度和分布带来的影响，确保模型分析的准确性和一致性。例如，如果原始功率数据的范围在0到1000瓦特之间，通过标准化处理，系统将这些数据转换为0到1的范围内的值。接下来，将标准化后的功率状态向量分发至模型中的多个策略分析网络。这些策略分析网络是模型的核心，每个网络都包含一个随机森林网络，这是一种基于多个决策树的集成学习方法。随机森林网络在处理复杂数据和发现数据内在模式方面表现出色，特别是在非线性和高维度的数据分析任务中。每个随机森林网络都被用来对标准功率状态向量进行详细的输出功率强度和输出功率模式分析。这样，每个策略分析网络都能够生成针对特定输出条件的初始功率策略。最后，通过输出层对每个策略分析网络对应的初始功率策略进行策略融合，得到输出功率控制方案。策略融合考虑了从多个角度分析得到的策略，并综合这些策略的优势，排除冗余或相互矛盾的部分。例如，如果两个策略分析网络分别推荐了较高和较低的输出功率强度，输出层需要根据输出状态和能源效率等因素来决定一个平衡的输出功率强度。
105、将转速状态影响向量输入预置的输出转速分析模型进行输出转速分析，得到输出转速控制方案；
在本实施例中，具体的，首先，将转速状态影响向量输入预置的输出转速分析模型中，该模型是一个复杂的神经网络，包括双层门限循环单元、单层门限循环单元以及全连接网络这三个主要部分。在模型的第一部分，即双层门限循环单元，共有256个门限循环单元被用于对输入的转速状态影响向量进行深入的特征分析，从而提取出转速隐藏特征向量。这些门限循环单元在处理时序数据方面表现出色，能够有效捕捉转速数据随时间变化的动态特性。然后，通过单层门限循环单元中的128个门限循环单元对转速隐藏特征向量进行特征解码，对隐藏特征向量进行进一步的解码处理，从而得到目标解码特征序列，将复杂的转速特征转换成更加具体和可操作的形式。最后，通过模型的全连接网络中的ReLU（Rectified Linear Unit）函数，对目标解码特征序列进行运算，以生成输出转速控制参数集合。ReLU函数在处理非线性问题时效果显著，它能够有效地增强模型的学习能力和表达能力。运用这些控制参数，最终形成的输出转速控制方案不仅能够精准地调节变频器的转速系统，还能够根据不同的输出条件和环境变化做出相应的调整。通过这一系列的处理和转换，输出转速分析模型能够将复杂的转速状态数据转化为实际可行的输出转速控制方案，确保变频器在执行任务时的转速始终保持在安全范围内。这种智能化的转速管理策略不仅提高了变频器的可靠性和安全性，也延长了其使用寿命，为变频器的高效运行提供了有力保障。
在本发明的一个实施例中，所述将所述转速状态影响向量输入预置的输出转速分析模型进行输出转速分析，得到输出转速控制方案，包括：将所述转速状态影响向量输入预置的输出转速分析模型，所述输出转速分析模型包括双层门限循环单元、单层门限循环单元以及全连接网络；通过所述双层门限循环单元中的256个门限循环单元对所述转速状态影响向量进行转速隐藏特征提取，得到转速隐藏特征向量；通过所述单层门限循环单元中的128个门限循环单元对所述转速隐藏特征向量进行特征解码，得到目标解码特征序列；通过所述全连接网络中的ReLU函数对所述目标解码特征序列进行输出转速控制参数运算，输出转速控制参数集合；对所述输出转速控制参数集合进行方案集成，得到输出转速控制方案。
具体的，首先，将转速状态影响向量输入到预置的输出转速分析模型中，这个模型包含三个关键部分：双层门限循环单元、单层门限循环单元以及全连接网络。通过双层门限循环单元中的256个门限循环单元对转速状态影响向量进行转速隐藏特征提取，得到转速隐藏特征向量。门限循环单元能够有效捕捉转速数据随时间变化的动态特性。例如，如果变频器在执行长时间的输出任务时，双层门限循环单元可以捕捉到由于连续运行引起的转速逐渐升高的趋势。接着，通过单层门限循环单元中的128个门限循环单元对转速隐藏特征向量进行特征解码，得到目标解码特征序列。将复杂的转速特征转换成更加具体和可操作的形式，为最终的转速控制参数提供了基础。例如，通过这些门限循环单元，系统识别出在特定输出阶段中设备转速的关键变化点，这些信息有助于对于实现有效的转速控制。最后，通过全连接网络中的ReLU函数对目标解码特征序列进行输出转速控制参数运算，输出转速控制参数集合。ReLU函数能够有效地增强模型的学习能力和表达能力。通过全连接网络的运算，系统能够从目标解码特征序列中提取出输出转速控制参数集合。这些参数集合是转速控制策略的核心，它们基于从转速状态数据中提取的关键特征，提供了对变频器转速系统的具体控制指令。接下来，系统对这些输出转速控制参数集合进行综合分析和方案集成，以形成最终的输出转速控制方案。这个方案集成的过程涉及到评估和综合不同转速参数的相互作用和影响，以确保在实际输出中实现最优的转速效果。
106、根据输出功率控制方案以及输出转速控制方案对目标变频器进行协同输出控制。
在本实施例中，具体的，首先，将输出功率控制方案与输出转速控制方案进行综合整合，以形成一个统一的变频器输出控制方案。这一整合过程不仅需要考虑输出功率强度和模式的最优化，还需考虑到转速需求和变频器的整体性能。通过整合这两个方案，又能有效地控制设备转速，从而避免因过热造成的损害。接下来，通过预置的多变量协同控制算法，根据变频器输出控制方案对目标变频器进行协同输出控制。这个算法基于变频器的实际输出条件和环境变化，动态调整电机设备的功率和转速系统的运行状态。多变量协同控制算法的关键在于其能够同时处理多种输入变量，并根据这些变量的实时变化做出快速而准确的控制决策。
