RU2781571C1 - Способ определения расхода жидкости центробежного насоса с асинхронным электроприводом - Google Patents
Способ определения расхода жидкости центробежного насоса с асинхронным электроприводом Download PDFInfo
- Publication number
- RU2781571C1 RU2781571C1 RU2021139255A RU2021139255A RU2781571C1 RU 2781571 C1 RU2781571 C1 RU 2781571C1 RU 2021139255 A RU2021139255 A RU 2021139255A RU 2021139255 A RU2021139255 A RU 2021139255A RU 2781571 C1 RU2781571 C1 RU 2781571C1
- Authority
- RU
- Russia
- Prior art keywords
- flow rate
- stator
- values
- determining
- centrifugal pump
- Prior art date
Links
- 239000007788 liquid Substances 0.000 title abstract description 6
- 230000001537 neural Effects 0.000 claims abstract description 18
- 230000003111 delayed Effects 0.000 claims abstract description 8
- 230000001934 delay Effects 0.000 claims abstract 2
- 230000000694 effects Effects 0.000 claims abstract 2
- 239000012530 fluid Substances 0.000 claims description 10
- 230000001939 inductive effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 abstract 1
- 210000002569 neurons Anatomy 0.000 description 10
- 230000004907 flux Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 230000000946 synaptic Effects 0.000 description 3
- 210000004544 DC2 Anatomy 0.000 description 2
- 230000000875 corresponding Effects 0.000 description 2
- 230000002530 ischemic preconditioning Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001052 transient Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Abstract
Изобретение относится к способу определения расхода жидкости центробежного насоса с асинхронным электроприводом. Измеряют мгновенные величины токов и напряжений статора асинхронного двигателя, определяют модуль вектора напряжения статора, определяют модуль вектора тока статора. Последовательно выполняют временные задержки по крайней мере на 3 мс, получают задержанные трижды значения трехфазных токов и напряжений статора, задержанные трижды модули векторов тока и напряжений статора, данные величины подают на вход искусственной нейронной сети. С помощью искусственной нейронной сети, предварительно обученной по опытным данным работы центробежного насоса с асинхронным электроприводом при различных входных воздействиях как со стороны частоты и амплитуды питающего напряжения, так и со стороны гидравлического сопротивления, используя выявленные искусственной нейронной сетью при обучении зависимости между входными и выходными данными, определяют промежуточные значения по формуле расхода жидкости, тем самым определяя мгновенную величину объемного расхода жидкости центробежного насоса с асинхронным электроприводом. Определяют задержанные одиножды и трижды значения объемного расхода жидкости центробежного насоса, которые используют в качестве обратной связи. Технический результат - повышение точности определения объемного расхода жидкости. 1 ил.
Description
Изобретение относится к электротехнике и может быть использовано при учёте и контроле потребления воды и других текучих сред электроприводов центробежных насосов.
Известен способ определения расхода жидкости центробежного насоса с асинхронным электроприводом (патент RU 2610909, МПК G01F 9/00, опубл. 17.02.2017). Сущность изобретения: измеряют мгновенные величины токов и напряжений статора асинхронного двигателя, преобразуют трехфазные значения токов и напряжений в двухфазные составляющие токов и напряжений, определяют оцененные составляющие тока статора, вычисляют разницу между оцененными значениями составляющих тока статора и текущими значениями составляющих стока статора, определяют оцененные значения составляющих потокосцеплений ротора, по оцененным значениям составляющих тока статора и потокосцепления ротора определяют электромагнитный момент асинхронного двигателя, с помощью оцененных значений составляющих потокосцепления ротора и разниц между оцененными значениями составляющих тока статора и текущими значениями составляющих тока статора, определяют момент нагрузки центробежного насоса, с помощью значений электромагнитного момента асинхронного двигателя и момента нагрузки центробежного насоса определяют текущую угловую скорость вращения рабочего колеса центробежного насоса. Определяют гидравлическую мощность насоса. По значениям гидравлической мощности и скорости вращения ротора определяют действительный расход насосной установки.
