RU2530297C1 - Способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса - Google Patents
Способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса Download PDFInfo
- Publication number
- RU2530297C1 RU2530297C1 RU2013135632/08A RU2013135632A RU2530297C1 RU 2530297 C1 RU2530297 C1 RU 2530297C1 RU 2013135632/08 A RU2013135632/08 A RU 2013135632/08A RU 2013135632 A RU2013135632 A RU 2013135632A RU 2530297 C1 RU2530297 C1 RU 2530297C1
- Authority
- RU
- Russia
- Prior art keywords
- control
- state
- optimal control
- matrix
- energy
- Prior art date
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
Изобретение относится к способу оперативного динамического анализа нечеткого состояния систем отопления зданий и водоснабжения источниками СВЧ-излучения. Технический результат заключается в повышении энергетической эффективности систем отопления зданий и сооружений за счет возможности автоматического принятия решений и реализации оптимальных управляющих воздействий посредством синтезируемых когнитивных образов эквивалентов в n-мерных распределенных структурах источников СВЧ-излучения, в масштабе реального времени по телеметрической информации датчиков. Способ заключается в идентификации текущего состояния выбранной характеристики и представлении ее в виде матрицы соответствующих информационных цветокодовых сигналов видимого спектра последовательно во времени с обобщением по всему множеству параметров, при этом матрица соответствующих информационных цветокодовых сигналов представляет собой множество синтезируемых когнитивных образов эквивалентов, тождественных адресному пространству ПЗУ оптимального управления n-мерной распределенной структурой источников СВЧ-излучения, которые формируют в масштабе реального времени по телеметрической информации датчиков состояния функционирования и обеспечивают минимум затрат энергии при любых изменениях динамических состояний систем отопления зданий и водоснабжения на множестве состояний их функционирования. 6 ил., 2 табл.
Description
Изобретение относится к вычислительной технике и может быть использовано в различных автоматизированных системах идентификации технического и функционального состояния систем нагрева проточной жидкости трубопроводов и систем отопления зданий, водоснабжения, а также в системах управления энергетическими параметрами многопараметрических объектов или процессов.
Существует способ контроля и оценки технического состояния многопараметрического объекта [см. кн. Измерительные информационные системы / Н.А. Рубичев - М.: Дрофа, 2010. - С.229-230], основанный на контроле и анализе отдельных его параметров. В случае превышения потребления энергии необходимо определить объекты, которые привели к этому превышению. В способе исследуется динамика потребления энергии различными объектами, а результаты сопоставляются со статистическими данными и после этого делаются выводы о результатах контроля и оценки технического состояния многопараметрического объекта. В данном способе требуется дополнительная информация, для получения которой необходимы дополнительные информационные каналы, не используемые при контроле, а также дополнительные алгоритмы обработки данных для этих каналов.
Недостатками этого способа являются необходимость хранения большого объема статистической информации, а также наличие большого числа информационных каналов, обеспечивающих в процессе работы поступление больших объемов не всегда требуемой информации. Способ отличается низкой информативностью и отсутствием функции синтеза в реальном масштабе времени энергосберегающих управляющих воздействий.
Известен способ нагрева проточной жидкости в трубопроводах систем отопления зданий и водоснабжения [см. патент №014751 (Евразийское патентное ведомство), Int.Cl. F24J 3/00, опубликован 2011.02.28]. Способ заключается в использовании в системах горячего водоснабжения, отопления зданий и другого назначения для нагрева воды источника СВЧ-излучения. Нагрев проточной жидкости осуществляется бесконтактно, с помощью СВЧ-волн, оказывающих тепловое воздействие на молекулы нагреваемой жидкости.
Недостатками прототипа являются отсутствие эффективной системы управления нагревом, отсутствие учета особенностей распределенных контуров обогрева на больших территориях, невозможность оценки текущего состояния теплового объекта, отсутствие энергетической эффективности оборудования с минимумом затрат энергии на множестве технических состояний функционирования системы отопления в масштабе реального времени.
За прототип принят способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса [см. патент №215496 (РФ), МПК G08C 15/06, G07C 3/00, опубликован 2000.09.20]. Способ заключается в повышении оперативности представления и анализа текущих нечетких состояний многопараметрического объекта за счет того, что идентифицированные текущие состояния выбранной характеристики представляют в соответствующие информационные цветокодовые сигналы видимого спектра последовательно во времени с обобщением по всему множеству параметров в заданном временном интервале. При этом операцию преобразования осуществляют путем формирования информационного цветокодового сигнала посредством матрицы-гистограммы состояний объекта, столбцы которой соответствуют идентифицированному значению рассматриваемой характеристики, строки - заданным временным интервалам, определяют последовательность и характер изменения состояния объекта.
Недостатками прототипа являются оценка только текущего состояния объекта, субъективизм принятия решений, вызванный визуальной оценкой состояния объекта по цветокодовой матрице, сложность комплексной оценки эффективности работы системы, отсутствие энергетической эффективности оборудования с минимумом затрат энергии, в том числе в масштабе реального времени, и реализации адаптивных управляющих воздействий по результатам анализа цветокодовой матрицы состояний исследуемого объекта на множестве состояний функционирования с минимумом затрат энергии.
Технической задачей способа является повышение энергетической эффективности систем отопления зданий и сооружений с минимумом затрат энергии, а именно: снижение затрат на аппаратное, программное обеспечение системы контроля, возможность реализации многомерных структур нагрева, возможность автоматического принятия решений и реализации оптимальных управляющих воздействий посредством синтезируемых когнитивных образов эквивалентов в n-мерных распределенных структурах источников СВЧ-излучения, в масштабе реального времени по телеметрической информации датчиков.
Поставленная техническая задача достигается тем, что в способе оперативного динамического анализа нечеткого состояния систем отопления зданий и водоснабжения источниками СВЧ-излучения, заключающемся в идентификации текущего состояния выбранной характеристики и представлении ее в виде матрицы соответствующих информационных цветокодовых сигналов видимого спектра последовательно во времени с обобщением по всему множеству параметров в отличие от прототипа матрица соответствующих информационных цветокодовых сигналов представляет собой множество синтезируемых когнитивных образов эквивалентов, тождественных адресному пространству ПЗУ оптимального управления n-мерной распределенной структурой источников СВЧ-излучения, которые формируют в масштабе реального времени по телеметрической информации датчиков состояния функционирования и обеспечивают минимум затрат энергии при любых изменениях динамических состояний систем отопления зданий и водоснабжения на множестве состояний их функционирования.
Сущность предлагаемого способа оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса заключается в следующем.
Современные тепловые объекты в большинстве случаев представляют собой сложные многопараметрические, многоконтурные системы на больших площадях, требующие для поддержания заданной температуры множество нагревательных элементов. Одним из способов нагрева является применение в составе n-мерной распределенной структуры источников СВЧ-излучения, оснащенных средствами телеметрии.
На первом этапе производится идентификация n-мерной распределенной системы нагрева с проведением полного анализа процессов динамики оптимального управления на множестве состояний функционирования объекта и формируется матрица когнитивных образов Gij эквивалентов оптимального управления (фиг.1). Множество синтезируемых когнитивных образов эквивалентов Gij представлены в виде цветокодовой матрицы, тождественной адресному пространству ПЗУ, для множества состояний функционирования hj∈Н n-мерной распределенной структуры источников СВЧ-излучения. Цветокодовая матрица формируется тождественно адресному пространству Aij ПЗУ, по генерируемым сигналам которого в последствие формируют сигналы управления n-мерной распределенной структурой источников СВЧ-излучения. Сигналы управления регламентированы соответствующим адресам точек когнитивных образов эквивалентов цветокодовой матрицы.
На втором этапе осуществляется синтез в масштабе реального времени энергосберегающих управляющих сигналов при любых изменениях динамических состояний объекта, которое отражает множество соответствующих когнитивных образов эквивалентов Gij.
На фиг.2 показана структурная схема системы управления 1. Задание начального массива реквизитов R реализуется блоком 2. В процессе работы оценивается техническое состояние функционирования объекта по телеметрической информации n-мерной системы 7 датчиков 8, распределенных источников СВЧ-излучения и в случае возникающих отклонений состояний объекта от текущих априори просчитанных когнитивных образов эквивалентов 4 управления Gij, системой формируется новый массив 2 реквизитов R, представляющий собой новые данные для решения задачи оптимального управления. По данному массиву с помощью блока анализа 3 из априори рассчитанных выбирается новый когнитивный образ Gi и с помощью блока 5 производится выбор функции u* управления и синтез управляющих сигналов u*(t). В том случае, если по полученному новому массиву реквизитов R не удается рассчитать оптимальное управление с минимумом затрат энергии, СВЧ-нагреватель переводится в режим работы с традиционным управлением. В процессе работы осуществляется постоянная визуализация 6 используемого когнитивного образа Gij управления и контроль за текущим состоянием объекта оператором 9.
Поясним предлагаемый способ на примере оптимального управления нагревом с минимумом затрат энергии. Процесс динамики (фиг.5) СВЧ-нагревателя при традиционном управлении (фиг.6) может быть описан моделью
где 2, и z2 представляют собой фазовые координаты, параметры a2 и а3 характеризуют инерционность объекта управления, параметр b1 - коэффициент усиления управляющего воздействия u(t).
Для определения оптимальных управляющих воздействий u*, реализующих оптимальное энергосберегающее управление по переводу объекта из начального состояния z0 в конечное zk, необходима сложная двухэтапная процедура, состоящая из анализа и синтеза оптимального управления в реальном масштабе времени.
Для выполнения процедуры анализа оптимального управления автоматически или оператором вводятся исходные данные, представляющие собой массивы реквизитов вида
где uн - нижний порог управляющего воздействия; uв - верхний порог управляющего воздействия.
Результатом анализа являются когнитивные образы эквивалентов (фиг.3-4) множества состояний оптимального управления, на которых показаны области существования управлений. Из полученных данных на основе полного анализа для когнитивного образа на фиг.3, областями, для которых существует оптимальное управление, будут являться области III, IV, V, VI, VII, VIII, где L - суммарное управление, взвешенное по экспоненте, А-нормированная инерционность. Для когнитивного образа на фиг.4 областями для которых существует оптимальное управление, будут являться области I, II, III, IV, V, VI, VII, где L1 - множество управляющих воздействий, L2 - меры оценки затрат на управление. Каждой зоне соответствует определенная функция управления.
Вид минимизируемого функционала сохраняется на всем временном интервале управления
управляющее воздействие на заданном временном интервале ограничено
Анализ оптимального управления охватывает широкий круг задач, связанных с исследованиями вопросов существования решения, устойчивости, определения возможных видов функций оптимального управления и множество других задач. Выполнение процедуры анализа оптимального управления требует сложных алгоритмических и математических расчетов и, как следствие, дорогостоящих высокопроизводительных микропроцессорных технических средств. Это является препятствием к оперативному выбору оптимальной управляющей функции в масштабе реального времени.
Докажем эффективность предлагаемого способа оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса относительно прототипа. Системы нагрева проточной жидкости в трубопроводах относятся к энергоемким объектам. Одним из направлений повышения эффективности их функционирования является снижение затрат энергии при любых изменениях состояний их функционирования.
Теоретические исследования и практические результаты показывают, что при оптимальном управлении уменьшение затрат энергии может достигать от 5% до 40% по сравнению с традиционно используемыми управляющими воздействиями [см. Аджиев М.Э. Энергосберегающие технологии. - М.: Энергоатомиздат, 1990. 64 с; Аракелов В.Е., Кремер А.И. Методические вопросы экономии энергоресурсов. - М.: Энергоатомиздат, 1990. 188 с., Кириллкин В.А. Энергетика. Главные проблемы. М.: Энергетика, 1985. 87 с., Рэй Д. Экономия энергии в промышленности / Пер. с англ. М., 1985. 212 с.]. Кроме того, в динамических режимах, с минимумом затрат энергии, снижаются механические и тепловые нагрузки, что ведет к повышению долговечности и безопасности эксплуатации энергоемких объектов.
В качестве примера рассмотрим перевод теплового объекта - СВЧ нагревательного элемента - из начального состояния z0, в конечное zk за время Δt
с минимумом затрат энергии, где t0 - начальное время управления, t1 - время, при котором объект выходит в рабочий режим при традиционном управлении.
В процессе идентификации объекта, характеристика z которого представлена на фиг.5, была получена модель (1). Исходные данные в виде массивов реквизитов для процедуры анализа энергосберегающего управления этой модели приведены в таблице 1.
Таблица 1 | |||||
Параметры модели (1) по участкам | |||||
Параметр | Значение | Параметр | Значение | Параметр | Значение |
B1 | 0,013 | a2 | -0,02 | a3 | -0,021 |
T0 | 0 | b2 | 0,034 | B3 | 0,033 |
tk | 5 | t0 | 5 | t0 | 13 |
uн | 0 | tk | 13 | tk | 14 |
uв | 220,0 | uн | 0 | uн | 0 |
Z0 | 25 | uв | 220,0 | uв | 220,0 |
zk | 38 | Z0 | 38 | z0 | 69 |
zk | 69 | zk | 103 |
Функционал (лимит) затрат энергии IЭ при традиционном управлении (фиг.5) для всей кривой нагрева равен 677600. Следовательно, задача заключается в определении такого управления, которое обеспечит перевод объекта из начального состояния в конечное с минимумом затрат энергии (3).
В результате проведения полного анализа процессов динамики оптимального управления получаем когнитивные образы эквивалентов множества состояний оптимального управления (фиг.1-2). Далее когнитивные графические образы формируют в адресном пространстве ПЗУ тождественно образам эквивалентов множества состояний оптимального управления и адресным кодам Aij (фиг.1).
На следующем этапе выполняется операция синтеза, в результате чего получаем функцию управления u* (фиг.6) и соответствующую этому управлению кривую нагрева z* (фиг.5). Числовые данные полученных результатов сведены в таблицу 2.
Таблица 2 | ||||
Время | Традиционное управление | Оптимальное управление | ||
t, мин | zl, *C | U, B | zl, *C | U, B |
0 | 25 | 220 | 25 | 199 |
1 | 27 | 220 | 26 | 168 |
2 | 32 | 220 | 29 | 136 |
3 | 38 | 220 | 35 | 105 |
4 | 44 | 220 | 41 | 73 |
5 | 50 | 220 | 48 | 41 |
6 | 56 | 220 | 54 | 212 |
7 | 63 | 220 | 60 | 214 |
8 | 70 | 220 | 67 | 217 |
9 | 77 | 220 | 73 | 219 |
10 | 84 | 220 | 79 | 219 |
11 | 90 | 220 | 85 | 219 |
12 | 96 | 220 | 92 | 220 |
13 | 107 | 220 | 97 | 220 |
14 | - | 103 | 220 |
Таким образом, используя свойство инерционности объекта и несколько большее время нагрева при энергосберегающем управлении, получаем функционал затрат энергии I=531707, что при сравнении с функционалом затрат энергии стандартного управления объектом соответствует экономии электроэнергии, равной 21,53%.
Используемый способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса позволяет значительно упростить требования к системе управления за счет того, что сложная процедура анализа оптимального управления производится априори, в результате чего когнитивные графические образы множества эквивалентов оптимального управления записываются в ПЗУ.
Реализация предлагаемого способа осуществлена с использованием микропроцессорного контроллера ZILA, а сложные процедуры анализа и синтеза выполнены с применением экспертной системы энергосберегающего управления и автоматизированного рабочего места разработчика систем энергосберегающего управления.
Таким образом, предлагаемый способ благодаря матрице соответствующих информационных цветокодовых сигналов, представляющей собой множество синтезируемых когнитивных образов эквивалентов, тождественных адресному пространству ПЗУ оптимального управления n-мерной распределенной структурой источников СВЧ-излучения, которые формируют в масштабе реального времени по телеметрической информации датчиков состояния функционирования и обеспечивают минимум затрат энергии при любых изменениях динамических состояний систем отопления зданий и водоснабжения на множестве состояний их функционирования, в отличие от известных решений, экономит электроэнергию от 5 до 40%, что повышает энергетическую эффективность нагрева проточной жидкости с минимумом затрат энергии. Это позволяет снизить затраты на программное и аппаратное обеспечение системы управления вследствие пониженных требований к быстродействию системы, конфигурации микросхемотехники, а также свести к минимуму влияние субъективных факторов при принятии решений, повысить наглядность функционирования сложных систем и оперативность их управления.
Claims (1)
- Способ оперативного динамического анализа нечеткого состояния систем отопления зданий и водоснабжения источниками СВЧ-излучения, заключающийся в идентификации текущего состояния выбранной характеристики и представлении ее в виде матрицы соответствующих информационных цветокодовых сигналов видимого спектра последовательно во времени с обобщением по всему множеству параметров, отличающийся тем, что матрица соответствующих информационных цветокодовых сигналов представляет собой множество синтезируемых когнитивных образов эквивалентов, тождественных адресному пространству ПЗУ оптимального управления n-мерной распределенной структурой источников СВЧ-излучения, которые формируют в масштабе реального времени по телеметрической информации датчиков состояния функционирования и обеспечивают минимум затрат энергии при любых изменениях динамических состояний систем отопления зданий и водоснабжения на множестве состояний их функционирования.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2013135632/08A RU2530297C1 (ru) | 2013-07-29 | 2013-07-29 | Способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2013135632/08A RU2530297C1 (ru) | 2013-07-29 | 2013-07-29 | Способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2530297C1 true RU2530297C1 (ru) | 2014-10-10 |
Family
ID=53381609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2013135632/08A RU2530297C1 (ru) | 2013-07-29 | 2013-07-29 | Способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2530297C1 (ru) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2156496C1 (ru) * | 1999-06-17 | 2000-09-20 | Омельченко Виктор Валентинович | Способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса |
US8239694B2 (en) * | 2008-03-31 | 2012-08-07 | Qualcomm, Incorporated | Dynamic frequency scaling of a switched mode power supply |
US8412654B2 (en) * | 2008-10-08 | 2013-04-02 | Rey Montalvo | Method and system for fully automated energy curtailment |
-
2013
- 2013-07-29 RU RU2013135632/08A patent/RU2530297C1/ru not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2156496C1 (ru) * | 1999-06-17 | 2000-09-20 | Омельченко Виктор Валентинович | Способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса |
US8239694B2 (en) * | 2008-03-31 | 2012-08-07 | Qualcomm, Incorporated | Dynamic frequency scaling of a switched mode power supply |
US8412654B2 (en) * | 2008-10-08 | 2013-04-02 | Rey Montalvo | Method and system for fully automated energy curtailment |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | An explainable one-dimensional convolutional neural networks based fault diagnosis method for building heating, ventilation and air conditioning systems | |
JP7017363B2 (ja) | 異常検知装置および異常検知方法 | |
Yu et al. | A data-driven approach to extract operational signatures of HVAC systems and analyze impact on electricity consumption | |
Jufri et al. | Development of Photovoltaic abnormal condition detection system using combined regression and Support Vector Machine | |
Sun et al. | Optimization of support vector regression model based on outlier detection methods for predicting electricity consumption of a public building WSHP system | |
Zhang et al. | A Cramér-von Mises test-based distribution-free control chart for joint monitoring of location and scale | |
EP3913550A1 (en) | Model generation device, model generation method, model generation program, model generation system, inspection system, and monitoring system | |
Wang et al. | Benchmarking energy performance of building envelopes through a selective residual-clustering approach using high dimensional dataset | |
Khani et al. | Extracting energy-related knowledge from mining occupants’ behavioral data in residential buildings | |
Kammammettu et al. | Change point and fault detection using Kantorovich distance | |
Li et al. | Interpretation of convolutional neural network-based building HVAC fault diagnosis model using improved layer-wise relevance propagation | |
Park et al. | A new multivariate EWMA control chart via multiple testing | |
RU2403619C1 (ru) | Способ оперативной диагностики состояний многопараметрического объекта по данным измерительной информации | |
Wu et al. | Digital monitoring of grain conditions in large-scale bulk storage facilities based on spatiotemporal distributions of grain temperature | |
Eslamirad et al. | Data generative machine learning model for the assessment of outdoor thermal and wind comfort in a northern urban environment | |
CN107330454A (zh) | 非线性海量高维序列数据分类特性可视化及定量分析方法 | |
Huang et al. | A cosine-based correlation information entropy approach for building automatic fault detection baseline construction | |
Li et al. | Interpretation and explanation of convolutional neural network-based fault diagnosis model at the feature-level for building energy systems | |
RU2530297C1 (ru) | Способ оперативного динамического анализа нечеткого состояния многопараметрического объекта или процесса | |
Yu et al. | Cascaded adaptive global localisation network for steel defect detection | |
Baek et al. | Vision-based personal thermal comfort prediction based on half-body thermal distribution | |
Gertsvolf et al. | A U-net convolutional neural network deep learning model application for identification of energy loss in infrared thermographic images | |
Mustafa et al. | An adaptive metaheuristic optimization approach for Tennessee Eastman process for an industrial fault tolerant control system | |
Zhong et al. | SOM-based visualization monitoring and fault diagnosis for chemical process | |
Bucarelli et al. | Consensus-based clustering for indoor sensor deployment and indoor condition monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20150730 |