CN117806154A - 一种用于篦式冷却机的pid控制器参数优化方法及系统 - Google Patents
一种用于篦式冷却机的pid控制器参数优化方法及系统 Download PDFInfo
- Publication number
- CN117806154A CN117806154A CN202410210616.5A CN202410210616A CN117806154A CN 117806154 A CN117806154 A CN 117806154A CN 202410210616 A CN202410210616 A CN 202410210616A CN 117806154 A CN117806154 A CN 117806154A
- Authority
- CN
- China
- Prior art keywords
- parameter
- outlet temperature
- parameters
- time
- stability
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims abstract description 63
- 238000009826 distribution Methods 0.000 claims abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000001816 cooling Methods 0.000 abstract description 15
- 230000033228 biological regulation Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 11
- 239000000498 cooling water Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及一般控制或调节处理领域,具体涉及一种用于篦式冷却机的PID控制器参数优化方法及系统,获取篦式冷却机工作状态相关的各参数时间序列;根据出口温度时间序列数据分布得到出口温度稳定性;根据各参数的时间序列之间的相似性、数据异常情况以及参数稳定性得到各参数的参数平稳性;根据出口温度时间序列与理想出口温度之间的差异、各参数的参数平稳性得到当前PID控制器比例系数下的优化必要性;根据当前场景下和历史场景下的参数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度之间的聚类结果对PID控制器比例系数进行优化。本发明提升了篦式冷却机冷却出口温度的稳定性,极大地提升了冷却机的使用效率。
Description
技术领域
本申请涉及一般控制或调节处理领域,具体涉及一种用于篦式冷却机的PID控制器参数优化方法及系统。
背景技术
篦式冷却机是一种常用的散热设备,其广泛应用于电子、机械、化工等领域。为了确保篦式冷却机的高效稳定运行,需要对其进行温度控制。为了降低能耗,提高能源利用效率,需要对冷却系统进行优化控制。PID控制是一种常用的控制方法,可以通过优化PID控制器比例系数、积分时间和微分时间等参数来实现温度控制。通过得到合理优化的PID控制参数,可以实现更精确的冷却系统的温度控制,避免过度冷却或冷却不足,同时可以减少不必要的能耗浪费。
在使用PID控制时,参数比例系数是指控制器输出量与误差之间的PID控制器比例系数。对于不同场景的物料输入,需要对应不同的比例系数实现对篦式冷却机进行调控。但是这种不同场景的调控过程大多数为人为调控,这会使得生产效率大大降低,同时也浪费了大量的时间和资源,很难实现调控的自动化过程。
发明内容
为了解决上述技术问题,本发明提供一种用于篦式冷却机的PID控制器参数优化方法及系统,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用于篦式冷却机的PID控制器参数优化方法,该方法包括以下步骤:
获取篦式冷却机工作状态相关的各参数的时间序列;
根据出口温度时间序列中数据的分布情况得到出口温度稳定性;根据任意两个参数的时间序列的相似性得到任意两个参数的相关性;对各参数的时间序列中的数据异常情况进行分析得到各参数的异常簇;根据所有参数时间序列中的异常簇的波动变化时刻得到参数稳定修正系数;根据参数稳定修正系数、各参数的参数稳定性以及各参数间的相关性得到各参数的参数平稳性;
根据出口温度时间序列与理想出口温度之间的差异得到出口温度的偏离程度;根据出口温度的偏离程度、各参数的参数平稳性以及出口温度稳定性得到当前PID控制器比例系数下的优化必要性;