Наиболее близким к заявляемому является способ определения расхода жидкости центробежного насоса с асинхронным электроприводом (патент RU 2741267, МПК G01F 15/07, опубл. 22.01.2021), где проводят измерение мгновенных величин токов и напряжений статора асинхронного двигателя, определяют модуль вектора напряжения статора, определяют модуль вектора тока статора, мгновенные величины токов и напряжений статора асинхронного электродвигателя; модуль вектора напряжения статора, модуль вектора тока статора подают на вход искусственной нейронной сети, с помощью искусственной нейронной сети, предварительно обученной по опытным данным работы центробежного насоса с асинхронным электроприводом при различных входных воздействиях как со стороны частоты и амплитуды питающего напряжения, так и со стороны гидравлического сопротивления, используя выявленные искусственной нейронной сетью при обучении зависимости между входными и выходными данными, определяют промежуточные значения по формуле расхода жидкости, фильтруют данные, тем самым определяя мгновенную величину объемного расхода жидкости центробежного насоса с асинхронным электроприводом.
Недостатками известных способов является недостаточная точность определения расхода в установившихся и переходных процессах, а также недостаточное быстродействие из-за использования фильтров в виде апериодических звеньев со значительными постоянными времени.
Задачей изобретения является повышение точности определения расхода жидкости насосной установки.
Отличием от известных способов является использование структуры нейронной сети c нелинейной авторегрессией с экзогенными входами с дополнительными данными, полученными путем задержки по времени входных сигналов, токов и напряжений на входе, а также наличие внутренней обратной связи выходного расхода с задержкой по времени, что повышает точность определения расхода перекачиваемой жидкости.
Данный технический результат достигается тем, что измеряют мгновенные величины токов и напряжений статора асинхронного двигателя, определяют модуль вектора напряжения статора, определяют модуль вектора тока статора по формулам:
Определяют величины , , , , , , , , которые являются соответствующими значениями напряжения и тока с задержкой как минимум на 3 миллисекунды.
С помощью искусственной нейронной сети, предварительно обученной по опытным данным работы центробежного насоса с асинхронным электроприводом при различных входных воздействиях как со стороны частоты и амплитуды питающего напряжения, так и со стороны гидравлического сопротивления, используя выявленные искусственной нейронной сетью при обучении зависимости между входными и выходными данными определяют промежуточные значения расхода жидкости по формуле:
где
m – количество нейронов во входном слое (m=16),
n – количество нейронов в скрытом слое (n=14).
w 1 ij – синаптический вес j-го входа i-го нейрона скрытого слоя,
b 1 i 0 – сдвиг i-го нейрона скрытого слоя,
w 2 i – синаптический вес i-го входа нейрона выходного слоя,
b 20 – сдвиг нейрона выходного слоя.
Для определения мгновенной величины объемного расхода жидкости центробежного насоса с асинхронным электроприводом использовали трехслойную искусственную нейронную сеть c нелинейной авторегрессией с экзогенными входами с дополнительными данными, полученными путем задержки по времени входных сигналов на 3 мс, токов и напряжений на входе, а содержащую внутреннюю обратную связь по задержанным на 1 и 3 мс значениям выходного расхода, которая состоит из входного слоя, скрытого слоя и выходного слоя. Структура нейронной сети для определения расхода представлена на Фиг. Количество нейронов во входном слое равно 16, в скрытом слое - 14, в выходном слое - 1. Функция активации всех нейронов скрытого слоя - гиперболический тангенс, выходного слоя - линейная. Нейроны входного слоя передают входные сигналы на скрытый слой, не преобразуя их.
Перед началом работы обучают искусственную нейронную сеть на выборке, сформированной по опытным данным работы электропривода центробежного насоса с частотным регулированием и дроссельным регулированием подачи насоса. Для обучения искусственной нейронной сети использовали алгоритм Левенберга-Марквардта.
Процесс обучения искусственной нейронной сети выглядит следующим образом: все коэффициенты связей между нейронами инициализируются случайными числами, затем сети предъявляется обучающая выборка, и с помощью алгоритма обучения коэффициенты синаптических связей подстраиваются при выполнении циклической процедуры так, чтобы расхождение между обучающей выборкой и реакцией сети на соответствующие входные данные было минимальным.
В проведенных экспериментах на насосе К8-18 с асинхронным двигателем АД80М2 погрешность определения расхода по сравнению с эталонной моделью в установившемся режиме не превышает 3%.
