CN115145211B - 一种非开关量设备的控制方法、***、介质和电子设备 - Google Patents
一种非开关量设备的控制方法、***、介质和电子设备 Download PDFInfo
- Publication number
- CN115145211B CN115145211B CN202211081641.5A CN202211081641A CN115145211B CN 115145211 B CN115145211 B CN 115145211B CN 202211081641 A CN202211081641 A CN 202211081641A CN 115145211 B CN115145211 B CN 115145211B
- Authority
- CN
- China
- Prior art keywords
- control
- models
- switching value
- switching
- control models
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24215—Scada supervisory control and data acquisition
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本说明书实施例提供一种非开关量设备的控制方法、***、介质和电子设备,其中,方法包括:获取一个或多个非开关量设备的一个或多个控制信号参数和状态返回信号;基于所述一个或多个控制信号参数和所述状态返回信号构建一个或多个第一控制模型;基于预设的一个或多个参考模型对所述一个或多个第一控制模型进行调整,获得一个或多个第二控制模型;基于所述一个或多个第二控制模型对非开关量设备进行控制,该方法能对不同品牌的同型号的非开关量设备进行联调联控,具有降低整体***的波动性,增加控制***的普适性,降低能耗的优点。
Description
技术领域
本说明书涉及非开关量设备控制领域,特别涉及一种非开关量设备的控制方法、***、介质和电子设备。
背景技术
非开关量设备是指输出状态不止是“开”和“关”的设备。在现有技术中,非开关量设备的群控调试在部署初期需要人工通过采集到的数据对模型进行调试,通过人工来确定性能最优点。需要消耗大量的人力物力,耗时较长。尤其是对于无法提供性能曲线的产品,更是需要人工进行大量的试验来尽可能的找到并拟合相应的曲线。并且是否能找到最优点非常依赖人工的经验,不同经验的工程师可能会做出效果相差巨大的效果,控制的效率较低。
再由于不同品牌的非开关量设备的控制***一般都是独立,例如压缩机主机的控制,水冷主机的控制,但是缺少多台机组之间的联控和负载均衡。采用一台机组的负载到达极限之后再去开动下一台,由于每台机组在100%负荷的时候,高于两台机组的中低负荷运转的情况,不利于节能减排。
因此,需要提供一种非开关量设备的控制方法、***、介质和电子设备,高效,低耗的对非开关量设备进行控制。
发明内容
为了解决现有的控制非开关量设备的缺陷,本说明书实施例之一提供一种非开关量设备的控制方法。所述方法包括:获取一个或多个非开关量设备的一个或多个控制信号参数和状态返回信号;基于所述一个或多个控制信号参数和所述状态返回信号构建一个或多个第一控制模型;基于预设的一个或多个参考模型对所述一个或多个第一控制模型进行调整,获得一个或多个第二控制模型;基于所述一个或多个第二控制模型对非开关量设备进行控制。
在一些实施例中,本说明书实施例之一提供一种非开关量设备的控制***。所述***包括:采集模块,用于获取一个或多个非开关量设备的一个或多个控制信号参数和状态返回信号;第一控制模型构建模块,用于基于所述一个或多个控制信号参数和所述状态返回信号构建一个或多个第一控制模型;第二控制模型构建模块,用于基于预设的一个或多个参考模型对所述一个或多个第一控制模型进行调整,获得一个或多个第二控制模型;控制模块,用于基于所述一个或多个第二控制模型对非开关量设备进行控制。
在一些实施例中,本说明书实施例之一提供一种存储介质,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行上述的非开关量设备的控制方法。
在一些实施例中,本说明书实施例之一提供一种电子设备,所述电子设备包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序指令,至少一个所述处理器读取所述程序指令后执行上述的非开关量设备的控制方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的一种非开关量设备的控制***的应用场景示意图;