当求得的当前PID控制器比例系数下的优化必要性大于预设必要性阈值时,根据当前场景下和历史场景下的PID控制器比例系数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度之间的聚类结果对PID控制器的比例系数进行优化,否则不进行优化。
优选的,所述根据出口温度时间序列中数据的分布情况得到出口温度稳定性,包括:
获取出口温度时间序列中各数据与相邻数据的温度值的差值绝对值的均值;获取出口温度时间序列的平均温度值;
计算出口温度时间序列各数据与平均温度值的差值绝对值,计算出口温度时间序列所有数据的所述差值绝对值与所述均值的乘积的和值,将所述和值进行归一化得到归一化值,将数字1减去所述归一化值的差值作为出口温度稳定性。
优选的,所述根据任意两个参数的时间序列的相似性得到任意两个参数的相关性,包括:
将任意两个参数分别命名为第一参数和第二参数;计算第一参数时间序列的平均值第二参数时间序列的平均值的比值作为第一比值;
对于时间序列各时刻,计算第一参数在时刻下与相邻时刻的数值的差值绝对值的平均值与第二参数在时刻下与相邻时刻的数值的差值绝对值的平均值的比值作为第二比值;
计算时间序列所有时刻的第二比值与第一比值的差值绝对值的和值,以自然常数作为底数、以所述和值的相反数作为指数的指数函数的计算结果作为任意两个参数的相关性。
优选的,所述对各参数的时间序列中的数据异常情况进行分析得到各参数的异常簇,包括:
对各参数的时间序列采用异常监测算法获取各参数各时刻数值的异常值,采用聚类算法将各参数中所有的异常值聚成两类,将其中异常值之和最大的聚类簇作为各参数的异常簇。
优选的,所述根据所有参数时间序列中的异常簇的波动变化时刻得到参数稳定修正系数,包括:
获取出现异常簇的异常参数种类数量;
对于各异常参数,计算异常参数时间序列异常簇中所有异常值的平均时刻与其他各异常参数时间序列异常簇中所有异常值的平均时刻的差值绝对值的平均值,计算所有异常参数的所述平均值的和值;
异常参数种类数量与参数种类数量的比值结果和所述和值的乘积的归一化值作为参数稳定修正系数。
优选的,所述根据参数稳定修正系数、各参数的参数稳定性以及各参数间的相关性得到各参数的参数平稳性,包括:
对于各参数,获取参数与其他各参数的时间序列的相关性;
对于参数各时刻数据,将时刻数据的前t秒的数据组成的时刻数据的时间序列;计算参数与其他各参数的对应时刻数据的时间序列的相关性;计算参数与其他各参数的所有对应时刻数据的时间序列的相关性的平均值;
计算参数与其他各参数的各对应时刻数据的时间序列的相关性与所述平均值的差值绝对值;计算参数与其他所有参数的所有对应时刻数据的时间序列的所述差值绝对值与所述相关性的乘积的和值;
计算参数稳定修正系数与参数的参数稳定性的乘积结果,将所述乘积结果与所述和值的比值的归一化值作为参数的参数平稳性。
优选的,所述根据出口温度时间序列与理想出口温度之间的差异得到出口温度的偏离程度,包括:
计算出口温度时间序列所有时刻的温度值与理想出口温度值的差值绝对值的均值,其中理想出口温度值为预设经验值;将所述均值的归一化值作为出口温度的偏离程度。
优选的,所述根据出口温度的偏离程度、各参数的参数平稳性以及出口温度稳定性得到当前PID控制器比例系数下的优化必要性,包括:
计算所有参数的参数平稳性均值,计算参数平稳性均值与出口温度稳定性的乘积;将出口温度的偏离程度与所述乘积的比值作为当前PID控制器比例系数下的优化必要性。
优选的,所述根据当前场景下和历史场景下的PID控制器比例系数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度之间的聚类结果对PID控制器的比例系数进行优化,包括:
将当前场景下的PID控制器比例系数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度组成当前场景的数据对;
将历史场景下的各PID控制器比例系数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度组成历史场景的各数据对;
将当前场景下的数据对与历史场景下的各数据对进行聚类,获取当前场景下的数据对所在聚类簇,将聚类簇中所有的历史场景下的数据对的对应优化的PID控制器比例系数平均值作为当前场景下数据对优化的PID控制器比例系数,其中,历史场景下各数据对优化的PID控制器比例系数为人为设置。
第二方面,本发明实施例还提供了一种用于篦式冷却机的PID控制器参数优化系统,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:
本发明通过对在当前的PID控制器比例系数优化的系统中进行分析,获取出口温度稳定性,同时结合冷却系统中其它可检测参数进行分析获取系统内部各参数之间的相关性以及参数稳定修正系数,共同得到各参数的参数平稳性,用于对各参数的在冷却机运行过程中的变化情况进行监控,增加了后续对控制器参数优化的可靠性;
同时,结合理想出口温度与当前的PID控制器比例系数场景下的出口温度之间的差异构建当前场景下PID控制器比例系数的优化必要性,并同历史场景下的各种人为调节得到的PID控制器比例系数的数据进行聚类,获取当前场景下对应PID控制器比例系数优化方法,大大增加了篦式冷却机PID控制的自动化,增加了调节PID控制器比例系数的准确性,提升了篦式冷却机冷却出口温度的稳定性,同时可以面对场景变化进行自适应性调节,大大减少了不必要能源的浪费,极大地提升了冷却机的使用效率。
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为本发明提供的一种用于篦式冷却机的PID控制器参数优化方法的流程图;
图2为PID控制器比例系数的优化必要性的获取示意图。
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用于篦式冷却机的PID控制器参数优化方法及系统,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用于篦式冷却机的PID控制器参数优化方法及系统的具体方案。
本发明一个实施例提供的一种用于篦式冷却机的PID控制器参数优化方法及系统。
具体的,提供了如下的一种用于篦式冷却机的PID控制器参数优化方法,请参阅图1,该方法包括以下步骤:
步骤S001,采集篦式冷却机工作状态相关的各参数的时间序列。
本实施例通过对与篦式冷却机的工作状态相关数据进行分析,实现篦式冷却机的PID参数优化,进而使得冷却机运行稳定且节约电力。在篦式冷却机进行工业冷却的场景中,通常会产生温度、风机转速、冷却水流量等与篦式冷却机相关的参数数据。
因此,本实施例通过使用温度采集装置篦式冷却机的入口温度、出口温度,本实施例使用与温度传感器配置好的API接口实时获取入口温度与出口温度数据。同时使用API接口实时获取风机转速、冷却水流量、冷却风流量、二次风温,三次风温等参数信息,其中,风机转速由控制篦式冷却机的系统后台获取;冷却水流量的测量方法为在冷却水系统中设置旁路,将冷却水的一部分引导至旁路,并在旁路中加入挂片,通过获取挂片的相应时间和相应速度得到冷却水流量数据;冷却风流量由风量流量计来实时监测风流量;二次风温和三次风温由红外线温度计实时监测。
其中,PID优化的参数包括但不限于风机转速、冷却水流量、冷却风流量、二次风温,三次风温等参数信息。
步骤S002,对各参数的时间序列进行分析,自适应调节PID控制器比例系数,完成篦式冷却机的PID控制器参数优化。
在使用PID控制时,参数比例系数是指控制器输出量与误差之间的比例系数。当误差较小时,控制器输出量的变化也较小;当误差较大时,控制器输出量的变化也较大。
由于输入物料的输入温度、输入量以及摆放方式不同,均可能造成其在冷却机中的冷却效果不同,故需要使用PID参数优化方法对篦式冷却机进行参数优化进而保障系统的稳定性,而单一的PID控制器比例系数参数可能不适用于所有场景,故为了确保系统的稳定性,需要适当调节比例系数。
本实施例通过对所得数据进行分析,进而获取一种可以自适应调节PID控制器比例系数的方法。
通过当前参数使用PID控制器对冷却机各参数进行调节,进而根据调节结果进行分析,根据分析结果获取当前PID参数中比例系数是否需要继续优化调节以及调节后比例系数的获取方法如下:
PID控制器调节最直接需要分析控制的结果就是需要保障出口处温度的稳定性。故可以根据获取出口温度构成的时间序列进行分析,进而获取当前PID控制器比例系数下PID参数优化结果对应的出口温度稳定性,其中,根据出口温度构成的时间序列由实时最新时刻往前t秒内的数据序列组成。
其中,表示出口温度时间序列的出口温度稳定性,/>表示归一化函数,t表示时间序列长度,本实施例通过截取实时最新的t秒的出口温度数据构成时间序列进行分析,本实施例取经验值60,实施者可自行设定;/>表示出口温度时间序列第i秒的温度值与其左右相邻时刻的温度值的差值绝对值的平均值,其中,出口温度时间序列的第一个与最后一个温度值分别只有一个左相邻和一个右相邻,但是也使用同样的方法计算一侧的差值绝对值的平均值;/>表示出口温度时间序列第i秒的温度值,/>表示出口温度时间序列的平均温度值。
即当出口温度时间序列中的相邻温度值的差异越小,且温度值与时间序列的平均温度值的差异也越小,则说明当前出口温度稳定性越高,越接近1。