Claims (1)
- Способ определения количества текучей среды, перекачиваемой насосом, заключающийся в том, что проводят измерение мгновенных величин токов и напряжений статора асинхронного двигателя, определяют модуль вектора напряжения статора, определяют модуль вектора тока статора, отличающийся тем, что последовательно выполняют временные задержки по крайней мере на 3 мс, получая задержанные трижды значения трехфазных токов и напряжений статора, задержанные трижды модули векторов тока и напряжения статора подают на вход искусственной нейронной сети, с помощью искусственной нейронной сети, предварительно обученной по опытным данным работы центробежного насоса с асинхронным электроприводом при различных входных воздействиях как со стороны частоты и амплитуды питающего напряжения, так и со стороны гидравлического сопротивления, используя выявленные искусственной нейронной сетью при обучении зависимости между входными и выходными данными, определяют промежуточные значения по формуле расхода жидкости, тем самым определяя мгновенную величину объемного расхода жидкости центробежного насоса с асинхронным электроприводом, определяют задержанные одиножды и трижды значения объемного расхода жидкости центробежного насоса, которые используют в качестве обратной связи.
Publications (1)
Publication Number | Publication Date |
---|---|
RU2781571C1 true RU2781571C1 (ru) | 2022-10-14 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008154584A1 (en) * | 2007-06-11 | 2008-12-18 | Baker Hughes Incorporated | Multi-phase flow meter for electrical submersible pumps using artificial neural networks |
RU2610909C1 (ru) * | 2015-11-25 | 2017-02-17 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Омский государственный технический университет" | Способ определения расхода жидкости центробежного насоса с асинхронным электроприводом |
RU2741267C1 (ru) * | 2020-06-30 | 2021-01-22 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Омский государственный технический университет"(ОмГТУ) | Способ определения расхода жидкости центробежного насоса с асинхронным электроприводом |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008154584A1 (en) * | 2007-06-11 | 2008-12-18 | Baker Hughes Incorporated | Multi-phase flow meter for electrical submersible pumps using artificial neural networks |
GB2462562B (en) * | 2007-06-11 | 2013-05-22 | Baker Hughes Inc | Multiphase flow meter for electrical submersible pumps using artificial neural networks |
RU2610909C1 (ru) * | 2015-11-25 | 2017-02-17 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Омский государственный технический университет" | Способ определения расхода жидкости центробежного насоса с асинхронным электроприводом |
RU2741267C1 (ru) * | 2020-06-30 | 2021-01-22 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Омский государственный технический университет"(ОмГТУ) | Способ определения расхода жидкости центробежного насоса с асинхронным электроприводом |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100444515C (zh) | 具有参数自整定功能的电压解耦变频调速矢量控制方法 | |
Hansen et al. | Model based design of efficient power take-off systems for wave energy converters | |
CN102176653A (zh) | 带指数渐消因子的卡尔曼滤波器的感应电机转速观测方法 | |
CN109302110B (zh) | 一种异步电机广义级联模型预测磁链控制方法及装置 | |
CN104378038A (zh) | 基于人工神经网络的永磁同步电机参数辨识方法 | |
Cirrincione et al. | A new TLS-based MRAS speed estimation with adaptive integration for high-performance induction machine drives | |
Ouyang et al. | Speed sensorless control of PMSM based on MRAS parameter identification | |
RU2781571C1 (ru) | Способ определения расхода жидкости центробежного насоса с асинхронным электроприводом | |
CN106602952B (zh) | 一种pmsm永磁体磁链满秩辨识方法 | |
Menaem et al. | A proposed ANN-based acceleration control scheme for soft starting induction motor | |
Yan et al. | Torque estimation and control of PMSM based on deep learning | |
CN109742999A (zh) | 一种动态神经网络自适应逆的srm转矩控制方法与系统 | |
CN104251202A (zh) | 抵消波动注入方法和装置以及泵的控制系统 | |
Ahmed et al. | Improving energy efficiency and economics of motor-pump-system using electric variable-speed drives for automatic transition of working points | |
RU2791970C1 (ru) | Способ определения давления центробежного насоса с асинхронным электроприводом | |
RU2743866C1 (ru) | Способ определения давления центробежного насоса с асинхронным электроприводом | |
KR20200033478A (ko) | 전동기의 토크 맥동 저감 자동화 장치 | |
Brandstetter | Sensorless control of DC drive using artificial neural network | |
Lovrec et al. | Simulation-aided determination of an efficiency field as a basis for maximum efficiency-controller design | |
Heredia et al. | Sensorless control of induction motors by artificial neural networks | |
RU2741267C1 (ru) | Способ определения расхода жидкости центробежного насоса с асинхронным электроприводом | |
Tiwari et al. | ANN based RF-MRAS speed estimation of induction motor drive at low speed | |
US20220010793A1 (en) | Electrical submersible pump control | |
RU2791689C1 (ru) | Способ определения давления центробежного насоса с асинхронным электроприводом | |
RU2784325C1 (ru) | Способ определения расхода жидкости центробежного насоса с асинхронным электроприводом |