图2 是根据本说明书一些实施例所示的一种非开关量设备的控制***150的模块示意图;
图3是根据本说明书一些实施例所示的一种非开关量设备的控制方法的示例性流程图;
图4是根据本说明书一些实施例所示的构建第一控制模型的示例性流程图;
图5是根据本说明书一些实施例所示的构建第二控制模型的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“***”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的一种非开关量设备的控制***的应用场景100示意图。
如图1所示,应用场景100可以包括处理设备110、网络120、用户终端130、存储设备140及非开关量设备的控制***150。
在一些实施例中,处理设备110可以处理应用场景100中的信息或数据。例如,处理设备110可以发送控制信号至非开关量设备的控制***150的控制模块,控制模块控制采集模块获取非开关量设备的控制信号参数和状态返回信号,并基于获取的控制信号参数和状态返回信号构建第一控制模型和第二控制模型,以便于对非开关量设备进行控制。
在一些实施例中,处理设备110可以是区域的或者远程的。例如,处理设备110可以通过网络120访问存储于用户终端130和存储设备140中的信息和/或资料。在一些实施例中,处理设备110可以直接与用户终端130和存储设备140连接以访问存储于其中的信息和/或资料。在一些实施例中,处理设备110可以在云平台上执行。例如,该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。在一些实施例中,处理设备110可以包含处理器,处理器可以包含一个或多个子处理器(例如,单芯处理设备或多核多芯处理设备)。仅仅作为范例,处理器可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
网络120可促进应用场景100中数据和/或信息的交换。在一些实施例中,应用场景100中的一个或多个组件(例如,处理设备110、用户终端130、存储设备140和非开关量设备的控制***150)可以通过网络120发送数据和/或信息给应用场景100中的其他组件。在一些实施例中,网络120可以是任意类型的有线或无线网络。例如,网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(LAN)、广域网络(WAN)、无线区域网络(WLAN)、都会区域网络(MAN)、公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或以上任意组合。
用户终端130可以获取应用场景100中的信息或数据,用户(例如,基于非开关量设备的控制***150的使用者)可以是用户终端130的使用者。例如,用户终端130可以通过网络120发送控制指令处理设备110,处理设备110可以根据该控制指令通过非开关量设备的控制***150的采集模块获取非开关量设备的控制信号参数和状态返回信号,并基于第二控制模型构建模块对非开关量设备进行控制。在一些实施例中,用户终端130可以包括移动装置、平板电脑、笔记本电脑等中的一种或其任意组合。在一些实施例中,移动装置可以包括可穿戴装置、智能行动装置、虚拟实境装置、增强实境装置等或其任意组合。
在一些实施例中,存储设备140可以与网络120连接以实现与应用场景100的一个或多个组件(例如,处理设备110、用户终端130等)通讯。应用场景100的一个或多个组件可以通过网络120访问存储于存储设备140中的资料或指令。在一些实施例中,存储设备140可以直接与应用场景100中的一个或多个组件(如,处理设备110、用户终端130)连接或通讯。在一些实施例中,存储设备140可以是处理设备110的一部分。
非开关量设备的控制***150为用于对多个非开关量设备进行控制。基于非开关量设备的控制***150可以与应用场景100中的一个或多个组件(例如,处理设备110、用户终端130和存储设备140)进行数据和/或信息的交换。关于非开关量设备的控制***150的更多描述可以参见图2及其相关描述。
应该注意的是,上述描述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域普通技术人员而言,在本申请内容的指导下,可做出多种变化和修改。可以以各种方式组合本申请描述的示例性的实施例的特征、结构、方法和其他特征,以获得另外的和/或替代的示例性的实施例。例如,存储设备140可以是包括云计算平台的数据存储设备,例如公共云、私有云、社区云和混合云等。然而,这些变化与修改不会背离本申请的范围。