其中影响最终出口温度的因素有很多,并且篦式冷却机在冷却过程中分为好几个步骤,故可以分析各个影响因素对应稳定性,并根据所得参数稳定性进行相关性分析,从而获取PID控制器比例系数优化必要性,通过对参数值相关性变化进行分析可知,相关性强的参数,对其参数影响程度越大,即可能由于风扇的风扇转速高,导致该阶段下温度较低.对于其中不同步骤之间参数相关性获取方法如下:
其中,表示参数u和参数v的相关性,/>表示以自然对数e为底的指数函数,t表示时间序列长度,/>表示参数u在第i个时刻的数值与其相邻时刻的数值的差值绝对值的平均值,/>表示参数v在第i个时刻的数值与其相邻时刻的数值的差值绝对值的平均值,/>表示参数u的时间序列的平均值,/>表示参数v在时间序列的平均值。
即当所求两个参数在同一时刻相邻数据之间的变化值的比值与其同一时间段内时间序列整体变化情况的比值的差异越小,则说明当前两个参数的相关性越大,越接近1。
由于在进行参数稳定性分析过程中,各个参数可能会遇到某些外界干扰因素,导致该冷却系统中各个参数出现参数波动的情况,进而导致所得参数的平稳性并不准确,故本实施例通过对所得参数进行分析,进而获取参数稳定修正系数增加所得参数平稳性可信性,具体方法为如下。
若系统受到外界干扰,产生短暂的波动现象,那对应所得各个参数均会受到干扰,故可以通过对所有参数的异常参数值进行分析,根据其对应参数异常时间进行分析,本实施例使用LOF异常检测算法,获取每个参数的时间序列内每个时刻数值的异常值,使用K=2的K-means聚类算法对所得各参数时间序列内的异常值进行聚类,将各参数时间序列中异常值较大的聚类簇作为异常簇进行分析,则可以获得到系统受到外界干扰导致所得参数异常的可能性,从而获取参数稳定修正系数。其中,LOF异常检测算法与K-means聚类算法均为公知技术,本实施例不再赘述。
其中,表示参数稳定修正系数,/>表示归一化函数,/>表示聚类簇中出现异常值对应的异常参数种类数量,/>表示参数种类数量,/>表示第y个异常参数时间序列异常簇中所有异常值的平均时刻与其他各异常参数时间序列异常簇中所有异常值的平均时刻的差值绝对值的平均值。
即当所求出现异常值参数的种类越多,且对应各个参数出现异常值的时间越接近,则说明出现异常值为受到外界干扰的可能性越大,则对应参数稳定修正系数越大。
采用与出口温度稳定性相同的计算方法得到各参数的参数稳定性,同时结合上述获取得到的参数稳定修正系数与参数之间的相关性对参数的参数稳定性进行修正,得到各参数的参数平稳性。以第v个参数的参数平稳性进行分析:
其中,表示第v个参数的参数平稳性,/>表示归一化函数,/>表示参数稳定修正系数,/>表示第v个参数的参数稳定性,/>表示参数种类数量,t表示时间序列长度,/>表示参数u与参数v的相关性,/>表示参数u和参数v在第j个时刻下根据该时刻相邻的前t秒的数据组成的时间序列的相关性,/>表示参数u和参数v在每个时刻下根据该时刻相邻的前t秒的数据组成的时间序列的相关性的平均值。
即当所得两个参数相关性越强且所得相关性变化差异越小,且对应当前参数平稳性指标越大,则说明当前参数的平稳性越强。
同时,由于系统想保持一个稳定的输出温度,即理想出口温度值,故可以将理想出口温度与当前PID控制器比例系数下出口温度之间的差异计算偏离程度:
其中,表示在当前PID控制器比例系数下出口温度的偏离程度,/>表示归一化函数,t表示时间序列长度,/>表示出口温度时间序列第i秒的温度值,/>表示理想出口温度值,本实施例取历史正常出口温度均值。
即当所求出口温度与理想出口温度的差异越大,则说明出口温度与预设理想出口温度值的偏离程度越大。
则根据上述各参数数据反应的篦式冷却机的运行信息,可以获取当前PID控制器比例系数下的优化必要性:
其中,表示当前PID控制器比例系数下的优化必要性,/>表示在当前PID控制器比例系数下出口温度的偏离程度,/>表示出口温度稳定性,/>表示参数种类数量,/>表示第v个参数的参数平稳性。
即当所求出口温度越不稳定,且冷却过程中所得其它参数平稳性也越小,同时出口温度与理想出口温度之间差异越大,则说明当前PID控制中的比例系数的优化必要性越高,即冷却机工作时的各参数的运行状态需要优化才能达到较好的状态。
其中,PID控制器比例系数的优化必要性的获取示意图如图2所示。
设置必要性阈值μ,即当所求的当前PID控制器比例系数下的优化必要性大于必要性阈值时,则对当前PID控制系统中的比例系数进行优化,否则不进行优化。其中,本实施例对必要性阈值取经验值0.7,实施者可自行设定。
则对应的PID控制器参数优化方式如下:
由于PID控制系统最主要的目标是使得获取的目标参数稳定,因此需要考虑到生产过程中各参数的稳定性,并且由于这些参数会对最终的结果造成相关的影响,故不能单独进行PID控制,需要在全局参数调控的过程中,需要保障既能使得输出目标参数保持稳定,又能使得在其中间过程中的参数也保持稳定,即中间过程参数的稳定性不仅可以为最终输出目标参数的稳定性提供一定前提条件,并且中间过程参数的稳定性有利于企业生产能源利用率的提高。则对应PID控制器比例系数的调节方法如下:
根据当前场景下PID控制器比例系数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度三个参数组成的数据对。
同时,通过对历史的各数据对获取对应优化的PID控制器比例系数,其中历史数据对应PID控制器比例系数为人为根据当时场景设置的比例系数。
将当前场景下的数据对与历史场景下的各数据对进行聚类分析,其中聚类算法使用DBSCAN聚类算法,聚类参数r=3,minpts=3,聚类距离为数据对之间的欧氏距离,且DBSCAN聚类算法未公知技术,本实施例不再赘述。
至此,可以通过聚类结果,获取当前场景的数据对所在的聚类簇,进而获取聚类簇内所有历史场景下的各个元素对应的PID控制器比例系数平均值,将PID控制器比例系数平均值作为当前所场景对应需要的比例系数,将该比例系数输入到PID控制系统中,完成对篦式冷却机中各个参数的优化。
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用于篦式冷却机的PID控制器参数优化系统,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用于篦式冷却机的PID控制器参数优化方法中任意一项所述方法的步骤。
本发明实施例通过对在当前的PID控制器比例系数优化的系统中进行分析,获取出口温度稳定性,同时结合冷却系统中其它可检测参数进行分析获取系统内部各参数之间的相关性以及参数稳定修正系数,共同得到各参数的参数平稳性,用于对各参数的在冷却机运行过程中的变化情况进行监控,增加了后续对控制器参数优化的可靠性;
同时,结合理想出口温度与当前的PID控制器比例系数场景下的出口温度之间的差异构建当前场景下PID控制器比例系数的优化必要性,并同历史场景下的各种人为调节得到的比例系数的数据进行聚类,获取当前场景下对应PID控制器比例系数优化方法,大大增加了篦式冷却机PID控制的自动化,增加了调节PID控制器比例系数的准确性,提升了篦式冷却机冷却出口温度的稳定性,同时可以面对场景变化进行自适应性调节,大大减少了不必要能源的浪费,极大地提升了冷却机的使用效率。
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或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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;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,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种用于篦式冷却机的PID控制器参数优化方法,其特征在于,该方法包括以下步骤:
获取篦式冷却机工作状态相关的各参数的时间序列;
根据出口温度时间序列中数据的分布情况得到出口温度稳定性;根据任意两个参数的时间序列的相似性得到任意两个参数的相关性;对各参数的时间序列中的数据异常情况进行分析得到各参数的异常簇;根据所有参数时间序列中的异常簇的波动变化时刻得到参数稳定修正系数;根据参数稳定修正系数、各参数的参数稳定性以及各参数间的相关性得到各参数的参数平稳性;
根据出口温度时间序列与理想出口温度之间的差异得到出口温度的偏离程度;根据出口温度的偏离程度、各参数的参数平稳性以及出口温度稳定性得到当前PID控制器比例系数下的优化必要性;
当求得的当前PID控制器比例系数下的优化必要性大于预设必要性阈值时,根据当前场景下和历史场景下的PID控制器比例系数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度之间的聚类结果对PID控制器的比例系数进行优化,否则不进行优化。
2.如权利要求1所述的一种用于篦式冷却机的PID控制器参数优化方法,其特征在于,所述根据出口温度时间序列中数据的分布情况得到出口温度稳定性,包括:
获取出口温度时间序列中各数据与相邻数据的温度值的差值绝对值的均值;获取出口温度时间序列的平均温度值;
计算出口温度时间序列各数据与平均温度值的差值绝对值,计算出口温度时间序列所有数据的所述差值绝对值与所述均值的乘积的和值,将所述和值进行归一化得到归一化值,将数字1减去所述归一化值的差值作为出口温度稳定性。
