基于神经网络预测控制的节能电梯能量管理.pdfVIP

第３８卷　第１２期 仪 器 仪 表 学 报 Ｖｏｌ３８Ｎｏ１２ ２０１７年１２月 ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔ Ｄｅｃ．２０１７ 基于神经网络预测控制的节能电梯能量管理 １ ２ １ １ ２ 张达敏 ，林辉品 ，林智勇 ，徐　敏 ，吕征宇 （１．厦门理工学院福建省高电压技术重点实验室　厦门　３６１０２４；２．浙江大学电气工程学院　杭州　３１００２７） 摘　要：随着电梯的日益增多，电梯节能问题引起越来越多的关注。针对节能型电梯中超级电容的储能管理问题，提出一种基 于神经网络预测控制策略的新方法来动态预测电梯运行中所需的能量。首先根据电梯当前停层、目的停层以及载荷信息，建立 反向传播神经网络（ＢＰＮＮ）模型并通过样本训练确定各神经元的权值和偏置值，然后利用该模型在线预测电梯每个行程吸收 或回馈的能量，据此调节超级电容的平衡电压实现提前储能／泄能，补偿电梯运行过程中所需的尖峰功率。此外，根据电梯载荷 和行程信息动态调整超级电容的平衡电压，可以充分利用超级电容的能量存储空间，在某些行程下除了补偿尖峰功率，还能够 补偿一部分额定功率，优化网侧整流器的功率容量。最后通过ＭＡＴＬＡＢ／Ｓｉｍｕｌｉｎｋ搭建的仿真平台和实验样机验证了本方法的 可行性。 关键词：反向传播神经网络；预测控制；节能电梯；尖峰功率补偿 中图分类号：ＴＨ７０　ＴＭ９２１　　　文献标识码：Ａ　　国家标准学科分类代码：４７０．４０６１ Ｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｏｆｅｎｅｒｇｙｓａｖｉｎｇｅｌｅｖａｔｏｒｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ ｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌ １ ２ １ １ ２ ＺｈａｎｇＤａｍｉｎ，ＬｉｎＨｕｉｐｉｎ，ＬｉｎＺｈｉｙｏｎｇ，ＸｕＭｉｎ，ＬｖＺｈｅｎｇｙｕ （１．ＨｉｇｈｖｏｌｔａｇｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＦｕｊｉａｎＰｒｏｖｉｎｃｅ，ＸｉａｍｅｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｘｉａｍｅｎ３６１０２４，Ｃｈｉｎａ； ２．ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００２７，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｅｎｅｒｇｙｓａｖｉｎｇｉｓｓｕｅａｔｔｒａｃｔｓｍｏｒｅａｎｄｍｏｒｅａｔｔｅｎｔｉｏｎｓｒｅｃｅｎｔｌｙｗｉｔｈｔｈｅｉｎｃｒｅａｓｉｎｇｉｎｓｔａｌｌａｔｉｏｎｓｏｆｔｈｅｅｌｅｖａｔｏｒｓｉｎｔｈｅｂｕｉｌｄ ｉｎｇｓ．Ａｎｄｓｕｐｅｒｃａｐａｃｉｔｏｒｓ（ＳＵＰＣＡＰｓ）ａｒｅｔｈｅｐｒｅｆｅｒｒｅｄｅｎｅｒｇｙｃｏｎｓｅｒｖｉｎｇｄｅｖｉｃｅｓｅｑｕｉｐｐｅｄｉｎｔｈｅｅｌｅｖａｔｏｒｓｔｏｓｔｏｒｅｔｈｅｅｎｅｒｇｙｒｅｇｅｎ ｅｒａｔｅｄｂｙｔｈｅｔｒａｃｋｉｎｇｍｏｔｏｒ．Ａｎｅｗｂａｃｋｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｂａｓｅｄ（ＢＰＮＮｂａｓｅｄ）ｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｉｓｅｍｐｌｏｙｅｄｔｏ ｐｒｅｄｉｃｔｔｈｅｅｎｅｒｇｙｒｅｑｕｉｒｅｄｂｙｔｈｅｅｌｅｖａｔｏｒａｔｅｖｅｒｙｔｒｉｐ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｃｕｒｒｅｎｔｓｔｏｐｆｌｏｏｒ，ｔｈｅｄｅｓｔｉｎａｔｉｏｎｆｌｏｏｒ，ａｎｄ ｔｈｅｗｅｉｇｈｔｏｆｔｈｅｐａｓｓｅｎｇｅｒｓ，ｔｈｅＢＰＮＮｍｏｄｅｌｉｓｓｅｔｕｐａｎｄｔｒａｉｎｅｄｂｙｔｈｅｓａｍｐｌｅｓ．ＴｈｅｎｔｈｅｔｒａｉｎｅｄＢＰＮＮｉｓａｐｐｌｉｅｄｔｏｐｒｅｄｉｃｔｔｈｅｅｎ ｅｒｇｙｒｅｑｕｉｒｅｄｂｙｔｈｅｅｌｅｖａｔｏｒａｔｔｈｅｂｅｇｉｎｎｉｎｇｏｆｅａｃｈｔｒｉｐ．Ｉｎｔｈｉｓｗａｙ，ｔｈｅｅｎｅｒｇｙｐｒｏｖｉｄｅｄｂｙｔｈｅＳＵＰＣＡＰｓｉｓ