在本发明的一个实施例中，所述根据所述输出功率控制方案以及所述输出转速控制方案对所述目标变频器进行协同功率控制，包括：对所述输出功率控制方案以及所述输出转速控制方案进行方案整合，得到变频器功率控制方案；通过预置的多变量协同控制算法，根据所述变频器功率控制方案对所述目标变频器进行协同功率控制。
具体的，首先，对输出功率控制方案以及输出转速控制方案进行方案整合，得到变频器输出控制方案。方案整合的关键在于找到这两个方案之间的最佳平衡点，以确保在提供足够输出功率的同时，也能有效地控制设备转速。接下来，通过预置的多变量协同控制算法，根据综合后的变频器输出控制方案对目标变频器进行协同输出控制。多变量协同控制算法是一种高级的控制方法，能够处理来自多个不同源的数据和控制需求，并据此做出最优的控制决策。算法会实时分析变频器的输出状态、环境条件和转速系统的运行数据，然后调整输出功率强度、模式和转速策略，以适应不断变化的输出条件。
在本实施例中，通过对目标变频器的目标输出状态数据进行状态识别，得到输出状态特征集合，分别对电机设备的目标输出功率数据和目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合并分别与输出状态特征集合进行特征编码转换，生成功率状态影响向量和转速状态影响向量；将功率状态影响向量和转速状态影响向量分别输入预置的输出功率分析模型和输入输出转速分析模型，生成输出功率控制方案和输出转速控制方案进行协同输出控制。本方法通过同时考虑功率和转速两个关键因素，可以更好地协调电机设备的输出功率和转速，使其始终处于合适的工作状态，可以提高系统的整体性能。
上面对本发明实施例中变频器输出控制方法进行了描述，下面对本发明实施例中变频器输出控制装置进行描述，请参阅图2，本发明实施例中变频器输出控制装置一个实施例包括：
监测模块201，用于对目标变频器进行输出状态监测，得到目标输出状态数据，并对所述目标变频器的电机设备进行功率检测和转速检测，得到目标输出功率数据和目标设备转速数据；
识别模块202，用于对所述目标输出状态数据进行状态识别，得到输出状态特征集合，并分别对所述目标输出功率数据和所述目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合；
编码模块203，用于对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量，并对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量；
功率分析模块204，用于将所述功率状态影响向量输入预置的输出功率分析模型进行输出功率分析，生成输出功率控制方案；
转速分析模块205，用于将所述转速状态影响向量输入预置的输出转速分析模型进行输出转速分析，得到输出转速控制方案；
协同控制模块206，用于根据所述输出功率控制方案以及所述输出转速控制方案对所述目标变频器进行协同输出控制。
本发明实施例中，所述变频器输出控制装置运行上述变频器输出控制方法，所述变频器输出控制装置通过对目标变频器的目标输出状态数据进行状态识别，得到输出状态特征集合，分别对电机设备的目标输出功率数据和目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合并分别与输出状态特征集合进行特征编码转换，生成功率状态影响向量和转速状态影响向量；将功率状态影响向量和转速状态影响向量分别输入预置的输出功率分析模型和输入输出转速分析模型，生成输出功率控制方案和输出转速控制方案进行协同输出控制。本方法通过同时考虑功率和转速两个关键因素，可以更好地协调电机设备的输出功率和转速，使其始终处于合适的工作状态，可以提高系统的整体性能。
上面图2从模块化功能实体的角度对本发明实施例中的中变频器输出控制装置进行详细描述，下面从硬件处理的角度对本发明实施例中变频器输出控制设备进行详细描述。
图3是本发明实施例提供的一种变频器输出控制设备的结构示意图，该变频器输出控制设备300可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）310（例如，一个或一个以上处理器）和存储器320，一个或一个以上存储应用程序333或数据332的存储介质330（例如一个或一个以上海量存储设备）。其中，存储器320和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对变频器输出控制设备300中的一系列指令操作。更进一步地，处理器310可以设置为与存储介质330通信，在变频器输出控制设备300上执行存储介质330中的一系列指令操作，以实现上述变频器输出控制方法的步骤。
变频器输出控制设备300还可以包括一个或一个以上电源340，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口360，和/或，一个或一个以上操作系统331，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图3示出的变频器输出控制设备结构并不构成对本发明提供的变频器输出控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述变频器输出控制方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种变频器输出控制方法，其特征在于，所述变频器输出控制方法包括：
对目标变频器进行输出状态监测，得到目标输出状态数据，并对所述目标变频器的电机设备进行功率检测和转速检测，得到目标输出功率数据和目标设备转速数据；
对所述目标输出状态数据进行状态识别，得到输出状态特征集合，并分别对所述目标输出功率数据和所述目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合；
对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量，并对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量；
将所述功率状态影响向量输入预置的输出功率分析模型进行输出功率分析，生成输出功率控制方案；
将所述转速状态影响向量输入预置的输出转速分析模型进行输出转速分析，得到输出转速控制方案；
根据所述输出功率控制方案以及所述输出转速控制方案对所述目标变频器进行协同输出控制。
2.根据权利要求1所述的变频器输出控制方法，其特征在于，所述对目标变频器进行输出状态监测，得到目标输出状态数据，并对所述目标变频器的电机设备进行功率检测和转速检测，得到目标输出功率数据和目标设备转速数据，包括：
通过预置的信号采集设备阵列对目标变频器进行输出状态监测，得到初始输出状态数据；
通过预置的功率传感器阵列对所述目标变频器的电机设备进行功率检测，得到初始输出功率数据，并通过预置的转速传感器阵列对所述目标变频器的电机设备进行转速检测，得到初始设备转速数据；
分别将所述初始输出状态数据、所述初始输出功率数据以及所述初始设备转速数据传输至预置的中央控制系统；
通过所述中央控制系统对所述初始输出状态数据进行数据滤波和数据去噪，得到目标输出状态数据；
通过所述中央控制系统分别对所述初始输出功率数据以及所述初始设备转速数据进行标准差阈值计算，得到所述初始输出功率数据的第一标准差阈值和所述初始设备转速数据的第二标准差阈值；
通过所述第一标准差阈值，对所述初始输出功率数据进行异常值去除，得到目标输出功率数据，并通过所述第二标准差阈值，对所述初始设备转速数据进行异常值去除，得到目标设备转速数据。
3.根据权利要求1所述的变频器输出控制方法，其特征在于，所述对所述目标输出状态数据进行状态识别，得到输出状态特征集合，并分别对所述目标输出功率数据和所述目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合，包括：
获取所述目标变频器的多个状态参数标签，并根据所述多个状态参数标签确定所述目标输出状态数据的多个状态参数聚类中心；
通过所述多个状态参数聚类中心对所述目标输出状态数据进行特征聚类，得到每个状态参数聚类中心的目标状态参数聚类结果；
分别对所述目标状态参数聚类结果进行特征值映射，得到输出状态特征集合；
获取所述目标输出功率数据的第一时间戳数据以及所述目标设备转速数据的第二时间戳数据；
对所述目标输出功率数据和所述第一时间戳数据进行曲线拟合，得到输出功率变化曲线，并对所述输出功率变化曲线进行特征点识别和提取，得到输出功率特征集合；
对所述目标设备转速数据和所述第二时间戳数据进行曲线拟合，得到设备转速变化曲线，并对所述设备转速变化曲线进行特征点识别和提取，得到设备转速特征集合。
4.根据权利要求1所述的变频器输出控制方法，其特征在于，所述对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量，并对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量，包括：
对所述输出状态特征集合进行均值和标准差计算，得到状态特征均值和状态特征标准差；
对所述输出功率特征集合进行均值和标准差计算，得到功率特征均值和功率特征标准差，并对所述设备转速特征集合进行均值和标准差计算，得到转速特征均值和转速特征标准差；
对所述状态特征均值、所述状态特征标准差、所述功率特征均值和所述功率特征标准差进行差异系数计算，得到第一差异系数，并根据所述第一差异系数生成第一特征权重数据；
根据所述第一特征权重数据对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量；
对所述状态特征均值、所述状态特征标准差、所述转速特征均值和所述转速特征标准差进行差异系数计算，得到第二差异系数，并根据所述第二差异系数生成第二特征权重数据；
根据所述第二特征权重数据对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量。
