基于云计算的设备监控系统的制作方法
本发明涉及监控技术领域，具体涉及基于云计算的设备监控系统。
背景技术：
相关技术中的能源管理控制系统通常采用传统的电气自动化技术，对单个对象(如商场、商店、酒店、办公楼工业厂房)的各个能耗设备进行能耗管理控制，属于现场级的控制。厂家不同其使用的管理节能平台也不同，通常无法不兼容，相互之间也缺乏通信，从而无法形成一个统一的平台集中进行统一的能耗管理控制，以最大程度地实现节能的目的。
技术实现要素：
针对上述问题，本发明旨在提供基于云计算的设备监控系统。
本发明的目的采用以下技术方案来实现：
提供了基于云计算的设备监控系统，包括电源子系统、现场控制中心、参数采集子系统和云计算管理平台，所述电源子系统与现场控制中心连接，现场控制中心与所述云计算管理平台之间、所述参数采集子系统与所述云计算管理平台之间均通过通讯网络相互通信；所述现场控制中心，用于根据用户设定参数对各个能耗设备进行现场控制并将所述用户设定参数传送给云计算管理平台；所述参数采集子系统，用于采集与所述各个能耗设备的能耗有关的参数并传送给云计算管理平台；所述云计算管理平台，用于根据所述采集到的与所述各个能耗设备的能耗有关的参数和所述用户设定参数调整所述现场控制中心对所述各个能耗设备的现场控制模式。
本发明的有益效果为：能够在一个统一的平台下对很多个能耗设备集中进行监控，实现最大限度的节能降耗管理和网络化自动控制，从而实现能源的最优化配置，达到更好的节能效果。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的结构连接示意图；
图2是本发明参数采集子系统的结构连接示意图。
附图标记：
电源子系统1、现场控制中心2、参数采集子系统3、云计算管理平台4、传感器5、单片机6。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1、图2，本实施例的基于云计算的设备监控系统，包括电源子系统1、现场控制中心2、参数采集子系统3和云计算管理平台4，电源子系统1与现场控制中心2连接，现场控制中心2与云计算管理平台4之间、参数采集子系统3与云计算管理平台4之间均通过通讯网络相互通信；现场控制中心2，用于根据用户设定参数对各个能耗设备进行现场控制并将用户设定参数传送给云计算管理平台4；参数采集子系统3，用于采集与各个能耗设备的能耗有关的参数并传送给云计算管理平台4；云计算管理平台4，用于根据采集到的与各个能耗设备的能耗有关的参数和用户设定参数调整现场控制中心2对各个能耗设备的现场控制模式。
优选的，参数采集子系统3包括用于采集各个能耗设备的能耗有关的参数的传感器5。
优选的，参数采集子系统3还包括用于对各个能耗设备的能耗有关的参数进行处理的单片机6。
本发明上述实施例能够在一个统一的平台下对很多个能耗设备集中进行监控，实现最大限度的节能降耗管理和网络化自动控制，从而实现能源的最优化配置，达到更好的节能效果。
优选的，电源子系统1包括超级电容组、电池组、双向dc/dc变换器、第一开关、第二开关、第一二极管和第二二极管，其中，超级电容组由多个超级电容器组成，电池组由多个锂电池组成，其中双向dc/dc变换器的高压端与超级电容组连接，双向dc/dc变换器的低压端与电池组连接，超级电容组通过并联的第一开关和第一二极管与负载连接，电池组通过并联的第二开关和第二二极管与负载连接。本优选实施例利用超级电容组和电池组作为电源子系统1的组成部分，使电源子系统1具有复合储能的功能，能够不断为现场控制中心2提供动力，保证现场控制中心2对能耗设备的控制，节能环保。
优选的，电源子系统1的超级电容组和电池组的参数采用参数优化匹配的方法选择，具体包括：
(1)选择电源子系统1的总质量、总体积、损耗、容量以及电池组的平均充放电倍率作为电源子系统1的参数优化匹配的优化目标，选择电池组并联锂电池数量以及电池组的功率限值作为优化变量；
(2)设定电池组并联锂电池数量的取值范围为[2,10]，设定电池组的功率限值的取值范围为[0,100kw]，分别计算每个电池组并联锂电池数量和电池组的功率限值组成的方案的电源子系统1的总质量、总体积、损耗、容量以及电池组的平均充放电倍率；
(3)预先设定总质量、总体积、损耗、容量以及电池组的平均充放电倍率的阈值，剔除超出各参数阈值的电池组并联锂电池数量和电池组的功率限值组成的方案对应的数据；
(4)设由电池组并联锂电池数量取值为α和电池组的功率限值取值为β时组成的方案的能源供给模块的总质量为Oαβ、总体积为Sαβ、损耗为Eαβ、容量为Gαβ以及电池组的平均充放电倍率为Nαβ，对剩余的数据按照下式进行无量纲化处理：
在该公式中，α＝2,3,…,10，β＝0,10,…,100，α、β的取值排除已剔除的数据；X1αβ表示对Oαβ进行无量纲化处理后的结果，X2αβ表示对Sαβ进行无量纲化处理后的结果，X3αβ表示对Eαβ进行无量纲化处理后的结果，X4αβ表示对Nαβ进行无量纲化处理后的结果，X5αβ表示对Gαβ进行无量纲化处理后的结果。
另外，max(O)为能源供给模块4的总质量O的极大值，max(S)为能源供给模块4的总体积的极大值，max(E)为能源供给模块4的损耗的极大值，max(N)为能源供给模块4的平均充放电倍率的极大值，max(G)为能源供给模块4的容量的极大值；
(5)对α和β做优化。
本优选实施例在能够保留上述5个优化目标的变异程度和相互影响的信息的前提下按照上述公式进行数据的预处理和无量纲化处理，保证了电源子系统1的超级电容组和电池组的参数优化处理的精度，从而使得电源子系统1能够更高效地为现场控制中心2提供所需的动力，节能环保。
优选的，双向dc/dc变换器为半桥结构双向dc/dc变换器。
优选的，按以下条件对α和β做优化：
在该公式中，α＝2,3,…,10，β＝0,10,…,100，α、β排除了已剔除的数据，Tαβ为电池组并联锂电池数量取值为α、电池组的功率限值参数取值为β时的优化值，Xkαβ表示在{X1αβ,X2αβ,X3αβ,X4αβ,X5αβ}中与k对应的取值，k＝1,…,5，τk为对应Xkαβ的加权系数的加权系数，可以采用专家打分方法获得该的加权系数，ωk为对应Xkαβ的加权系数，可以采用历史经验确定该加权系数，另外，上述加权系数的设置应满足
选择Tαβ为最小时所对应的α和β作为最终的优化变量参数。
本优选实施例能够更为精确地进行优化变量参数的选择，从而进一步提高电源子系统1的工作效率，保证现场控制中心2的动力供应，这对解决边远地区等电力供应困难地区的设备监控的供电问题起到了很好的效果。
优选的，电源子系统1还包括分配模块，用于对电池组和超级电容组的功率进行最优分配。本优选实施例通过最有分配，有利于减轻电池组和超级电容组各自的负荷，从而延长寿命。
优选的，对电池组和超级电容组的功率进行最优分配的策略包括：
(1)设在下一时刻μ的预测负载功率限值为My(μ)，参数优化后选择的电池组的功率限值为PdN′，可能出现下一时刻μ的负载功率为MdN(μ)，下一时刻μ负载功率MdN(μ)出现的概率为N(μ)，预测负载功率限值：
1)PdN′<MdN(μ)×N(μ)时
2)PdN′≥MdN(μ)×N(μ)时
My(μ)＝PdN′
(2)当负载需求的电功率P超过My(μ)时，分配电池组承担功率My(μ)，分配超级电容组承担的功率为P-My(μ)；当P小于My(μ)时，由分配电池组承担全部的P。
在上述优选例中，对电池组的功率限值和预测负载功率限值均作了优化，从而实现将电池组充放电功率限制在设定值内，使得能够更合理地分配电池组和超级电容组的功率负荷，达到了提高电源子系统1效率、并延长电池组的寿命的目的。发明人根据上述各优选实施例的方案进行了一系列测试，通过测试得到的节能降耗率和故障率的实验数据如下：
上述实验数据表明，本发明能够明显地降低功率消耗，而且还在试验中没有发生任何故障，由此可见，本发明广泛应用于各种设备监控的场合将会产生非常显著的有益效果。作为另一优选实施例，电功率分配策略为：
(1)当MdN(θ+1)>MdN(θ)>0时，则当前由超级电容组输出20％的电功率；当MdN(θ)>MdN(θ+1)>0and YSUP≥YT时，则当前由超级电容组输出80％的电功率，其中YT为超级电容组的额定电压，其中，MdN(θ)为当前时刻θ的负载的功率需求，YSUP为当前时刻θ超级电容组的电压；
(2)当MdN(θ+1)>0and MdN(θ)<0and YSUP<YT时，则提高并维持超级电容组的电压到YT；当MdN(θ+1)>0and MdN(θ)<0and YSUP≥YT时，则当前由超级电容组输出10％的电功率；
(3)当MdN(θ+1)<0and MdN(θ)>0and YSUP<YT时，则提高超级电容组输出的功率；当MdN(θ+1)<0and MdN(θ)<0，则平衡当前超级电容组和电池组的回收功率，当MdN(θ+1)<0and MdN(θ)>0and YSUP>YT时，则降低并维持超级电容组的电压到YT。
本优选实施例可以进一步提高电源子系统1效率，并延长电池组的寿命，保证现场控制中心2的电力供应，防止设备监控系统工作时电力供应方面发生故障。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
- 还没有人留言评论。精彩留言会获得点赞！