TWI818807B - 並聯變頻泵控制裝置與並聯變頻泵控制方法 - Google Patents
並聯變頻泵控制裝置與並聯變頻泵控制方法 Download PDFInfo
- Publication number
- TWI818807B TWI818807B TW111144157A TW111144157A TWI818807B TW I818807 B TWI818807 B TW I818807B TW 111144157 A TW111144157 A TW 111144157A TW 111144157 A TW111144157 A TW 111144157A TW I818807 B TWI818807 B TW I818807B
- Authority
- TW
- Taiwan
- Prior art keywords
- genome
- combination
- water pumps
- water pump
- fitness value
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002068 genetic effect Effects 0.000 claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 177
- 210000000349 chromosome Anatomy 0.000 claims description 19
- 238000005265 energy consumption Methods 0.000 claims description 12
- 230000013011 mating Effects 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 9
- 108090000623 proteins and genes Proteins 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims 1
- 239000007788 liquid Substances 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 239000010865 sewage Substances 0.000 description 7
- 230000006978 adaptation Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Control Of Positive-Displacement Pumps (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
- Inverter Devices (AREA)
Abstract
本發明提出一種並聯變頻泵控制裝置與並聯變頻泵控制方法。所述方法包括下列步驟:取得配置於同一場域中的多個水泵的出廠資料,據以計算各水泵的性能曲線;列舉水泵的多個組合以建立初始的多個基因組,並合併各基因組中的水泵的性能曲線以建構合併性能曲線;執行基因演算法,將對於場域的需求流量轉換為需求壓力代入各基因組中的水泵的合併性能曲線以計算各基因組的適應值,並根據適應值進行基因組的迭代,以求得各組合的最佳解;以及比較各組合的最佳解下的水泵的總耗電量,以決定耗能最佳的組合,並調控組合中的水泵的運轉。
Description
本發明是有關於一種泵控制裝置與泵控制方法,且特別是有關於一種並聯變頻泵控制裝置與並聯變頻泵控制方法。
進流抽水站為汙水處理廠中最重要的環節之一,其負責匯聚汙水,並儲存於地面下數公尺之溼井中。濕井中會裝置多台可調整轉速之水泵,再以水泵並聯系統的模式進行抽水,將汙水抽至曝氣池中進行氧化反應。
一般而言,一座汙水處理廠會有多個區域,每個區域包含複數個水泵,以維持汙水處理廠的運作。然而,當汙水處理廠所需管理區域過大,水泵機台數目過多,或是不同種類的水泵一同運作,管理者難以即時獲得資訊,使整場控制最佳化。若想使用雲端技術做分配管理,龐大雲端數據執行不夠快就難以提供即時判斷結果,接近本地端的裝置則會有運算能力不夠的問題。
因此,在遠端監控的系統之下,如何依照水泵的組成與使用者需求選擇適當的水泵組合,以使耗能最小,維持高效能,
是本領域所欲解決之問題。
本揭露提供一種並聯變頻泵控制裝置與並聯變頻泵控制方法,可有效達到節能控制與提升運轉效率。