应当理解,图1所示的***及其模块可以利用各种方式来实现。需要注意的是,以上对于应用场景100的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。
图2是根据本说明书一些实施例所示的一种非开关量设备的控制***150的模块示意图。
如图2所示,一种非开关量设备的控制***可以包括采集模块、第一控制模型构建模块、第二控制模型构建模块和控制模块。
采集模块可以用于获取一个或多个非开关量设备的一个或多个控制信号参数和状态返回信号。在一些实施例中,一个或多个非开关量设备包括,一个或多个数量的同一种类的非开关量设备,以及一个或多个数量的不同种类的非开关量设备。关于采集模块的更多描述可以参见图3及其相关描述,此处不再赘述。
第一控制模型构建模块可以用于基于一个或多个控制信号参数和状态返回信号构建一个或多个第一控制模型。例如,第一控制模型构建模块可以基于电流参数和功率信号构建第一控制模型,第一控制模型可以是一次函数,二次函数或其他高阶函数。关于第一控制模型的更多描述可以参见图4及其相关描述,此处不再赘述。
第二控制模型构建模块可以用于基于预设的一个或多个参考模型对一个或多个第一控制模型进行调整,获得一个或多个第二控制模型。其中,预设的参考模型可以为一次函数。例如,可以预设变频水泵的电流参数和功率信号的参考模型为:y=kx+b其中,x可以是电流参数,y可以是功率信号,k和b可以通过采样计算得到。在一些实施例中,可以基于参考模型调整第一控制模型获得第二控制模型,关于第二控制模型的更多描述可以参见图5及其相关描述,此处不再赘述。
控制模块可以用于基于一个或多个第二控制模型对非开关量设备进行控制。在一些实施例中,控制模型可以基于一个或多个第二控制模型对一个或多个非开关量设备进行控制和/或基于一个或多个第二控制模型对与一个或多个非开关量设备的不同品牌、同型号的非开关量设备进行控制。
在一些实施例中,控制模型可以基于一个或多个第二控制模型对一个或多个非开关量设备进行控制。例如:分别获取不同种类的非开关量设备a和b的电流参数和功率信号,并且建立了第二控制模型a1和b1,可以使用第二控制模型a1控制一个或多个a,b1控制一个或多个b。由于可以使用多个第二控制模型控制多个不同种类的非开关量设备,提高了整体控制多数量多种类的非开关量设备的效率,根据非开关量设备的特性建立的第二控制模型能对该种类非开关量设备进行精准控制。
在一些实施例中,控制模型可以基于一个或多个第二控制模型对与一个或多个非开关量设备的不同品牌、同型号的非开关量设备进行控制。例如,有品牌a和品牌b的同型号的两台泵,两台泵的功率在铭牌上显示相同,但是经过实测发现品牌a的负载从10%提升到20%的时候需要5分钟,然后品牌b的负载从10%提升到20%需要一个小时。由于分别获得了品牌a和b的第二控制模型,则可以知道a和b要开到一样,例如,从百分之10%到20%,b要提前多久开。例如,a可以等到b差不多已经有百分之15%时,再打开a,让a和b最后可以基本上同步输出,减少***出现极端的情况,在流体泵***具体可以表现为减少穿流、回流的情况。通过对不同品牌的同型号的非开关量设备进行联调联控,可以降低整体***的波动性,增加控制***的普适性,能跨品牌的高效控制,降低能耗。
需要注意的是,以上对于采集模块、第一控制模型构建模块、第二控制模型构建模块,以及控制模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可以在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子***与其他模块连接。在一些实施例中,图2中披露的采集模块、第一控制模型构建模块、第二控制模型构建模块,以及控制模块可以是一个***中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的一种非开关量设备的控制方法的示例性流程图。
如图3所示,一种非开关量设备的控制方法包括下述步骤。在一些实施例中,一种非开关量设备的控制方法可以由一种非开关量设备的控制***和处理设备110执行。
步骤310,获取一个或多个非开关量设备的一个或多个控制信号参数和状态返回信号。在一些实施例中,步骤310可以由采集模块执行。
