本發(fā)明涉及一種風能儲能柜風向預測儀的動態(tài)散熱調(diào)節(jié)方法及系統(tǒng)，屬于環(huán)保能源設備。

背景技術(shù)：

1、在風能儲能中，各類設備的散熱結(jié)構(gòu)通過將設備內(nèi)部的熱量迅速排出，從而保持設備在正常工作溫度范圍內(nèi)運行，降低因過熱而導致的能耗增加，從而降低碳排放，通過散熱，可以避免因設備過熱而導致的頻繁維修和更換，實現(xiàn)節(jié)能環(huán)保的目標。

2、現(xiàn)有公開號為cn117350159a的中國專利公開了發(fā)電機散熱性能預警方法、裝置、設備及存儲介質(zhì)，通過獲取歷史時間段內(nèi)的發(fā)電機散熱數(shù)據(jù)，然后對發(fā)電機散熱數(shù)據(jù)進行預處理，獲得處理后的散熱數(shù)據(jù)，然后根據(jù)處理后的散熱數(shù)據(jù)對預設溫升模型進行訓練，獲得目標溫升模型，再基于目標溫升模型確定散熱性能系數(shù)，并根據(jù)散熱性能系數(shù)進行發(fā)電機散熱性能預警。該發(fā)明根據(jù)處理后的散熱數(shù)據(jù)對預設溫升模型進行有效的訓練，得到的目標溫升模型能夠?qū)Πl(fā)電機的散熱性能進行預估，再基于目標溫升模型確定散熱性能系數(shù)，并根據(jù)散熱性能系數(shù)提前進行發(fā)電機散熱性能預警。

3、盡管現(xiàn)有技術(shù)提前對發(fā)電機散熱系統(tǒng)進行處理，避免發(fā)電機臨時停機造成發(fā)電量損失，但未考慮發(fā)電機發(fā)電過程中設備的實際溫度值，尤其是預估值與實際值存在較大差異時的應對策略。因此，本技術(shù)提供了一種風能儲能柜風向預測儀的動態(tài)散熱調(diào)節(jié)方法及系統(tǒng)，通過預測未來的散熱需求，制定散熱調(diào)節(jié)策略，根據(jù)設備的實際熱量產(chǎn)生情況，對散熱調(diào)節(jié)策略進行動態(tài)調(diào)整和優(yōu)化，以提高散熱效果，節(jié)約能源資源。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提供一種風能儲能柜風向預測儀的動態(tài)散熱調(diào)節(jié)方法及系統(tǒng)，通過預測風向預測儀的工作溫度，構(gòu)建散熱調(diào)節(jié)表，將預測工作溫度與風向預測儀的安全溫度范圍進行比對，計算出散熱設備中冷卻液的預計目標流速，當時間達到預計點時，控制冷卻液的流速，并實時監(jiān)測實際工作溫度，基于實際工作溫度對當前的散熱調(diào)節(jié)計劃進行實時調(diào)整。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下技術(shù)方案：

3、一種風能儲能柜風向預測儀的動態(tài)散熱調(diào)節(jié)方法，包括：

4、步驟s1：實時獲取風向預測儀的實際工作溫度以及相關(guān)的環(huán)境參數(shù)數(shù)據(jù)，對采集的數(shù)據(jù)進行預處理，并保存至構(gòu)建的參數(shù)數(shù)據(jù)庫中；

5、步驟s2：通過對所述參數(shù)數(shù)據(jù)庫中的數(shù)據(jù)進行分析，構(gòu)建風向預測儀的溫度模型，所述溫度模型用于預測給定環(huán)境參數(shù)下的工作溫度；

6、步驟s3：讀取所述參數(shù)數(shù)據(jù)庫中的環(huán)境參數(shù)數(shù)據(jù)，對環(huán)境參數(shù)進行預測，構(gòu)建環(huán)境預測模型，并生成環(huán)境預測序列；

7、步驟s4：將所述環(huán)境預測序列輸入所述溫度模型中，計算風向預測儀的預測工作溫度，并制定散熱調(diào)節(jié)表；

8、步驟s5：持續(xù)采集風向預測儀的實際工作溫度，并計算所述實際工作溫度與預測工作溫度之間的偏差，并對散熱調(diào)節(jié)表進行更新。

9、具體地，所述步驟s2包括：

10、s2.1：利用回歸分析法構(gòu)建溫度模型，定義風向預測儀的工作溫度為因變量，環(huán)境參數(shù)為自變量；所述溫度模型的目標函數(shù)表達式如下所示：

11、

12、式中，為模型的因變量，為模型自變量的數(shù)量，為自變量中的第個環(huán)境參數(shù)，為參數(shù)的回歸系數(shù)；

13、s2.2：構(gòu)建目標參數(shù)函數(shù)；

14、s2.3：初始化參數(shù)組，并設置初始迭代次數(shù)；

15、s2.4：對所述目標參數(shù)函數(shù)中的參數(shù)進行偏導數(shù)求解，并計算所述參數(shù)的梯度值；

16、s2.5：基于梯度值對參數(shù)的數(shù)值進行更新，表達式如下所示：

17、

18、式中，為學習率。

19、具體地，所述步驟s2還包括：

20、s2.6：設定所述學習率更新的迭代間隔閾值為，并計算當前迭代次數(shù)與所述迭代間隔閾值之間的余數(shù)；

21、s2.7：基于所述余數(shù)判斷是否進行學習率的衰減計算；若，當前迭代次數(shù)達到預定的迭代間隔閾值，更新學習率為；若，當前迭代次數(shù)未達到預定的迭代間隔閾值，不更新學習率；其中，為學習衰減因子；

22、s2.8：更新迭代次數(shù)為，獲取所述目標參數(shù)函數(shù)的參數(shù)更新前的數(shù)值和參數(shù)更新后的數(shù)值，并計算所述目標參數(shù)函數(shù)的變化率；

23、s2.9：設定目標參數(shù)函數(shù)的收斂閾值為、變化率閾值為，判斷所述目標參數(shù)函數(shù)是否收斂；若且，所述目標參數(shù)函數(shù)收斂，并進入s2.10；若或，所述目標參數(shù)函數(shù)不收斂，返回所述s2.4繼續(xù)更新參數(shù)；

24、s2.10：獲取收斂后的參數(shù)組，所述溫度模型訓練完成。

25、具體地，所述步驟s3包括：

26、s3.1：構(gòu)建環(huán)境參數(shù)矩陣；其中，為第個環(huán)境參數(shù)序列，為采集的樣本數(shù)量；

27、s3.2：利用循環(huán)神經(jīng)網(wǎng)絡構(gòu)建環(huán)境預測模型，目標函數(shù)表達式如下所示：

28、

29、式中，為環(huán)境預測模型的輸出矩陣，為激活函數(shù)，為輸入層與隱藏層之間的連接權(quán)重矩陣，為環(huán)境預測模型的輸入矩陣，為偏置矩陣；

30、s3.3：基于所述環(huán)境參數(shù)矩陣，定義環(huán)境預測模型的輸入矩陣、理論輸出矩陣；其中，為輸入矩陣的樣本量；

31、s3.4：利用蟻群尋優(yōu)算法對環(huán)境預測模型中的連接權(quán)重矩陣和偏置矩陣進行求解和優(yōu)化；

32、s3.5：實時采集時刻的環(huán)境序列，并通過所述環(huán)境預測模型輸出時刻的環(huán)境預測序列。

33、具體地，所述步驟s4包括：

34、s4.1：將所述環(huán)境預測序列輸入所述溫度模型，計算出風向預測儀的預測工作溫度，并將所述預測工作溫度保存至構(gòu)建的散熱調(diào)節(jié)表中；

35、s4.2：設定風向預測儀的安全溫度范圍為；

36、s4.3：判斷所述預測工作溫度是否在安全溫度范圍內(nèi)；若，所述預測工作溫度在安全溫度范圍內(nèi)；若或，所述預測工作溫度不在安全溫度范圍內(nèi)，并在所述散熱調(diào)節(jié)表中對時刻的預測工作溫度進行預警標記。

37、具體地，所述步驟s4還包括：

38、s4.4：獲取所述散熱調(diào)節(jié)表中帶有預警標記的預測工作溫度，計算出時刻冷卻液的預計目標流速；

39、s4.5：將時刻冷卻液的預計目標流速保存至所述散熱調(diào)節(jié)表。

40、具體地，所述步驟s5包括：

41、s5.1：當時間到達時刻，調(diào)節(jié)冷卻液泵以使冷卻液的流速為，并獲取時刻的實際工作溫度；

42、s5.2：計算時刻預測工作溫度與實際工作溫度之間的偏差值；

43、s5.3：設定溫度偏差閾值為，判斷時刻的偏差是否在可接受范圍內(nèi)；若，時刻的偏差在可接受范圍內(nèi)；若，時刻的偏差不在可接受范圍內(nèi)，對所述散熱調(diào)節(jié)表進行動態(tài)調(diào)整。

44、具體地，所述s5.3中調(diào)整散熱調(diào)節(jié)表還包括：

45、基于偏差值與溫度偏差閾值計算時刻流速調(diào)整的比例系數(shù)；

46、若，調(diào)節(jié)冷卻液泵以使冷卻液的流速為；

47、若，調(diào)節(jié)冷卻液泵以使冷卻液的流速為。

48、一種風能儲能柜風向預測儀的動態(tài)散熱調(diào)節(jié)系統(tǒng)，包括：數(shù)據(jù)采集模塊、預測模塊和調(diào)節(jié)模塊；

49、所述數(shù)據(jù)采集模塊用于實時獲取風向預測儀的實際工作溫度以及相關(guān)的環(huán)境參數(shù)數(shù)據(jù)，對采集的數(shù)據(jù)進行預處理，并保存至構(gòu)建的參數(shù)數(shù)據(jù)庫中；

50、所述預測模塊用于對環(huán)境參數(shù)進行預測，生成環(huán)境預測序列，并分析風向預測儀的工作溫度與環(huán)境參數(shù)之間的關(guān)系，預測出所述環(huán)境預測序列的預測工作溫度；

51、所述調(diào)節(jié)模塊用于根據(jù)預測工作溫度構(gòu)建散熱調(diào)節(jié)表，并將所述預測工作溫度與風向預測儀的安全溫度范圍進行比較，制定散熱調(diào)節(jié)策略；持續(xù)采集風向預測儀的實際工作溫度，通過與預測工作溫度進行對比，對所述散熱調(diào)節(jié)表進行局部調(diào)整。

52、具體地，所述預測模塊包括環(huán)境預測單元和溫度預測單元；

53、所述環(huán)境預測單元用于構(gòu)建環(huán)境預測模型，將時刻的環(huán)境序列輸入所述環(huán)境預測模型，生成時刻的環(huán)境預測序列；

54、所述溫度預測單元用于構(gòu)建溫度模型，通過計算所述溫度模型中各個參數(shù)的梯度值對所述參數(shù)進行更新；并輸出所述環(huán)境預測序列的預測工作溫度。

55、具體地，所述調(diào)節(jié)模塊內(nèi)配置了散熱調(diào)節(jié)策略和更新策略；

56、所述散熱調(diào)節(jié)策略通過設定風向預測儀的安全溫度范圍，判斷風向預測儀的預測工作溫度是否進行散熱調(diào)節(jié)，并計算出預計冷卻液的目標流速，將所述目標流速保存至所述散熱調(diào)節(jié)表中；

57、所述更新策略持續(xù)采集風向預測儀的實際工作溫度，并計算所述實際工作溫度與預測工作溫度之間的偏差，并對散熱調(diào)節(jié)表進行更新。

58、本發(fā)明的有益效果：

59、1.基于構(gòu)建的溫度模型和環(huán)境預測模型，可以預測未來的工作溫度，并據(jù)此制定散熱調(diào)節(jié)表，有助于提前采取措施，以優(yōu)化散熱管理，防止設備因過熱而消耗更多的能量來維持正常運行；同時通過持續(xù)監(jiān)控實際工作溫度與預測工作溫度之間的偏差，并及時更新散熱調(diào)節(jié)表，可以確保風向預測儀始終在適宜的工作溫度范圍內(nèi)運行。

60、2.通過精確的溫度預測和散熱管理，可以避免不必要的能源浪費。例如，在預測到未來溫度不會過高時，可以適當降低散熱系統(tǒng)的功耗，從而實現(xiàn)節(jié)能降耗的目標。