5.根据权利要求1所述的变频器输出控制方法，其特征在于，所述将所述功率状态影响向量输入预置的输出功率分析模型进行输出功率分析，生成输出功率控制方案，包括：
将所述功率状态影响向量输入预置的输出功率分析模型，所述输出功率分析模型包括输入层、多个策略分析网络以及输出层；
通过所述输入层接收所述功率状态影响向量，并对所述功率状态影响向量进行标准化处理，得到标准功率状态向量；
将所述标准功率状态向量分发至所述多个策略分析网络，并通过每个策略分析网络中的随机森林网络对所述标准功率状态向量进行功率强度和功率模式分析，得到每个策略分析网络对应的初始功率策略；
通过所述输出层对每个策略分析网络对应的初始功率策略进行策略融合，得到输出功率控制方案。
6.根据权利要求1所述的变频器输出控制方法，其特征在于，所述将所述转速状态影响向量输入预置的输出转速分析模型进行输出转速分析，得到输出转速控制方案，包括：
将所述转速状态影响向量输入预置的输出转速分析模型，所述输出转速分析模型包括双层门限循环单元、单层门限循环单元以及全连接网络；
通过所述双层门限循环单元中的256个门限循环单元对所述转速状态影响向量进行转速隐藏特征提取，得到转速隐藏特征向量；
通过所述单层门限循环单元中的128个门限循环单元对所述转速隐藏特征向量进行特征解码，得到目标解码特征序列；
通过所述全连接网络中的ReLU函数对所述目标解码特征序列进行输出转速控制参数运算，输出转速控制参数集合；
对所述输出转速控制参数集合进行方案集成，得到输出转速控制方案。
7.根据权利要求1所述的变频器输出控制方法，其特征在于，所述根据所述输出功率控制方案以及所述输出转速控制方案对所述目标变频器进行协同功率控制，包括：
对所述输出功率控制方案以及所述输出转速控制方案进行方案整合，得到变频器功率控制方案；
通过预置的多变量协同控制算法，根据所述变频器功率控制方案对所述目标变频器进行协同功率控制。
8.一种变频器输出控制装置，其特征在于，所述变频器输出控制装置包括：
监测模块，用于对目标变频器进行输出状态监测，得到目标输出状态数据，并对所述目标变频器的电机设备进行功率检测和转速检测，得到目标输出功率数据和目标设备转速数据；
识别模块，用于对所述目标输出状态数据进行状态识别，得到输出状态特征集合，并分别对所述目标输出功率数据和所述目标设备转速数据进行特征提取，得到输出功率特征集合和设备转速特征集合；
编码模块，用于对所述输出功率特征集合和所述输出状态特征集合进行特征编码转换，生成对应的功率状态影响向量，并对所述设备转速特征集合和所述输出状态特征集合进行特征编码转换，生成对应的转速状态影响向量；
功率分析模块，用于将所述功率状态影响向量输入预置的输出功率分析模型进行输出功率分析，生成输出功率控制方案；
转速分析模块，用于将所述转速状态影响向量输入预置的输出转速分析模型进行输出转速分析，得到输出转速控制方案；
协同控制模块，用于根据所述输出功率控制方案以及所述输出转速控制方案对所述目标变频器进行协同输出控制。
9.一种变频器输出控制设备，其特征在于，所述变频器输出控制设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述变频器输出控制设备执行如权利要求1-7中任意一项所述的变频器输出控制方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任意一项所述变频器输出控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410076683.2A CN117595743A (zh) | 2024-01-19 | 2024-01-19 | 变频器输出控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410076683.2A CN117595743A (zh) | 2024-01-19 | 2024-01-19 | 变频器输出控制方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117595743A true CN117595743A (zh) | 2024-02-23 |
Family
ID=89918721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410076683.2A Pending CN117595743A (zh) | 2024-01-19 | 2024-01-19 | 变频器输出控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117595743A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118487530A (zh) * | 2024-07-12 | 2024-08-13 | 深圳市科沃电气技术有限公司 | 变频器的输出调控方法、装置、设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117289668A (zh) * | 2023-11-24 | 2023-12-26 | 深圳市陶氏精密技术有限公司 | 分布式减速机网络协同控制方法、装置、设备及存储介质 |