本揭露的並聯變頻泵控制裝置包括資料存取裝置、連接裝置以及處理器。資料存取裝置取得配置於同一場域中的多個水泵的出廠資料。連接裝置連接各水泵。處理器耦接資料存取裝置及連接裝置,經配置以:依照出廠資料計算各水泵的性能曲線;列舉水泵的多個組合以建立初始的多個基因組,並合併各基因組中的水泵的性能曲線以建構合併性能曲線;執行基因演算法,將對於場域的需求流量轉換為需求壓力代入各基因組中的水泵的合併性能曲線以計算各基因組的適應值,並根據適應值進行基因組的迭代,以求得各組合的最佳解;以及比較各組合的最佳解下的水泵的總耗電量,以決定耗能最佳的組合,並通過連接裝置調控組合中的水泵的運轉。
本揭露的並聯變頻泵控制方法,適於由具有處理器的並聯變頻泵控制裝置控制配置於同一場域中的多個水泵。此方法包括下列步驟:取得各水泵的出廠資料,據以計算各水泵的性能曲線;列舉水泵的多個組合以建立初始的多個基因組,並合併各基因組中的水泵的性能曲線以建構合併性能曲線;執行基因演算法,將對於場域的需求流量轉換為需求壓力代入各基因組中的水泵的合
併性能曲線以計算各基因組的適應值,並根據適應值進行基因組的迭代,以求得各組合的最佳解;以及比較各組合的最佳解下的水泵的總耗電量,以決定耗能最佳的組合,並調控組合中的水泵的運轉。
基於上述,本揭露的並聯變頻泵控制裝置與並聯變頻泵控制方法通過計算同一場域中不同水泵的性能曲線,並列舉不同的水泵組合作為基因組以計算其中水泵的合併性能曲線,從而透過基因演算法計算各基因組的適應值,以求得運轉效率最好、目標流量最佳、耗電功率最小的最佳解,用以對水泵進行調控。藉此,可有效達到節能控制與提升運轉效率。
為讓本揭露的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
10、80:並聯變頻泵控制裝置
12、82:資料存取裝置
14、84:連接裝置
16、86:處理器
20A、20B、A、B:水泵
30:電表
40:液位計
42:水泵的設計操作範圍
44:水泵的安全操作範圍
50:流量計
60:網路
70:雲端伺服器
402、406、P1~P5:性能曲線
404、S1、S2、S3:系統阻抗曲線
H:調勻池的液位高度
h:調勻池的緊急液位高度
OP1、OP2、OP3、OP4:交點
Pal:揚程
Q1、Q2、Q3、Q_A、Q_B、Q_IN、Q_OUT:流量
S302~S308、S602~S612、S902~S916:步驟
圖1是依照本揭露一實施例所繪示之並聯變頻泵控制系統的示意圖。
圖2是依照本揭露一實施例所繪示之並聯變頻泵控制裝置的方塊圖。
圖3是依照本揭露一實施例所繪示之並聯變頻泵控制方法的流程圖。
圖4A及圖4B是依照本發明一實施例所繪示的水泵的性能
曲線,圖4C則是依照本發明一實施例所繪示的水泵的安全操作範圍的示意圖。
圖5是依照本發明一實施例所繪示的水泵並聯的性能曲線的示意圖。
圖6是依照本發明一實施例所繪示的並聯變頻泵控制方法的流程圖。
圖7A~7F是依照本揭露一實施例所繪示之基因演算法的範例。
圖8是依照本揭露另一實施例所繪示之並聯變頻泵控制裝置的方塊圖。
圖9是依照本揭露另一實施例所繪示之並聯變頻泵控制方法的流程圖。
本揭露實施例係針對並聯變頻泵系統進行節能優化控制,藉由調控水泵的開啟台數及頻率,據以搭配出不同的水泵操作組合,並取得運轉效率最好、目標流量最佳、耗電功率最小的最佳解。此外,本發明實施例還將水泵運轉數據儲存在雲端的資料倉儲以進行大數據分析,並將分析所得的水泵效率提供給邊緣運算裝置,以擇優進行水泵調控,從而優化排程。
圖1是依照本揭露一實施例所繪示之並聯變頻泵控制系統的示意圖。請參照圖1,本實施例的並聯變頻泵控制系統包括並
聯變頻泵控制裝置10、配置於調勻池中的水泵20A與20B、電表30、液位計40及流量計50。並聯變頻泵控制裝置10與電表30、液位計40、流量計50相連接。H是調勻池的液位高度,h則是調勻池的緊急液位高度。流入調勻池的汙水流量為Q_IN,水泵20A與20B分別具有流量Q_A與流量Q_B,調勻池的流出量Q_OUT為流量Q_A加上流量Q_B。揚程P為液體實際被提升的高度,也就是液體高低兩表面垂直高度的差值,單位是公尺(m),其計算公式如下:揚程(P)=壓力(kgw/m2)/液體重量密度(kgw/m3)。
揚程實際上表示的是可以維持靜止液柱的高度的液體壓力,由於重力可以視為常數,揚程與壓力之間只會受到液體密度的影響。
圖2是依照本揭露一實施例所繪示之並聯變頻泵控制裝置10的方塊圖。請參照圖2,並聯變頻泵控制裝置10例如是桌上型電腦、筆記型電腦、伺服器、工作站等具備運算能力的電子裝置或物聯網(Internet of Things,IoT)裝置,其中包括資料存取裝置12、連接裝置14以及處理器16。
資料存取裝置12例如是支援乙太網路(Ethernet)等有線網路連結的網路卡或是支援電機和電子工程師協會(Institute of Electrical and Electronics Engineers,IEEE)802.11n/b/g等無線通訊標準的無線網路卡,其可連結網路使得並聯變頻泵控制裝置10可通過網路存取外部裝置的資料。在一實施例中,資料存取裝置12
可通過網路連結水泵的製造者或提供者以取得水泵的出廠資料,例如圖1中水泵20A與水泵20B的出廠資料。
連接裝置14例如是通用序列匯流排(universal serial bus,USB)、RS232、通用非同步連接裝置/傳送器(universal asynchronous receiver/transmitter,UART)、內部整合電路(I2C)、序列周邊介面(serial peripheral interface,SPI)、顯示埠(display port)或雷電埠(thunderbolt)等有線的連接介面或裝置,其可用以連接位於同一場域中的水泵及感測器,例如圖1中的水泵20A與水泵20B、電表30、液位計40、流量計50等。
處理器16耦接資料存取裝置12及連接裝置14,以控制並聯變頻泵控制裝置的運作。在一些實施例中,處理器16例如是中央處理單元(Central Processing Unit,CPU),或是其他可程式化之一般用途或特殊用途的微處理器(microprocessor)、數位訊號處理器(Digital Signal Processor,DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuit,ASIC)、場域可程式閘陣列(Field Programmable Gate Array,FPGA)、可程式化邏輯控制器(Programmable Logic Controller,PLC)或其他類似裝置或這些裝置的組合,而可載入並執行軟體程式,以執行本揭露實施例的並聯變頻泵控制方法。
圖3是依照本揭露一實施例所繪示之並聯變頻泵控制方法的流程圖。請同時參照圖2及圖3,本實施例的方法適用於圖2的並聯變頻泵控制裝置10,以下即搭配並聯變頻泵控制裝置10的
各項元件說明本揭露之並聯變頻泵控制方法的詳細步驟。
在步驟S302中,由處理器16通過資料存取裝置12取得配置於同一場域中的多個水泵的出廠資料,並依照出廠資料計算各水泵的性能曲線。
在步驟S304中,由處理器16列舉水泵的多個組合以建立初始的多個基因組,並合併各基因組中的水泵的性能曲線以建構合併性能曲線。
在步驟S306中,由處理器16執行基因演算法,將對於場域的需求流量轉換為需求壓力代入各基因組中的水泵的合併性能曲線以計算各基因組的適應值,並根據適應值進行基因組的迭代,以求得各組合的最佳解。在一些實施例中,處理器16例如通過連接裝置14收集各個水泵的運轉數據,用以建立各組合的水泵運轉時的系統阻抗曲線,並使用各組合的合併性能曲線及系統阻抗曲線求出安全運轉範圍,從而在此安全運轉範圍內,根據適應值進行基因組的迭代,求得各組合的最佳解。
在步驟S308中,由處理器16比較各組合的最佳解下的水泵的總耗電量,以決定耗能最佳的組合,並通過連接裝置14調控組合中的水泵的運轉。
詳細而言,本揭露實施例是由設備原廠提供水泵的性能曲線,並由場域提供系統阻抗曲線,其中性能曲線為水泵出廠的最佳運轉狀態,而系統曲線則是場域運轉的實際情形。
其中,P為水泵的揚程,Q為水泵的流量,C1、C2與C3為曲線係數,f為操作頻率,f max 為最大操作頻率,單位為赫茲(Hz)。在一實施例中,水泵的最大操作頻率f max 例如為60Hz。
系統阻抗曲線的計算公式如下:P=C4 Q 2+h
其中,P為需求壓力,Q為全系統流量,C4曲線係數。
通過求出上述性能曲線和系統阻抗曲線的交點,可解出設備在該廠域的操作範圍。
舉例來說,圖4A及圖4B是依照本發明一實施例所繪示的水泵的性能曲線,圖4C則是依照本發明一實施例所繪示的水泵的安全操作範圍的示意圖。請參照圖4A,通過上述公式可求得水泵的性能曲線402與場域的系統阻抗曲線404,而通過計算其交點OP1,可解出水泵的操作範圍為交點OP1所對應的流量。
請參照圖4B,通過改變水泵的轉速及頻率,可得到性能曲線406,而通過計算該性能曲線406與系統阻抗曲線404交點OP2,可解出水泵於該轉速及頻率下的操作範圍為交點OP2所對應的流量。
