一种光伏逆变器散热风机智能控制方法及系统与流程

摘要: 本发明涉及光伏逆变器散热控制,特别是涉及一种光伏逆变器散热风机智能控制方法及系统。背景技术:1、在光伏逆变器运行过程中,功率器件(如igbt)产生的热量若不能及...
一种光伏逆变器散热风机智能控制方法及系统与流程

本发明涉及光伏逆变器散热控制,特别是涉及一种光伏逆变器散热风机智能控制方法及系统。

背景技术:

1、在光伏逆变器运行过程中,功率器件(如igbt)产生的热量若不能及时排出,将导致结温过高,从而降低发电效率、加速器件老化,甚至引发失效或安全事故。因此,散热风机作为逆变器热管理系统的关键执行部件,其控制性能直接影响设备的可靠性、寿命与整机能耗。

2、但是,传统风机控制多采用恒速运转、温度开关控制或简单的pid调速策略。恒速方式在所有工况下均以额定转速运行,造成严重的电能浪费且大幅缩短风机寿命;温度开关控制仅在温度越限时启动风机,容易产生频繁启停冲击,且响应滞后明显,难以抑制温度过冲;常规pid虽能实现连续调速,但依赖于当前温度误差进行反馈调节,缺乏前馈能力,容易引起超温或过度冷却。

技术实现思路

1、为了解决上述技术问题,本发明提供了一种光伏逆变器散热风机智能控制方法及系统,包括:

2、获取光伏逆变器的历史运行数据,并对历史运行数据进行分析,确定影响光伏逆变器温度的运行参数;

3、基于运行参数和预设神经网络模型构建光伏逆变器的温度预测模型,并基于温度预测模型进行预测输出,得到温度预测数据;

4、确定散热风机的控制周期,并基于控制周期将温度预测数据划分为多个与控制周期对应的温度预测序列;

5、基于各温度预测序列构建散热风机运行的目标函数,并对目标函数进行求解,得到散热风机在各控制周期的最优转速;

6、基于最优转速设定散热风机在各控制周期的控制指令,并基于控制指令控制散热风机进行散热工作。

7、进一步的,所述获取光伏逆变器的历史运行数据,并对历史运行数据进行分析,确定影响光伏逆变器温度的运行参数,包括:

8、获取光伏逆变器的历史运行数据,并基于参数类型将历史运行数据划分为多个运行参数数据组;

9、确定光伏逆变器的历史温度数据,并分别计算各运行参数数据组与历史温度数据之间的相关度;

10、确定预先设定的相关度阈值,并将相关度大于相关度阈值的运行参数数据组对应的参数确定为影响光伏逆变器温度的运行参数。

11、进一步的,所述基于运行参数和预设神经网络模型构建光伏逆变器的温度预测模型,并基于温度预测模型进行预测输出,得到温度预测数据,包括:

12、确定运行参数对应的运行参数数据组,并提取运行参数数据组的数据特征;

13、基于运行参数数据组及对应的数据特征构建数据集,并将数据集输入至预设神经网络模型中,构建光伏逆变器的初始温度预测模型;

14、将数据集按照预设比例划分为训练集和测试集,并将训练集和测试集输入至光伏逆变器的初始温度预测模型中;

15、对光伏逆变器的初始温度预测模型进行训练和测试,直至初始温度预测模型满足预设的收敛条件,得到光伏逆变器的温度预测模型;

16、确定光伏逆变器的当前运行数据,并将当前运行数据输入至光伏逆变器的温度预测模型进行预测输出,得到未来一段时间内的光伏逆变器的温度预测数据。

17、进一步的,所述确定散热风机的控制周期,并基于控制周期将温度预测数据划分为多个与控制周期对应的温度预测序列,包括:

18、确定散热风机的控制周期,并确定温度预测数据中各数据的时间节点;

19、基于时间节点将温度预测数据划分为多个温度预测数据段,每个温度预测数据段对应一个控制周期内的温度预测序列。

20、进一步的,所述基于各温度预测序列构建散热风机运行的目标函数,包括:

21、从各温度预测序列中提取特征值,特征值包括最高温度值和平均温度值;

22、确定散热风机运行的控制要求,并基于控制要求确定需要优化的子目标;

23、确定各子目标及对应的预设权重,并基于各子目标及对应的预设权重构建散热风机运行的目标函数;

24、基于特征值和控制要求确定目标函数的约束条件。

25、进一步的,所述目标函数为:

26、,

27、其中,为第一预设权重,为第k个控制周期内的平均温度值,为预设目标温度值,为第二预设权重,为第k个控制周期内的最高温度值,为预设安全温度阈值,为第三预设权重,为第k个控制周期散热风机的转速,为第四预设权重,为第k个控制周期开始前散热风机的转速。

28、进一步的,所述约束条件为:

29、,

30、其中,为散热风机的预设转速变化率。

31、进一步的,所述对目标函数进行求解,得到散热风机在各控制周期的最优转速,包括:

32、将各控制周期散热风机的转速的范围离散化为多个转速档位,并基于每个转速档位调用与控制周期对应的温度预测序列及目标函数;

33、基于每个转速档位和温度预测序列的特征值对目标函数进行求解计算,选取使目标函数值最小的转速档位作为散热风机在各控制周期的最优转速。

34、进一步的,所述基于最优转速设定散热风机在各控制周期的控制指令,并基于控制指令控制散热风机进行散热工作,包括:

35、将最优转速转换为散热风机中控制单元在各控制周期的控制指令,并将控制指令发送至散热风机中电机进行执行,以驱动散热风机进行散热工作。

36、本发明还提供了一种光伏逆变器散热风机智能控制系统,包括:

37、获取模块,用于获取光伏逆变器的历史运行数据,并对历史运行数据进行分析,确定影响光伏逆变器温度的运行参数;

38、预测模块,用于基于运行参数和预设神经网络模型构建光伏逆变器的温度预测模型,并基于温度预测模型进行预测输出,得到温度预测数据;

39、划分模块,用于确定散热风机的控制周期,并基于控制周期将温度预测数据划分为多个与控制周期对应的温度预测序列;

40、构建模块,用于基于各温度预测序列构建散热风机运行的目标函数,并对目标函数进行求解,得到散热风机在各控制周期的最优转速;

41、控制模块,用于基于最优转速设定散热风机在各控制周期的控制指令,并基于控制指令控制散热风机进行散热工作。

42、本发明实施例一种光伏逆变器散热风机智能控制方法及系统与现有技术相比,其有益效果在于:

43、本发明显著提升了逆变器的热安全水平,通过利用神经网络对温度进行超前多步预测,能够在温度即将超过安全阈值之前提前调节风机转速,避免了传统反馈控制因滞后而导致的瞬时超温现象,从根本上消除了过热风险;

44、本发明大幅降低了散热风机的能耗,通过优化目标函数求解计算,使得散热风机在满足温度约束的前提下自动选择尽可能低的转速,避免了过度冷却造成的电能浪费。

1.一种光伏逆变器散热风机智能控制方法,其特征在于,包括:

2.根据权利要求1所述的一种光伏逆变器散热风机智能控制方法,其特征在于,所述获取光伏逆变器的历史运行数据,并对历史运行数据进行分析,确定影响光伏逆变器温度的运行参数,包括:

3.根据权利要求2所述的一种光伏逆变器散热风机智能控制方法,其特征在于,所述基于运行参数和预设神经网络模型构建光伏逆变器的温度预测模型,并基于温度预测模型进行预测输出,得到温度预测数据,包括:

4.根据权利要求1所述的一种光伏逆变器散热风机智能控制方法,其特征在于,所述确定散热风机的控制周期,并基于控制周期将温度预测数据划分为多个与控制周期对应的温度预测序列,包括:

5.根据权利要求1所述的一种光伏逆变器散热风机智能控制方法,其特征在于,所述基于各温度预测序列构建散热风机运行的目标函数,包括:

6.根据权利要求5所述的一种光伏逆变器散热风机智能控制方法,其特征在于,所述目标函数为:

7.根据权利要求6所述的一种光伏逆变器散热风机智能控制方法,其特征在于,所述约束条件为:

8.根据权利要求7所述的一种光伏逆变器散热风机智能控制方法,其特征在于,所述对目标函数进行求解,得到散热风机在各控制周期的最优转速,包括:

9.根据权利要求1所述的一种光伏逆变器散热风机智能控制方法,其特征在于,所述基于最优转速设定散热风机在各控制周期的控制指令,并基于控制指令控制散热风机进行散热工作,包括:

10.一种光伏逆变器散热风机智能控制系统,其特征在于,包括: