Аннотация
Обсуждаются вопросы упрощенного синтеза энергоэффективных скалярных систем частотного регулирования асинхронными электроприводами. В качестве способа обеспечения энергоэффективности рассматривается метод формирования специальных законов частотного регулирования, рассчитываемых для заданного диапазона нагрузок. Процедура расчета закона частотного управления асинхронным электроприводом выполняется на основе итерационной оптимизации, при этом количество итераций может достигать тысячи. Представляется целесообразным найти упрощенную процедуру формирования закона, пригодную для инженерных расчетов. Вводится в рассмотрение гипотеза «похожести» законов управления для двигателей с относительно близкими параметрами схемы замещения. Это предполагает, что закон управления (квазиоптимальный закон), полученный для одного двигателя, может быть с определенной степенью погрешности применен и для других, близких по параметрам электрических машин. Выявление двигателей с близкими параметрами предлагается осуществить с помощью кластеризации, выполненной на основе самоорганизующихся искусственных нейронных сетей (карты Кохонена). Число кластеров выбрано исходя из желаемого разброса параметров двигателя, определяемого на основе отклонения значений критерия оптимизации от экстремального. В итоге получена гексагональная карта Кохонена из 64 кластеров, при этом каждому кластеру соответствует свой набор квазиоптимальных законов. Таким образом, достаточно соотнести двигатель с каким-либо кластером (иначе классифицировать), что автоматически сопоставит ему квазиоптимальный закон управления.
В работе приводится процедура формирования и обучения сети, а также примеры реализации оптимизированных законов управления.
Ключевые слова
Оптимизация, скалярное управление, асинхронный двигатель, нейронная кластеризация.
1. Браславский И.Я.. Ишматов З.Ш., Поляков В.Н. Энергосберегающий асинхронный электропривод. М.: ACADEMIA, 2004. 202 с.
2. Braslavskii I.Ya., Kostylev A.V, Tsibanov D.V. Study of optimal startup processes in the real network-FC-IM system. Russian Electrical Engineering, 83 (9), 2012, pp. 499- 503.
3. Braslavskii I.Ya., Kostylev A.V, Tsibanov D.V. The use of cluster analysis for the synthesis of optimal frequency control law for induction drive. Power Electronics, Electrical Drives, Automation and Motion (SPEEDAM), International Symposium on, 2014, pp. 478-482.
4. Зюзев А.М., Зюзев А.М., Метельков В.П. Термодинамические модели для проверки асинхронного двигателя по нагреванию // Электротехника. 2012. №9. С. 48-52.
5. Braslavskii I.Ya., Ishmatov Zh.Sh., Kostylev A.V., Plotnikov Yu.V., Polyakov V.N., Erman G.Z., Antonov D.L. Energy efficiency of laws of scalar frequency control of induction electric drives. Russian Electrical Engineering. 2012, vol. 83, №9, pp 508-511.
6. Shreiner R.T., Kostylev A.V., Shilin S.I., Khabarov A.I. Optimization of a variable-frequency induction motor drive with a scalar control system. Russian Electrical Engineering. 2012, vol. 83, № 9, pp 490-493.
7. Braslavskii I.Ya., Kostylev A.V, Stepanyuk D.P. Starting processes in the frequency-regulated asynchronous drive during optimal control. Russian Electrical Engineering. 2007, vol.78, №11, pp. 607-610.
8. Braslavskii I.Ya., Kostylev A.V, Stepanyuk D.P. Optimization of starting Process of the Frequency Controlled Induction Motor. Proceedings of the 13th International Power Electronics and Motion Control conference, Poznan, Poland. 2008, pp. 97-101.
9. Janos Abonyi, Balázs Feil, Cluster Analysis for Data Mining and System Identification, Springer Science & Business Media, 2007, 324 p.
10. Pokorný P., Dostál P. Cluster analysis and neural network. In Technical Computing, Prague, 2008. Sborník příspěvků 16. ročníku konference. Praha: Humusoft. 2008. pp. 25-34.
11. Braslavskii I.Ya., Kostylev A.V., Stepanyuk D.P., Mezeusheva D.V. Synthesis of asynchronous-drive control systems using neural networks. Russian Electrical Engineering. №76(9), 2005, pp. 65-68.