【技术实现步骤摘要】
本专利技术属于静电除尘器电源，更具体地说，是涉及一种用于静电除尘器电源的能量管理方法与系统。
技术介绍
1、静电除尘器是一种常用的空气净化设备，它通过产生静电场吸附空气中的尘埃和污染物，从而达到净化空气的目的。静电除尘器通常需要使用高压电源来产生静电场，以吸引和捕捉空气中的颗粒物。然而，传统的静电除尘器电源通常存在能耗高、效率低、安全性差等问题。
2、针对传统静电除尘器电源存在的问题，需要一种能够有效管理能量的方法，实现对静电除尘器电源的实时监测和调节，以适应不同工况下的能量需求，从而达到节能减排的目的。
技术实现思路
1、为解决上述问题，本专利技术的目的在于提供一种用于静电除尘器电源的能量管理方法与系统。
2、为实现上述目的，本专利技术采用的技术方案是：
3、一种用于静电除尘器电源的能量管理系统，包括：
4、三相调压模块，用于对三相交流电进行升压和整流处理得到母线直流电；
5、脉冲谐振模块，用于对所述母线直流电进行调制生成脉冲电；
6、脉冲变压器，所述脉冲变压器的输入端与所述脉冲谐振模块的输出端连接，所述脉冲变压器的输出端的一侧与第三电容的一端连接，所述第三电容的另一端与静电除尘器的一端连接，所述脉冲变压器的输出端的另一侧与所述静电除尘器的另一端连接，用于对所述脉冲电进行升压处理得到升压后的脉冲电以对静电除尘器供电。
7、优选的，所述脉冲谐振模块，包括：
8、第一电感l1，所述第一电感
9、第一开关管q1，所述第一开关管q1的集电极与所述第一电容c1的一端连接，所述第一开关管q1的发射极与三相调压模块的输出端连接；
10、第一电阻r1，所述第一电阻r1与第一二极管d1并联，所述第一电阻r1的一端与所述第一电容c1的一端连接，所述第一电阻r1的另一端与第二电容c2的一端连接，所述第二电容c2的另一端与所述第一开关管q1的发射极连接；
11、第三电感l3，所述第三电感l3的一端与所述第一电容c1的另一端连接，所述第三电感l3的另一端与脉冲变压器的输入端连接。
12、优选的，所述脉冲谐振模块，还包括：
13、第二电感l2，所述第二电感l2的一端与三相调压模块的输出端连接，所述第二电感l2的另一端第三电容c3的一端连接；
14、第二开关管q2，所述第二开关管q2的集电极与所述第三电容c3的一端连接，所述第二开关管q2的发射极与三相调压模块的输出端连接；
15、第二电阻r2，所述第二电阻r2与第二二极管d2并联，所述第二电阻r2的一端与所述第三电容c3的一端连接，所述第二电阻r2的另一端与第四电容c4的一端连接，所述第四电容c4的另一端与所述第二开关管q2的发射极连接；
16、第四电感l4，所述第四电感l4的一端与所述第四电容c4的另一端连接，所述第四电感l4的另一端与脉冲变压器的输入端连接。
17、优选的，还包括：
18、直流基压电源，所述直流基压电源的负极与第三二极管d3的阴极连接，所述直流基压电源的正极与所述静电除尘器连接；
19、第五电感l5，所述第五电感l5的一端与所述第三二极管d3的阳极连接，所述第五电感l5的另一端与所述静电除尘器连接。
20、本专利技术还提供了一种用于静电除尘器电源的能量管理方法，包括：
21、步骤1：获取训练样本；所述训练样本包括：环境温度、环境湿度、粉尘浓度和母线直流电压；
22、步骤2：对所述训练样本进行异常值去除处理得到去除异常值后的训练样本；
23、步骤3：对所述去除异常值后的训练样本进行归一化处理并将其输入到bp神经网络中进行训练得到能量管理模型；
24、步骤4：将当前的环境温度、环境湿度和粉尘浓度输入到能量管理模型中得到最佳的母线直流电压；
25、步骤5：使用三相调压模块将三相交流电进行升压和整流得到最佳的母线直流电压为静电除尘器供电。
26、优选的，所述步骤2：对所述训练样本进行异常值去除处理得到去除异常值后的训练样本，包括：
27、步骤2.1：计算训练样本中各个数据集的均值，并基于数据集的均值计算每个数据的偏差；
28、步骤2.2：判断每个数据的偏差是否在预设区间内，并将不在预设区间内的数据作为异常值去除；其中，所述预设区间是基于正态分布规律构建的；
29、步骤2.3：使用平均插值法对去除异常值之后的相应数据点进行填充得到去除异常值后的训练样本。
30、优选的，所述步骤2.1：计算训练样本中各个数据集的均值，并基于数据集的均值计算每个数据的偏差，包括：
31、采用公式：
32、
33、计算每个数据的偏差；其中，μ表示均值，vi表示数据与均值之差的绝对值，σ表示第i个数据的偏差。
34、优选的，在步骤2.2中，预设区间为(μ-3σ,μ+3σ)。
35、优选的，所述步骤2.3：使用插值法对去除异常值之后的相应数据点进行填充得到去除异常值后的训练样本，包括：
36、步骤2.3.1：获取去除异常值之后相应数据点的相邻数据；
37、步骤2.3.2：计算相邻数据之间的平均值；
38、步骤2.3.3：将所述平均值作为去除异常值之后相应数据点的填充值。
39、优选的，在步骤3中，采用随机下降模型优化训练bp神经网络；其中，随机下降模型为：
40、
41、其中，δi表示bp神经网络经过第i次迭代的卷积核权值，wil表示第l层bp神经网络的偏置值，η表示学习率，表示损失函数与卷积核权值的偏导数。
42、本专利技术提供的一种用于静电除尘器电源的能量管理方法与系统的有益效果在于：与现有技术相比，本专利技术通过将环境温度、环境湿度、粉尘浓度和母线直流电压作为样本输入到bp神经网络中进行训练，可以得到最佳的母线直流电压，这样可以适应不同工况下的能量需求，从而达到节能减排的目的。
本文档来自技高网...【技术保护点】
1.一种用于静电除尘器电源的能量管理系统，其特征在于，包括：
2.如权利要求1所述的一种用于静电除尘器电源的能量管理系统，其特征在于，所述脉冲谐振模块，包括：
3.如权利要求2所述的一种用于静电除尘器电源的能量管理系统，其特征在于，所述脉冲谐振模块，还包括：
4.如权利要求3所述的一种用于静电除尘器电源的能量管理系统，其特征在于，还包括：
5.一种用于静电除尘器电源的能量管理方法，其特征在于，包括：
6.如权利要求5所述的一种用于静电除尘器电源的能量管理方法，其特征在于，所述步骤2：对所述训练样本进行异常值去除处理得到去除异常值后的训练样本，包括：
7.如权利要求6所述的一种用于静电除尘器电源的能量管理方法，其特征在于，所述步骤2.1：计算训练样本中各个数据集的均值，并基于数据集的均值计算每个数据的偏差，包括：
8.如权利要求7所述的一种用于静电除尘器电源的能量管理方法，其特征在于，在步骤2.2中，预设区间为(μ-3σ,μ+3σ)。
9.如权利要求8所述的一种用于静电除尘器电源的能量管
10.如权利要求9所述的一种用于静电除尘器电源的能量管理方法，其特征在于，在步骤3中，采用随机下降模型优化训练BP神经网络；其中，随机下降模型为：
...【技术特征摘要】
1.一种用于静电除尘器电源的能量管理系统，其特征在于，包括：
2.如权利要求1所述的一种用于静电除尘器电源的能量管理系统，其特征在于，所述脉冲谐振模块，包括：
3.如权利要求2所述的一种用于静电除尘器电源的能量管理系统，其特征在于，所述脉冲谐振模块，还包括：
4.如权利要求3所述的一种用于静电除尘器电源的能量管理系统，其特征在于，还包括：
5.一种用于静电除尘器电源的能量管理方法，其特征在于，包括：
6.如权利要求5所述的一种用于静电除尘器电源的能量管理方法，其特征在于，所述步骤2：对所述训练样本进行异常值去除处理得到去除异常值后的训练样本，包括：
7.如权...
【专利技术属性】
技术研发人员：弗兰克·格伦德曼，冯勇鑫，任兆华，李才华，
申请(专利权)人：德鲁奇山东智能设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。