电力电气控制阀的电压节能控制方法研究

前言:在社会不断发展的背景下,逐渐提高了对电力的节能要求,且电气设计的发展方向也转向节能化方向,而电力消耗的总体性能决定了电力电气控制阀的节能性能,同时电气控制阀的电压。节能性能之间联系密切,因此对电力电气控制阀的电压进行科学的控制,有利于实现论文网节能的目的。

1节能控制电力电压控制阀的电压参数

1。1最优组合法

电力电气控制阀中的电压若是存在波动的问题,那么就会造成各种关键控制信号中误差增大,其控制过程的精度方面也会出现较大的模糊性,最终导致出现过高的能源消耗问题。为了将这种模糊性有效的去除,设置参数E,用来对控制阀电压的波动控制误差进行准确的描述,然后在电力电气控制系统中引入该参数,设置e(t)为控制阀电压波动的误差信号量,同时设置Ec为电压波动率,另外设置K为可变控制系数。于是可以得到Ec=Kec(t)和E=Ke(t)两个控制模型。当出现异常波动的电压时,可以使用U=βE+(1-β)Ec模型描述电压信号的控制规律。其中电压波动幅度系数表示为β,普遍将β的值设为1。若是出现较大的电压波动时,可以使用该种方法有效的统计误差。同时在整个控制过程中都可以使用控制阀电压波动下的电气控制来测试控制效果,但是在电压波动的状态下,电压。控制误差之间具有不稳定的关系[1]。

在控制数据较多的时候,对采集数据进行分析,控制法电压在实际运行中出现的波动变化可以使用ΔKd。ΔKi。ΔKp来表示,并在(-1,1)区间内对这些变化参数进行归化,并限制其电压波动范围。然后采取假设其模糊子集的方法,设置发生变化的模糊标准,另外在得懂电压控制参数ΔKd等的变化规则之后,采取最优化的关联控制方法控制这些参数,以便对消除电气控制阀波动干扰提供保障。

1。2寻优法

2多层神经网络控制方法

2。1建立模型

智能化节能调节控制阀电压时可以采取建立多层次神经网络模型的方法,多层神经网络的属于前向网络的一种形式,非线性是电力电气控制阀中电压变化所表现出的特征,而线性是神经网络输入层。输出层的特征,将该系统输入层的数据选为电力电气控制阀电压控制过程中的参数,而输出层的数据选择其最优电压参数,同时电力电气控制阀电压动态变化有多层神经网络的隐含层来负责,具体的控制模型如图1所示

根据该模型可以得到的参数,可以对神经网络输出层的最优节能电压值进行确定,同时使用这种方法得到的训练效率最高,所以不恰当地设置初始值造成局部控制电压出现最小值的问题是不存在的,使用该种方法有利于促进电压节能控制精度的提高[3]。

2。2仿真实验

在提出该模型之后,为了验证其可行性,于是提出对其进行仿真实验的方法,节能控制对象使用大型电力设备,该设备的能量源选择10v-30v的电压,在信号采集时选择高精度信号采集卡设备,且在实验中保证控制电压在安全的应用范围内,对于数据的搜集使用核心处理器,然后在利用转换装置将其变为能够应用到电气设备中的可用电压,然后合理调控电压,使其始终能够在合理的高精度范围内变化,最后又计算机输入参数变化结果,并仿真统计变化结果。

在得到仿真结果之后,对该模型进行分析,根据仿真实验可以了解到在优化调节电力电气控制阀电压的前后存在的明显的变化,且节能效果显著,由此可以证明该模型具有良好的节能控制效果,能够有效的控制电力电气控制阀的电压波动[4]。

总结:综上所述,通过对电力电气控制阀的电压节能控制方法深入研究,从中可以了解到为了促进电力电气控制阀朝向节能化方向发展,可以采取对其电压波动进行良好的控制的方法,从而保证且产生良好的节能效果,实现其能耗大幅度降低的目标。本文主要提出了节能控制电力电压控制阀的电压参数的最后组合法。寻优法,以及多层神经网络控制方法,采取建立模型。仿真实验的方式,为获得最佳的电力电气控制阀电压节能控制方法提出了具有可行性的参考。

电力电气控制阀的电压节能控制方法研究