3.如权利要求1所述的一种用于篦式冷却机的PID控制器参数优化方法,其特征在于,所述根据任意两个参数的时间序列的相似性得到任意两个参数的相关性,包括:
将任意两个参数分别命名为第一参数和第二参数;计算第一参数时间序列的平均值第二参数时间序列的平均值的比值作为第一比值;
对于时间序列各时刻,计算第一参数在时刻下与相邻时刻的数值的差值绝对值的平均值与第二参数在时刻下与相邻时刻的数值的差值绝对值的平均值的比值作为第二比值;
计算时间序列所有时刻的第二比值与第一比值的差值绝对值的和值,以自然常数作为底数、以所述和值的相反数作为指数的指数函数的计算结果作为任意两个参数的相关性。
4.如权利要求1所述的一种用于篦式冷却机的PID控制器参数优化方法,其特征在于,所述对各参数的时间序列中的数据异常情况进行分析得到各参数的异常簇,包括:
对各参数的时间序列采用异常监测算法获取各参数各时刻数值的异常值,采用聚类算法将各参数中所有的异常值聚成两类,将其中异常值之和最大的聚类簇作为各参数的异常簇。
5.如权利要求4所述的一种用于篦式冷却机的PID控制器参数优化方法,其特征在于,所述根据所有参数时间序列中的异常簇的波动变化时刻得到参数稳定修正系数,包括:
获取出现异常簇的异常参数种类数量;
对于各异常参数,计算异常参数时间序列异常簇中所有异常值的平均时刻与其他各异常参数时间序列异常簇中所有异常值的平均时刻的差值绝对值的平均值,计算所有异常参数的所述平均值的和值;
异常参数种类数量与参数种类数量的比值结果和所述和值的乘积的归一化值作为参数稳定修正系数。
6.如权利要求1所述的一种用于篦式冷却机的PID控制器参数优化方法,其特征在于,所述根据参数稳定修正系数、各参数的参数稳定性以及各参数间的相关性得到各参数的参数平稳性,包括:
对于各参数,获取参数与其他各参数的时间序列的相关性;
对于参数各时刻数据,将时刻数据的前t秒的数据组成的时刻数据的时间序列;计算参数与其他各参数的对应时刻数据的时间序列的相关性;计算参数与其他各参数的所有对应时刻数据的时间序列的相关性的平均值;
计算参数与其他各参数的各对应时刻数据的时间序列的相关性与所述平均值的差值绝对值;计算参数与其他所有参数的所有对应时刻数据的时间序列的所述差值绝对值与所述相关性的乘积的和值;
计算参数稳定修正系数与参数的参数稳定性的乘积结果,将所述乘积结果与所述和值的比值的归一化值作为参数的参数平稳性。
7.如权利要求1所述的一种用于篦式冷却机的PID控制器参数优化方法,其特征在于,所述根据出口温度时间序列与理想出口温度之间的差异得到出口温度的偏离程度,包括:
计算出口温度时间序列所有时刻的温度值与理想出口温度值的差值绝对值的均值,其中理想出口温度值为预设经验值;将所述均值的归一化值作为出口温度的偏离程度。
8.如权利要求1所述的一种用于篦式冷却机的PID控制器参数优化方法,其特征在于,所述根据出口温度的偏离程度、各参数的参数平稳性以及出口温度稳定性得到当前PID控制器比例系数下的优化必要性,包括:
计算所有参数的参数平稳性均值,计算参数平稳性均值与出口温度稳定性的乘积;将出口温度的偏离程度与所述乘积的比值作为当前PID控制器比例系数下的优化必要性。
9.如权利要求1所述的一种用于篦式冷却机的PID控制器参数优化方法,其特征在于,所述根据当前场景下和历史场景下的PID控制器比例系数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度之间的聚类结果对PID控制器的比例系数进行优化,包括:
将当前场景下的PID控制器比例系数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度组成当前场景的数据对;
将历史场景下的各PID控制器比例系数的优化必要性、出口温度与理想出口温度之间的差异以及理想出口温度组成历史场景的各数据对;
将当前场景下的数据对与历史场景下的各数据对进行聚类,获取当前场景下的数据对所在聚类簇,将聚类簇中所有的历史场景下的数据对的对应优化的PID控制器比例系数平均值作为当前场景下数据对优化的PID控制器比例系数,其中,历史场景下各数据对优化的PID控制器比例系数为人为设置。
10.一种用于篦式冷却机的PID控制器参数优化系统,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1-9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410210616.5A CN117806154B (zh) | 2024-02-27 | 2024-02-27 | 一种用于篦式冷却机的pid控制器参数优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410210616.5A CN117806154B (zh) | 2024-02-27 | 2024-02-27 | 一种用于篦式冷却机的pid控制器参数优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117806154A true CN117806154A (zh) | 2024-04-02 |
CN117806154B CN117806154B (zh) | 2024-05-03 |
Family
ID=90432125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410210616.5A Active CN117806154B (zh) | 2024-02-27 | 2024-02-27 | 一种用于篦式冷却机的pid控制器参数优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117806154B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5486995A (en) * | 1994-03-17 | 1996-01-23 | Dow Benelux N.V. | System for real time optimization |
EP2261585A2 (de) * | 2009-05-28 | 2010-12-15 | Liebherr-Hausgeräte Ochsenhausen GmbH | Kühl- und/oder Gefriergerät |
JP2015076024A (ja) * | 2013-10-11 | 2015-04-20 | 株式会社日立製作所 | プラント制御装置の制御ゲイン最適化システム |
WO2016029694A1 (zh) * | 2014-08-29 | 2016-03-03 | 国家电网公司 | 一种抽水蓄能机组调速系统建模系统及方法 |
CN111781819A (zh) * | 2020-07-08 | 2020-10-16 | 浙江大学 | Rna交叉操作共生生物算法的温室温度pid控制方法 |
CN111812967A (zh) * | 2020-05-27 | 2020-10-23 | 浙江中控技术股份有限公司 | 基于稳定裕度和动态响应指标的pid控制参数整定方法 |
CN114611336A (zh) * | 2022-05-11 | 2022-06-10 | 中国农业大学 | 一种循环水养殖溶解氧预测控制方法、装置、设备及介质 |
CN116293718A (zh) * | 2023-05-24 | 2023-06-23 | 中城院(北京)环境科技股份有限公司 | 基于蛇优化算法的自适应pid焚烧炉温度控制方法及装置 |
CN116624984A (zh) * | 2023-05-29 | 2023-08-22 | 天津大学 | 一种冰蓄冷空调系统经济性和响应性双目标优化模型预测控制方法 |
CN116974320A (zh) * | 2023-09-25 | 2023-10-31 | 玖影软件(沈阳)有限公司 | 一种档案智慧管理调控方法及集成控制系统 |
-
2024
- 2024-02-27 CN CN202410210616.5A patent/CN117806154B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5486995A (en) * | 1994-03-17 | 1996-01-23 | Dow Benelux N.V. | System for real time optimization |
EP2261585A2 (de) * | 2009-05-28 | 2010-12-15 | Liebherr-Hausgeräte Ochsenhausen GmbH | Kühl- und/oder Gefriergerät |
JP2015076024A (ja) * | 2013-10-11 | 2015-04-20 | 株式会社日立製作所 | プラント制御装置の制御ゲイン最適化システム |
WO2016029694A1 (zh) * | 2014-08-29 | 2016-03-03 | 国家电网公司 | 一种抽水蓄能机组调速系统建模系统及方法 |
CN111812967A (zh) * | 2020-05-27 | 2020-10-23 | 浙江中控技术股份有限公司 | 基于稳定裕度和动态响应指标的pid控制参数整定方法 |
CN111781819A (zh) * | 2020-07-08 | 2020-10-16 | 浙江大学 | Rna交叉操作共生生物算法的温室温度pid控制方法 |
CN114611336A (zh) * | 2022-05-11 | 2022-06-10 | 中国农业大学 | 一种循环水养殖溶解氧预测控制方法、装置、设备及介质 |
CN116293718A (zh) * | 2023-05-24 | 2023-06-23 | 中城院(北京)环境科技股份有限公司 | 基于蛇优化算法的自适应pid焚烧炉温度控制方法及装置 |
CN116624984A (zh) * | 2023-05-29 | 2023-08-22 | 天津大学 | 一种冰蓄冷空调系统经济性和响应性双目标优化模型预测控制方法 |
CN116974320A (zh) * | 2023-09-25 | 2023-10-31 | 玖影软件(沈阳)有限公司 | 一种档案智慧管理调控方法及集成控制系统 |
Non-Patent Citations (1)
Title |
---|
彭根来;石巍源;: "MAX控制系统中AGC设计策略及其改进", 电力设备, no. 03, 15 March 2006 (2006-03-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117806154B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112577161B (zh) | 空调能耗模型训练方法与空调系统控制方法 | |
CN106920006B (zh) | 一种基于isoa-lssvm的地铁站空调系统能耗预测方法 | |
WO2016047118A1 (ja) | モデル評価装置、モデル評価方法、及び、プログラム記録媒体 | |
Tandon et al. | Genetic algorithm based parameter tuning of PID controller for composition control system | |
CN111178602A (zh) | 基于支持向量机和神经网络的循环水损失预测方法 | |
CN116518640A (zh) | 一种冷柜控制方法、系统和设备 | |
CN109708278A (zh) | 一种压缩机差异运行的控制方法及系统 | |
CN112288139A (zh) | 基于混沌时间序列的空调能耗预测方法、系统及存储介质 | |
US7155367B1 (en) | Method for evaluating relative efficiency of equipment | |
CN111652422A (zh) | 基于建筑物分类的供热系统负荷预测方法、装置及系统 | |
CN117806154B (zh) | 一种用于篦式冷却机的pid控制器参数优化方法及系统 | |
CN112180733B (zh) | 一种基于模糊逻辑的建筑能耗系统预测控制参数整定方法 | |
CN116734174A (zh) | 一种电动阀的控制方法及系统 | |
CN111091243A (zh) | 基于pca-gm的电力负荷预测方法、系统、计算机可读存储介质和计算设备 | |
CN113885310A (zh) | 一种用于真空干泵测试的智能控制系统 | |
CN114679885A (zh) | 一种冷板液冷智能散热调控系统、调控优化方法、装置 | |
CN113608443A (zh) | 基于增强pi控制的污水处理控制方法 | |
CN113850432A (zh) | 一种电力负荷数据的预测方法、系统、设备和介质 | |
CN112132428A (zh) | 基于大数据的蒸汽热网配汽站预测性调控决策方法 | |
CN117455725B (zh) | 一种基于bim建筑的建筑能耗管理方法及系统 | |
CN112966707B (zh) | 通用暖通空调设备模型自动化辨识方法及系统 | |
CN117970986B (zh) | 一种冷热系统的温湿度控制方法、装置及介质 | |
CN115808944B (zh) | 一种定子温升试验控制方法 | |
CN116880163B (zh) | 一种智慧数据中心冷源调控方法及系统 | |
Budiman et al. | Duty cycle control on compressor of split air conditioners using internet of things embedded in fuzzy-PID |
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 |