請參照圖4C,P1和P2分別為水泵運作在60Hz和30Hz的性能曲線,S1和S2則為場域於低液位和高液位時的系統阻抗曲線。其中,性能曲線P1和P2與系統阻抗曲線S1和S2所圍成
的區域為水泵的設計操作範圍42。而通過計算性能曲線P1與系統阻抗曲線S1的交點OP3,以及性能曲線P1與系統阻抗曲線S1的交點OP4,並將設計操作範圍限制在交點OP3、OP4所對應的流量區間,則可得到水泵的安全操作範圍44。
在一些實施例中,為了能提供龐大流量的使用需求,水泵會以並聯方式操作。理想上,因系統阻抗相同,若是使用同型式水泵可獲得倍數成長的效果。然而,在本發明實施例中則是探討異種水泵並聯,因此並聯區段為各自性能曲線中壓力相同部分的流量總和,而將水泵並聯後所得的合併性能曲線與系統阻抗曲線的交點,即為機台操作點。
舉例來說,圖5是依照本發明一實施例所繪示的水泵並聯的性能曲線的示意圖。請參照圖5,P3和P4分別是第1個水泵和第2個水泵的性能曲線,而P5則是將第1個水泵和第2個水泵並聯後所得的合併性能曲線。其中,Pal為合併性能曲線P5和系統阻抗曲線S3的交點的對應揚程,Q1為揚程Pal與性能曲線P3的交點的對應流量,Q2為揚程Pal與性能曲線P4的交點的對應流量,Q3則為合併性能曲線P5和系統阻抗曲線S3的交點的對應流量,其大小為流量Q1和Q2的總和。
本揭露藉由研究上述性能曲線和系統阻抗曲線,以揚程(P)為交集點解出設備與場域的操作範圍Q,再帶入基因演算法求出符合目標流量下的組合(開啟台數、操作頻率),再進一步的求解所有符合需求的組合下耗電量最小的一組解作為最佳解。
詳細而言,圖6是依照本發明一實施例所繪示的並聯變頻泵控制方法的流程圖。請參照圖6,本實施例說明基於基因演算法求解多台並聯水泵耗能最佳化的流程,其適用於圖2的並聯變頻泵控制裝置10。
在步驟S602中,由處理器16依照現有操作範圍內的水泵機台組合,建立水泵組合之初始基因組,其中各基因組的染色體長度可決定水泵頻率精度,染色體的數量則代表演算法中變數的數量。在一些實施例中,基因演算法可先列舉水泵的所有排列組合,並根據水泵之最大、最小流量,去除無法達成目標流量之組合,再對每種組合進行基因演算法計算。
在步驟S604中,由處理器16將對於場域的需求流量轉換為需求壓力代入不同機台組合的水泵性能曲線中,以計算各組基因組合之適應函數,並與原始的需求水量比較,以計算基因組合的適應值。其中,適應函數可包括總水流量及耗電量,但不限於此。
其中,k為係數,W i 為水泵功率,n為水泵數目。
其中,P代表揚程,Q i 代表流量,ηi代表效率,C n 代表曲線係數,ρ代表流體密度,g代表重力加速度,f為操作頻率,f max 為最大操作頻率,單位為赫茲(Hz)。
在步驟S606中,由處理器16判斷所計算的適應值是否已達停止條件。所述的停止條件例如是預設的目標值。
若未達到停止條件,在步驟S608中,由處理器16針對基因組結果進行擇優、交配與突變等步驟,並在步驟S610中,產生新族群的基因組,然後再回到步驟S604,依照新產生的基因組重新進行適應值計算。若達到停止條件,則在步驟S612中,由處理器16篩選出最佳解。
詳細而言,在本實施例中,擇優、交配與突變的定義分別為:交配(Crossover):將兩基因序列交換以產生新基因序列,有機率性地留下母代的優良基因。
突變(Mutation):在基因序列中產生與母代無關的基因序列以避免陷入局部最佳解。
擇優(Selection):計算函數的適應值,刻意選擇優勢個體,以獲得更多機會繁衍後代。
在本揭露實施例的基因演算法中,處理器16會將各基因組中的水泵的運轉頻率轉換為二進位以作為染色體,並隨機交換被選擇基因組中的染色體的至少一個二進位值以進行交配。其中,處理器16還會以預設比率隨機改變被選擇基因組中的染色體的至少一個二進位值以進行突變。
舉例來說,基因演算法中的參數和本揭露實施例之並聯水泵優化技術有以下對應關係:染色體:水泵之頻率;基因組:各種類水泵染色體的序列組合;適應函數:水泵總流量、水泵耗電量;輸入參數:水泵種類及性能、水泵最大數量、系統阻抗、需求流量。
基因演算法擇優的實作方法主要為「輪盤法」,其是假設一個可轉動的輪盤,在輪盤上劃分許多扇形區塊,區塊的面積大小正比於個體被複製的機率。因此,個體的適應值越高,適應值佔有族群適應值總和的比例也越高,在輪盤上所佔的面積也越大,而被選上的機率也越高。
圖7A~7F是依照本揭露一實施例所繪示之基因演算法的範例,其是以兩種水泵A、B(每種各4台,運作的頻率範圍為35Hz至60Hz)為例,說明基因演算法應用於並聯變頻泵控制的過程。
請參照圖7A,本實施例係列舉水泵A、B的所有排列組合(包括不同的水泵A台數和水泵B台數),並用於建立初始的多
