KR102241719B1 - 인버터용 유체기기의 소비전력 산출장치 - Google Patents

인버터용 유체기기의 소비전력 산출장치 Download PDF

Info

Publication number
KR102241719B1
KR102241719B1 KR1020190123712A KR20190123712A KR102241719B1 KR 102241719 B1 KR102241719 B1 KR 102241719B1 KR 1020190123712 A KR1020190123712 A KR 1020190123712A KR 20190123712 A KR20190123712 A KR 20190123712A KR 102241719 B1 KR102241719 B1 KR 102241719B1
Authority
KR
South Korea
Prior art keywords
fluid device
calculation
efficiency
particle
fluid
Prior art date
Application number
KR1020190123712A
Other languages
English (en)
Other versions
KR20210041259A (ko
Inventor
김준엽
Original Assignee
현대일렉트릭앤에너지시스템(주)
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 현대일렉트릭앤에너지시스템(주) filed Critical 현대일렉트릭앤에너지시스템(주)
Priority to KR1020190123712A priority Critical patent/KR102241719B1/ko
Publication of KR20210041259A publication Critical patent/KR20210041259A/ko
Application granted granted Critical
Publication of KR102241719B1 publication Critical patent/KR102241719B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B17/00—Pumps characterised by combination with, or adaptation to, specific driving engines or motors
    • F04B17/03—Pumps characterised by combination with, or adaptation to, specific driving engines or motors driven by electric motors
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D25/00—Pumping installations or systems
    • F04D25/02—Units comprising pumps and their driving means
    • F04D25/06—Units comprising pumps and their driving means the pump being electrically driven

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

본 발명은 인버터용 유체기기의 소비전력 산출장치에 관한 것으로, 본 발명에서는 인버터 운영주체가 소유한 정보기기의 체제 하에, <산출기반 상수 값(예컨대, 사용매질의 밀도, 중력가속도 등), 산출기반 변수 값(예컨대, 유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등) 등을 접수할 수 있는 전산모듈>, <유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등이 하나의 세트를 이루어 구성된 입자(Particle)를 n개 모아, 스웜(Swarm)을 구성한 후, PSO 알고리즘(Particle Swarm Optimization algorithm)을 실행시켜, 산출기반 변수 값에 상응하는 보정 산출기반 변수 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 생성할 수 있는 전산모듈>, <산출 완료된 보정 산출기반 변수 값을 상기 산출기반 상수 값과 함께 연산하여, 인버터용 유체기기의 소비전력을 산출할 수 있는 전산모듈> 등을 체계적으로 배치/제공하고, 이를 통해, 인버터 운영주체 측에서, 현장(실제 계측 값)과 동떨어진 부정확한 이론 값이 아니라, 현장(실제 계측 값)과의 오차가 최소화된 보정 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 기반으로 하여, 인버터용 유체기기의 소비전력을 산출할 수 있도록 유도함으로써, 결국, 별다른 어려움 없이, 최종 획득되는 소비전력 산출 값의 신뢰성을 대폭 향상시켜, 에너지 절감장치의 도입 전후의 에너지 절감 량을 정확하게 파악하면서, 인버터의 효과적인 운영을 보다 손쉽게 달성할 수 있도록 지원할 수 있다.