| CN117320236A (zh) * | 2023-11-29 | 2023-12-29 | 深圳市光明顶技术有限公司 | 无人机的照明控制方法及系统 |
-
2024
- 2024-01-19 CN CN202410076683.2A patent/CN117595743A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117289668A (zh) * | 2023-11-24 | 2023-12-26 | 深圳市陶氏精密技术有限公司 | 分布式减速机网络协同控制方法、装置、设备及存储介质 |
| CN117320236A (zh) * | 2023-11-29 | 2023-12-29 | 深圳市光明顶技术有限公司 | 无人机的照明控制方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118487530A (zh) * | 2024-07-12 | 2024-08-13 | 深圳市科沃电气技术有限公司 | 变频器的输出调控方法、装置、设备及存储介质 |
| CN118487530B (zh) * | 2024-07-12 | 2024-09-27 | 深圳市科沃电气技术有限公司 | 变频器的输出调控方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108881196B (zh) | 基于深度生成模型的半监督入侵检测方法 | |
| CN117595743A (zh) | 变频器输出控制方法、装置、设备及存储介质 | |
| CN117320236B (zh) | 无人机的照明控制方法及系统 | |
| CN117370847B (zh) | 基于深度学习的隔离开关检测方法及装置 | |
| CN117289668B (zh) | 分布式减速机网络协同控制方法、装置、设备及存储介质 | |
| CN116466672B (zh) | 基于人工智能的数据中心机房参数调控方法及相关装置 | |
| CN116681186B (zh) | 一种基于智能终端的用电质量分析方法及装置 | |
| CN117458955A (zh) | 电机的运行控制方法及系统 | |
| CN116643178B (zh) | 一种电池管理系统的soc估算方法及相关装置 | |
| CN117691756B (zh) | 配电柜的安全预警管理方法及系统 | |
| CN117639452A (zh) | 逆变器的电压补偿方法、装置、设备及存储介质 | |
| CN117094478B (zh) | 能量调度管理方法、装置、设备及存储介质 | |
| CN117896384A (zh) | 物联网通信方法、装置、设备及存储介质 | |
| CN118017502A (zh) | 基于数字孪生的配电算力预测方法、系统及介质 | |
| CN116030955B (zh) | 基于物联网的医疗设备状态监测方法及相关装置 | |
| Wang et al. | A hybrid approach for identification of concurrent control chart patterns | |
| CN117477993A (zh) | 无刷直流电机转速控制方法及系统 | |
| CN117909112A (zh) | 应用程序故障自动诊断方法、装置、设备及存储介质 | |
| Wang et al. | Robust decomposition of kernel function-based nonlinear robust multimode process monitoring | |
| Zhang et al. | Nonlinear process monitoring based on global preserving unsupervised kernel extreme learning machine | |
| Liang et al. | Power grid cloud resource status data compression method based on deep-learning | |
| CN117249940B (zh) | 气体压力检测方法及系统 | |
| CN117439146B (zh) | 充电桩的数据分析控制方法及系统 | |
| Peng et al. | ILFDA Model: An Online Soft Measurement Method Using Improved Local Fisher Discriminant Analysis | |
| CN117972646B (zh) | 输电线路避雷器、杆塔和接地系统运行状态评估方法 |
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 |