非开关量设备是指输出状态不止为“开”或“关”的设备,例如:变频泵、鼓风机、变频水泵、变频冷水机组,调光灯,变速风扇等。控制信号参数是指本***可以用来控制非开关量设备的参数,例如:当前负载、电压、电流、占空比,转速等参数。状态返回信号是指,返回状态信息的参数,例如:负载、功率。在一些实施例中,可以通过传感设备获取控制信号参数。例如,通过电流传感器获取电流参数,电压传感器获取电压参数,根据转速传感器获取转速。在一些实施例中,还可以通过***计算获得当前负载、功率,通过设备的铭牌获得占空比。在一些实施例中,一个或多个非开关量设备包括,一个或多个数量的同一种类的非开关量设备,以及一个或多个数量的不同种类的非开关量设备。
在一些实施例中,可以获取一个非开关量设备的一个控制信号参数,例如,变频水泵的随时间变化的电流参数。在一些实施例中,可以获取多个非开关量设备的同样一个控制信号参数,例如,鼓风机和变频水泵的电流参数。在一些实施例中,可以获取一个非开关量设备的多个控制信号参数,例如变频水泵的随时间变化的电压参数、和电流参数。在一些实施例中,可以获取多个非开关量设备的多个控制信号参数,例如:鼓风机的随时间变化的电流参数和电压参数,变频水泵的随时间变化的电流参数和电压参数。
步骤320,基于一个或多个控制信号参数和状态返回信号构建一个或多个第一控制模型。在一些实施例中,步骤320可以由第一控制模型构建模块执行。
可以基于多个控制信号参数和状态返回信号构建第一控制模型。例如,可以基于电流参数和功率信号构建第一控制模型,第一控制模型可以是一次函数,二次函数或其他高阶函数。关于第一控制模型的更多描述可以参见图4及其相关描述,此处不再赘述。
步骤330,基于预设的一个或多个参考模型对一个或多个第一控制模型进行调整,获得一个或多个第二控制模型。在一些实施例中,步骤330可以由第二控制模型构建模块执行。
其中,预设的参考模型可以为一次函数、其他高阶函数,指数函数等。预设的参考模型可以通过线性回归方法获得。例如,可以预设变频水泵的电流参数和功率信号的参考模型为:y=kx+b,其中,x可以是电流参数,y可以是功率信号,k和b可以通过采样计算得到。在一些实施例中,***可以不只是计算k和b。***也有可能会增加系数或常量,也有可能增加变量。在一些实施例中,可以基于参考模型调整第一控制模型获得第二控制模型,关于第二控制模型的更多描述可以参见图5及其相关描述,此处不再赘述。
步骤340,基于一个或多个第二控制模型对非开关量设备进行控制。在一些实施例中,步骤340可以由控制模块执行。
在一些实施例中,控制模型可以基于一个或多个第二控制模型对一个或多个非开关量设备进行控制和/或基于一个或多个第二控制模型对与一个或多个非开关量设备的不同品牌、同型号的非开关量设备进行控制。
在一些实施例中,控制模型可以基于一个或多个第二控制模型对一个或多个非开关量设备进行控制。例如:分别获取不同种类的非开关量设备a和b的电流参数和功率信号,并且建立了第二控制模型a1和b1,可以使用第二控制模型a1控制一个或多个a,b1控制一个或多个b。由于可以使用多个第二控制模型控制多个不同种类的非开关量设备,提高了整体控制多数量多种类的非开关量设备的效率,根据非开关量设备的特性建立的第二控制模型能对该种类非开关量设备进行精准控制。
在一些实施例中,可以基于一个或多个第二控制模型对与一个或多个非开关量设备的不同品牌、同型号的非开关量设备进行控制。例如,有品牌a和品牌b的同型号的两台泵,两台泵的功率在铭牌上显示相同,但是经过实测发现品牌a的负载从10%提升到20%的时候需要5分钟,然后品牌b的负载从10%提升到20%需要一个小时。由于分别获得了品牌a和b的第二控制模型,则可以知道a和b要开到一样,例如,从百分之10%到20%,泵b要提前多久开。例如,a可以等到b差不多已经有百分之15%时,再打开a,让a和b最后可以基本上同步输出,减少***出现极端的情况,在流体泵***具体可以表现为减少穿流、回流的情况。通过对不同品牌的同型号的非开关量设备进行联调联控,可以降低整体***的波动性,增加控制***的普适性,能跨品牌的高效控制,降低能耗。
图4是根据本说明书一些实施例所示的构建第一控制模型的示例性流程图。
如图4所示,构建第一控制模型包括以下步骤。
步骤410,对一个或多个控制信号参数和状态返回信号的数据进行采样。在一些实施例中,步骤410可以由第一控制模型构建模块来执行。
可以非开关量设备的多个控制参数以及状态返回信号进行数据采样。以变频水泵的转速和电流为例,转速作为第一自变量,电流作为第二自变量,负载作为因变量,可以分别对变频水泵的转速和电流以及对应的负载进行数据采样。
步骤420,基于采样后的数据进行数据拟合,获得一个或多个第一控制模型。在一些实施例中,步骤420可以由第一控制模型构建模块来执行。