Description

인버터용 유체기기의 소비전력 산출장치{The apparatus which calculates a power consumption of a fluid device for a inverter}
본 발명은 인버터를 구동시키는 인버터용 유체기기(예컨대, 펌프, 팬 등)의 소비전력을 산출하는 장치에 관한 것으로, 보다 상세하게는 인버터 운영주체가 소유한 정보기기의 체제 하에, <산출기반 상수 값(예컨대, 사용매질의 밀도, 중력가속도 등), 산출기반 변수 값(예컨대, 유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등) 등을 접수할 수 있는 전산모듈>, <유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등이 하나의 세트를 이루어 구성된 입자(Particle)를 n개 모아, 스웜(Swarm)을 구성한 후, PSO 알고리즘(Particle Swarm Optimization algorithm)을 실행시켜, 산출기반 변수 값에 상응하는 보정 산출기반 변수 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 생성할 수 있는 전산모듈>, <산출 완료된 보정 산출기반 변수 값을 상기 산출기반 상수 값과 함께 연산하여, 인버터용 유체기기의 소비전력을 산출할 수 있는 전산모듈> 등을 체계적으로 배치/제공하고, 이를 통해, 인버터 운영주체 측에서, 현장(실제 계측 값)과 동떨어진 부정확한 이론 값이 아니라, 현장(실제 계측 값)과의 오차가 최소화된 보정 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 기반으로 하여, 인버터용 유체기기의 소비전력을 산출할 수 있도록 유도함으로써, 결국, 별다른 어려움 없이, 최종 획득되는 소비전력 산출 값의 신뢰성을 대폭 향상시켜, 에너지 절감장치의 도입 전후의 에너지 절감 량을 정확하게 파악하면서, 인버터의 효과적인 운영을 보다 손쉽게 달성할 수 있도록 지원할 수 있는 인버터용 유체기기의 소비전력 산출장치에 관한 것이다.
최근, 인버터의 활용범위가 선박, 자동차, 발전기 등과 같은 다양한 분야로 확장되면서, 여러 유형의 인버터 관련 기술들이 폭 넓게 개발/보급되고 있다.
예를 들어, 대한민국등록특허 제10-1831196호(명칭: 인버터의 발열소자 냉각장치)(2018.2.22.자 공고), 대한민국등록특허 제10-1842920호(명칭: 커패시터 보호 커버가 구비된 인버터 장치)(2018.3.29.자 공고), 대한민국공개특허 제10-2018-106436호(명칭: 인버터의 냉각 운영장치)(2018.10.1.자 공개), 대한민국등록특허 제10-1938868호(명칭: 인버터 장치)(2019.1.15.자 공고), 대한민국공개특허 제10-2019-69775호(명칭: 전기추진선박용 하이브리드 인버터 시스템의 제어 파워 모듈)(2019.6.20.자 공개) 등에는 종래의 인버터 관련 기술들의 일례가 좀더 상세하게 개시되어 있다.
한편, 이러한 종래의 체제 하에서, 도 1에 도시된 바와 같이, 인버터 운영주체 측에서는 펌프, 팬 등과 같은 유체기기(2)를 활용하여, 인버터(1)를 가동시키면서, 해당 인버터(1)의 가동체계 내에, 예컨대, VFD(Variable Frequence Drive) 등과 같은 에너지 절감장치(3)를 설치하고, 이를 통해, 유체기기(2)의 소비전력을 절감시키는 조치를 강구하게 된다.
이러한 에너지 절감장치(3)의 설치상황 하에서, 통상, 인버터 운영주체 측에서는 에너지 절감장치(3)의 도입 전후의 에너지 절감 량을 면밀히 계산/비교하고, 이를 통해, 인버터(1)의 효율적인 운영을 좀더 폭 넓게 도모하게 된다.
물론, 이 상황 하에서, 에너지 절감장치(3)의 도입 전후의 에너지 절감 량이 면밀하게 계산/비교될 수 있으려면, 해당 계산/비교절차의 시행 이전에, 펌프, 팬 등과 같은 유체기기(2)의 소비전력을 세부 산출하는 절차가 필수적으로 선 진행되어야만 한다.
종래의 경우, 이를 위하여, 인버터 운영주체 측에서는 도 2에 도시된 바와 같이, 스마트폰, 테블릿 PC, 데스크탑 컴퓨터, 노트북 컴퓨터 등과 같은 정보기기(4)의 내부에 인버터용 유체기기 소비전력 산출장치(5)를 설치해두고, 이를 통해, 펌프, 팬 등과 같은 유체기기(2)의 소비전력을 세밀하게 산출하는 절차를 진행하게 된다.
한편, 이러한 종래의 체제 하에서, 인버터용 유체기기 소비전력 산출장치(5) 측에서는 유체기기(2)의 유량 또는 풍량, 유체기기(2)의 압력, 유체기기(2)의 효율, 모터의 효율 등과 같은 산출기반 변수 값과 함께, 사용매질의 밀도, 중력가속도 등과 같은 산출기반 상수 값을 토대로 하여, 일련의 소비전력 산출루틴을 진행시키고, 이를 통해, 펌프, 팬 등과 같은 유체기기(2)의 소비전력을 산출하게 된다(도 2 참조).
이러한 종래의 체제 하에서, 유체기기(2)의 소비전력을 산출하는데 있어서, 그 토대가 되는 상기 산출기반 상수 값은 말 그대로 상수 값이어서, 별다른 문제를 일으키지 않게 되지만, 상기 산출기반 변수 값, 즉, 유체기기(2)의 유량 또는 풍량, 유체기기(2)의 압력, 유체기기(2)의 효율, 모터의 효율 등은 항상 일정 수준의 오류를 가질 수밖에 없게 된다.
이는, 인버터 운영주체 측에서, 시간이 지날수록 유체기기(2)의 효율이 어느 정도 감소하였는지의 여부, 시간이 지날수록 모터의 효율이 어느 정도 감소하였는지의 여부 등을 정확하게 파악할 수 없어, 해당 값들을 정확하게 특정할 수 없을 뿐만 아니라(참고로, 인버터 운영주체는 유체기기, 모터 등을 직접 제조/생산한 업체가 아니기 때문에, 시간의 경과에 따른 유체기기/모터 등의 효율 감소 정도를 정확하게 파악할 수 없게 된다), 유체기기(2)의 유량/풍량, 유체기기(2)의 압력 등과 같은 변수 값들은 그 이론 값과 현장에서 실제 계측한 값이 일련의 격차를 나타낼 수밖에 없는 매우 부정확한 변수 값들이기 때문이다.
물론, 이처럼, 상기 산출기반 변수 값, 즉, 유체기기(2)의 유량 또는 풍량, 유체기기(2)의 압력, 유체기기(2)의 효율, 모터의 효율 등이 항상 일정 수준의 오류를 가질 수밖에 없는 상황 하에서, 인버터 운영주체 측에서, 펌프, 팬 등과 같은 유체기기(2)의 소비전력을 보다 정확하게 산출하려면, 상기 산출기반 변수 값(즉, 유체기기(2)의 유량 또는 풍량, 유체기기(2)의 압력, 유체기기(2)의 효율, 모터의 효율 등)을 실제 계측 값과 유사한 값으로 보정하는 절차를 반드시 진행시켜야만 한다.
그러나, 상황이 이러함에도 불구하고, 종래의 체제 하에서, 인버터 운영주체 측에서는 별도의 보정 절차 없이, 상기 산출기반 변수 값(즉, 유체기기(2)의 유량 또는 풍량, 유체기기(2)의 압력, 유체기기(2)의 효율, 모터의 효율 등)을 그대로 활용하여, 펌프, 팬 등과 같은 유체기기(2)의 소비전력을 산출하고 있었기 때문에, 도 3에 도시된 바와 같이, 별다른 조치가 취해지지 않는 한, 현장에서 실제 계측된 유체기기(2)의 소비전력 그래프라인(g)과 산출장치(5)에 의해 산출된 유체기기(2)의 소비전력 그래프라인(G) 사이에는 큰 격차(T)가 필연적으로 발생할 수밖에 없게 된다.
물론, 이처럼, 현장에서 실제 계측된 유체기기(2)의 소비전력과, 산출장치(5)에 의해 산출된 유체기기(2)의 소비전력 사이에 큰 격차가 필연적으로 발생하는 상황 하에서, 인버터 운영주체 측에서는 해당 소비전력 산출 값의 신뢰성이 크게 저하되는 심각한 피해를 피할 수 없게 되며, 결국, 에너지 절감장치(3)의 도입 전후의 에너지 절감 량도 정확하게 파악할 수 없게 됨으로써, 인버터(1)의 효과적인 운영에 있어서, 큰 어려움을 고스란히 겪을 수밖에 없게 된다.
대한민국등록특허 제10-1831196호(명칭: 인버터의 발열소자 냉각장치)(2018.2.22.자 공고) 대한민국등록특허 제10-1842920호(명칭: 커패시터 보호 커버가 구비된 인버터 장치)(2018.3.29.자 공고) 대한민국공개특허 제10-2018-106436호(명칭: 인버터의 냉각 운영장치)(2018.10.1.자 공개) 대한민국등록특허 제10-1938868호(명칭: 인버터 장치)(2019.1.15.자 공고) 대한민국공개특허 제10-2019-69775호(명칭: 전기추진선박용 하이브리드 인버터 시스템의 제어 파워 모듈)(2019.6.20.자 공개)
따라서, 본 발명의 목적은 인버터 운영주체가 소유한 정보기기의 체제 하에, <산출기반 상수 값(예컨대, 사용매질의 밀도, 중력가속도 등), 산출기반 변수 값(예컨대, 유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등) 등을 접수할 수 있는 전산모듈>, <유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등이 하나의 세트를 이루어 구성된 입자(Particle)를 n개 모아, 스웜(Swarm)을 구성한 후, PSO 알고리즘(Particle Swarm Optimization algorithm)을 실행시켜, 산출기반 변수 값에 상응하는 보정 산출기반 변수 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 생성할 수 있는 전산모듈>, <산출 완료된 보정 산출기반 변수 값을 상기 산출기반 상수 값과 함께 연산하여, 인버터용 유체기기의 소비전력을 산출할 수 있는 전산모듈> 등을 체계적으로 배치/제공하고, 이를 통해, 인버터 운영주체 측에서, 현장(실제 계측 값)과 동떨어진 부정확한 이론 값이 아니라, 현장(실제 계측 값)과의 오차가 최소화된 보정 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 기반으로 하여, 인버터용 유체기기의 소비전력을 산출할 수 있도록 유도함으로써, 결국, 별다른 어려움 없이, 최종 획득되는 소비전력 산출 값의 신뢰성을 대폭 향상시켜, 에너지 절감장치의 도입 전후의 에너지 절감 량을 정확하게 파악하면서, 인버터의 효과적인 운영을 보다 손쉽게 달성할 수 있도록 지원하는데 있다.
본 발명의 다른 목적들은 다음의 상세한 설명과 첨부된 도면으로부터 보다 명확해질 것이다.
상기와 같은 목적을 달성하기 위하여 본 발명에서는 운영체제를 구비한 전자기기에 설치되면서, 인버터용 유체기기의 소비전력을 산출하는 장치에 있어서, 상기 운영체제와 통신하면서, 사용매질의 밀도 및 중력가속도를 포함하는 산출기반 상수 값과, 유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율 및 모터의 효율을 포함하는 산출기반 변수 값을 접수하는 정보 접수모듈과; 상기 유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율 및 모터의 효율이 하나의 세트를 이루어 구성된 입자(Particle)를 n개 모아, 스웜(Swarm)을 구성한 후, 하기 수학식1 내지 수학식4를 기반으로 하는 PSO 알고리즘(Particle Swarm Optimization algorithm)을 실행시켜, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율 및 모터의 보정 효율을 포함하는 보정 산출기반 변수 값을 생성하는 보정 산출기반 변수 값 생성모듈과;
Figure 112019102022900-pat00001
(수학식1)(여기서, k는 각 입자의 번호, k=1,2,‥‥n,
Figure 112019102022900-pat00002
는 입자 k의 현재의 속도벡터,
Figure 112019102022900-pat00003
는 입자 k의 수정된 속도벡터,
Figure 112019102022900-pat00004
는 관성하중, c1,c2는 가속상수, r1,r2는 (0,1)의 난수,
Figure 112019102022900-pat00005
는 입자 k가 현재까지의 탐색과정에 의해 발견한 최적 해의 위치벡터,
Figure 112019102022900-pat00006
는 스웜을 이루는 n개의 전체 입자가 현재까지의 탐색과정에 의해 발견한 최적 해의 위치벡터,
Figure 112019102022900-pat00007
는 입자 k의 현재의 위치벡터)
Figure 112019102022900-pat00008
(수학식2)(여기서,
Figure 112019102022900-pat00009
는 최대 관성하중,
Figure 112019102022900-pat00010
는 최소 관성하중,
Figure 112019102022900-pat00011
는 최대 반복횟수,
Figure 112019102022900-pat00012
은 반복횟수)
Figure 112019102022900-pat00013
(수학식3)(여기서,
Figure 112019102022900-pat00014
는 입자 k의 수정된 위치벡터,
Figure 112019102022900-pat00015
는 입자 k의 현재의 위치벡터,
Figure 112019102022900-pat00016
는 입자 k의 수정된 속도벡터)
Figure 112019102022900-pat00017
(수학식4)(여기서, F는 목적함수, J는 현장에서 계측된 인버터용 유체기기의 소비전력, j는 본 발명에 의해 산출된 인버터용 유체기기의 소비전력)
상기 보정 산출기반 변수 값 및 상기 산출기반 상수 값을 연산하여, 인버터용 유체기기의 소비전력을 산출하는 소비전력 산출모듈을 포함하며, 상기 PSO 알고리즘은, 스웜을 구성하는 각 입자의 속도벡터 및 위치벡터를 랜덤하게 생성한 후, 각 입자를 구성하는 산출기반 변수 값을 토대로 상기 수학식4를 연산하여, 각 입자 중 목적함수 결과 값이 가장 적은 입자의 위치벡터를 초기 gbest로 설정함과 아울러, 각 입자에 상응하는 초기 pbest를 설정하는 초기화 단계와; 상기 수학식4를 연산하여, 각 입자의 적합도를 평가한 후, 이전 pbest 및 gbest를 현재 pbest 및 gbest와 비교하여, pbest 및 gbest를 업-데이트하는 적합도 평가 단계와; 상기 수학식2를 연산하여, 관성하중(w)을 산출한 후, 상기 수학식1을 연산하여, 각 입자의 속도벡터를 업-데이트하는 관성하중 및 속도계산 단계와; 상기 수학식1의 연산결과를 토대로 상기 수학식3을 연산하여, 각 입자의 위치벡터를 업-데이트하는 위치이동 단계와; 기 설정되어 있던 종료조건이 만족되었는지를 판단하는 종료여부 판단 단계와; 상기 종료조건이 만족되지 아니한 것으로 판단되는 경우, 상기 적합도 평가 단계, 관성하중 및 속도계산 단계, 그리고, 위치이동 단계를 반복적으로 순환 진행하는 절차반복 단계와; 상기 종료조건이 만족된 것으로 판단되는 경우, 현재 획득된 gbest를 최종 gbest로 도출하고, 상기 gbest에 상응하는 입자를 이루는 유체기기의 산출기반 변수 값을 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율 및 모터의 보정 효율로 생성하는 단계를 포함하는 것을 특징으로 하는 인터버용 유체기기의 소비전력 산출장치를 개시한다.
본 발명에서는 인버터 운영주체가 소유한 정보기기의 체제 하에, <산출기반 상수 값(예컨대, 사용매질의 밀도, 중력가속도 등), 산출기반 변수 값(예컨대, 유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등) 등을 접수할 수 있는 전산모듈>, <유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등이 하나의 세트를 이루어 구성된 입자(Particle)를 n개 모아, 스웜(Swarm)을 구성한 후, PSO 알고리즘(Particle Swarm Optimization algorithm)을 실행시켜, 산출기반 변수 값에 상응하는 보정 산출기반 변수 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 생성할 수 있는 전산모듈>, <산출 완료된 보정 산출기반 변수 값을 상기 산출기반 상수 값과 함께 연산하여, 인버터용 유체기기의 소비전력을 산출할 수 있는 전산모듈> 등을 체계적으로 배치/제공하기 때문에, 본 발명의 구현환경 하에서, 인버터 운영주체 측에서는, 현장(실제 계측 값)과 동떨어진 부정확한 이론 값이 아니라, 현장(실제 계측 값)과의 오차가 최소화된 보정 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 기반으로 하여, 인버터용 유체기기의 소비전력을 산출할 수 있게 되며, 결국, 별다른 어려움 없이, 최종 획득되는 소비전력 산출 값의 신뢰성을 대폭 향상시켜, 에너지 절감장치의 도입 전후의 에너지 절감 량을 정확하게 파악하면서, 인버터의 효과적인 운영을 보다 손쉽게 달성할 수 있게 된다.
