电除尘变频调幅高压电源及其高压输出控制方法与流程

本技术涉及智能化控制，并且更具体地，涉及一种电除尘变频调幅高压电源及其高压输出控制方法。

背景技术：

1、目前国内电除尘电源主要有单相工频电源、单相恒流电源、三相工频电源、高频电源和脉冲电源等。国外电除尘电源产品主要有单相工频电源、高频电源和脉冲电源。

2、目前，高频电源因其输出平均电压最高以及灵活的脉冲间隙控制功能等先进技术，得到最为广泛的应用。脉冲电源对高比电阻细粉尘有最好的荷电效果，在电除尘末电场也获得了很好应用。但是，上述电源对电除尘第一电场的特性要求和除尘效果均不理想，这大大影响了电除尘的高要求烟气排放。

3、本领域普通技术人员应知晓，第一电场除尘效果好，可以大大减轻后续电场的除尘要求，为超洁净排放提供基础保障。第一电场粉尘浓度高，易产生电晕封闭，要求高平均电压和高平均电流。高频电源平均电压高，但高频电流脉宽太窄，导致电流较小(低于工频电源)；而工频电源(负载匹配，导通角大时)电流虽较大，但输出电压脉动大，平均电压低。

4、因此，期待一种优化的电除尘变频调幅高压电源。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种电除尘变频调幅高压电源及其高压输出控制方法，其获取由粉尘浓度监测传感器采集的预定时间段内多个预定时间点的粉尘浓度值；采用基于深度学习的人工智能技术，挖掘粉尘浓度值的实时状态特征信息，并基于粉尘浓度实时状态特征来自适应地调整电除尘变频调幅高压电源的频率值，以使得电源具有更好的适应性和调控能力，进而有效提高电除尘系统的效率和烟气排放的超洁净排放水平。

2、第一方面，提供了一种电除尘变频调幅高压电源，其包括：

3、数据获取模块，用于获取由粉尘浓度监测传感器采集的预定时间段内多个预定时间点的粉尘浓度值；

4、向量排列模块，用于将所述多个预定时间点的粉尘浓度值按照时间维度排列为粉尘浓度绝对量时序输入向量；

5、差值计算模块，用于计算所述粉尘浓度绝对量时序输入向量中每相邻两个位置的粉尘浓度值之间的差值以得到粉尘浓度相对量时序输入向量；

6、级联模块，用于将所述粉尘浓度绝对量时序输入向量和所述粉尘浓度相对量时序输入向量进行级联以得到粉尘浓度多维度时序输入向量；

7、双管线特征提取模块，用于将所述粉尘浓度多维度时序输入向量通过包含第一卷积神经网络模型和第二卷积神经网络模型的双管线特征提取结构以得到多尺度粉尘浓度时序特征向量；

8、优化模块，用于对所述多尺度粉尘浓度时序特征向量进行维度区分度强化以得到解码特征向量；以及

9、解码模块，用于将所述解码特征向量通过解码器进行解码回归以得到解码值，所述解码值用于表示当前时间点的推荐的高压电源的频率值。

10、在上述电除尘变频调幅高压电源中，所述级联模块，用于：以如下级联公式将所述粉尘浓度绝对量时序输入向量和所述粉尘浓度相对量时序输入向量进行级联以得到粉尘浓度多维度时序输入向量；其中，所述级联公式为：

11、vc＝concat[v1，v2]

12、其中，v1，v2表示所述粉尘浓度绝对量时序输入向量和所述粉尘浓度相对量时序输入向量，表示级联函数，vc表示所述粉尘浓度多维度时序输入向量。

13、在上述电除尘变频调幅高压电源中，所述第一卷积神经网络模型和所述第二卷积神经网络模型分别使用具有不同尺度的一维卷积核。

14、在上述电除尘变频调幅高压电源中，所述双管线特征提取模块，包括：第一尺度特征提取单元，用于第一卷积神经网络模型的编码以得到第一尺度粉尘浓度时序特征向量；

15、第二尺度特征提取单元，用于第二卷积神经网络模型的编码以得到第二尺度粉尘浓度时序特征向量；以及，融合单元，用于融合所述第一尺度粉尘浓度时序特征向量和所述第二尺度粉尘浓度时序特征向量以得到所述多尺度粉尘浓度时序特征向量。

16、在上述电除尘变频调幅高压电源中，所述第一尺度特征提取单元，用于：使用所述第一卷积神经网络模型的各层在层的正向传递中分别对所述粉尘浓度多维度时序输入向量进行基于一维卷积核的卷积处理、池化处理和线性激活处理以由所述第一卷积神经网络模型的最后一层的输出为第一尺度粉尘浓度时序特征向量，其中，所述第一卷积神经网络模型具有第一尺度的一维卷积核。

17、在上述电除尘变频调幅高压电源中，所述第二尺度特征提取单元，用于：使用所述第二卷积神经网络模型的各层在层的正向传递中分别对所述粉尘浓度多维度时序输入向量进行基于一维卷积核的卷积处理、池化处理和线性激活处理以由所述第二卷积神经网络模型的最后一层的输出为第二尺度粉尘浓度时序特征向量，其中，所述第二卷积神经网络模型具有第二尺度的一维卷积核，所述第一尺度不同于所述第二尺度。

18、在上述电除尘变频调幅高压电源中，所述优化模块，用于：以如下优化公式对所述多尺度粉尘浓度时序特征向量进行维度区分度强化以得到解码特征向量；其中，所述优化公式为：

19、

20、其中，μ和σ是所述多尺度粉尘浓度时序特征向量中各个位置的特征值集合的均值和标准差，vi是所述多尺度粉尘浓度时序特征向量的第i个位置的特征值，且v′i是所述解码特征向量的第i个位置的特征值。

21、在上述电除尘变频调幅高压电源中，所述解码模块，用于：使用所述解码器以如下解码公式对所述解码特征向量进行解码回归以得到所述解码值；其中，所述解码公式为：其中，vd表示所述解码特征向量，y表示解码值，w表示权重矩阵，b表示偏置向量，表示矩阵乘。

22、第二方面，提供了一种电除尘变频调幅高压输出控制方法，其包括：

23、获取由粉尘浓度监测传感器采集的预定时间段内多个预定时间点的粉尘浓度值；

24、将所述多个预定时间点的粉尘浓度值按照时间维度排列为粉尘浓度绝对量时序输入向量；

25、计算所述粉尘浓度绝对量时序输入向量中每相邻两个位置的粉尘浓度值之间的差值以得到粉尘浓度相对量时序输入向量；

26、将所述粉尘浓度绝对量时序输入向量和所述粉尘浓度相对量时序输入向量进行级联以得到粉尘浓度多维度时序输入向量；

27、将所述粉尘浓度多维度时序输入向量通过包含第一卷积神经网络模型和第二卷积神经网络模型的双管线特征提取结构以得到多尺度粉尘浓度时序特征向量；

28、对所述多尺度粉尘浓度时序特征向量进行维度区分度强化以得到解码特征向量；以及

29、将所述解码特征向量通过解码器进行解码回归以得到解码值，所述解码值用于表示当前时间点的推荐的高压电源的频率值。

30、在上述电除尘变频调幅高压输出控制方法中，将所述粉尘浓度绝对量时序输入向量和所述粉尘浓度相对量时序输入向量进行级联以得到粉尘浓度多维度时序输入向量，包括：以如下级联公式将所述粉尘浓度绝对量时序输入向量和所述粉尘浓度相对量时序输入向量进行级联以得到粉尘浓度多维度时序输入向量；其中，所述级联公式为：

31、vc-cancat[v1，v2]

32、其中，v1，v2表示所述粉尘浓度绝对量时序输入向量和所述粉尘浓度相对量时序输入向量，表示级联函数，vc表示所述粉尘浓度多维度时序输入向量。

33、与现有技术相比，本技术提供的电除尘变频调幅高压电源及其高压输出控制方法，其获取由粉尘浓度监测传感器采集的预定时间段内多个预定时间点的粉尘浓度值；采用基于深度学习的人工智能技术，挖掘粉尘浓度值的实时状态特征信息，并基于粉尘浓度实时状态特征来自适应地调整电除尘变频调幅高压电源的频率值，以使得电源具有更好的适应性和调控能力，进而有效提高电除尘系统的效率和烟气排放的超洁净排放水平。