可以对获得的非开关量设备的控制参数以及状态返回信号进行数据拟合获得第一控制模型。例如,线性回归拟合、非线性回归拟合、指数拟合或对数拟合等,以获取非开关量设备的控制参数和状态返回信号的对应关系。以变频水泵的转速速和负载为例,在获得了变频水泵的转速和负载的N个数据对,N个数据对进行数据拟合,选取描述转速和负载关系最准确的函数作为第一控制模型。具体的,可以先基于SPSS软件根据获取的多个时间点的变频水泵的转速和该多个时间点对应的变频水泵的负载建立散点图,通过多种曲线拟合形式(例如,线性回归拟合、非线性回归拟合、指数拟合或对数拟合等),获取多条候选拟合曲线,从多条候选拟合曲线选择与散点图最吻合的候选拟合曲线作为第一控制模型。可以理解的是,选取的非开关量设备的控制参数和状态返回信号不同,获得的第一控制模型不同,本实施例仅为举例说明,并不能把本说明书限制在所举实施例范围之内。
在一些实施例中,第一控制模型还可以为机器学习模型,其中,机器学习模型的输入为非开关量设备的控制参数(例如,转速)、机器学习模型的输出为非开关量设备的返回信号(例如,电流)。该机器学习模型可以包括但不限于神经网络(NN)、卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)等或其任意组合,例如,机器学习模型可以为卷积神经网络和深度神经网络组合形成的模型。
建立第一控制模型的具体过程可以为:预先建立初始机器学习模型,获取非开关量设备控制信号(例如,转速),生成第一训练样本,第一训练样本的标签为非开关量设备的控制信号(例如,电流)。基于第一训练样本更新初始机器学习模型的参数,直至训练后的初始机器学习模型满足预设条件,得到训练好的机器学习模型。预设条件可以为损失函数收敛、损失函数值小于预设值或迭代次数大于预设次数等。可以理解的是,选取的非开关量设备的控制参数和状态返回信号不同,获得的第一控制模型不同,本实施例仅为举例说明,并不能把本说明书限制在所举实施例范围之内。
图5是根据本说明书实施例所示的构建第二控制模型的示例性流程图。
如图5所示,构建第二控制模型包括以下步骤。
步骤510,将一个或多个第一控制模型与对应的所述预设的一个或多个参考模型进行比较。步骤510可以由第二控制模型构建模块来执行。
其中,预设的参考模型可以为一次函数,其他高阶函数,指数函数等。预设的参考模型可以通过线性回归方法获得。例如,可以预设变频水泵的电流参数和功率信号的参考模型为:y=kx+b,其中,x可以是电流参数,y可以是功率信号,k和b可以通过采样计算得到。
步骤520,对与预设的一个或多个参考模型最接近的一个或多个第一控制模型的数据区间进行数据采样。步骤520可以由第二控制模型构建模块来执行。
可以通过拟合预设的参考模型的功率变化曲线与第一控制模型进行比较。以变频水泵的电流及电压为自变量,流量及扬程为因变量为例,初次部署中,给控制元器件的控制范围中均匀输入N个测试用自变量数据点,每次因变量改变稳定后,记录自上一个稳定状态开始改变和再次稳定的响应时间戳,同时记录该稳定转速。依次获得N个状态点后,拟合预设的参考模型的功率能效曲线,截取拟合的具备映射关系y=f(x)控制区间。
步骤530,基于采样后的数据进行数据拟合,获得一个或多个第二控制模型。步骤530可以由第二控制模型构建模块来执行。
基于上述获得的线性控制区间,读取各个常用控制点之间的变化和稳定的区间,在此区间内进一步取值和控制曲线的拟合,以获取调整后的第二控制模型。可以理解的是,为了增加控制精度,读取各个常用控制点之间的变化和稳定的区间后,可以再进行不止一次的拟合,不断地调整第二控制模型得到更精准的控制模型。
在一些实施例中,当获得了多个第二控制模型时,还可以获取多个第二控制模型的全局最优解,基于全局最优解,对多个非开关量设备进行群控。
在一些实施例中,可以将多个第二控制模型进行叠加,获得高维控制模型,在高维控制模型中取多个第二控制模型叠加状态下能效最高的共同区域,就是全局最优解。让每个非开关量设备都工作在这个区域中以此对多个非开关量设备进行群控。基于所述全局最优解对多个非开关量设备进行群控。
应当注意的是,上述有关一种非开关量设备的控制方法的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对一种非开关量设备的控制方法进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
Claims (6)
1.一种非开关量设备的控制方法,其特征在于,包括:
获取一个或多个非开关量设备的一个或多个控制信号参数和状态返回信号,其中,所述控制信号参数是指本***可以用来控制所述非开关量设备的参数,所述状态返回信号是指返回状态信息的参数;
基于所述一个或多个控制信号参数和所述状态返回信号构建一个或多个第一控制模型;
基于预设的一个或多个参考模型对所述一个或多个第一控制模型进行调整,获得一个或多个第二控制模型,包括:
将所述一个或多个第一控制模型与对应的所述预设的一个或多个参考模型进行比较;
对与所述预设的一个或多个参考模型最接近的所述一个或多个第一控制模型的数据区间进行数据采样;
基于采样后的数据进行数据拟合,获得所述一个或多个第二控制模型;基于所述一个或多个第二控制模型对非开关量设备进行控制,包括:
基于所述一个或多个第二控制模型对所述一个或多个非开关量设备进行控制和/或
基于所述一个或多个第二控制模型对与所述一个或多个非开关量设备的不同品牌、同型号的非开关量设备进行控制;
还包括获取所述多个第二控制模型的全局最优解,基于所述全局最优解,对所述多个非开关量设备进行群控,其中获取所述全局最优解包括:
通过叠加所述多个第二控制模型,获得高维控制模型,在所述高维控制模型中取所述多个第二控制模型叠加状态下能效最高的共同区域。
2.根据权利要求1所述的控制方法,其特征在于,所述基于所述一个或多个控制信号参数和所述状态返回信号构建一个或多个第一控制模型,包括:
对所述一个或多个控制信号参数和所述状态返回信号的数据进行采样;
基于采样后的数据进行数据拟合,获得所述一个或多个第一控制模型。
3.一种非开关量设备的控制***,其特征在于,包括:
采集模块,用于获取一个或多个非开关量设备的一个或多个控制信号参数和状态返回信号;
第一控制模型构建模块,用于基于所述一个或多个控制信号参数和所述状态返回信号构建一个或多个第一控制模型;
第二控制模型构建模块,用于基于预设的一个或多个参考模型对所述一个或多个第一控制模型进行调整,获得一个或多个第二控制模型,包括:
将所述一个或多个第一控制模型与对应的所述预设的一个或多个参考模型进行比较;
对与所述预设的一个或多个参考模型最接近的所述一个或多个第一控制模型的数据区间进行数据采样;
基于采样后的数据进行数据拟合,获得所述一个或多个第二控制模型;
控制模块,用于基于所述一个或多个第二控制模型对非开关量设备进行控制,包括:
基于所述一个或多个第二控制模型对所述一个或多个非开关量设备进行控制和/或;
基于所述一个或多个第二控制模型对与所述一个或多个非开关量设备的不同品牌、同型号的非开关量设备进行控制;
还包括获取所述多个第二控制模型的全局最优解,基于所述全局最优解,对所述多个非开关量设备进行群控,其中获取所述全局最优解包括:
通过叠加所述多个第二控制模型,获得高维控制模型,在所述高维控制模型中取所述多个第二控制模型叠加状态下能效最高的共同区域。
4.根据权利要求3所述的控制***,其特征在于,所述第一控制模型构建模块还用于:
对所述一个或多个控制信号参数和所述状态返回信号的数据进行采样;
基于采样后的数据进行数据拟合,获得所述一个或多个第一控制模型。
5.一种存储介质,其特征在于,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行权利要求1或2所述的非开关量设备的控制方法。
6.一种电子设备,其特征在于,包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序指令,至少一个所述处理器读取所述程序指令后执行权利要求1或2所述的非开关量设备的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211081641.5A CN115145211B (zh) | 2022-09-06 | 2022-09-06 | 一种非开关量设备的控制方法、***、介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211081641.5A CN115145211B (zh) | 2022-09-06 | 2022-09-06 | 一种非开关量设备的控制方法、***、介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115145211A CN115145211A (zh) | 2022-10-04 |
CN115145211B true CN115145211B (zh) | 2022-12-09 |
Family
ID=83415660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211081641.5A Active CN115145211B (zh) | 2022-09-06 | 2022-09-06 | 一种非开关量设备的控制方法、***、介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115145211B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268069A (zh) * | 2013-05-22 | 2013-08-28 | 常州大学 | 基于Hammerstein模型的自适应预测控制方法 |
CN103469137A (zh) * | 2013-09-07 | 2013-12-25 | 鞍钢股份有限公司 | 一种热镀锌镀层厚度动态变规格预设控制方法 |
CN103742359A (zh) * | 2013-12-26 | 2014-04-23 | 南车株洲电力机车研究所有限公司 | 基于模型辨识的风电机组控制参数再调校装置、***及其方法 |
CN103758699A (zh) * | 2014-02-20 | 2014-04-30 | 浙江运达风电股份有限公司 | 一种风力发电机组的桨距角控制方法及桨距角控制器 |
CN103882176A (zh) * | 2014-03-25 | 2014-06-25 | 东北大学 | 一种基于数据驱动的转炉炼钢过程在线动态最优控制方法 |
CN104865830A (zh) * | 2015-04-29 | 2015-08-26 | 华北电力大学(保定) | 一种机组负荷双重智能优化控制方法 |
CN105091213A (zh) * | 2015-06-09 | 2015-11-25 | 邻元科技(北京)有限公司 | 一种基于无中心网络的冷机***、冷机控制器及控制方法 |
CN109028446A (zh) * | 2018-07-05 | 2018-12-18 | 上海立威能节能环保技术有限公司 | 一种基于设备全工况性能模型的制冷机房控制方法 |
CN112909936A (zh) * | 2021-02-04 | 2021-06-04 | 中国神华能源股份有限公司国华电力分公司 | 火电机组运行状态的监测方法、装置和*** |
CN114995152A (zh) * | 2022-06-17 | 2022-09-02 | 中国民航大学 | 一种民用航空发动机性能模型偏差修正方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6400996B1 (en) * | 1999-02-01 | 2002-06-04 | Steven M. Hoffberg | Adaptive pattern recognition based control system and method |
EP3101488B1 (en) * | 2015-06-03 | 2021-05-19 | Honeywell spol s.r.o. | Gray box model estimation for process controller |
US20200379424A1 (en) * | 2019-05-29 | 2020-12-03 | General Electric Company | Systems and methods for enhanced power system model validation |
US20230127583A1 (en) * | 2020-02-27 | 2023-04-27 | University Of New Brunswick | Model Predictive Control Systems and Methods |
-
2022
- 2022-09-06 CN CN202211081641.5A patent/CN115145211B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268069A (zh) * | 2013-05-22 | 2013-08-28 | 常州大学 | 基于Hammerstein模型的自适应预测控制方法 |
CN103469137A (zh) * | 2013-09-07 | 2013-12-25 | 鞍钢股份有限公司 | 一种热镀锌镀层厚度动态变规格预设控制方法 |
CN103742359A (zh) * | 2013-12-26 | 2014-04-23 | 南车株洲电力机车研究所有限公司 | 基于模型辨识的风电机组控制参数再调校装置、***及其方法 |
CN103758699A (zh) * | 2014-02-20 | 2014-04-30 | 浙江运达风电股份有限公司 | 一种风力发电机组的桨距角控制方法及桨距角控制器 |
CN103882176A (zh) * | 2014-03-25 | 2014-06-25 | 东北大学 | 一种基于数据驱动的转炉炼钢过程在线动态最优控制方法 |
