CN117175776A - 基于智能控制技术的ups节能*** - Google Patents
基于智能控制技术的ups节能*** Download PDFInfo
- Publication number
- CN117175776A CN117175776A CN202311289116.7A CN202311289116A CN117175776A CN 117175776 A CN117175776 A CN 117175776A CN 202311289116 A CN202311289116 A CN 202311289116A CN 117175776 A CN117175776 A CN 117175776A
- Authority
- CN
- China
- Prior art keywords
- data
- load
- module
- power load
- power
- 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.)
- Pending
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 63
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 230000005059 dormancy Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims description 44
- 238000007781 pre-processing Methods 0.000 claims description 29
- 238000011084 recovery Methods 0.000 claims description 21
- 230000007958 sleep Effects 0.000 claims description 18
- 238000007726 management method Methods 0.000 claims description 14
- 238000009472 formulation Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及节能控制技术领域,具体地说,涉及基于智能控制技术的UPS节能***。其包括处理分析单元、预测控制单元、自动休眠单元、运行管理单元,运行管理单元用于接收采集后的数据、模糊控制后的数据,并根据采集后的数据、模糊控制后的数据进行负载分配,再根据采集后的数据、分析后的数据、负载预测后的数据、负载分配后的数据进行负载优化,将负载优化后的数据进行再次负载分配。本发明通过不断优化负载,以适应不同负载情况和运行效率的变化,实现对多个UPS设备并行运行的负载均衡,确保每个UPS设备在高效运行范围内工作,避免设备过载或低负载的情况,提高UPS设备的能效和稳定性,从而延长设备的寿命,减少能源消耗,降低运维成本。
Description
技术领域
本发明涉及节能控制技术领域,具体地说,涉及基于智能控制技术的UPS节能***。
背景技术
UPS即不间断电源是一种含有储能装置的不间断电源,主要用于给部分对电源稳定性要求较高的设备,提供不间断的电源,不间断电源(UPS)是将蓄电池与主机相连接,通过主机逆变器等模块电路将直流电转换成市电的***设备,当市电输入正常时,UPS设备将市电稳压后供应给负载使用,此时的UPS设备就是一台交流式电稳压器,同时它还向机内电池充电,当市电中断或事故停电时,UPS设备立即将电池的直流电能,UPS设备通常对电压过高或电压过低都能提供保护,它主要用于给单台计算机、计算机网络***或其他电力电子设备如电磁阀、压力变送器等提供稳定、不间断的电力供应,保证这些设备仪器的不间断运行,防止计算机数据丢失、电话通信网络中断或仪器失去控制,由此看出UPS电源技术在我们的生活中起着很重要的作用。
虽然UPS电源技术是我们生活中不可缺失的电源技术,但现实场景中的UPS电源技术还存在着一些局限性,当服务器机房出现长时间停电或电力故障的情况时,这时急需UPS设备大量输出电力,由于UPS设备产生电力负载,所以UPS设备中储存的电力可能不足以支持服务器机房持续工作,不仅大量消耗能源,还缩短了UPS设备的使用寿命,因此需要进行合理的负载管理和能源规划。
发明内容
本发明的目的在于提供基于智能控制技术的UPS节能***,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供基于智能控制技术的UPS节能***,包括处理分析单元、预测控制单元、自动休眠单元、运行管理单元;
所述处理分析单元用于接收传感器采集的数据,并对采集后的数据进行预处理操作,再对预处理操作后的数据进行分析;
所述预测控制单元用于接收采集后的数据、分析后的数据,并对采集后的数据、分析后的数据进行负载预测,再根据采集后的数据、负载预测后的数据进行模糊控制,并根据模糊控制后的数据进行动态调节;
所述自动休眠单元用于接收采集后的数据、模糊控制后的数据,并对模糊控制后的数据进行建立报告,同时根据采集后的数据、模糊控制后的数据进入自动休眠状态,并对进入自动休眠状态的设备进行制定策略;
所述运行管理单元用于接收采集后的数据、模糊控制后的数据、制定策略后的数据,并根据采集后的数据、模糊控制后的数据、制定策略后的数据进行负载分配,再根据采集后的数据、分析后的数据、负载预测后的数据、负载分配后的数据进行负载优化;
所述运行管理单元用于接收采集后的数据、模糊控制后的数据、制定策略后的数据,并根据采集后的数据、模糊控制后的数据、制定策略后的数据进行负载分配,再根据采集后的数据、分析后的数据、负载预测后的数据、负载分配后的数据进行负载优化,再对负载优化后的数据进行再次负载分配。
作为本技术方案的进一步改进,所述处理分析单元包括数据采集模块、数据预处理模块、大数据分析模块;
所述数据采集模块用于接收传感器采集UPS设备中的电力负载数据,将采集后的电力负载数据传入数据预处理模块中;
所述数据预处理模块用于接收采集后的电力负载数据,并对采集后的电力负载数据进行预处理操作,将预处理操作后的电力负载数据传入大数据分析模块中;
所述大数据分析模块用于接收采集后的电力负载数据、预处理操作后的电力负载数据,并根据采集后的电力负载数据、预处理操作后的电力负载数据进行大数据分析,大数据分析采用了自回归移动平均模型算法;
自回归移动平均模型数学算法公式:
其中,X_t表示大数据分析后的电力负载数据,t是时间点的观测值,μ表示常数项或均值,表示采集后的电力负载数值,描述了当前电力负载数值与过去电力负载数值之间的相关关系,X_{t-1},X_{t-2},…,X_{t-p}表示时间点t的前p个电力负载数值,ε_t表示服从电力负载数值均值为0,θ1,θ2表示预处理操作后的电力负载系数,描述了当前电力负载数值与电力负载数值随机误差项之间的相关关系,ε_{t-1},ε_{t-2}表示时间点t的前p个电力负载数值的随机误差项。
作为本技术方案的进一步改进,所述预测控制单元包括负载预测模块、动态调整模块、智能控制模块;
所述负载预测模块用于接收大数据分析模块中大数据分析后的电力负载数据,接收数据采集模块中采集后的电力负载数据,并根据大数据分析后的电力负载数据、采集后的电力负载数据结合进行负载预测,负载预测采用了时间序列预测技术,同时将负载预测后的电力负载数据传入智能控制模块中;
所述智能控制模块用于接收负载预测后的电力负载数据,接收数据采集模块中采集后的电力负载数据,并对负载预测后的电力负载数据、采集后的电力负载数据进行模糊控制,将模糊控制后的电力负载数据传入动态调整模块中;
所述动态调整模块用于接收负载预测后的电力负载数据、模糊控制后的电力负载数据,并根据负载预测后的电力负载数据、模糊控制后的电力负载数据进行判断,判断UPS设备是否切换为节能模式或高效输出模式,再对判断后的结果进行动态调节。
作为本技术方案的进一步改进,所述自动休眠单元包括报告显示模块、休眠模式模块、快速恢复模块;
所述报告显示模块用于接收智能控制模块中模糊控制后的电力负载数据,并将模糊控制后的电力负载数据以报告的形式进行显示,再对显示后的报告进行存储;
所述休眠模式模块用于接收数据采集模块中采集后的电力负载数据,接收智能控制模块中模糊控制后的电力负载数据,并根据采集后的电力负载数据、模糊控制后的电力负载数据进行判断,判断UPS设备是否处于无电力负载或轻电力负载状态,再根据判断结果决定是否进入休眠模式;
所述快速恢复模块用于对休眠模式模块进行制定恢复策略。
作为本技术方案的进一步改进,所述运行管理单元包括负载分配模块和负载优化模块;
所述负载分配模块用于接收智能控制模块中模糊控制后的电力负载数据,接收快速恢复模块中恢复策略后的电力负载数据,接收数据采集模块中采集后的电力负载数据,并对模糊控制后的电力负载数据、恢复策略后的电力负载数据、采集后的电力负载数据进行负载分配,将负载分配后的电力负载数据出传入负载优化模块中;
所述负载优化模块用于接收负载分配后的电力负载数据,接收数据采集模块中采集后的电力负载数据,接收大数据分析模块中大数据分析后的电力负载数据,接收负载预测模块中负载预测后的电力负载数据,并对负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据进行负载优化,将负载优化后的电力负载数据传入负载分配模块中。
作为本技术方案的进一步改进,所述负载优化模块用于接收负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据,并对负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据进行负载优化,将负载优化后的电力负载数据传入负载分配模块中,负载分配模块对优化后的电力负载数据进行再次负载分配,将再次负载分配后的电力负载数据传入智能控制模块中。
与现有技术相比,本发明的有益效果:
1、该基于智能控制技术的UPS节能***中,负载优化模块对负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据进行负载优化,通过不断优化负载,以适应不同负载情况和运行效率的变化,实现对多个UPS设备并行运行的负载均衡;
同时将优化后的电力负载数据传入负载分配模块中,负载分配模块对优化后的电力负载数据进行再次负载分配,确保每个UPS设备在高效运行范围内工作,避免设备过载或低负载的情况,提高UPS设备的能效和稳定性,从而延长设备的寿命,减少能源消耗,降低运维成本。
附图说明
图1为本发明的整体框图;
图2为本发明的处理分析单元框图;
图3为本发明的预测控制单元框图;
图4为本发明的自动休眠单元框图;
图5为本发明的运行管理单元框图。
图中各个标号意义为:
1、处理分析单元;11、数据采集模块;12、数据预处理模块;13、大数据分析模块;
2、预测控制单元;21、负载预测模块;22、动态调整模块;23、智能控制模块;
3、自动休眠单元;31、报告显示模块;32、休眠模式模块;33、快速恢复模块;
4、运行管理单元;41、负载分配模块;42、负载优化模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本发明提供基于智能控制技术的UPS节能***,请参阅图1-图5,包括处理分析单元1、预测控制单元2、自动休眠单元3、运行管理单元4;
当服务器机房出现长时间停电或电力故障的情况时,UPS设备及时供电并产生大量电力负载,不仅大量消耗能源,还缩短了UPS设备的使用寿命,于是我们提出了基于智能控制技术的UPS节能***,该***的处理分析单元1用于接收传感器采集的数据,并对采集后的数据进行预处理操作,再对预处理操作后的数据进行分析,预测控制单元2用于接收采集后的数据、分析后的数据,并对采集后的数据、分析后的数据进行负载预测,再根据采集后的数据、负载预测后的数据进行模糊控制,并根据模糊控制后的数据进行动态调节,自动休眠单元3用于接收采集后的数据、模糊控制后的数据,并对模糊控制后的数据进行建立报告,同时根据采集后的数据、模糊控制后的数据进入自动休眠状态,并对进入自动休眠状态的设备进行制定策略,运行管理单元4用于接收采集后的数据、模糊控制后的数据、制定策略后的数据,并根据采集后的数据、模糊控制后的数据、制定策略后的数据进行负载分配,再根据采集后的数据、分析后的数据、负载预测后的数据、负载分配后的数据进行负载优化;
运行管理单元4用于接收采集后的数据、模糊控制后的数据、制定策略后的数据,并根据采集后的数据、模糊控制后的数据、制定策略后的数据进行负载分配,再根据采集后的数据、分析后的数据、负载预测后的数据、负载分配后的数据进行负载优化,通过负载优化不仅可以降低因过载引起的故障率,还可以确保该***在高负载情况下仍能正常运行,提供稳定的服务和更好的容错能力,再对负载优化后的数据进行再次负载分配,通过合理分配负载,可以避免资源耗尽或***崩溃的风险,提高了该***的稳定性和可靠性。
以下对上述单元进行细化,请参考图2-图5所示;
处理分析单元1包括数据采集模块11、数据预处理模块12、大数据分析模块13;
我们可以在UPS设备中部署电流传感器和电压传感器,实时监测电力负载的电流和电压情况,传感器将采集到的数据通过通信协议传输至数据采集模块11,数据采集模块11用于接收传感器采集UPS设备中的电力负载数据,将采集后的电力负载数据传入数据预处理模块12中,数据预处理模块12用于接收采集后的电力负载数据,并对采集后的电力负载数据进行预处理操作,预处理操作包括数据清洗(处理数据中的错误、重复项)、去噪(数据中随机出现的不相关或错误数据,可能是由于传感器误差、数据采集过程中的干扰等引起的)异常检测(识别和发现与正常模式或典型行为不符的异常数据或事件的过程,可以发现潜在的问题、威胁或异常行为,并及时采取适当的措施),通过预处理操作确保数据的准确性和可靠性,便于后续的大数据分析和负载预测,同时将预处理操作后的电力负载数据传入大数据分析模块13中。
大数据分析模块13用于接收采集后的电力负载数据、预处理操作后的电力负载数据,并根据采集后的电力负载数据、预处理操作后的电力负载数据进行大数据分析,从数据中提取电力负载的变化趋势和周期性规律,还可以利用工具如Hadoop(是一个开源的分布式计算框架,旨在处理大规模数据集并实现可靠性、可扩展性和容错性)、Spark(是一个快速、通用的大数据处理和分析引擎,是由Apache软件基金会开发和维护的开源项目)等进行分布式计算,以应对大规模数据,大数据分析采用了自回归移动平均模型算法;
自回归移动平均模型数学算法公式:
其中,X_t表示大数据分析后的电力负载数据,t是时间点的观测值,μ表示常数项或均值,表示采集后的电力负载数值,描述了当前电力负载数值与过去电力负载数值之间的相关关系,X_{t-1},X_{t-2},…,X_{t-p}表示时间点t的前p个电力负载数值,ε_t表示服从电力负载数值均值为0,θ1,θ2表示预处理操作后的电力负载系数,描述了当前电力负载数值与电力负载数值随机误差项之间的相关关系,ε_{t-1},ε_{t-2}表示时间点t的前p个电力负载数值的随机误差项,该公式主要运用于从采集后的电力负载数据和预处理操作后的电力负载数据中提取电力负载的变化趋势和周期性规律,便于为后续的负载预测和负载优化提供准确的电力负载数据。
预测控制单元2包括负载预测模块21、动态调整模块22、智能控制模块23;
负载预测模块21用于接收大数据分析模块13中大数据分析后的电力负载数据,接收数据采集模块11中采集后的电力负载数据,并根据大数据分析后的电力负载数据、采集后的电力负载数据结合进行负载预测,负载预测采用了时间序列预测技术(采取了跟上述一样的数学算法公式),得出电力负载变化的预测结果,并通过结合大数据分析后的电力负载数据和时间序列预测技术得出的预测结果,得出电力负载未来的变化趋势和周期性规律,根据负载变化趋势和周期性规律实时调整输出电压和频率,同时将负载预测后的电力负载数据传入智能控制模块23中;
智能控制模块23用于接收负载预测后的电力负载数据,接收数据采集模块11中采集后的电力负载数据,并对负载预测后的电力负载数据、采集后的电力负载数据进行模糊控制,根据模糊控制后的电力负载数据智能调整UPS设备的输出电压和频率,以实现节能和高效运行的目标,将模糊控制后的电力负载数据传入动态调整模块22中;
实现模糊控制的原理:
1、模糊化:模糊化的目的是将实际的输入电力负载变量映射到相应的模糊集合上,并计算出其隶属度函数,通常模糊化采用三角函数、梯形函数或高斯函数等形式来定义模糊集合;
2、模糊规则:模糊规则是模糊控制的核心部分,它是基于专家经验或规则库构建的一组规则,模糊规则基于模糊集合之间的逻辑关系,如“与”、“或”、“非”等进行描述;
3、模糊推理:模糊推理是根据输入电力负载变量的隶属度函数和模糊规则,计算输出变量的隶属度函数,通常采用模糊推理方法如模糊交叉最小法、模糊加和法、模糊合取法等来计算输出的隶属度函数;
4、去模糊化:去模糊化的目的是将模糊化的输出电力负载转化为具体的控制量,以实现对***的控制。
所述动态调整模块22用于接收负载预测后的电力负载数据、模糊控制后的电力负载数据,并根据负载预测后的电力负载数据、模糊控制后的电力负载数据进行判断,判断UPS设备是否切换为节能模式或高效输出模式,再对判断后的结果进行动态调节,与自身设定的节能模式或高效输出模式范围进行判断,当电力负载较轻时,采用节能模式,降低输出电压和频率,以减少能耗,当电力负载较重时,切换为高效输出模式,提高输出电压和频率,以满足电力负载需求,保持高效运行,这样可以使UPS设备在不同电力负载的情况下都能高效运行,最大限度地降低能耗,这样不仅能提高UPS设备的能效,还能节约能源,同时保证该***在电力负载变化时的稳定运行。
自动休眠单元3包括报告显示模块31、休眠模式模块32、快速恢复模块33;
报告显示模块31用于接收智能控制模块23中模糊控制后的电力负载数据,并将模糊控制后的电力负载数据以报告的形式进行显示,报告可以显示出能效指标、节能成效、电压、电压、频率,以便运维人员进行能源管理和查看,再对显示后的报告进行存储,存储可以使用时间序列数据库,时间序列数据库是一种专门用于存储和处理时间序列数据的数据库,它是为了满足时间序列数据在大规模、高速写入和实时查询方面的需求而设计的。
休眠模式模块32用于接收数据采集模块11中采集后的电力负载数据,接收智能控制模块23中模糊控制后的电力负载数据,并根据采集后的电力负载数据、模糊控制后的电力负载数据进行判断,判断UPS设备是否处于无电力负载或轻电力负载状态,与自身设定的无电力负载或轻电力负载范围值进行判断,再根据判断结果决定是否进入休眠模式,当判断出UPS设备在无电力负载或较轻电力负载状态下,自动将UPS设备进入休眠模式,关闭不必要的电路、降低输出电压和频率等,降低待机功耗,当电力负载重新增加时,UPS设备可以迅速从休眠状态中恢复,保证***稳定供电。
当快速恢复模块33检测到UPS设备进入休眠状态时,快速恢复模块33用于对休眠模式模块32进行制定恢复策略,确保UPS设备能够在电力负载重新增加时迅速从休眠状态中恢复,在监测到电力负载加重时,需要采取快速启动电路技术,快速启动电路技术是一种用于在最短时间内快速启动电子设备或***的方法,它旨在缩短启动时间并提高***的响应速度和效率,以保证该***的稳定供电,同时将恢复策略传入负载分配模块41中。
运行管理单元4包括负载分配模块41和负载优化模块42;
负载分配模块41用于接收智能控制模块23中模糊控制后的电力负载数据,接收快速恢复模块33中恢复策略后的电力负载数据,接收数据接收数据采集模块11中采集后的电力负载数据,并对模糊控制后的电力负载数据、恢复策略后的电力负载数据、采集后的电力负载数据进行负载分配,决定如何合理地分配负载,将电力负载分配到多个资源上,可以更有效地利用***资源,避免某个资源被过度利用而导致瓶颈,同时将负载分配后的电力负载数据传入负载优化模块42中。
负载优化模块42用于接收负载分配后的电力负载数据,接收数据采集模块11中采集后的电力负载数据,接收大数据分析模块13中大数据分析后的电力负载数据,接收负载预测模块21中负载预测后的电力负载数据,并对负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据进行负载优化,以适应不同电力负载情况和运行效率的变化,实现对多个UPS设备并行运行的负载优化,确保每个UPS设备在高效运行范围内工作,避免设备电力负载过载或低电力负载的情况,提高UPS设备的能效和稳定性,从而延长设备的寿命,不仅减少了能源消耗,还降低了运维成本,同时将负载优化后的电力负载数据传入负载分配模块41中。
负载优化模块42用于接收负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据,并对负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据进行负载优化,并利用优化评估函数算法进行负载优化,可以更好地分配该***资源,确保每个任务或服务能够得到足够的计算能力和存储空间,可以避免资源耗尽或***崩溃的风险,提高***的稳定性和可靠性,将负载优化后的电力负载数据传入负载分配模块41中,负载分配模块41对优化后的电力负载数据进行再次负载分配,可以平衡用户请求的处理,避免某个资源电力负载过重而导致用户延迟和响应不及时,可以确保用户能够获得稳定、快速和可靠的服务,提高用户体验和满意度,将再次负载分配后的电力负载数据传入智能控制模块23中,智能控制模块23向每个UPS设备发送电力负载分配指令,实现电力负载的动态分配,根据分配情况,UPS设备将负责不同程度的电力负载;
优化评估函数算法公式:
opze(x)=w1f1(x)+w2f2(x);
在这个公式中,opze(x)是得出优化后的电力负载数据,f1(x)和f2(x)是两个目标函数分别在解x上的采集后的电力负载数值和预测后的电力负载数值,w1是大数据分析后的电力负载数值,w2是负载分配后的电力负载数值,w1、w2用来调节各个目标函数在优化评估函数中的相对重要性的系数,该公式主要用于计算出优化后的电力负载数据,通过优化后的电力负载数据进行合理分配电力负载,不仅降低了能源消耗,还减轻对电力和冷却的需求,从而降低运营成本。
使用流程:
负载分配模块41接收模糊控制后的电力负载数据、恢复策略后的电力负载数据、采集后的电力负载数据并进行负载分配,同时将负载分配后的电力负载数据传入负载优化模块42中,负载优化模块42接收负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据并进行负载优化,将负载优化后的电力负载数据传入负载分配模块41中,负载分配模块41对优化后的电力负载数据进行再次负载分配,将再次负载分配后的电力负载数据传入智能控制模块23中。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.基于智能控制技术的UPS节能***,其特征在于:包括处理分析单元(1)、预测控制单元(2)、自动休眠单元(3)、运行管理单元(4);
所述处理分析单元(1)用于接收传感器采集的数据,并对采集后的数据进行预处理操作,再对预处理操作后的数据进行分析;
所述预测控制单元(2)用于接收采集后的数据、分析后的数据,并对采集后的数据、分析后的数据进行负载预测,再根据采集后的数据、负载预测后的数据进行模糊控制,并根据模糊控制后的数据进行动态调节;
所述自动休眠单元(3)用于接收采集后的数据、模糊控制后的数据,并对模糊控制后的数据进行建立报告,同时根据采集后的数据、模糊控制后的数据进入自动休眠状态,并对进入自动休眠状态的设备进行制定策略;
所述运行管理单元(4)用于接收采集后的数据、模糊控制后的数据、制定策略后的数据,并根据采集后的数据、模糊控制后的数据、制定策略后的数据进行负载分配,再根据采集后的数据、分析后的数据、负载预测后的数据、负载分配后的数据进行负载优化;
所述运行管理单元(4)用于接收采集后的数据、模糊控制后的数据、制定策略后的数据,并根据采集后的数据、模糊控制后的数据、制定策略后的数据进行负载分配,再根据采集后的数据、分析后的数据、负载预测后的数据、负载分配后的数据进行负载优化,再对负载优化后的数据进行再次负载分配。
2.根据权利要求1所述的基于智能控制技术的UPS节能***,其特征在于:所述处理分析单元(1)包括数据采集模块(11)、数据预处理模块(12)、大数据分析模块(13);
所述数据采集模块(11)用于接收传感器采集UPS设备中的电力负载数据,将采集后的电力负载数据传入数据预处理模块(12)中;
所述数据预处理模块(12)用于接收采集后的电力负载数据,并对采集后的电力负载数据进行预处理操作,将预处理操作后的电力负载数据传入大数据分析模块(13)中;
所述大数据分析模块(13)用于接收采集后的电力负载数据、预处理操作后的电力负载数据,并根据采集后的电力负载数据、预处理操作后的电力负载数据进行大数据分析,大数据分析采用了自回归移动平均模型算法;
自回归移动平均模型数学算法公式:
其中,X_t表示大数据分析后的电力负载数据,t是时间点的观测值,μ表示常数项或均值,表示采集后的电力负载数值,描述了当前电力负载数值与过去电力负载数值之间的相关关系,X_{t_1},X_{t_2},…,X_{t-p}表示时间点t的前p个电力负载数值,ε_t表示服从电力负载数值均值为0,θ1,θ2表示预处理操作后的电力负载系数,描述了当前电力负载数值与电力负载数值随机误差项之间的相关关系,ε_{t-1},ε_{t-2}表示时间点t的前p个电力负载数值的随机误差项。
3.根据权利要求2所述的基于智能控制技术的UPS节能***,其特征在于:所述预测控制单元(2)包括负载预测模块(21)、动态调整模块(22)、智能控制模块(23);
所述负载预测模块(21)用于接收大数据分析模块(13)中大数据分析后的电力负载数据,接收数据采集模块(11)中采集后的电力负载数据,并根据大数据分析后的电力负载数据、采集后的电力负载数据结合进行负载预测,负载预测采用了时间序列预测技术,同时将负载预测后的电力负载数据传入智能控制模块(23)中;
所述智能控制模块(23)用于接收负载预测后的电力负载数据,接收数据采集模块(11)中采集后的电力负载数据,并对负载预测后的电力负载数据、采集后的电力负载数据进行模糊控制,将模糊控制后的电力负载数据传入动态调整模块(22)中;
所述动态调整模块(22)用于接收负载预测后的电力负载数据、模糊控制后的电力负载数据,并根据负载预测后的电力负载数据、模糊控制后的电力负载数据进行判断,判断UPS设备是否切换为节能模式或高效输出模式,再对判断后的结果进行动态调节。
4.根据权利要求3所述的基于智能控制技术的UPS节能***,其特征在于:所述自动休眠单元(3)包括报告显示模块(31)、休眠模式模块(32)、快速恢复模块(33);
所述报告显示模块(31)用于接收智能控制模块(23)中模糊控制后的电力负载数据,并将模糊控制后的电力负载数据以报告的形式进行显示,再对显示后的报告进行存储;
所述休眠模式模块(32)用于接收数据采集模块(11)中采集后的电力负载数据,接收智能控制模块(23)中模糊控制后的电力负载数据,并根据采集后的电力负载数据、模糊控制后的电力负载数据进行判断,判断UPS设备是否处于无电力负载或轻电力负载状态,再根据判断结果决定是否进入休眠模式;
所述快速恢复模块(33)用于对休眠模式模块(32)进行制定恢复策略。
5.根据权利要求4所述的基于智能控制技术的UPS节能***,其特征在于:所述运行管理单元(4)包括负载分配模块(41)和负载优化模块(42);
所述负载分配模块(41)用于接收智能控制模块(23)中模糊控制后的电力负载数据,接收快速恢复模块(33)中恢复策略后的电力负载数据,接收数据采集模块(11)中采集后的电力负载数据,并对模糊控制后的电力负载数据、恢复策略后的电力负载数据、采集后的电力负载数据进行负载分配,将负载分配后的电力负载数据出传入负载优化模块(42)中;
所述负载优化模块(42)用于接收负载分配后的电力负载数据,接收数据采集模块(11)中采集后的电力负载数据,接收大数据分析模块(13)中大数据分析后的电力负载数据,接收负载预测模块(21)中负载预测后的电力负载数据,并对负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据进行负载优化,将负载优化后的电力负载数据传入负载分配模块(41)中。
6.根据权利要求5所述的基于智能控制技术的UPS节能***,其特征在于:所述负载优化模块(42)用于接收负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据,并对负载分配后的电力负载数据、采集后的电力负载数据、大数据分析后的电力负载数据、负载预测后的电力负载数据进行负载优化,将负载优化后的电力负载数据传入负载分配模块(41)中,负载分配模块(41)对优化后的电力负载数据进行再次负载分配,将再次负载分配后的电力负载数据传入智能控制模块(23)中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311289116.7A CN117175776A (zh) | 2023-09-27 | 2023-09-27 | 基于智能控制技术的ups节能*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311289116.7A CN117175776A (zh) | 2023-09-27 | 2023-09-27 | 基于智能控制技术的ups节能*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117175776A true CN117175776A (zh) | 2023-12-05 |
Family
ID=88937565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311289116.7A Pending CN117175776A (zh) | 2023-09-27 | 2023-09-27 | 基于智能控制技术的ups节能*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117175776A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707086A (zh) * | 2023-12-23 | 2024-03-15 | 广东顺德格立美光电科技有限公司 | 一种能源管理*** |
-
2023
- 2023-09-27 CN CN202311289116.7A patent/CN117175776A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707086A (zh) * | 2023-12-23 | 2024-03-15 | 广东顺德格立美光电科技有限公司 | 一种能源管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20110119514A1 (en) | Power control apparatus and method for cluster system | |
KR102544181B1 (ko) | 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 | |
CN117175776A (zh) | 基于智能控制技术的ups节能*** | |
CN101763598A (zh) | 电能管理*** | |
CN102929715A (zh) | 基于虚拟机迁移的网络资源调度方法和*** | |
CN113190693B (zh) | 储能***的数据处理方法、装置、电子设备及存储介质 | |
CN102075944A (zh) | 认知网络中基于多Agent协作的可用资源管理***及方法 | |
CN116320831B (zh) | 基于边缘计算的园区智能安防*** | |
CN112261120A (zh) | 一种配电物联网云边协同任务卸载方法及装置 | |
CN111611133A (zh) | 一种基于智能监控的数据中心能耗管理方法 | |
CN113760661B (zh) | 一种基于边缘服务器的用电安全监控方法及装置 | |
CN117650628B (zh) | 一种基于自适应预调节场景的能效管理*** | |
Lindberg et al. | The Environmental Potential of Hyper-Scale Data Centers: Using Locational Marginal CO $ _2 $ Emissions to Guide Geographical Load Shifting | |
CN114899849A (zh) | 一种储能设备的负荷调度方法、装置、设备及存储介质 | |
CN117076882A (zh) | 一种云服务资源动态预测管理方法 | |
CN115168042A (zh) | 监控集群的管理方法及装置、计算机存储介质、电子设备 | |
Weiwei et al. | Fault processing algorithm of power backbone communication networks based on artificial intelligence and state perception | |
CN112598272A (zh) | 一种基于区块链技术的智能电网管理*** | |
CN114936240B (zh) | 一种数据中心时空转移潜力挖掘与评估方法 | |
CN115866678B (zh) | 一种基于网络能耗热点探测的移动边缘缓存资源优化方法 | |
RU2813336C2 (ru) | Способ и устройство гибернации для источника питания, способ и устройство гибернации источника питания и аппарат гибернации | |
CN117971509B (zh) | 异构算力集群的运行性能优化方法、装置、设备及介质 | |
CN213904328U (zh) | 一种软件保护过程中的负载平衡*** | |
An et al. | Cloud-Edge Collaboration Based Data Mining for Power Distribution Networks | |
CN116566843A (zh) | 基于多模态网络的能耗智能管控方法、***及相关设备 |
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 |