도 1은 종래의 기술에 따른 인버터의 가동절차를 개념적으로 도시한 예시도.
도 2는 종래의 기술에 따른 인버터용 유체기기 소비전력 산출장치의 가동절차를 개념적으로 도시한 예시도.
도 3은 종래의 기술에 따른 인버터용 유체기기 소비전력 산출장치의 적용 환경 하에서, 현장에서 실제 계측된 유체기기의 소비전력 그래프라인과, 산출장치에 의해 산출된 유체기기의 소비전력 그래프라인을 개념적으로 비교/도시한 그래프도.
도 4는 본 발명의 구현환경 하에서의 인버터의 가동절차를 개념적으로 도시한 예시도.
도 5는 본 발명에 따른 인버터용 유체기기 소비전력 산출장치의 가동절차를 개념적으로 도시한 예시도.
도 6은 본 발명에 따른 인버터용 유체기기 소비전력 산출장치의 세부적인 구성을 개념적으로 도시한 예시도.
도 7은 본 발명에 따른 PSO 알고리즘 하에서의 각 입자의 모습을 개념적으로 도시한 예시도.
도 8은 본 발명에 따른 PSO 알고리즘을 순차적으로 도시한 순서도.
도 9는 산출기반 변수 값이 본 발명에 따른 PSO 알고리즘을 거쳐, 보정 산출기반 변수 값으로 생성/산출되는 절차를 개념적으로 도시한 예시도.
도 10은 본 발명에 따른 인버터용 유체기기 소비전력 산출장치의 적용 환경 하에서, 현장에서 실제 계측된 유체기기의 소비전력 그래프라인과, 산출장치에 의해 산출된 유체기기의 소비전력 그래프라인을 개념적으로 비교/도시한 그래프도.
이하, 첨부된 도면을 참조하여, 본 발명에 따른 인버터용 유체기기 소비전력 산출장치를 좀더 상세히 설명하면 다음과 같다.
도 4에 도시된 바와 같이, 본 발명의 체제 하에서, 인버터 운영주체 측에서는 펌프, 팬 등과 같은 유체기기(12)를 활용하여, 인버터(11)를 가동시키면서, 해당 인버터(11)의 가동체계 내에, 예컨대, VFD(Variable Frequence Drive) 등과 같은 에너지 절감장치(13)를 설치하고, 이를 통해, 유체기기(12)의 소비전력을 절감시키는 조치를 강구하게 된다.
물론, 이러한 본 발명의 체제 하에서도, 인버터 운영주체 측에서는 에너지 절감장치(13)의 도입 전후의 에너지 절감 량을 면밀히 계산/비교하고, 이를 통해, 인버터(11)의 효율적인 운영을 좀더 폭 넓게 도모하게 된다.
이 상황 하에서도, 에너지 절감장치(13)의 도입 전후의 에너지 절감 량이 면밀하게 계산/비교될 수 있으려면, 해당 계산/비교절차의 시행 이전에, 펌프, 팬 등과 같은 유체기기(12)의 소비전력을 세부 산출하는 절차가 필수적으로 선 진행되어야만 한다.
이때, 인버터 운영주체 측에서는 도 5에 도시된 바와 같이, 스마트폰, 테블릿 PC, 데스크탑 컴퓨터, 노트북 컴퓨터 등과 같은 정보기기(14)의 내부에 본 발명에 따른 인버터용 유체기기 소비전력 산출장치(20)를 설치해두고, 이를 통해, 펌프, 팬 등과 같은 유체기기(12)의 소비전력을 세밀하게 산출하는 절차를 진행하게 된다.
여기서, 인버터 운영주체 측에서는 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율, 모터의 효율 등과 같은 산출기반 변수 값과 함께, 사용매질의 밀도, 중력가속도 등과 같은 산출기반 상수 값을 토대로 하여, 일련의 소비전력 산출루틴을 진행시키고, 이를 통해, 펌프, 팬 등과 같은 유체기기(12)의 소비전력을 산출하게 된다(도 5 참조).
물론, 이러한 본 발명의 체제 하에서도, 유체기기(2)의 소비전력을 산출하는데 있어서, 그 토대가 되는 상기 산출기반 상수 값은 말 그대로 상수 값이어서, 별다른 문제를 일으키지 않게 되지만, 상기 산출기반 변수 값, 즉, 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율, 모터의 효율 등은 항상 일정 수준의 오류를 가질 수밖에 없게 된다.
당연하게도, 상기 산출기반 변수 값, 즉, 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율, 모터의 효율 등이 항상 일정 수준의 오류를 가질 수밖에 없는 상황 하에서, 인버터 운영주체 측에서, 펌프, 팬 등과 같은 유체기기(12)의 소비전력을 보다 정확하게 산출하려면, 상기 산출기반 변수 값(즉, 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율, 모터의 효율 등)을 실제 계측 값과 유사한 값으로 보정하는 절차를 반드시 진행시켜야만 한다.
이러한 민감한 상황 하에서, 도 5에 도시된 바와 같이, 본 발명에 따른 인버터용 유체기기 소비전력 산출장치(20) 측에서는 산출기반 변수 값(즉, 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율, 모터의 효율 등)이 입력되면, 그 즉시, 해당 산출기반 변수 값을 대상으로 하여, 일련의 PSO 알고리즘(Particle Swarm Optimization algorithm)을 실행시키고, 이를 통해, 상기 산출기반 변수 값을 그에 상응하는 보정 산출기반 변수 값(예컨대, 유체기기(12)의 보정 유량 또는 보정 풍량, 유체기기(12)의 보정 압력, 유체기기(12)의 보정 효율, 모터의 보정 효율 등)으로 변경/보정/생성하는 절차를 진행시키게 된다.
물론, 이 상황 하에서, 본 발명에 따른 인버터용 유체기기 소비전력 산출장치(20) 측에서는 종래와 달리, 현장(실제 계측 값)과 동떨어진 부정확한 이론 값이 아니라, 현장(실제 계측 값)과의 오차가 최소화된 보정 값(예컨대, 유체기기(12)의 보정 유량 또는 보정 풍량, 유체기기(12)의 보정 압력, 유체기기(12)의 보정 효율, 모터의 보정 효율 등)을 기반으로 하여, 일련의 소비전력 산출루틴을 효과적으로 진행시킬 수 있게 되며, 결국, 매우 신뢰성 높은 유체기기 소비전력을 손쉽게 산출할 수 있게 된다(도 5 참조).
이때, 도 6에 도시된 바와 같이, 본 발명에 따른 인버터용 유체기기 소비전력 산출장치(20)는 인터페이스 모듈(21)을 매개로 하여, 정보기기(14) 축 운영체제(14a), 기능 보조모듈(14b)(예컨대, 메모리, 통신모듈, 각 소프트웨어, 디스플레이 모듈 등) 등과 통신/연결되는 정보 접수모듈(22), 보정 산출기반 변수 값 생성모듈(23), 소비전력 산출모듈(24) 등이 긴밀하게 조합된 구성을 취하게 된다.
여기서, 정보 접수모듈(22) 측에서는 상기 운영체제(14a)와 통신을 취하면서, 인버터 운영주체 측의 전산작업에 맞추어, 사용매질의 밀도 및 중력가속도를 포함하는 산출기반 상수 값과, 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율 및 모터의 효율을 포함하는 산출기반 변수 값을 접수하는 절차를 진행하게 된다(도 5 참조).
또한, 보정 산출기반 변수 값 생성모듈(23) 측에서는 상기 정보 접수모듈(22)과 통신을 취하면서, 이에 의해 접수/완료된 산출기반 변수 값(예컨대, 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율 및 모터의 효율 등)을 판독하는 절차를 진행하게 된다(도 5 참조).
이렇게 하여, 정보 접수모듈(22)에 의해 접수/완료된 산출기반 변수 값(예컨대, 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율 및 모터의 효율 등)의 판독이 완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 판독/완료된 산출기반 변수 값을 토대로 하여, 일련의 PSO 알고리즘(Particle Swarm Optimization algorithm)을 실행시키고, 이를 통해, 유체기기(12)의 보정 유량 또는 보정 풍량, 유체기기(12)의 보정 압력, 유체기기(12)의 보정 효율 및 모터의 보정 효율을 포함하는 보정 산출기반 변수 값을 생성하는 절차를 진행하게 된다(도 5 참조).
이 경우, 본 발명의 보정 산출기반 변수 값 생성모듈(23) 측에서는 아래의 수학식1 내지 수학식4를 활용하여, PSO 알고리즘을 실행시키게 된다.
[수학식1]
Figure 112019102022900-pat00018
(여기서, k는 각 입자의 번호, k=1,2,‥‥n,
Figure 112019102022900-pat00019
는 입자 k의 현재의 속도벡터,
Figure 112019102022900-pat00020
는 입자 k의 수정된 속도벡터,
Figure 112019102022900-pat00021
는 관성하중, c1,c2는 가속상수, r1,r2는 (0,1)의 난수,
Figure 112019102022900-pat00022
는 입자 k가 현재까지의 탐색과정에 의해 발견한 최적 해의 위치벡터,
Figure 112019102022900-pat00023
는 스웜을 이루는 n개의 전체 입자가 현재까지의 탐색과정에 의해 발견한 최적 해의 위치벡터,
Figure 112019102022900-pat00024
는 입자 k의 현재의 위치벡터)
[수학식2]
Figure 112019102022900-pat00025
(여기서,
Figure 112019102022900-pat00026
는 최대 관성하중,
Figure 112019102022900-pat00027
는 최소 관성하중,
Figure 112019102022900-pat00028
는 최대 반복횟수,
Figure 112019102022900-pat00029
은 반복횟수)
[수학식3]
Figure 112019102022900-pat00030
(여기서,
Figure 112019102022900-pat00031
는 입자 k의 수정된 위치벡터,
Figure 112019102022900-pat00032
는 입자 k의 현재의 위치벡터,
Figure 112019102022900-pat00033
는 입자 k의 수정된 속도벡터)
[수학식4]
Figure 112019102022900-pat00034
(여기서, F는 목적함수, J는 현장에서 계측된 인버터용 유체기기의 소비전력, j는 본 발명에 의해 산출된 인버터용 유체기기의 소비전력)
널리 알려져 있다시피, PSO 알고리즘의 기본 아이디어는 새나 물고기 등이 천적에 대한 자기 방어의 목적으로 군체를 이루어 행동하거나, 벌이나 개미 등이 음식물을 찾기 위해 떼를 이루어 행동하는 것과 같은 사회적 행동 양식을 모방하고 있다. 이렇게 군집을 이루게 되면, 개별 개체들은 서로 간의 협동을 통해, 목적한 바를 효과적으로 이룰 수 있게 된다. PSO 알고리즘은 최적화 문제를 풀기 위한 하나의 도구로 이러한 생물체들의 사회적 행동 양식을 모방하고 있다.
상기 PSO 알고리즘에서는 개별 잠재 해를 입자(Particles)로 나타내며, 이러한 입자의 집합이 스웜(Swarm)이다. 이 상황 하에서, 개별 입자들은 '위치'와 '속도'라는 속성을 가지게 된다. 반복과정 하에서, 각 입자들은 다 차원 탐색공간을 옮겨 다니며, 적합도 함수(목적함수)에 의해 평가된 적합도 함수 값을 가지고, 이를 바탕으로, 적합도 함수 값이 보다 높은 위치로 이동하게 된다.
이때, 입자들은 두 가지 최적 위치를 참고삼아 다음 위치로 이동하게 되는데, 그 중 하나는 <각 입자가 반복을 통해 발견한 개별적 최적해(pbest)>이며, 다른 하나는 <모든 입자가 반복을 통해 발견한 전체적 최적해(gbest)>이다.
이러한 기반 인프라 하에서, 보정 산출기반 변수 값 생성모듈(23) 측에서는 도 7 및 도 8에 도시된 바와 같이, 우선, 초기화 단계(S1)를 진행시켜, 상기 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율 및 모터의 효율이 하나의 세트를 이루어 구성된 입자(Particle)를 랜덤하게 생성한 후, 이들을 n개(예컨대, 100개) 모아, 초기 스웜(Swarm)을 구성하게 된다(도 7 참조).
이렇게 하여, 초기 스웜이 구성 완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 일련의 정보생성루틴을 진행시켜, 스웜을 구성하는 각 입자의 초기 속도벡터
Figure 112019102022900-pat00035
및 초기 위치벡터
Figure 112019102022900-pat00036
를 랜덤하게 생성하는 절차를 진행하게 된다.
상술한 절차를 통해, 스웜을 구성하는 각 입자의 초기 속도벡터
Figure 112019102022900-pat00037
및 초기 위치벡터
Figure 112019102022900-pat00038
가 생성 완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 상기 수학식4에 개시된 목적함수를 연산하여, 각 입자 중 목적함수 결과 값이 가장 적은 입자(즉, best 입자)의 위치벡터를 초기 gbest로 설정함과 아울러, 각 입자별로 해당 입자에 상응하는 초기 pbest를 설정하는 절차를 진행하게 된다.
이러한 절차 하에서, 보정 산출기반 변수 값 생성모듈(23) 측에서는 소비전력 산출모듈(24)과의 연계 하에, 각 입자를 구성하는 유체기기(12)의 유량 또는 풍량, 유체기기(12)의 압력, 유체기기(12)의 효율, 모터의 효율 등을 토대로 하여(도 7 참조), 일련의 소비전력 산출루틴을 진행시킴으로써(도 5 참조), 수학식4에 포함된 j 값을 획득하게 된다(참고로, 상기 수학식4에 포함된 J 값은 인버터 운영주체 측의 입력 값을 토대로 하여 획득하게 됨).
한편, 상술한 절차를 통해, 초기 gbest와, 각 입자별 초기 pbest가 설정/완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 도 8에 도시된 적합도 평가절차(S2)를 일단 한번 스킵(Skip)하고, 관성하중 및 속도계산 절차(S3)를 진행하게 된다.
이처럼, 보정 산출기반 변수 값 생성모듈(23) 측에서, 상기 초기화 절차(S1)의 진행 이후, 적합도 평가절차(S2)를 일단 한번 스킵하는 이유는, 초기화 절차(S1)의 진행 직후에는, 현재의 gbest 및 pbest(즉, 초기 gbest 및 pbest)와 비교할 수 있는 이전 pbest 및 gbest가 존재하지 않기 때문이다.
다른 한편, 상기 관성하중 및 속도계산 절차(S3)의 진행 하에서, 보정 산출기반 변수 값 생성모듈(23) 측에서는 먼저, 일련의 정보생성루틴을 진행시켜, 상기 수학식2를 연산하고, 이를 통해, 관성하중(w)을 산출하는 절차를 진행하게 된다.
참고로, 상기 절차를 통해 산출되는 관성하중(w)은 상기 수학식1에 포함됨으로써, 현재 시점의 속도에 대한 기존 속도의 영향을 조절해주는 역할을 수행하게 된다. 이 경우, 관성하중(w)이 커지면, 전역탐색능력이 강화되는 효과가 발생하게 되며, 관성하중(w)이 작아지면, 지역탐색능력이 강화되는 효과가 발생하게 된다.
본 발명에서는 최대 관성하중
Figure 112019102022900-pat00039
를 0.4로 설정하고, 최소 관성하중
Figure 112019102022900-pat00040
을 0.2로 설정함으로써, 반복 루틴이 진행됨에 따라, 관성하중(w)이 0.4에서 0.2의 값을 가지도록 유도하게 된다.
이렇게 하여, 관성하중(w)이 산출/완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 일련의 정보생성루틴을 진행시켜, 상기 수학식1을 연산하고, 이를 통해, 각 입자의 속도벡터를
Figure 112019102022900-pat00041
에서,
Figure 112019102022900-pat00042
로 업-데이트하게 된다. 이 경우, 본 발명에서는 상기 수학식1에 포함되어 있는 가속상수 c1을 예를 들어, 1로 설정하게 되며, 상기 가속상수 c2를 예를 들어, 1.5로 설정하게 된다.
상술한 절차를 통해, 각 입자의 속도벡터가
Figure 112019102022900-pat00043
에서,
Figure 112019102022900-pat00044
로 업-데이트 완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 상기 수학1의 연산결과를 토대로 하여, 일련의 입자 위치이동 절차(S4)를 진행시키게 된다(도 8 참조).
이 경우, 보정 산출기반 변수 값 생성모듈(23) 측에서는 일련의 정보생성루틴을 진행시켜, 수학식3을 연산하고, 이를 통해, 각 입자의 위치벡터를
Figure 112019102022900-pat00045
에서,
Figure 112019102022900-pat00046
로 업-데이트하게 된다.
이렇게 하여, 각 입자의 위치벡터가
Figure 112019102022900-pat00047
에서,
Figure 112019102022900-pat00048
로 업-데이트 완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 종료여부 판단절차(S5)를 진행하여, 기 설정되어 있던 종료조건(예컨대, 절차의 반복횟수가 50회에 도달하는 조건 등)이 만족되었는지의 여부를 판단하게 된다.
이때, 상기 종료조건이 만족되지 아니한 것으로 판단되는 경우, 보정 산출기반 변수 값 생성모듈(23) 측에서는 플로우를 적합도 평가절차(S2)로 진행하여, 상기 수학식4를 연산하고, 이를 통해, 각 입자의 적합도를 평가하게 된다.
이 경우에도, 보정 산출기반 변수 값 생성모듈(23) 측에서는 수학식4에 개시된 목적함수를 연산하여, 각 입자 중 목적함수 결과 값이 가장 적은 입자(즉, best 입자)의 위치벡터를 gbest로 설정하게 된다(물론, 이 경우에도, 각 입자별로, 그에 상응하는 pbest가 설정된다).
이렇게 하여, 현재의 pbest 및 gbest가 설정/완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 일련의 정보비교루틴을 진행시켜, 이전 pbest 및 gbest를 현재의best 및 gbest와 비교하는 절차를 진행하고, 이를 통해, pbest 및 gbest를 업-데이트(또는, 재 설정)하게 된다.
상술한 절차를 통해, pbest 및 gbest가 업-데이트(또는, 재 설정) 완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 <상기 수학식2를 연산하고, 이를 통해, 관성하중(w)을 산출하는 절차>, <상기 수학식1을 연산하고, 이를 통해, 각 입자의 속도벡터를
Figure 112019102022900-pat00049
에서,
Figure 112019102022900-pat00050
로 업-데이트하는 절차>, <상기 수학식3을 연산하고, 이를 통해, 각 입자의 위치벡터를
Figure 112019102022900-pat00051
에서,
Figure 112019102022900-pat00052
로 업-데이트하는 절차> 등을 반복적으로 진행하게 된다.
이렇게 하여, 각 입자의 위치벡터가
Figure 112019102022900-pat00053
에서,
Figure 112019102022900-pat00054
로 업-데이트 완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 종료여부 판단절차(S5)를 진행하여, 기 설정되어 있던 종료조건(예컨대, 절차의 반복횟수가 50회에 도달하는 조건 등)이 만족되었는지의 여부를 판단하게 된다.
이때에도, 상기 종료조건이 만족되지 아니한 것으로 판단되는 경우, 보정 산출기반 변수 값 생성모듈(23) 측에서는 상기 적합도 평가 단계(S2), 관성하중 및 속도계산 단계(S3), 그리고, 위치이동 단계(S4)를 반복적으로 순환 진행하게 되며, 결국, 각 입자들은 다 차원 탐색공간을 옮겨 다니면서, <상기 수학식4에 개시된 목적함수의 결과 값이 가장 적어지게 되는 위치>로 이동하는 상황을 자연스럽게 겪을 수 있게 된다.
한편, 상기 적합도 평가 단계(S2), 관성하중 및 속도계산 단계(S3), 그리고, 위치이동 단계(S4)의 반복적인 순환 진행 하에서, 상기 종료조건(예컨대, 절차의 반복횟수가 50회에 도달하는 조건 등)이 만족된 것으로 판단되는 경우, 보정 산출기반 변수 값 생성모듈(23) 측에서는 일련의 결과 획득단계(S6)를 진행시켜, 현재 획득된 gbest를 최종 gbest로 도출하게 된다.
이렇게 하여, 현재 획득된 gbest가 최종 gbest로 도출되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 상기 gbest에 상응하는 입자(즉, gbest의 위치벡터를 가지는 입자)를 이루는 <유체기기(12)의 산출기반 변수 값>을, <유체기기(12)의 보정 유량 또는 보정 풍량, 유체기기(12)의 보정 압력, 유체기기(12)의 보정 효율 및 모터의 보정 효율>로 생성하게 된다(도 7 참조).
결국, 이러한 절차 하에서, 인버터 운영주체 측에서는 도 9에 도시된 바와 같이, 최초에 제공된 <펌프의 유량>, <펌프의 압력>, <펌프의 효율>, <모터의 효율> 등을 별다른 어려움 없이, <펌프의 보정 유량>, <펌프의 보정 압력>, <펌프의 ??정 효율>, <모터의 보정 효율> 등으로 보정하여 획득할 수 있게 된다.
상술한 절차를 통해, gbest에 상응하는 입자(즉, gbest의 위치벡터를 가지는 입자)를 이루는 <유체기기(12)의 산출기반 변수 값>이, <유체기기(12)의 보정 유량 또는 보정 풍량, 유체기기(12)의 보정 압력, 유체기기(12)의 보정 효율 및 모터의 보정 효율>로 생성/완료되면, 보정 산출기반 변수 값 생성모듈(23) 측에서는 해당 <유체기기(12)의 산출기반 변수 값>을 소비전력 산출모듈(24) 측으로 전달하는 절차를 진행하게 된다.
이렇게 하여, <유체기기(12)의 보정 유량 또는 보정 풍량, 유체기기(12)의 보정 압력, 유체기기(12)의 보정 효율 및 모터의 보정 효율>이 전달/완료되면, 소비전력 산출모듈(24) 측에서는 이를 토대로, 소비전력 산출루틴을 진행시키게 되며, 결국, 인버터 운영주체 측에서는 도 10에 도시된 바와 같이, 현장에서 실제 계측된 유체기기(12)의 소비전력 그래프라인(g)과 산출장치(20)에 의해 산출된 유체기기(12)의 소비전력 그래프라인(G)이 거의 일치하는 이점을 손쉽게 획득할 수 있게 된다.
이와 같이, 본 발명에서는 인버터 운영주체가 소유한 정보기기의 체제 하에, <산출기반 상수 값(예컨대, 사용매질의 밀도, 중력가속도 등), 산출기반 변수 값(예컨대, 유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등) 등을 접수할 수 있는 전산모듈>, <유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율, 모터의 효율 등이 하나의 세트를 이루어 구성된 입자(Particle)를 n개 모아, 스웜(Swarm)을 구성한 후, PSO 알고리즘(Particle Swarm Optimization algorithm)을 실행시켜, 산출기반 변수 값에 상응하는 보정 산출기반 변수 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 생성할 수 있는 전산모듈>, <산출 완료된 보정 산출기반 변수 값을 상기 산출기반 상수 값과 함께 연산하여, 인버터용 유체기기의 소비전력을 산출할 수 있는 전산모듈> 등을 체계적으로 배치/제공하기 때문에, 본 발명의 구현환경 하에서, 인버터 운영주체 측에서는, 현장(실제 계측 값)과 동떨어진 부정확한 이론 값이 아니라, 현장(실제 계측 값)과의 오차가 최소화된 보정 값(예컨대, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율, 모터의 보정 효율 등)을 기반으로 하여, 인버터용 유체기기의 소비전력을 산출할 수 있게 되며, 결국, 별다른 어려움 없이, 최종 획득되는 소비전력 산출 값의 신뢰성을 대폭 향상시켜, 에너지 절감장치의 도입 전후의 에너지 절감 량을 정확하게 파악하면서, 인버터의 효과적인 운영을 보다 손쉽게 달성할 수 있게 된다.
이러한 본 발명은 소비전력의 효율적인 관리가 필요한 여러 분야에서, 전반적으로 유용한 효과를 발휘한다.
그리고, 앞에서, 본 발명의 특정한 실시 예가 설명되고 도시되었지만 본 발명이 당업자에 의해 다양하게 변형되어 실시될 가능성이 있는 것은 자명한 일이다.
이와 같은 변형된 실시 예들은 본 발명의 기술적 사상이나 관점으로부터 개별적으로 이해되어서는 안되며 이와 같은 변형된 실시 예들은 본 발명의 첨부된 특허청구의 범위 안에 속한다 해야 할 것이다.
1,11: 인버터
2,12: 유체기기(펌프/팬)
3.13: 에너지 절감장치
4,14: 정보기기
14a: 운영체제
14b: 기능 보조모듈
20: 인버터용 유체기기 소비전력 산출장치
21: 인터페이스 모듈
22: 정보 접수모듈
23: 보정 산출기반 변수 값 생성모듈
24: 소비전력 산출모듈

Claims (2)

  1. 운영체제를 구비한 전자기기에 설치되면서, 인버터용 유체기기의 소비전력을 산출하는 장치에 있어서,
    상기 운영체제와 통신하면서, 사용매질의 밀도 및 중력가속도를 포함하는 산출기반 상수 값과, 유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율 및 모터의 효율을 포함하는 산출기반 변수 값을 접수하는 정보 접수모듈과;
    상기 유체기기의 유량 또는 풍량, 유체기기의 압력, 유체기기의 효율 및 모터의 효율이 하나의 세트를 이루어 구성된 입자(Particle)를 n개 모아, 스웜(Swarm)을 구성한 후, 하기 수학식1 내지 수학식4를 기반으로 하는 PSO 알고리즘(Particle Swarm Optimization algorithm)을 실행시켜, 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율 및 모터의 보정 효율을 포함하는 보정 산출기반 변수 값을 생성하는 보정 산출기반 변수 값 생성모듈과;
    Figure 112020141764504-pat00055
    (수학식1)
    (여기서, k는 각 입자의 번호, k=1,2,‥‥n,
    Figure 112020141764504-pat00056
    는 입자 k의 현재의 속도벡터,
    Figure 112020141764504-pat00057
    는 입자 k의 수정된 속도벡터,
    Figure 112020141764504-pat00058
    는 관성하중, c1,c2는 가속상수, r1,r2는 (0,1)의 난수,
    Figure 112020141764504-pat00059
    는 입자 k가 현재까지의 탐색과정에 의해 발견한 최적 해의 위치벡터,
    Figure 112020141764504-pat00060
    는 스웜을 이루는 n개의 전체 입자가 현재까지의 탐색과정에 의해 발견한 최적 해의 위치벡터,
    Figure 112020141764504-pat00061
    는 입자 k의 현재의 위치벡터)
    Figure 112020141764504-pat00062
    (수학식2)
    (여기서,
    Figure 112020141764504-pat00063
    는 최대 관성하중,
    Figure 112020141764504-pat00064
    는 최소 관성하중,
    Figure 112020141764504-pat00065
    는 최대 반복횟수,
    Figure 112020141764504-pat00066
    은 반복횟수)
    Figure 112020141764504-pat00067
    (수학식3)
    (여기서,
    Figure 112020141764504-pat00068
    는 입자 k의 수정된 위치벡터,
    Figure 112020141764504-pat00069
    는 입자 k의 현재의 위치벡터,
    Figure 112020141764504-pat00070
    는 입자 k의 수정된 속도벡터)
    Figure 112020141764504-pat00071
    (수학식4)
    (여기서, F는 목적함수, J는 현장에서 계측된 인버터용 유체기기의 소비전력, j는 본 발명에 의해 산출된 인버터용 유체기기의 소비전력)
    상기 보정 산출기반 변수 값 및 상기 산출기반 상수 값을 연산하여, 인버터용 유체기기의 소비전력을 산출하는 소비전력 산출모듈을 포함하며,
    상기 PSO 알고리즘은,
    스웜을 구성하는 각 입자의 속도벡터 및 위치벡터를 랜덤하게 생성한 후, 각 입자를 구성하는 산출기반 변수 값을 토대로 상기 수학식4를 연산하여, 각 입자 중 목적함수 결과 값이 가장 적은 입자의 위치벡터를 초기 gbest로 설정함과 아울러, 각 입자에 상응하는 초기 pbest를 설정하는 초기화 단계와;
    상기 수학식4를 연산하여, 각 입자의 적합도를 평가한 후, 이전 pbest 및 gbest를 현재 pbest 및 gbest와 비교하여, pbest 및 gbest를 업-데이트하는 적합도 평가 단계와;
    상기 수학식2를 연산하여, 관성하중(w)을 산출한 후, 상기 수학식1을 연산하여, 각 입자의 속도벡터를 업-데이트하는 관성하중 및 속도계산 단계와;
    상기 수학식1의 연산결과를 토대로 상기 수학식3을 연산하여, 각 입자의 위치벡터를 업-데이트하는 위치이동 단계와;
    기 설정되어 있던 종료조건이 만족되었는지를 판단하는 종료여부 판단 단계와;
    상기 종료조건이 만족되지 아니한 것으로 판단되는 경우, 상기 적합도 평가 단계, 관성하중 및 속도계산 단계, 그리고, 위치이동 단계를 반복적으로 순환 진행하는 절차반복 단계와;
    상기 종료조건이 만족된 것으로 판단되는 경우, 현재 획득된 gbest를 최종 gbest로 도출하고, 상기 gbest에 상응하는 입자를 이루는 유체기기의 산출기반 변수 값을 유체기기의 보정 유량 또는 보정 풍량, 유체기기의 보정 압력, 유체기기의 보정 효율 및 모터의 보정 효율로 생성하는 단계를 포함하는 것을 특징으로 하는 인터버용 유체기기의 소비전력 산출장치.
  2. 삭제
KR1020190123712A 2019-10-07 2019-10-07 인버터용 유체기기의 소비전력 산출장치 KR102241719B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190123712A KR102241719B1 (ko) 2019-10-07 2019-10-07 인버터용 유체기기의 소비전력 산출장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190123712A KR102241719B1 (ko) 2019-10-07 2019-10-07 인버터용 유체기기의 소비전력 산출장치

Publications (2)

Publication Number Publication Date
KR20210041259A KR20210041259A (ko) 2021-04-15
KR102241719B1 true KR102241719B1 (ko) 2021-04-19

Family

ID=75440774

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190123712A KR102241719B1 (ko) 2019-10-07 2019-10-07 인버터용 유체기기의 소비전력 산출장치

Country Status (1)

Country Link
KR (1) KR102241719B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102418246B1 (ko) * 2021-06-23 2022-07-07 주식회사 세고산업 인버터 부스터 펌프 시스템의 최적운전방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007297919A (ja) 2006-04-27 2007-11-15 Matsushita Electric Ind Co Ltd ポンプ運転支援システム
JP2010249333A (ja) 2009-04-10 2010-11-04 Mitsubishi Electric Corp 運転制御情報生成装置及び運転制御情報生成プログラム及び記録媒体及び運転制御情報生成方法
US20140172125A1 (en) 2012-09-29 2014-06-19 Operation Technology, Inc. Dynamic parameter tuning using particle swarm optimization

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100629417B1 (ko) * 2005-02-02 2006-09-27 (주)에네스산전 인버터 사용 효과의 측정방법
KR101831196B1 (ko) 2012-06-14 2018-02-22 엘에스산전 주식회사 인버터의 발열소자 냉각장치
KR101842920B1 (ko) 2013-06-03 2018-03-29 엘에스산전 주식회사 커패시터 보호 커버가 구비된 인버터 장치
KR101938868B1 (ko) 2017-03-03 2019-01-15 엘에스산전 주식회사 인버터 장치
KR102318722B1 (ko) 2017-03-20 2021-10-27 엘에스일렉트릭(주) 인버터의 냉각 운영장치
KR101998985B1 (ko) 2017-12-12 2019-07-10 한국해양대학교 산학협력단 전기추진선박용 하이브리드 인버터 시스템의 제어 파워모듈

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007297919A (ja) 2006-04-27 2007-11-15 Matsushita Electric Ind Co Ltd ポンプ運転支援システム
JP2010249333A (ja) 2009-04-10 2010-11-04 Mitsubishi Electric Corp 運転制御情報生成装置及び運転制御情報生成プログラム及び記録媒体及び運転制御情報生成方法
US20140172125A1 (en) 2012-09-29 2014-06-19 Operation Technology, Inc. Dynamic parameter tuning using particle swarm optimization

Also Published As

Publication number Publication date
KR20210041259A (ko) 2021-04-15

Similar Documents

Publication Publication Date Title
Hauskrecht Incremental methods for computing bounds in partially observable Markov decision processes
Kou et al. Parameters identification of nonlinear state space model of synchronous generator
Tumari et al. A modified grey wolf optimizer for improving wind plant energy production
KR102241719B1 (ko) 인버터용 유체기기의 소비전력 산출장치
Braik et al. A novel lifetime scheme for enhancing the convergence performance of salp swarm algorithm
CN103154834A (zh) 确定用于调整加热、通风和空气调节系统的参数的方法
CN110069822A (zh) 一种叶片动应变测量的传感器布置方法
Sahman et al. The binary differential search algorithm approach for solving uncapacitated facility location problems
Tsoulos et al. Improving the PSO method for global optimization problems
Derugo et al. Implementation of the low computational cost fuzzy PID controller for two-mass drive system
Syafaah et al. PID designs using DE and PSO algorithms for damping oscillations in a DC motor speed
Yu et al. A robust method based on reinforcement learning and differential evolution for the optimal photovoltaic parameter extraction
Khan et al. Machine learning applied to the design and analysis of low frequency electromagnetic devices
Kumar et al. An adaptive particle swarm optimization algorithm for robust trajectory tracking of a class of under actuated system
Tumari et al. Data-driven control based on marine predators algorithm for optimal tuning of the wind plant
Liu et al. Differentiable robotic manipulation of deformable rope-like objects using compliant position-based dynamics
Zhao et al. Three-dimensional Interval Identification of Permanent Magnet Spherical Motor Based on Improved Deep Neural Network
Song et al. Comparison of constrained geometric approximation strategies for planar information states
Yousfi et al. Induction machine parameter identification: A comparison between GAs and PSO approaches
Leon et al. A new differential evolution algorithm with alopex-based local search
Lu et al. A Trust Index-Based Adaptive Kriging Method for the Cooling Fan Optimization
CN114157199B (zh) 永磁同步电机的多参数辨识方法
CN111279276B (zh) 用于控制复杂系统的随机化加强学习
Okumuş et al. Multi-robot Path Planning Using Fractional Order Darwinian Particle Swarm Optimization Algorithm
US11656587B2 (en) Control apparatus, control method, and computer program product

Legal Events

Date Code Title Description
GRNT Written decision to grant