個基因組。其中,本揭露實施例例如會根據水泵A、B的最大、最小流量,去除無法達成目標流量的組合,再對每種組合進行基因演算法的運算。
請參照圖7B,本實施例係隨機輸入初始族群基因組,其中是以1台水泵A及1台水泵B的組合,染色體長度為4、族群數目6為例,將各基因組中的水泵A的運轉頻率轉換為二進位以作為染色體A,將水泵B的運轉頻率轉換為二進位以作為染色體B。其中,本實施例例如是由水泵的需求流量Q和系統阻抗曲線方程式,計算需求壓力P。計算系統阻抗的方程式如下所示,其中H代表液位高度(例如為4.9公尺、2.9公尺):P=0.1714Q 2+H
然後,以計算出的需求壓力P,代入上述的水泵性能曲線方程式,以計算個別水泵流量(Q1、Q2)。其中,所計算出的性能曲線為水泵出廠的最佳運轉狀態。
本實施例係計算並比較6組基因組的需求流量(Q)及流量總合(Q1+Q2),同時計算流量適應值,再計算耗電量適應值,即為此組距離最佳解的比例。
請參照圖7C,所計算的適應值經排序後編號為基因組1至6,並在將適應值正規化後,計算適應值的累計。
請同時參照圖7C和7D,本實施例在擇優步驟中係以輪盤法做隨機選擇,其中適應值越高,被選擇的機率越大。
請參照圖7E,經過擇優後的基因組開始進行交配,其中
包括隨機交換被選擇基因組中的染色體的至少一個二進位值。例如,在圖7E中,被選擇基因組3和基因組1的染色體B被交換。交配後的新世代可進行突變,其中,所有基因組的染色體例如是以預設的百分比(例如3%)隨機進行突變(例如由1突變為0,或是由0突變為1),突變後即為下一世代,再進行適應值計算。若適應值未收斂至需求,則進行基因演算法的迭代(擇優、交配、突變),產生新一代族群繼續求解。
待每種組合都達到最佳適應值後,即為每種組合都找到該組合的最佳解時,比較各組耗電量,並取最小耗電量之組合,則為此系統需求水量的最佳解。請參照圖7F,對於水深為4.9公尺,目標流量為立方公尺/小時(CMH)的需求,經過多次迭代後,可得到如組合1所示的最佳解,其中包括使用兩台水泵A和四台水泵B,其中水泵A的運轉頻率為55.03Hz,水泵B的運轉頻率為60Hz,水泵A的流量為5.13CMH、水泵B的流量為4.87CMH,總耗電量為2.134千瓦(kW)。
圖8是依照本揭露另一實施例所繪示之並聯變頻泵控制裝置的方塊圖。請參照圖8,本實施例的並聯變頻泵控制裝置80包括資料存取裝置82、連接裝置84以及處理器86。其中,資料存取裝置82、連接裝置84以及處理器86的種類及功能與前述實施例的資料存取裝置12、連接裝置14以及處理器16相同。而在本實施例中,並聯變頻泵控制裝置80的處理器86係利用資料存取裝置82連結網路60,並通過網路60連結至雲端伺服器70。
在本實施例中,並聯變頻泵控制裝置80的處理器86例如會收集各個水泵的運轉數據,並通過資料存取裝置82將此運轉數據上傳至雲端伺服器70,而由雲端伺服器70對運轉數據進行統計,以計算出各個水泵的運轉效率。其中,雲端伺服器70例如可對各個水泵進行趨勢效率統計、總時數統計、稼動率計算。此外,雲端伺服器70還可對各個水泵進行單位能耗統計及績效驗證,判定該水泵是否需要維修。
圖9是依照本揭露另一實施例所繪示之並聯變頻泵控制方法的流程圖。請同時參照圖8及圖9,本實施例的方法適用於圖8的並聯變頻泵控制裝置80,以下即搭配並聯變頻泵控制裝置80的各項元件說明本揭露之並聯變頻泵控制方法的詳細步驟。
在步驟S902中,由處理器86通過資料存取裝置82取得配置於同一場域中的多個水泵的出廠資料,並依照出廠資料計算各水泵的性能曲線。
在步驟S904中,由處理器86列舉水泵的多個組合以建立初始的多個基因組,並合併各基因組中的水泵的性能曲線以建構合併性能曲線。
在步驟S906中,由處理器86執行基因演算法,將對於場域的需求流量轉換為需求壓力代入各基因組中的水泵的合併性能曲線以計算各基因組的適應值,並根據適應值進行基因組的迭代,以求得各組合的最佳解。
在步驟S908中,由處理器86比較各組合的最佳解下的
水泵的總耗電量,以決定耗能最佳的組合。
上述的步驟S902~S908與前述實施例的步驟S302~S308相同或相似,故其詳細內容在此不再贅述。與前述實施例不同的是,本實施例在步驟S912中,處理器86例如會收集各水泵的運轉數據,並通過資料存取裝置82上傳至雲端伺服器70。
在步驟S914中,雲端伺服器70統計運轉數據以計算出各水泵的運轉效率,並傳給並聯變頻泵控制裝置80。在一些實施例中,雲端伺服器70可利用水泵的銘版資訊估算出不同水泵效率下的最大軸功率輸出,並紀錄水泵的實際軸功率及其所對應之實際軸功率所屬的水泵效率。