CN104865830A (zh) * | 2015-04-29 | 2015-08-26 | 华北电力大学(保定) | 一种机组负荷双重智能优化控制方法 |
CN105091213A (zh) * | 2015-06-09 | 2015-11-25 | 邻元科技(北京)有限公司 | 一种基于无中心网络的冷机***、冷机控制器及控制方法 |
CN109028446A (zh) * | 2018-07-05 | 2018-12-18 | 上海立威能节能环保技术有限公司 | 一种基于设备全工况性能模型的制冷机房控制方法 |
CN112909936A (zh) * | 2021-02-04 | 2021-06-04 | 中国神华能源股份有限公司国华电力分公司 | 火电机组运行状态的监测方法、装置和*** |
CN114995152A (zh) * | 2022-06-17 | 2022-09-02 | 中国民航大学 | 一种民用航空发动机性能模型偏差修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115145211A (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113835344B (zh) | 设备的控制优化方法、展示平台、云服务器及存储介质 | |
CN112577161A (zh) | 空调能耗模型训练方法与空调***控制方法 | |
US9921628B2 (en) | Power converter for a computer device and method for operating a power converter | |
CN105676692B (zh) | 发电机组励磁智能控制*** | |
CN107147342A (zh) | 一种感应电机参数辨识***及方法 | |
US10211634B2 (en) | Dynamic state estimation of power distribution system | |
CN112383891A (zh) | 一种基于物模型自动匹配的设备注册方法和装置 | |
CN111082419A (zh) | 基于大数据技术的智能配电网用户接入方案管理方法及*** | |
Norrlöf | Disturbance rejection using an ILC algorithm with iteration varying filters | |
CN116582034A (zh) | 一种低能耗永磁外转子滚筒电机控制*** | |
CN115145211B (zh) | 一种非开关量设备的控制方法、***、介质和电子设备 | |
CN112034238B (zh) | 一种用电设备识别方法及*** | |
Burian et al. | Investigation of the pump unit control system with the neural network productivity estimator | |
CN104238376A (zh) | 基于数据的低温低气压环境发电机组运行仿真*** | |
JP7081070B2 (ja) | 消費電力推定装置 | |
CN113344435B (zh) | 台区供电状态评估、装置、电子设备和存储介质 | |
CN115586438A (zh) | 一种双电机效率测试方法、***、设备及存储介质 | |
CN115390454A (zh) | 一种流体***的控制方法、***、介质和电子设备 | |
JP2018007503A (ja) | サーバ装置、駆動装置、端末装置、プログラムおよび方法 | |
CN116434818B (zh) | 基于fpga的ddr3多端口读写存储管理方法 | |
CN116646911B (zh) | 应用于数字化电源并联模式的电流均流分配方法及*** | |
CN112632112A (zh) | 风力发电机组的损失电量的计算方法和设备 | |
MANZANERO-VAZQUEZ et al. | Internet of things applied to agriculture using the ESP32 module in connection with the Ubidots platform. | |
CN115598967B (zh) | 参数整定模型训练、参数确定方法、装置、设备及介质 | |
CN113569516B (zh) | 一种获取任意比例数的bjt失配模型的方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |