陈炎+王锡淮+肖健梅
摘 要: 针对目前电气自动控制器自动进行数据调试的能源消耗量大、待机状态控制效果差等问题,提出基于粒子群优化的电气自动节能控制器。该设计选用SYU?213型号的节能控制器,硬件上对自动控制器进行了优化设计,保证各种状态的有效切换。在软件设计中引入粒子群优化下的卡尔曼算法,能够在不同状态下进行快速的能源降耗。实验结果表明,所设计的基于粒子群优化的电气自动节能控制器可以有效降低电气自动控制的能耗,且在待机状态下仍可进行节能控制。
关键词: 粒子群优化; 电气自动控制; 节能控制器; 待机状态; 卡尔曼算法; 状态切换
中图分类号: TN830.1?34; TP311 文献标识码: A 文章编号: 1004?373X(2018)02?0068?03
Abstract: Aiming at the big energy consumption and poor standby state control effect of automatic data debugging for the current electric automatic controller, the electric automatic energy?saving controller based on particle swarm optimization is proposed. The SYU?213 energy?saving controller is selected in the design and the automatic controller is optimized in hardware design to ensure the effective switching of various states. The Kalman filter algorithm under particle swarm optimization is introduced in software design to carry out rapid energy saving under different conditions. The simulation results show that the designed electric automatic energy?saving controller based on particle swarm optimization can effectively reduce the energy consumption of electric automatic control, and carry out the energy?saving control even if it is in standby state.
Keywords: particle swarm optimization; electric automatic control; energy?saving controller; standby state; Kalman algorithm; state switching
0 引 言
电气自动控制器是电力系维持正常运行以及有效控制的关键所在[1]。通过电气自动控制器的控制能够有效地实现系统控制的同时还会带来一定的能源消耗[2]。在进行电力控制的过程中由于存在一定的控制预留以及待区迟缓的现象,会以反馈的形式进行能源的消耗[3]。有时在待机状态下,能源的消耗依然按照最大功率下的能源消耗,并且有内能的产生。电气自动节能控制器产生内能对能源消耗的同时极易引起一定的安全隐患,在阻抗的作用下,电能通过以后会对阻抗元件进行做功,这样极大地消耗了电能[4]。对此,提出基于粒子群优化的电气自动节能控制器,并进行实验对比分析,验证了本文设计的基于粒子群优化的电气自动节能控制器的有效性。
1 硬件设计
1.1 自动控制器设计方案
本文设计的基于粒子群优化的电气自动节能控制器,所使用的自动控制器首先能够在不同温度下进行使用,并且能对中间继电器与接触器进行一定有效控制,不同的调节能力下消耗的能量是不同的[5]。在待机状态下,必须能停止控制调配装置,方便电源能耗的减低,并且一直保持最低功率下使用状态,一旦进入控制状态会立刻进行系统的调配,减少缓冲能源的消耗,避免时间延续下能源消耗。在进行高功率的工作状态下,才能启动制动冷却装置[6],这样既能降低能源消耗,又能减缓移动电路工作压力。
本文设计自动控制器需要进行控制电路冷却功率计算,过程如下:
式中:为电路工作冷却功率;为可持续化实施数据;为统计有效值。
1.2 节能装置优化
本文设计的基于粒子群优化的电气自动节能控制器的节能装置,主要是通过硬件截止器来实现的,通过软件的计算预留,截止器能够进行断电和连接的设置,本文选用6685?YBF型号的截止器,这样不但能够满足自身低能耗的需求还能够有效地实施相对控制。
2 软件设计
本文设计的基于粒子群优化的电气自动节能控制器,在软件的设计中使用的是粒子集群的方式进行有效的节能控制。
2.1 引入卡尔曼算法
本设计引入卡尔曼算法,其目的是解决不同状态下能源自动调控,进行卡尔曼算法前对控制系统数据预处理,预处理过程如下:
式中:为控制节能计算数据的表达权值;为变量函数可用值域;,分别为不同状态下的有效功率以及使用能耗。经过上述预处理后便可进行粒子集群参数计算,根据设计控制器使用能力计算粒子集群参数为:
式中:为粒子集群的调控参数及粒子集群执行参数;,分别为参变函数及全变函数;,分别为粒子加权系数及粒子变量参数。endprint
通过上述的过程后,便可以进行卡尔曼算法,过程如下:
式中:为卡尔曼变量参数;为卡尔曼计算过程的参考常数;为可节能数据的变量配比;为节能控制的简化数据差;为多维数控制变量数据差。
2.2 节能计算
本文设计基于粒子群优化的电气自动节能控制器,能够进行一定的自动调节,但是调节幅度需要进行重新计算[7]。针对不同状态下节能过程的不同,首先进行高功率下节能计算,如下:
式中:为最大工作效率的实际调节极限值;为调节变量最佳权衡参数;为最大工作变量调节率;为极限数据恒定值。
通过极限值确认能保证调节有效性,同时进行极限调节[8],极限调节即能正常工作前提下极限最小值,过程如下:
式中:为极限数据表达执行能力;为极限调控系数。待机状态下极限调节,首先进行极限调节数据确认,过程如下:
式中:为待机下调用最小限额;为待机状态下可用极限调节系数;为恒定功率下代用能力。通过极限值确认保证待机调节有效性[9?10],同时进行待机能耗极限调节,如下:
3 仿真实验分析
3.1 参数设定
为了保证本文设计的基于粒子群优化的电气自动节能控制器有效性,对参数进行设定,设定卡尔曼变量参数值域在[18.5,30.5]以内,设置,,,分别为2.5,5 000,645,60。本文设计的实验假设对三点进行远程节能控制,Q0为本设计基于粒子群优化的电气自动节能控制器,P1,P2,P3分别为控制元件,框架如图1所示。
3.2 节能数据误差调节
为了保证本文设计的基于粒子群优化的电气自动节能控制器有效性,需要对实验数据进行设置,设置的参数如表1所示。
3.3 结果对比分析
分析图2结果得知,本文设计的基于粒子群优化的电气自动节能控制器,其控制调节能力是传统方法的3倍左右,并且其控制能力在稳定幅度内波动。
分析图3得知,本文设计的基于粒子群优化的电气自动节能控制器,节能函数曲线明显的大于传统方法,说明在待机状态下也进行了节能控制。
4 结 语
针对传统方法存在节能控制效果不好的问题,设计基于粒子群优化的电气自动节能控制器,并进行实验对比分析,通过实验数据有效證明,验证了改进电气自动节能控制器的有效性。
参考文献
[1] 赵华东,宋保业,张建胜,等.基于粒子群优化算法的分数阶PID控制器设计[J].山东科技大学学报(自然科学版),2017,36(4):60?65.
ZHAO Huadong, SONG Baoye, ZHANG Jiansheng, et al. Fractional?order PID controller design based on PSO algorithm [J]. Journal of Shandong University of Science and Technology (Natural Science), 2017, 36(4): 60?65.
[2] 张民,应巧萍.应用粒子群优化的导弹定结构H∞控制器设计[J].哈尔滨工业大学学报,2016,48(10):83?90.
ZHANG Min, YING Qiaoping. Fixed?structure H∞ controller design for missile autopilot with particle swarm optimization [J]. Journal of Harbin Institute of Technology, 2016, 48(10): 83?90.
[3] JR I F, PERC M, LJUBI? K, et al. Particle swarm optimization for automatic creation of complex graphic characters [J]. Chaos solitons & fractals the interdisciplinary journal of nonlinear science & nonequilibrium & complex phenomena, 2015, 73(4): 29?35.
[4] 张民,陈亮,陈欣.基于简便约束粒子群优化算法的空空导弹μ?PID控制器设计[J].兵工学报,2017,38(1):89?96.
ZHANG Min, CHEN Liang, CHEN Xin. A simple constrained PSO algorithm and its application in μ?PID controller design for missile autopilot [J]. Acta armamentarii, 2017, 38(1): 89?96.
[5] SINGH V, ELAMVAZUTHI I, JEOTI V, et al. Automatic ultrasound image segmentation framework based on Darwinian particle swarm optimization [C]// Proceedings of the 18th Asia Pacific Symposium on Intelligent and Evolutionary Systems. [S.l.: s.n.], 2015: 225?236.
[6] 赵丹,张九根,黄艺新,等.改进粒子群算法在空调冷冻水系统的控制研究[J].科技通报,2016,32(7):117?120.
ZHAO Dan, ZHANG Jiugen, HUANG Yixin, et al. Research of air?conditioning chilled water system control based on improved PSO [J]. Bulletin of science and technology, 2016, 32(7): 117?120.endprint
[7] 杨婷婷,李爱军.基于免疫粒子群优化的反演超机动飞行控制律[J].西北工业大学学报,2015(3):500?505.
YANG Tingting, LI Aijun. A super maneuver backstepping flight control law design based on immune particle swarm optimization method [J]. Journal of Northwestern Polytechnical University, 2015(3): 500?505.
[8] BABU V R, MAITY T, BURMAN S. Energy saving possibilities of mine ventilation fan using particle swarm optimization [C]// International Conference on Electrical, Electronics, and Optimization Techniques. Chennai: IEEE, 2016: 676?681.
[9] FERN?NDEZ?RODR?GUEZ A, FERN?NDEZ?CARDADOR A, CUCALA A P, et al. Design of robust and energy?efficient ATO speed profiles of metropolitan lines considering train load variations and delays [J]. IEEE transactions on intelligent transportation systems, 2015, 16(4): 2061?2071.
[10] GOZDE H, TAPLAMACIOGLU M C, ARI M. Automatic voltage regulator (AVR) design with chaotic particle swarm optimization [C]// International Conference on Electronics, Computers and Artificial Intelligence. Bucharest: IEEE, 2015: 23?26.endprint