在步驟S916中,通過長期統計水泵效率的趨勢,雲端伺服器70可推算出各水泵的技術壽命,並據以決定是否維修或汰換該水泵。
另一方面,在步驟S910中,並聯變頻泵控制裝置80的處理器86可利用資料存取裝置82取得雲端伺服器70所計算的運轉效率,以在所決定耗能最佳的組合中選擇運轉效率較佳的水泵進行調控。
綜上所述,本揭露的並聯變頻泵控制裝置與並聯變頻泵控制方法係整合人工智慧(AI)控制、智慧雲端和邊緣運算裝置以提高工作效率。其中,通過計算水泵機台在變動負載下的安全操作範圍,並通過基因演算法來調控多類型水泵,以優化需求目標的節能頻率與控制開啟台數。本揭露亦通過雲端監測水泵機台的即時
運轉數據,並統計長期運轉資料,以計算水泵的運算效率並推估技術壽鉻。藉此,本揭露的並聯變頻泵控制裝置可提升設備運轉效益,且能達到優化節能控制效果。
雖然本揭露已以實施例揭露如上,然其並非用以限定本揭露,任何所屬技術領域中具有通常知識者,在不脫離本揭露的精神和範圍內,當可作些許的更動與潤飾,故本揭露的保護範圍當視後附的申請專利範圍所界定者為準。
10:並聯變頻泵控制裝置
12:資料存取裝置
14:連接裝置
16:處理器
Claims (16)
- 一種並聯變頻泵控制裝置,包括:資料存取裝置,取得配置於同一場域中的多個水泵的出廠資料;連接裝置,連接各所述水泵;以及處理器,耦接該資料存取裝置及該連接裝置,經配置以:依照所述出廠資料計算各所述水泵的性能曲線;列舉所述水泵的多個組合以建立初始的多個基因組,並合併各所述基因組中的所述水泵的所述性能曲線以建構合併性能曲線;執行基因演算法,將對於所述場域的需求流量轉換為需求壓力後,將所述需求壓力代入各所述基因組中的所述水泵的所述合併性能曲線以計算各所述基因組中的所述水泵的個別流量,並根據所述個別流量的總合計算各所述基因組的適應值,依照各所述基因組的所述適應值採用輪盤法隨機選擇所述基因組以進行交配,計算交配後的各所述基因組的適應值,並根據所述適應值進行所述基因組的迭代,直到所述適應值收斂至目標值以求得各所述組合的最佳解;以及比較各所述組合的所述最佳解下的所述水泵的總耗電量,以決定耗能最佳的所述組合,並通過所述連接裝置調控所述組合中的所述水泵的運轉。
- 如請求項1所述的並聯變頻泵控制裝置,其中所述處理器更通過所述連接裝置收集各所述水泵的運轉數據,用以建立各所述組合的所述水泵運轉時的系統阻抗曲線,並使用各所述組合的所述合併性能曲線及所述系統阻抗曲線求出安全運轉範圍。
- 如請求項2所述的並聯變頻泵控制裝置,其中所述處理器更在各所述組合的所述安全運轉範圍內,根據所述適應值進行所述基因組的迭代,直到所述適應值收斂至目標值以求得各所述組合的所述最佳解。
- 如請求項1所述的並聯變頻泵控制裝置,其中所述處理器更計算各所述組合中的所述水泵的流量的總和,並去除所述總和未達所述需求流量的所述組合。
- 如請求項1所述的並聯變頻泵控制裝置,其中所述處理器更將各所述基因組中的所述水泵的運轉頻率轉換為二進位以作為染色體,並隨機交換被選擇的所述基因組中的所述染色體的至少一二進位值以進行交配。
- 如請求項5所述的並聯變頻泵控制裝置,其中所述處理器更以預設比率隨機改變被選擇的所述基因組中的所述染色體的至少一二進位值以進行突變。
- 如請求項1所述的並聯變頻泵控制裝置,其中所述處理器更通過所述連接裝置收集各所述水泵的運轉數據,並通過所述資料存取裝置上傳所述運轉數據至雲端伺服器,而由所述雲端伺服器統計所述運轉數據以計算出各所述水泵的運轉效率。
- 如請求項7所述的並聯變頻泵控制裝置,其中所述處理器更通過所述資料存取裝置取得所述雲端伺服器所計算的所述運轉效率,以在所決定耗能最佳的所述組合中選擇所述運轉效率較佳的所述水泵以進行所述調控。
- 一種並聯變頻泵控制方法,適於由具有處理器的並聯變頻泵控制裝置控制配置於同一場域中的多個水泵,所述方法包括下列步驟:取得各所述水泵的出廠資料,據以計算各所述水泵的性能曲線;列舉所述水泵的多個組合以建立初始的多個基因組,並合併各所述基因組中的所述水泵的所述性能曲線以建構合併性能曲線;執行基因演算法,將對於所述場域的需求流量轉換為需求壓力後,將所述需求壓力代入各所述基因組中的所述水泵的所述合併性能曲線以計算各所述基因組中的所述水泵的個別流量,並根據所述個別流量的總合計算各所述基因組的適應值,依照各所述基因組的所述適應值採用輪盤法隨機選擇所述基因組以進行交配,計算交配後的各所述基因組的適應值,並根據所述適應值進行所述基因組的迭代,直到所述適應值收斂至目標值以求得各所述組合的最佳解;以及比較各所述組合的所述最佳解下的所述水泵的總耗電量,以決定耗能最佳的所述組合,並調控所述組合中的所述水泵的運轉。
- 如請求項9所述的方法,更包括: 收集各所述水泵的運轉數據,用以建立各所述組合的所述水泵運轉時的系統阻抗曲線,並使用各所述組合的所述合併性能曲線及所述系統阻抗曲線求出安全運轉範圍。
- 如請求項10所述的方法,其中所述根據所述適應值進行所述基因組的迭代,直到所述適應值收斂至目標值以求得各所述組合的最佳解的步驟包括:在各所述組合的所述安全運轉範圍內,根據所述適應值進行所述基因組的所述迭代,直到所述適應值收斂至目標值以求得各所述組合的所述最佳解。
- 如請求項9所述的方法,更包括:計算各所述組合中的所述水泵的流量的總和,並去除所述總和未達所述需求流量的所述組合。
- 如請求項9所述的方法,其中所述依照各所述基因組的所述適應值採用輪盤法隨機選擇所述基因組以進行交配的步驟包括:將各所述基因組中的所述水泵的運轉頻率轉換為二進位以作為染色體,並隨機交換被選擇的所述基因組中的所述染色體的至少一二進位值以進行交配。
- 如請求項13所述的方法,其中所述根據所述適應值進行所述基因組的迭代,直到所述適應值收斂至目標值以求得各所述組合的最佳解的步驟更包括: 以預設比率隨機改變被選擇的所述基因組中的所述染色體的至少一二進位值以進行突變。
- 如請求項9所述的方法,更包括:收集各所述水泵的運轉數據,並通過所述資料存取裝置上傳所述運轉數據至雲端伺服器,而由所述雲端伺服器統計所述運轉數據以計算出各所述水泵的運轉效率。
- 如請求項15所述的方法,其中所述比較各所述組合的所述最佳解下的所述水泵的總耗電量,以決定耗能最佳的所述組合,並調控所述組合中的所述水泵的運轉的步驟更包括:取得所述雲端伺服器所計算的所述運轉效率,以在所決定耗能最佳的所述組合中選擇所述運轉效率較佳的所述水泵以進行所述調控。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111144157A TWI818807B (zh) | 2022-11-18 | 2022-11-18 | 並聯變頻泵控制裝置與並聯變頻泵控制方法 |
CN202211503576.0A CN118057027A (zh) | 2022-11-18 | 2022-11-28 | 并联变频泵控制装置与并联变频泵控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111144157A TWI818807B (zh) | 2022-11-18 | 2022-11-18 | 並聯變頻泵控制裝置與並聯變頻泵控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI818807B true TWI818807B (zh) | 2023-10-11 |
TW202422459A TW202422459A (zh) | 2024-06-01 |
Family
ID=89857639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111144157A TWI818807B (zh) | 2022-11-18 | 2022-11-18 | 並聯變頻泵控制裝置與並聯變頻泵控制方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN118057027A (zh) |
TW (1) | TWI818807B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201226711A (en) * | 2010-12-22 | 2012-07-01 | Ind Tech Res Inst | Variable frequency pump controlling apparatus and method thereof |
US20190345797A1 (en) * | 2018-05-10 | 2019-11-14 | Agile Analytics Corp. | System and method for controlling oil and/or gas production |
CN114493912A (zh) * | 2021-12-20 | 2022-05-13 | 上海科梁信息科技股份有限公司 | 综合能源优化配置方法、装置及存储介质 |
-
2022
- 2022-11-18 TW TW111144157A patent/TWI818807B/zh active
- 2022-11-28 CN CN202211503576.0A patent/CN118057027A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201226711A (en) * | 2010-12-22 | 2012-07-01 | Ind Tech Res Inst | Variable frequency pump controlling apparatus and method thereof |
US20190345797A1 (en) * | 2018-05-10 | 2019-11-14 | Agile Analytics Corp. | System and method for controlling oil and/or gas production |
CN114493912A (zh) * | 2021-12-20 | 2022-05-13 | 上海科梁信息科技股份有限公司 | 综合能源优化配置方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN118057027A (zh) | 2024-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pan et al. | A knowledge-based two-population optimization algorithm for distributed energy-efficient parallel machines scheduling | |
CN113156817B (zh) | 一种泵站智能配泵方法 | |
FI127255B (en) | Procedure and controller for operating a pump system | |
CN109084415B (zh) | 基于神经网络和遗传算法的中央空调运行参数寻优方法 | |
CN107844864A (zh) | 一种求解水电机组组合问题的混合整数非线性规划模型 | |
CN112901449B (zh) | 一种基于机器学习的空气压缩机系统能耗优化方法 | |
Narimani | A new modified shuffle frog leaping algorithm for non-smooth economic dispatch | |
CN112032032B (zh) | 湿冷机组开式循环水泵变频运行方式的寻优方法 | |
CN113536710B (zh) | 一种泵及泵组能效可视化监测方法 | |
CN110426953B (zh) | 基于火电机组发电模型的agc性能评价方法 | |
TWI818807B (zh) | 並聯變頻泵控制裝置與並聯變頻泵控制方法 | |
CN108510158A (zh) | 一种区域间送受电计划的制定方法及装置 | |
CN108131281A (zh) | 水泵控制方法、装置及电子设备 | |
CN113381417B (zh) | 一种配电网台区三相负荷不平衡优化方法、装置及终端 | |
CN112751369A (zh) | 海上配电网优化调度方法及终端设备 | |
Wang et al. | MULTI-OBJECTIVE MASTER PRODUCTION SCHEDULE FOR BALANCED PRODUCTION OF MANUFACTURERS. | |
CN112330089A (zh) | 装备制造类企业的综合能效监测方法及监测系统 | |
CN109948827A (zh) | 一种基于多能互补的工业用户多能流优化方法 | |
CN111475988B (zh) | 基于梯度提升决策树和遗传算法的印染定型机能耗优化方法 | |
CN113129168B (zh) | 电力台区的线损确定方法、装置及终端设备 | |
CN114065621A (zh) | 一种基于遗传算法的压气机特性方程系数拟合方法 | |
CN111461449A (zh) | 一种用电负荷预测方法及计算机程序产品 | |
CN114810566A (zh) | 一种泵组控制方法、系统及装置 | |
CN113868836A (zh) | 基于大数据的智慧热力系统在线专家分析平台 | |
CN116722606B (zh) | 含重力储能和小水电的混合发电系统容量规划方法及装置 |