JP7254819B2 - ファンの効率および/もしくは動作性能またはファン配置を最適化する方法 - Google Patents
ファンの効率および/もしくは動作性能またはファン配置を最適化する方法 Download PDFInfo
- Publication number
- JP7254819B2 JP7254819B2 JP2020541994A JP2020541994A JP7254819B2 JP 7254819 B2 JP7254819 B2 JP 7254819B2 JP 2020541994 A JP2020541994 A JP 2020541994A JP 2020541994 A JP2020541994 A JP 2020541994A JP 7254819 B2 JP7254819 B2 JP 7254819B2
- Authority
- JP
- Japan
- Prior art keywords
- fan
- model
- efficiency
- data
- operating
- 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
- 238000004422 calculation algorithm Methods 0.000 claims description 58
- 238000000034 method Methods 0.000 claims description 43
- 230000003542 behavioural effect Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004088 simulation Methods 0.000 claims description 18
- 238000005094 computer simulation Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000013179 statistical model Methods 0.000 claims description 2
- 230000008602 contraction Effects 0.000 claims 3
- 238000003384 imaging method Methods 0.000 claims 1
- 239000004519 grease Substances 0.000 description 25
- 230000006399 behavior Effects 0.000 description 24
- 230000006870 function Effects 0.000 description 21
- 238000001816 cooling Methods 0.000 description 13
- 238000012423 maintenance Methods 0.000 description 12
- 230000009467 reduction Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 9
- 238000004804 winding Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 8
- 230000001419 dependent effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000003679 aging effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 239000006163 transport media Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/06—Control using electricity
- F04B49/065—Control using electricity and making use of computers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D25/00—Pumping installations or systems
- F04D25/02—Units comprising pumps and their driving means
- F04D25/08—Units comprising pumps and their driving means the working fluid being air, e.g. for ventilation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/002—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids by varying geometry within the pumps, e.g. by adjusting vanes
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/81—Modelling or simulation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/30—Control parameters, e.g. input parameters
- F05D2270/301—Pressure
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/30—Control parameters, e.g. input parameters
- F05D2270/303—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/40—Type of control system
- F05D2270/44—Type of control system active, predictive, or anticipative
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/70—Type of control algorithm
- F05D2270/71—Type of control algorithm synthesized, i.e. parameter computed by a mathematical model
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Feedback Control In General (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Description
究極的には、最適化するファンの全ての(例えば寿命などを含む)パラメータが含まれる。
他のファン、環境条件、および/または、ファンの周囲にいたり働いていたりする人々との相互作用についても、役割を担っている。
いわゆるマルチターゲット最適化も含んでいる。
一例として、複数のファンを配置した場合における負荷分散が挙げられる。
相反する動作パラメータの存在のために、これを達成することは困難である。
ボールベアリングとボールベアリンググリースの寿命は、モーターの内部または表面の動作温度と、ボールベアリングに作用する機械的な力とに大きく依存する。
温度センサーも力センサーも、ベアリングのすぐ近傍に配置できないため、ベアリング温度もベアリングに作用するベアリング力も、測定することができない。
したがって、これらのパラメータは、間接的に測定するか、または、計算によって判断する必要がある。
実際のセンサーユニットが、シミュレーションユニットに送信する測定値を判断する。
ベアリング電流値またはベアリング電流に依存する値のいずれかの結果値が、シミュレーションユニットによって判断される。
この結果値は、さらなる計算のために別のユニットに送信される。
この既知のシステムや方法は、複数のセンサーが必要であるために複雑であり、充分な設置スペースを確保できないため、ファン内で使用することが困難である。
すなわち、数学的な計算モデルと既知のデータ(場合によっては、実際の測定データ)とを用いて、ファンの特性を表現する。
実際の測定データは、動作中の個々のモーターにおける実際の測定データ(場合によっては、その履歴)とすることができる。
さらに、既知の関係性や特性などを考慮して、少なくとも1つの動作パラメータに固有のアルゴリズムが作成され、以降の計算に用いられる。
部品の状態は、動作固有のアルゴリズムまたは動作パラメータに固有のアルゴリズムまたは製品固有のアルゴリズムに供給される。
アルゴリズムは、部品の状態からファンに固有の動作パラメータを判断または計算し、ファンの動作に関係する予測、たとえば、ファンの寿命予測を提供する。
判断される部品の状態と実際の測定データとを組み合わせて使用可能である。
デジタルツインは、計算モデルを用いて、場合によっては、ファンの既知のデータを用いて、ファンの特性を表現している。
デジタルツインの役割は、ファンの部品の部品状態を、仮想センサーを用いて、それぞれの動作状態の関数として計算する。
このような計算に基づいて判断される部品の状態が、動作パラメータに固有のアルゴリズムに送信され、このアルゴリズムは、デジタルツインの動作データから、ファンの動作パラメータや動作状態、例えば、ベアリングの寿命やベアリンググリースの寿命を判断、計算する。
その結果に基づいて、状況に適した制御調整が可能である。
動作パラメータと動作状態は、それらが計算可能な変数である限り、同等の関係である。
ファンの寿命を可能な限り長くできるよう、システムパラメータを状況に応じて調整可能になる。
ファンの寿命は、計算された部品の状態と、そこから得られる動作パラメータとに基づいて計算される。
いずれの場合においても、数学的モデルだけでなく、物理モデルと非物理モデルの両方が含まれている。
動作パラメータに固有のアルゴリズム(知的アルゴリズム)では、任意の動作パラメータを判断するために(たとえば、ファンの故障を予測するために)、デジタルツインが判断する部品の状態が必要である。
ファンの寿命は、主に、ボールベアリングとボールベアリンググリースとに依存するため、ボールベアリンググリースとボールベアリングに焦点を当てた動作パラメータの計算が、非常に重要な役割を果たす。
全使用期間にわたって動作温度が高いほど、ベアリンググリースの消費が速くなる。
したがって、ベアリンググリースの寿命を判断するには、保管温度を判断することが重要である。
ファンまたはモーターの幾何学的および機能的条件により、これは、不可能である。
したがって、本発明の方法では、ベアリング温度などの部品の状態がデジタルツインと動作パラメータに固有のアルゴリズムとを介して計算される。
デジタルツインと動作パラメータに固有のアルゴリズムとを組み合わせることで、ファンモーターに関連する、熱源、ヒートシンクおよびシステム全体の熱状態が計算される。
したがって、ベアリンググリースの温度が、ファンやモーターの動作状態の関数としてデジタルツインの仮想センサーを介して判断され、動作状態として動作パラメータに固有のアルゴリズムに供給される。
これは、特定の知的マシンがファンに組み込まれることを意味している。
このことは、後述する本発明の基本であり、後述する本発明は、デジタルツインアルゴリズムに基づいて、仮想センサーを用いて判断する動作状態を計算するという役割に基づいている。
ワークフローが定義され、ファンに関するデジタルツインアルゴリズムを実行する。
特に、動作状態を判断するために、実際のセンサーを用いなくてもよいことが重要である。
詳細モデルは、ファン環境(たとえば、システム全体という意味でのデータセンター)に関する上述の導入での議論に対応するデジタルツインであってもよい。
詳細モデルは、ファン配置のデジタルツインにも関連可能である。
ファンは、オプティマイザによって個別に調整される。
オプティマイザは、システムの挙動モデルにアクセスして、可能な限り最高の効率を実現し、補完的な凝縮器への圧力または流れを均一にする。
さらなる詳細モデルを考えることも可能である。
これにより、発生データが大幅に縮約される。
結果は、入力変数の組み合わせとそれに関連するシステム出力変数とを有する表として出力される。
この表は、システムの挙動モデル、つまり、ファンの入力変数とそれに関連する出力変数とを反映している。
これらの変数に基づいて最適化を行うことが可能である。
可能な限り最良のシステム出力変数が見つかるとすぐに、関連する入力変数を表から読み取ることができる。
システムは、これらの入力変数を用いて、好ましくは、リアルタイムで、最良の方法で調整される。
したがって、継続的に最適化を行うことが可能である。
この目的のために、請求項1に従属する請求項を参照し、図面を参照して、本発明の実施形態を参照されたい。
図面の実施形態に関連して、本発明の設計および洗練も説明される。
図1は、デジタルツインと少なくとも1つの動作パラメータに固有のアルゴリズムとの組み合わせを示している。
この組み合わせを、以下では、デジタルツインアルゴリズムと呼ぶ。
これについて、ベアリンググリースやベアリングの寿命の例を用いて説明可能である。
ベアリングのすぐ近傍に温度センサーを配置できないため、デジタルツインアルゴリズムを用いる本発明によれば、モデルを用いてベアリング温度を計算する必要がある。
デジタルツインアルゴリズムとは、デジタルツインと動作パラメータに固有のアルゴリズム(知的アルゴリズム)との組み合わせである。
このデジタルツインは、モーターに影響を与えるシステム全体の熱的および機械的状態を計算する。
そして、デジタルツインは、デジタルツインに関連付けられている仮想センサーを介して、モーターの動作状態に応じてベアリンググリースの温度を判断可能である。
モーターの故障は、故障特性曲線に基づいて計算可能であるか、または、少なくとも推定可能である。
デジタルツインアルゴリズムに関連する全てのソフトウェアは、モーターのマイクロプロセッサ上でマシンコード(Cコード)で実行されるため、追加の電子機器は必要ない。
実際のファンのデジタルイメージを作成する範囲では、詳細数値モデル、具体的には熱モデル、磁気回路モデルなどが必要である。
さらに、グリースの寿命を計算するためのアルゴリズムが作成される。
つまり、デジタルツインと動作パラメータに固有のアルゴリズムとが組み合わせられ、この場合は、ベアリンググリースの寿命を計算する。
Cコードが、システムシミュレーションから生成され、モーターのマイクロプロセッサ上で直接実行される。
この結果、デジタルツインアルゴリズムをモーターのマイクロプロセッサ上で実行可能になる。
熱モデルの縮約には、さまざまな方法(クリロフ部分空間法など)が使用可能である。
詳細モデルのデータが、モデルの次数を減らすことで縮約される。
事前に計算された結果が、特定のグループ毎に表に定義されるため、複雑な計算を迅速な値検索に置き換えることができる。
このように縮約されたモデルを用いて、ベアリンググリースの温度とベアリングの温度とを計算可能である。
計算された値は、一方では、ベアリンググリースの寿命を計算するために、他方では、ベアリングの寿命を計算するために、動作パラメータに固有のアルゴリズム(ここでは、ベアリンググリースの寿命を計算するアルゴリズム)に使用される。
ベアリンググリースの寿命の計算は、連続動作、ベアリングの種類、粘度、速度、グリース温度、および、動作時間または寿命などのパラメータに基づいている。
動作時間が4分の場合、計算例では、消費寿命が15分となる。
システムシミュレーションは、たとえば、MATLABプログラムで作成可能である。
MATLABコードジェネレータを使用すると、システムシミュレーションをCコードに変換して、モーターマイクロプロセッサ上で実行可能になる。
詳細モデルから、縮約モデル、システムシミュレーションを経て、挙動モデルを作成または提供するまでの方法ステップは、どちらの場合も同じである。
挙動モデルを基礎として用いて、オプティマイザが、システム挙動表から最適なシステム効率を検索し、対応する入力変数をコントローラに転送する。
制御は、リアルタイムで行われる。
プロシージャとデータは、Cコードで生成されるため、標準プロセッサ上で最適化可能である。
適切なアルゴリズムに基づいて、縮約モデルが、詳細モデルから導出される。
これにより、複数の詳細モデルに基づいて、システムシミュレーション内で挙動モデルが生成されたり、挙動研究が実施されたりする。
オプティマイザが、システム挙動表から最適なシステム効率を選択し、最適化を実現可能な対応する入力変数を、制御メカニズムに転送する。
システム全体を、マイクロプロセッサ上でリアルタイムで制御する。
つまり、最適化に用いられる挙動モデルとアルゴリズムとに基づいて、制御する。
プログラミングのためのデータとアルゴリズムとが、Cコードで提供される。
データセンター内の全体的な温度に応じて最適なシステム効率が得られるように、流速と、流速に応じて個々のファンに要求される負荷分散とを制御する。
ここで、オプティマイザは、システム挙動表から最適なシステム効率を選択し、対応する入力変数を制御メカニズムに転送する。
これにより、システム全体をマイクロプロセッサ上でリアルタイムに制御することができる。
挙動モデルのデータは、ここで最適化に使用されるアルゴリズムにも送られる。
この場合、プログラムは、従来のプロセッサ上でCコードで実行される。
ある種の(ビッグデータからスマートデータへの)洗練データが、マイクロプロセッサ上で実行され、これが計算結果になる。
圧縮され、洗練されたデータのみが、さらに処理され、または、たとえば、クラウドに送信される。
これにより、クラウドへの接続のストリーミングボリュームは、大幅に減少する。
本発明によると、デジタルツインアルゴリズムは、システムパラメータを状況に適して独立に洗練することで、全ての動作場所を考慮して、実現可能な最高の効率と最高の動作性能とを確保する。
デジタルツインは、データ処理によって得られる。
具体的には、既知の入力変数またはセンサー測定値を、計算値および計算/モデルと組み合わせることで得られる。
ファンの所定の場所での部品の温度、流れ、損失などは、デジタルツインに基づいて判断される。
実際の値、たとえば、特定の部品の温度が、デジタルツインに基づいて仮想的に判断される。
つまり、ファンの特定の場所に、経済的または構造的に合理的なセンサーを用いて測定を行う選択肢が無い場合に、デジタルツインに基づいて仮想的に判断する。
デジタルツインによって提供される結果またはデータに基づいて、たとえば、ベアリングの温度、パラメータ、たとえば、ファンまたはファンベアリングの故障の確率や消費寿命が判断される。
これらのパラメータは、ファンの現在の動作パラメータとその履歴とに依存している。
つまり、ファンが動作している/動作した動作場所と環境とに依存している。
これらの入力変数は、既存の標準センサーを介して測定されるか、または、既知の値である。
この計算は、銅損、鉄損、電子部品での熱損失などの熱源と、モーター冷却(放熱板、気流、周囲温度)などのヒートシンクとを考慮したシミュレーションベースのモデルに基づいている。
この計算により、仮想センサーを用いる縮約熱モデル用の入力変数が生成される。
この計算は全て、熱モデルの意味でのデジタルツインに対応する。
熱モデルは、ファンの物理特性をイメージ化し、仮想センサーに基づいて、ベアリング、巻線、磁石、および、さまざまな電子部品の温度を必要に応じて計算する。
基礎となる経年モデルは、履歴データに基づいており、特性曲線として保存可能である。
したがって、経年によって制限される残存寿命が、実際のファン履歴と現在の動作状況とに基づいて、場所ごとに個別に計算または修正可能である。
次に、関連する情報項目を用いて、さらなる予測、つまり、個々の部品またはファン全体の残存寿命を予測可能である。
この予測を、残存寿命の知的最適化に適用することができる。
速度を下げたり、複数のファンに負荷を知的に分散したりするなど、残存寿命を延ばすための手法を実施することが可能になる。
この手法は、操作変数を用いることによって実行可能である。
前述のように、熱モデルは、ファンの物理特性を表現し、仮想センサーに基づいてさまざまな温度を計算する。
仮想センサーは、さまざまな目的、目標、用途に使用される。
たとえば、次のようなキーワードである。
これらは、警告メッセージ、状態LED、可読エラーコードでのコメント、クラウドまたはアプリケーションでの画像、ユーザーインターフェースでの表示などでとすることができる。
たとえば、メンテナンス間隔の計画を立てたり、メンテナンスの前にできる限り長く使用したり(つまり、早すぎるメンテナンスをしない)、メンテナンスの予定を自動スケジューリングしたり、メンテナンスの必要性を通知したり、交換部品の自動注文をしたりする。
- 動作場所を変更し、可能な限り寿命を長くする。
- 故障の可能性が非常に高い場合、速度を下げる。
- 夜間に可能な限り静かに使用するために、昼夜周期で動作場所を変更する。
- 追加の装置または顧客の装置に(たとえばヒートポンプの制御や追加冷却に使用するための温度出力というような)操作変数を出力する。
- システムの重大な状態(共振、温度超過など)を意図的に回避する。
シーケンスのそれぞれのステップは、基礎となるアルゴリズムの開発ワークフローに由来していてもよい。
このシーケンスは、図9に示され、最後のステップで、この方法を洗練可能である。
モデルは、対象イメージ内の関心のある部分に常に限定されている。
さらに、モデルは、基本的には完全なものではなく、これは、必要な入力変数をより簡単に用いるためにモデルが縮約されているためであったり、モデル作成時に個々の要素の物理的な挙動が不明であったりするためである。
後の使用と目的に応じて、異なる種類のモデリングが必要である。
たとえば、検討する領域の違い、結果に必要な精度の違い、計算の速度の違いなどである。
非常に多種のモデルがあり、技術分野では、モデルは、通常、数学的な表現(たとえば、代数方程式または不等式、常微分方程式または偏微分方程式のシステム、状態空間表現、表、グラフ)にリンクされている。
古典的には、物理ドメイン(強度、熱回路、磁気回路など)が、非常に大きなサイズ(100ギガバイト規模)で計算集約型モデルにイメージ化され、モデル内の数百万の点(ノード)で結果が判断される。
これは、詳細モデルの変形例である。
これらの詳細モデルの作成の大まかなシーケンスは、次のように書き下ろすことができる。
2.境界条件、つまり、固定クランプ、材料定義、接触条件(接着箇所、滑り接続、断熱)を割り当てる。
3.ネットワーキングする(ジオメトリを、互いにリンクされた数百万の小さな要素に分割する)。
4.荷重(力)、熱源/ヒートシンク、磁場を適用する。
5.個々の部品ごとに微分方程式を自動で解き、それらを合わせてモデル全体の1つの大きな結果を形成する。
6.結果を評価する。
いわゆる、仮想センサーは、詳細モデル内に定義されている計算場所である。
この仮想センサーは、ファンの詳細熱モデルの巻線温度など、部品の状態を計算する。
詳細モデルは、計算時間、必要な計算能力、および、メモリ要件の観点で、複雑なシミュレーションモデルである。
このような詳細モデル、たとえば、熱モデル、磁気回路モデル、電子モデル、制御モデル、力モデル、または、振動モデルは、非線形動作状態の計算に用いられる。
ドメイン間の相互作用が、システムの物理的影響に含まれる。
そのため、個々のモデルは、システム全体で結合されていると考える。
システム全体で詳細モデルを使用した計算は、相互作用をリアルタイムで評価できないため、計算時間の観点から実用的ではない。
したがって、モデル縮約が必要である。
縮約モデルは、次のように生成可能である。
ここで、具体的な用途に応じて、次のような多くの変形例がある。
・さまざまな入力変数の表を保存し、その後、これらの離散値を使用するか、または値同士の間を補間する。
・以前の値から予測する統計モデルを近似する。
・例えば、T>200℃の場合、ファンが故障しているとするようなグラフまたは論理ゲートを作成する。
ここでは、熱入力と熱出力とによって、モデルの全ての点の温度を表現している。
この例では、縮約モデルは、1つの熱入力、1つの熱出力、点Aで判断される1つの温度のみに単純化されており、それぞれの場合において、「高」と「低」の値のみに単純化されている。
この目的のために、パラメータ検討が行われ、それによって、このいわゆる「ルックアップテーブル」を判断する。
結果の使用方法には、いくつかの選択肢がある。
・表を用いて、値の間を線形補間する。例:5Wの熱入力と1Wの熱出力に対して点Aの温度を予測する場合、線形補間によって60℃の値と判断する。
・表を用いて、回帰分析によって温度予測関数を判断する。回帰先の関数の例として、多項式関数、線形関数、指数関数、統計関数、微分方程式などが挙げられる。その後、この関数を用いて温度を判断する。
ここでは、熱入力と熱出力とによって、モデルの全ての点の温度を表現している。
その後、数学的推定、計算、および変換(たとえば、LTIシステムまたはクリロフ部分空間法)を用いて、コンパクトな状態空間モデルを近似することができる。
このモデルは、2つの必須の微分方程式または積分方程式と、システム全体を表す4つの行列(たとえば、スカラー数値からなる200x200の行列)で構成される。
ただし、これらは、もはや、数百万のノードの温度を表すのではなく、選択されたいくつかの場所の温度のみを表している。
さらに、近似することで、状態空間モデルの大きさに応じて結果に偏差が生じる。
基本的に、モデルと行列とが大きいほど、偏差は、小さくなる。
このことは、行列をインポートするだけでこのようなモデルを計算可能であることを意味している。
入力変数は、たとえば、システムに入力される熱量と対流によるヒートシンクとがあり、出力変数は、たとえば、特定の部品の温度(たとえば、3つの異なる部品の温度)である。
ここでは、例a)と同様に、測定結果から表が作成され、その後、同等の手順(離散使用、線形補間、または、数学関数による回帰)が用いられる。
これは、複数のドメインを結合して検討することは、非常に計算が集約されてメモリを集約し、実用的でないためである。
モデルを縮約することで、さまざまなドメインのモデルを結合可能になる。
たとえば、高性能計算クラスタでの計算時間が数日から数週間かかる詳細磁気回路モデルを、熱モデルと結合することは有用ではないが、詳細モデルを縮約することで、必要な計算能力とメモリ要件が低減され、経済的な面でモデルの結合が可能になる。
多くの場合、実際の挙動をできるだけ正確に表現するためには、このようにする必要がある。
・必要トルクとファン速度とは、系の抵抗と、たとえば搬送媒体の圧力差と温度とに大きく依存する。磁気回路の挙動、つまり巻線を流れる電流、磁場、速度などは、負荷トルクに応じて変化する。これに応じて、消費電力、損失、達成可能速度も変化する。ここでも、顧客用途の場合、用途に応じて、ファンの挙動と設置状況とを結合することが考えられる。
・電子部品の温度を入力電流と速度との関数として表現する統計的手法により、縮約熱モデルを作成する。→入力電流と速度との関数として、温度を表現する多項式関数、すなわち、仮想温度センサーを作成する。
・温度に対する電子部品の寿命についてのデータシートから、特性曲線を用意する。→仮想温度センサーから故障の確率を計算するパラメータに固有のアルゴリズムを動作させる。
・メンテナンスの予測、監視または動作場所の最適化に使用する。→知的アルゴリズム。
・この動作点に基づいて、モーターおよび電子部品での熱損失が、ルックアップテーブルまたは多項式関数から導出される。
・熱モデルが損失値を処理し、ボールベアリングや半導体部品などの重要なシステム部品の温度を判断する。
・同時に、部品の振動が、実際のセンサーを介して記録される。局部的な振動が、挙動モデルによって仮想的にシステム全体に投影される。これにより、たとえば、振動によるベアリング荷重を推定する。
・動作パラメータに固有のアルゴリズムを用いて、判断された温度と振動値とを、部品寿命とファン寿命の評価に変換する。
・これにより、メンテナンスの予測などのさらなる手法が実行可能になる。
・同時に、損失がわかっているので、パイロット制御角の変化などの制御工学調整によって、動作場所とシステム効率を最適化できる。
目標は、計算時間、必要な計算能力、およびメモリ要件を最小限に抑え、リアルタイムでの計算を可能にすることである。
仮想センサーが、同様に用いられ、出力変数を供給する。
具体的には、熱モデル、磁気回路モデル、ソフトウェアモデル、電子モデルなどの縮約モデルをリンクして、ファンシステムモデルを構成する。
ファンシステムモデルは、個々のファン、ファングループまたはファンシステムの物理特性を表現し、周囲の条件と動作状態に応じて、効率、動作性能、および個々のモデル間の相互作用を計算する。
システムモデル全体は、いくつかのファンと、コンプレッサやコンデンサなどを含む設備とで構成されている。
この設備モデルは、ファンシステムモデルと同じワークフローを用いて実施可能である。
ファンシステムモデルと設備モデルとをリンクして、システムモデル全体を形成可能である。
入力変数の数は、設計空間の次元に対応している。
10個の入力変数がある場合、10次元を意味する。
これにより、多次元空間をむらなく網羅して表現する、パラメータの組み合わせが作成される。
効率や動作性能などのモデル応答変数は、パラメータの組み合わせに基づいて計算される。
挙動研究は、入力変数の関数としての応答変数で満たされた設計空間を提供する。
この空間によって、システム全体の挙動が表現されている。
対応する出力変数が、冷却システムモデル全体の成果物として認識される。
結果として得られた知識が、図11に示されているように、挙動表に転送可能である。
システム全体の挙動がわかっている場合は、可能な限り最良の応答変数を取得するために、入力変数を調整可能である。
つまり、図9に示す方法ステップに従って、オプティマイザが最良の応答変数を選択し、現在の動作状態にとって最良の入力パラメータの組み合わせを選択する。
言い換えると、オプティマイザは、周囲条件または動作状態に応じて、可能な限り最良のモデル応答を選択する。
入力変数の関連パラメータの組み合わせが設定される。
したがって、システムは、可能な限り最良の方法で制御可能である。
冷却システム全体の挙動表は、任意のプロセッサ上で実行可能であり、提供されるファンのマイクロプロセッサ上でいかなる場合でも実行可能であることが好ましい。
制御は、このようにして実行可能である。
このシステムは、ファンのデジタルツイン、冷却回路のデジタルツイン、検証ユニット、仮想コントローラまたはオプティマイザを含んでいる。
仮想コントローラは、図12に示すように、冷却システム全体の挙動表に関する知識を有している。
さらに、仮想コントローラは、たとえば、特定の顧客用途に関して、機械学習によって学習可能である。
検証ユニットは、設定値と実際の値とを比較することでデジタルツインを改善する。
したがって、システムは、特定の顧客パターンをシミュレートし、そこから得られる結果を改善する能力を有している。
Claims (10)
- ファンを有するシステムの一部もしくはシステムにおけるファンの効率および/または動作性能および/または寿命を最適化する方法であって、
部品固有または機能固有の複数の詳細数値モデルから、部品固有または機能固有の複数の挙動モデルへのモデル縮約と、該モデル縮約に伴い発生データを縮約して縮約データとするデータ縮約(データ洗練)とを、少なくとも1つのアルゴリズムに基づいて実行し、
前記複数の挙動モデルの前記縮約データを、システムシミュレーション内で結合または組み合わせることで、入力変数と出力変数とを有するシステム挙動モデルを形成し、
枠組み条件に応じて前記システムを最適に制御するために、前記ファンの前記入力変数と前記入力変数に関連する出力変数とを、前記システム挙動モデルからオプティマイザに選択肢として提供する、ファンの効率および/または動作性能および/または寿命をリアルタイムで最適化する方法。 - 前記詳細数値モデルが、熱モデルおよび/または磁気回路モデルおよび/またはブレード位置と流れとのモデルおよび/または環境モデルおよび/またはデジタルツインモデルを含み、
前記デジタルツインモデルが、1つ以上の前記ファンのデジタルツインモデルおよび/または環境を考慮したシステム全体のデジタルツインモデルであることを特徴とする、請求項1に記載されたファンの効率および/または動作性能および/または寿命を最適化する方法。 - 前記複数の挙動モデルの前記縮約データが、複数の表または複数のデータ行列の形態で提供されることを特徴とする、請求項1または請求項2に記載されたファンの効率および/または動作性能および/または寿命を最適化する方法。
- 前記システム挙動モデルのデータ( 前記ファンの入力変数と前記入力変数に関連する出力変数と)が、表またはデータ行列の形態で提供されることを特徴とする、請求項1乃至請求項3のいずれか一項に記載されたファンの効率および/または動作性能および/または寿命を最適化する方法。
- 前記オプティマイザの前記枠組み条件が、前記ファンの周囲条件であり、該周囲条件に応じて、可能な限り最良のシステム出力変数(たとえば、表の形態で提供された前記挙動モデルのデータから選択されたシステム効率)を、リアルタイムで、前記表または前記データ行列から選択し、前記選択されたシステム出力変数に関連する前記入力変数を、前記表の行から読み取り、該読み取られた前記入力変数を用いて、前記制御を実行することを特徴とする、請求項1乃至請求項4のいずれか一項に記載されたファンの効率および/または動作性能および/または寿命を最適化する方法。
- 動作点に応じて最適なシステム効率が得られるように、前記ブレード位置の角度を制御し、前記オプティマイザが、システム挙動表から前記最適なシステム効率を選択し、前記最適なシステム効率に対応する前記入力変数を、前記制御に供給することを特徴とする、請求項1乃至請求項5のいずれか一項に記載されたファンの効率および/または動作性能および/または寿命を最適化する方法。
- 前記ファンを有するシステムの一部もしくはシステムに含まれるデータセンターの温度に応じて最適なシステム効率が得られるように、流速と、該流速に応じて要求される、ファン配置内の個々の前記ファンの負荷分散(たとえば、データセンターのファンの前記負荷分散)とが、制御され、
前記オプティマイザが、前記システム挙動表から前記最適なシステム効率を選択し、前記最適なシステム効率に対応する前記入力変数を、前記制御に供給することを特徴とする、請求項1乃至請求項6のいずれか一項に記載されたファンの効率および/または動作性能および/または寿命を最適化する方法。 - 最適化された前記制御が、Cコードに変換され、それにより、リアルタイムでの制御が、標準的なマイクロプロセッサ上で実行可能であることを特徴とする、請求項1乃至請求項7のいずれか一項に記載されたファンの効率および/または動作性能および/または寿命を最適化する方法。
- 前記詳細数値モデルを、前記ファンのデジタルイメージ(デジタルツイン)と少なくとも1つの動作パラメータに固有のアルゴリズムとを用いる前記ファンの動作状態の判断に基づいて取得し、前記判断が、数学的な計算モデルと既知のデータとを用いて前記ファンの特性をイメージ化することにより前記ファンのデジタルイメージを作成するステップと、
既知の関係性や特性曲線などを考慮して前記動作パラメータに固有のアルゴリズムを作成するステップと、
仮想センサーを用いて前記デジタルイメージを介して前記ファンの部品の状態を計算するステップと、
前記部品の状態を、前記部品の状態から前記ファンの動作パラメータを計算する前記アルゴリズムに転送するステップと、を含む、請求項1乃至請求項8のいずれか一項に記載されたファンの効率および/または動作性能および/または寿命を最適化する方法。 - 前記デジタルイメージが、数学的モデルおよび/もしくは物理的モデルおよび/もしくは経験的モデルおよび/もしくは統計的モデルまたはそれらを組み合わせたモデルとして、熱計算モデルおよび/または機械計算モデルおよび/または磁気回路計算モデルに基づいており、
前記計算モデルそれぞれが、前記詳細数値モデルそれぞれによって前記挙動モデルへと変換されることを特徴とする、請求項9に記載されたファンの効率および/または動作性能および/または寿命を最適化する方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018201708 | 2018-02-05 | ||
DE102018201708.5 | 2018-02-05 | ||
PCT/DE2019/200008 WO2019149325A1 (de) | 2018-02-05 | 2019-02-04 | Verfahren zur optimierung des wirkungsgrads und/oder der laufperformance eines ventilators oder einer ventilator-anordnung |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021512419A JP2021512419A (ja) | 2021-05-13 |
JP7254819B2 true JP7254819B2 (ja) | 2023-04-10 |
Family
ID=65763235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020541994A Active JP7254819B2 (ja) | 2018-02-05 | 2019-02-04 | ファンの効率および/もしくは動作性能またはファン配置を最適化する方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11773859B2 (ja) |
EP (1) | EP3749863A1 (ja) |
JP (1) | JP7254819B2 (ja) |
CN (1) | CN111684160B (ja) |
BR (1) | BR112020014573A2 (ja) |
DE (1) | DE102019201410A1 (ja) |
WO (1) | WO2019149325A1 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11751360B2 (en) * | 2020-03-17 | 2023-09-05 | International Business Machines Corporation | Intelligently deployed cooling fins |
US20210350294A1 (en) * | 2020-05-08 | 2021-11-11 | General Electric Company | Operations optimization assignment control system with coupled subsystem models and digital twins |
TWI775207B (zh) * | 2020-11-05 | 2022-08-21 | 財團法人資訊工業策進會 | 行為推薦裝置、行為推薦方法及其電腦程式產品 |
CN112487584A (zh) * | 2020-12-03 | 2021-03-12 | 天津工业大学 | 一种基于动力学的滚动轴承数字孪生建模方法 |
CN113356916B (zh) * | 2021-07-08 | 2022-09-16 | 长安大学 | 一种基于数字孪生技术的矿井风流调控虚拟***及智能调控方法 |
CN113984416B (zh) * | 2021-09-09 | 2024-07-19 | 中车青岛四方机车车辆股份有限公司 | 转向架的检测数据处理方法、装置、设备及可读存储介质 |
CN113793649B (zh) * | 2021-09-13 | 2024-02-27 | 同济大学 | 一种碱性电解槽运行特性数字孪生模型构建方法 |
CN114460466B (zh) * | 2022-04-12 | 2022-08-05 | 杭州杰牌传动科技有限公司 | 一种用于传动监测的虚拟传感器设备及其监测方法 |
CN115169251B (zh) * | 2022-09-06 | 2022-11-25 | 新华三人工智能科技有限公司 | 一种风扇转速控制方法、装置及设备 |
CN115544815B (zh) * | 2022-11-30 | 2023-03-21 | 苏州浪潮智能科技有限公司 | 一种风扇模型的生成方法和装置 |
CN117350114B (zh) * | 2023-10-11 | 2024-03-29 | 浙江浙能临海海上风力发电有限公司 | 一种风机健康状态评估方法、装置和*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011048768A (ja) | 2009-08-28 | 2011-03-10 | Hitachi Ltd | 最適設計装置 |
JP2011059740A (ja) | 2009-09-04 | 2011-03-24 | Fujitsu Ltd | 熱流体シミュレーション解析装置 |
JP2011243126A (ja) | 2010-05-21 | 2011-12-01 | Hitachi Ltd | 電磁機器の最適設計システム |
JP2015185143A (ja) | 2014-03-26 | 2015-10-22 | マツダ株式会社 | 振動解析装置、及び振動解析方法 |
JP2017078943A (ja) | 2015-10-20 | 2017-04-27 | トヨタ自動車株式会社 | 解析プログラム |
JP2017191607A (ja) | 2016-04-12 | 2017-10-19 | ダッソー システムズ シムリア コーポレイション | 緊急動作のためのシミュレーション拡張現実システム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6823675B2 (en) * | 2002-11-13 | 2004-11-30 | General Electric Company | Adaptive model-based control systems and methods for controlling a gas turbine |
ES2341781T3 (es) * | 2004-12-07 | 2010-06-28 | Behr-Hella Thermocontrol Gmbh | Metodo basado en un modelo para controlar una instalacion de aire acondicionado de un vehiculo. |
US8131384B2 (en) * | 2008-11-03 | 2012-03-06 | United Technologies Corporation | Design and control of engineering systems utilizing component-level dynamic mathematical model with multiple-input multiple-output estimator |
PL2475563T3 (pl) | 2009-09-09 | 2014-09-30 | Knorr Bremse Systeme | Sposób i urządzenie do oszacowania temperatury łożyska zestawu kołowego pojazdu szynowego |
DE102010002294A1 (de) | 2010-02-24 | 2011-08-25 | Siemens Aktiengesellschaft, 80333 | System bzw. Verfahren zur Ermittlung eines Lagerzustandes |
US8560132B2 (en) * | 2010-07-09 | 2013-10-15 | International Business Machines Corporation | Adaptive cooling system and method |
ITCO20120008A1 (it) | 2012-03-01 | 2013-09-02 | Nuovo Pignone Srl | Metodo e sistema per monitorare la condizione di un gruppo di impianti |
CN103075360B (zh) * | 2013-01-30 | 2016-12-28 | 中兴通讯股份有限公司 | 一种机框风扇的控制方法及装置 |
DE102014000825B4 (de) * | 2014-01-22 | 2020-07-30 | Audi Ag | Verfahren zur Simulation von Betriebszuständen eines Klimagerätes und eines Belüftungssystems einer Fahrzeug-Klimaanlage |
US10762475B2 (en) * | 2015-02-25 | 2020-09-01 | Siemens Schweiz Ag | Digital twins for energy efficient asset maintenance |
US10712717B2 (en) * | 2015-05-15 | 2020-07-14 | General Electric Company | Condition-based validation of performance updates |
DE102015118289A1 (de) * | 2015-10-27 | 2017-04-27 | Ebm-Papst Mulfingen Gmbh & Co. Kg | Produktselektor |
RU166358U1 (ru) | 2016-04-12 | 2016-11-20 | Акционерное общество "РТСофт" | Модуль контроля технического состояния |
CN108825481B (zh) * | 2018-08-28 | 2020-02-21 | 上海弦慧新能源科技有限公司 | 能效管理***及方法 |
-
2019
- 2019-02-04 US US16/967,690 patent/US11773859B2/en active Active
- 2019-02-04 CN CN201980011663.4A patent/CN111684160B/zh active Active
- 2019-02-04 EP EP19710599.2A patent/EP3749863A1/de active Pending
- 2019-02-04 BR BR112020014573-4A patent/BR112020014573A2/pt active IP Right Grant
- 2019-02-04 DE DE102019201410.0A patent/DE102019201410A1/de active Pending
- 2019-02-04 JP JP2020541994A patent/JP7254819B2/ja active Active
- 2019-02-04 WO PCT/DE2019/200008 patent/WO2019149325A1/de unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011048768A (ja) | 2009-08-28 | 2011-03-10 | Hitachi Ltd | 最適設計装置 |
JP2011059740A (ja) | 2009-09-04 | 2011-03-24 | Fujitsu Ltd | 熱流体シミュレーション解析装置 |
JP2011243126A (ja) | 2010-05-21 | 2011-12-01 | Hitachi Ltd | 電磁機器の最適設計システム |
JP2015185143A (ja) | 2014-03-26 | 2015-10-22 | マツダ株式会社 | 振動解析装置、及び振動解析方法 |
JP2017078943A (ja) | 2015-10-20 | 2017-04-27 | トヨタ自動車株式会社 | 解析プログラム |
JP2017191607A (ja) | 2016-04-12 | 2017-10-19 | ダッソー システムズ シムリア コーポレイション | 緊急動作のためのシミュレーション拡張現実システム |
Also Published As
Publication number | Publication date |
---|---|
JP2021512419A (ja) | 2021-05-13 |
DE102019201410A1 (de) | 2019-08-08 |
US20210033097A1 (en) | 2021-02-04 |
WO2019149325A1 (de) | 2019-08-08 |
CN111684160A (zh) | 2020-09-18 |
US11773859B2 (en) | 2023-10-03 |
CN111684160B (zh) | 2023-02-10 |
RU2020128979A3 (ja) | 2022-03-09 |
RU2020128979A (ru) | 2022-03-09 |
EP3749863A1 (de) | 2020-12-16 |
BR112020014573A2 (pt) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7254819B2 (ja) | ファンの効率および/もしくは動作性能またはファン配置を最適化する方法 | |
CN111684369B (zh) | 用于风扇或风扇总成的优化操作的方法 | |
JP7334171B2 (ja) | ファンの動作状態を判断する方法 | |
US10034417B2 (en) | System and methods for simulation-based optimization of data center cooling equipment | |
US20120247750A1 (en) | Server device, control device, server rack, recording medium storing cooling control program, and cooling control method | |
US10061365B2 (en) | Temperature prediction system using prediction models, temperature prediction method using prediction models, and non-transitory computer readable recording medium having therein program for temperature prediction using prediction models | |
Fang et al. | A neural-network enhanced modeling method for real-time evaluation of the temperature distribution in a data center | |
US20230251606A1 (en) | System, apparatus and method for managing an electromechanical system | |
KR20210042961A (ko) | 기계의 남아있는 사용 수명을 예측하기 위한 어셈블리 및 방법 | |
KR101727434B1 (ko) | 랜덤 포레스트 모델을 이용한 냉동기의 성능 판단 방법 | |
Amirante et al. | A moving mesh algorithm for aero‐thermo‐mechanical modelling in turbomachinery | |
JP2017151617A (ja) | シミュレーション装置、シミュレーション方法及びプログラム | |
Rosli et al. | Modeling of high voltage induction motor cooling system using linear regression mathematical models | |
JP6277777B2 (ja) | 空調制御システム及び空調制御方法 | |
RU2779855C2 (ru) | Способ оптимизации коэффициента полезного действия и/или эксплуатационных характеристик вентилятора или системы вентиляторов | |
JP7513740B2 (ja) | 電動機の温度検出器の温度を推定する温度推定装置 | |
RU2796809C2 (ru) | Способ оптимизированной эксплуатации вентилятора или вентиляторной системы | |
RU2778874C2 (ru) | Способ определения эксплуатационных состояний вентилятора | |
WO2024122155A1 (en) | Virtual sensor | |
US20240220849A1 (en) | Thermal predictive modeling of physical assets | |
JP2020106402A (ja) | 熱源機性能評価装置、熱源機性能評価方法、およびプログラム | |
Schrittwieser et al. | Characterizing the convective heat transfer on stator ventilation ducts for large hydro generators with a neural network | |
Booplan et al. | Electronic component heat distribution optimization using MATLAB | |
JP2019095888A (ja) | 推定装置および方法 | |
CN117519441A (zh) | 散热方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220131 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230216 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230307 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230329 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7254819 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |