一种风电智能环网柜智能除湿装置及其除湿控制方法与流程

本发明涉及环网柜及其智能化控制，具体涉及一种风电智能环网柜智能除湿装置及其除湿控制方法。

背景技术：

1、风电智能环网柜作为一种环网供电的电气设备，被广泛应用，但环网柜多安装在室外露天环境中，柜内湿度受天气影响较大，且环网柜往往与电缆沟相连，易导致柜内湿度较大，从而出现凝露甚至积水现象，以致造成元件短路或损坏内部元件，由此环网柜潮湿问题成为环网柜内的主要故障原因之一。

2、目前主要采取三种措施，第一种是依靠运维工作人员根据经验定期维护环网柜，清除柜内凝露及积水，但凝露和积水与天气紧密相关，运维工作人员不能及时的清理，且带来人力、工时的损耗以及操作的不便和安全隐患；第二种措施是在柜体内增加加热器，利用加热器烘干柜体内的水分，但是环境温度越高，空气就能够容纳更多数量的水汽，当温度降低时，会使得无法继续容纳于空气中的水汽，通过液态水的形式析出，因此也是治标不治本；第三种是在柜体内增加吸湿垫，但由于需要不断的检查和更换吸湿棉垫，导致工作量很大，且若不能及时更换，仍然存在安全隐患。

技术实现思路

1、本发明的目的在于提供一种风电智能环网柜智能除湿装置，解决现有技术中三种环网柜除湿措施的不足。

2、本发明的目的可以通过以下技术方案实现：

3、一种风电智能环网柜智能除湿装置，用于对安装有电气元件的柜体进行除湿。柜体的顶部和侧壁分别开设有第一风口和第二风口。第一风口和第二风口内分别设置有单向出风组件和单向进风组件。智能除湿装置包括除湿框、储热箱、风扇、除湿桶、排水管和输风管。

4、除湿框安装在柜体的内腔顶部，且顶部与第一风口相连通，底部开设有气孔。

5、储热箱安装在柜体内。储热箱内填充有相变材料。

6、风扇安装在除湿框内，且其中一侧扇面正对于第一风口。

7、除湿桶水平放置在风扇与除湿框底部之间。除湿桶中部环向设置有若干通孔。除湿桶内部安装有膨胀块。膨胀块与除湿桶内壁之间设置有吸湿棉垫。

8、排水管一端位于柜体外，另一端延伸至除湿桶内。

9、输风管贯穿式设置在储热箱内。输风管一端延伸至除湿框内且出风口指向除湿桶，另一端位于柜体内。

10、作为本发明进一步的方案：还包括水流检测器、振动器和控制器。

11、水流检测器设置在排水管内，用于检测由排水管排出的水流量。

12、振动器安装在储热箱内。

13、控制器用于当水流监测器检测到的水流量超过预设流量，则控制振动器振动。

14、作为本发明进一步的方案：排水管位于除湿框内的一端连接有接水盒。接水盒用于收集由通孔落下的水流。

15、作为本发明进一步的方案：除湿桶的桶径由中部往两侧不断减小。

16、作为本发明进一步的方案：除湿桶两端通过转轴转动安装在除湿框内，除湿桶外侧壁周向均与布设有翻转片。除湿桶的中心线与风扇的扇叶中心线不在同一平面内。

17、作为本发明进一步的方案：还包括湿度检测器。

18、湿度检测器与控制器电性连接，用于检测柜体内的湿度。

19、控制器还用于：

20、当湿度检测器检测到柜体内的湿度在预设湿度一和预设湿度二之间时，控制风扇正转，使单向出风组件和单向进风组件分别处于出风和进风状态。

21、当湿度检测器检测到柜体内的湿度大于预设湿度二时或者预设单位时间柜体内的湿度增加值超过预设变化值时，控制风扇反转，使单向出风组件和单向进风组件均处于关闭状态。

22、作为本发明进一步的方案：还包括风管组件。风管组件包括至少一组环向安装在柜体内壁的横管和至少一组与横管相对应的竖管。

23、至少一组环向安装在柜体内壁的横管。

24、至少一组与横管相对应的竖管，竖管一端连通横管，一端延伸至除湿框内腔顶部。

25、横管在柜体的每一侧壁方向上至少设置有一个进气口。进气口设置有进气阀。进气口一侧设置有湿度检测器。进气阀和湿度检测器均与控制器电性连接。

26、控制器还用于当任意一个湿度检测器检测到的湿度大于预设湿度二，控制进气阀开启以及控制风扇反转，使单向出风组件和单向进风组件均处于关闭状态。

27、作为本发明进一步的方案：单向出风组件包括铰接板和限位块。

28、铰接板铰接在第一风口内。

29、限位块安装在第一风口内。

30、其中，当风扇反转时，铰接板与限位块相贴合，封堵第一风口。

31、作为本发明进一步的方案：第二风口设置有防尘网以及吸水层。

32、本发明还公开了一种基于环网柜智能除湿装置的除湿控制方法，包括以下步骤：

33、通过传感器采集湿度、温度、风速信息，送入智能控制器，控制器内执行下面的算法步骤，根据不同环境条件和季节性变化不断改进除湿效率，具体包括以下步骤：

34、步骤1.定义系统的状态表示：包括当前的环境条件：湿度、温度、风速，以及设备状态：风扇、储热材料、吸湿棉垫(10)的状态；

35、状态表示定义了系统在任何给定时间点的环境和设备状态，包括以下要素：

36、湿度h： 当前环境中的湿度水平，通常以百分比表示；

37、温度t： 当前环境的温度，通常以摄氏度或华氏度表示；

38、风速w： 当前风速可以影响湿度分布和除湿效率；

39、风扇状态fs： 风扇的当前状态，包括正转、反转或关闭，风扇状态可以影响空气流动和除湿效率；

40、储热材料状态（thermal storage material status）：储热材料的状态，包括加热水平，储热材料的状态影响空气加热和干燥效率；

41、吸湿棉垫状态（moisture absorption pad status）： 吸湿棉垫的状态，指示是否需要更换或维护，吸湿棉垫的状态影响湿度降低效率；

42、膨胀块状态（expansion block status）：膨胀块的状态，指示是否需要更换或维护，膨胀块的状态影响湿度的挤压和排水效率；

43、将状态变量将作为智能控制的输入，用于在每个时间步骤上选择最佳的操作以优化系统性能，通过观察当前湿度和温度，判断是否需要启动风扇和储热材料以及它们的工作水平；系统还可以监测吸湿棉垫和膨胀块的状态，以确定是否需要进行维护操作；

44、步骤2. 动作空间：定义系统可以采取的动作，这些动作将影响环境和设备的状态，包括控制风扇的正转或反转、调整储热材料的加热水平、调整风扇速度；

45、风扇控制：风扇是除湿装置的核心组件之一，动作包括以下选项：

46、正转：启动风扇以在除湿框内产生气流，有助于吸湿棉垫和膨胀块的除湿和干燥；

47、反转：反转风扇以改变气流方向，有助于均匀地处理湿度；

48、关闭：关闭风扇以停止气流；

49、储热材料加热：储热材料可以通过加热来释放储存的热量，从而提高除湿效率，动作包括以下选项：

50、调整加热水平：增加或减少储热材料的加热水平，以控制释放的热量；

51、风扇速度调整：风扇的速度可以调整，以控制气流量，动作包括以下选项：

52、增加风扇速度：增加风扇的转速，以提高气流量；

53、减小风扇速度：降低风扇的转速，以降低气流量；

54、其他操作：根据系统的具体设计，还可以定义其他操作，包括吸湿棉垫和膨胀块(11)的维护或更换操作、储热材料的补充操作；

55、这些操作将在每个时间步骤上由智能代理选择，并作为输出发送到系统中以执行；

56、步骤3.设定一个奖励函数（reward function），根据系统的性能来评估每个动作，这个奖励函数可以根据湿度和能源消耗因素来定义，通常希望最大化奖励，即降低湿度并降低能源消耗；奖励函数设计如下：

57、奖励函数 (reward function) = α * δ湿度 - β * δ能源消耗

58、其中，δ湿度表示在执行动作后湿度的降低，δ能源消耗表示在执行动作后能源消耗的减少；α和β是权重系数，用于平衡湿度降低和能源消耗的重要性；接下来对如何计算δ湿度 和 δ能源消耗 进行详细的说明：

59、3.1. δ湿度:

60、δ湿度 可以表示为当前时间步骤 t 与前一个时间步骤 t-1 之间湿度的变化，具体计算方式可能包括：

61、δ湿度 = 湿度(t-1) - 湿度(t)

62、这里，湿度(t-1) 是前一个时间步骤的湿度，湿度(t) 是当前时间步骤的湿度，δ湿度可以用来表示智能代理通过执行操作减少了湿度的程度；

63、3.2. δ能源消耗:

64、δ能源消耗 表示在执行动作后能源消耗的减少，可以通过以下方式来估计：

65、δ能源消耗 = 能源消耗(t-1) - 能源消耗(t)

66、这里，能源消耗(t-1) 是前一个时间步骤的能源消耗，能源消耗(t) 是当前时间步骤的能源消耗；δ能源消耗用于表示智能代理通过执行操作降低了能源消耗的程度；

67、最后，将 δ湿度 和 δ能源消耗 代入奖励函数中，根据权重系数 α 和 β 来计算奖励值：

68、奖励 = α * δ湿度 - β * δ能源消耗

69、通过这个奖励函数，以最大化奖励值，即降低湿度并降低能源消耗；如果控制成功减少湿度且减少了能源消耗，它将得到正的奖励值，这将鼓励它在相似的情境下继续采取相似的行动；反之，如果控制的操作导致湿度升高或能源消耗增加，奖励将为负值，系统将尝试避免这些操作；

70、步骤4.在强化学习中，通常使用值函数（value function）来表示每个状态的价值，通过bellman equation来计算：

71、bellman equation是强化学习中的一个重要方程，它描述了值函数之间的关系，对于状态值函数v(s)和动作值函数q(s, a)，bellman equation可以表示为：

72、状态值函数的bellman equation：

73、v(s) = σ [p(s' | s, a) * (r(s, a, s') + γ * v(s'))]

74、动作值函数的bellman equation：

75、q(s, a) = σ [p(s' | s, a) * (r(s, a, s') + γ * max(q(s',a'))]

76、其中，p(s' | s, a) 表示在状态 s 下采取动作 a 后转移到状态 s' 的概率，r(s, a, s') 表示在状态 s 下采取动作 a 后转移到状态 s' 并获得的奖励，γ 是折扣因子，用于权衡当前奖励和未来奖励的重要性；

77、采用q-learning算法学习动作值函数 q(s, a)，算法包括以下步骤：

78、a. 初始化 q(s, a) 为任意值，通常为零；

79、b. 在每个时间步骤 t，代理观察当前状态 s(t)，选择动作 a(t) 根据一定的策略（如 ε-greedy 策略）；

80、c. 执行动作 a(t)，观察奖励 r(t) 和新状态 s(t+1)；

81、d. 使用bellman equation更新 q 值：

82、q(s(t), a(t)) = q(s(t), a(t)) + α * [r(t) + γ * max(q(s(t+1), a')) -q(s(t), a(t))]其中，α 是学习率，控制着更新的步长；

83、e. 重复步骤 b - d，直到满足停止条件，例如达到最大训练步数或 q 值趋于稳定；

84、步骤5.控制风扇(18)正转或者反转，正转时单向出风组件和单向进风组件分别处于出风和进风状态，外部空气通过第二风口(102)进入柜体(1)，再通过气孔(301)进入除湿框(3)，最后由第一风口(101)出风；反转时，单向出风组件和单向进风组件均处于关闭状态，柜体(1)内的空气由输风管(7)底端进入，再从上端排入到除湿框(3)内，最后由气孔(301)再次进入柜体(1)；

85、步骤6.除湿桶(5)内的吸湿棉垫(10)对经由除湿框(3)的空气中的水分进行吸附；

86、步骤7.膨胀块(11)接触到吸湿棉垫(10)中的水分后膨胀，对吸湿棉垫(10)进行挤压，挤压产生的水由排水管(4)排出；

87、步骤8.储热箱(8)内的储热材料放热对输风管(7)内的空气进行加热，使加热后的热风吹进除湿框(3)内，对吸湿棉垫(10)以及膨胀块(11)进行烘干。

88、本发明的有益效果：

89、本发明的环网柜智能除湿装置通过在第一风口和第二风口内分别设置有单向出风组件和单向进风组件，风扇正转时单向出风组件和单向进风组件分别处于出风和进风状态，外部空气通过第二风口进入柜体，再通过气孔进入除湿框，最后由第一风口出风，实现与外界空气交换时，柜体内湿度较高的空气。风扇反转时，单向出风组件和单向进风组件均处于关闭状态，柜体内的空气由输风管底端进入，再从上端排入到除湿框内，最后由气孔再次进入柜体。除湿桶内的吸湿棉垫对经由除湿框的空气中的水分进行吸附。膨胀块接触到吸湿棉垫中的水分后膨胀，对吸湿棉垫进行挤压，挤压产生的水由排水管排出，大大提高柜体内湿度去除的效率。并且储热箱内的储热材料放热对输风管内的空气进行加热，使加热后的热风吹进除湿框内，对吸湿棉垫以及膨胀块进行烘干，使得装置可以持续使用，不需要人工更换吸湿棉垫，提高了实用性。

90、本发明的智能除湿方法可以自动学习最佳的控制策略，以适应不同的环境条件和季节性变化。这意味着装置可以在不需要手动调整的情况下，在各种湿度、温度和风速条件下高效运行。所采用的强化学习算法有助于最大程度地降低能源消耗。系统能够智能地选择何时启动风扇、调整储热材料的加热水平以及控制风扇速度，从而最大限度地减少不必要的能源浪费。此外，算法能够有效地控制系统以降低湿度，这对于风电智能环网柜来说是至关重要的。湿度控制的优化有助于防止湿度过高，减少电气设备的腐蚀和损坏。 通过自学习和智能控制，系统能够更稳定地运行，减少设备的故障和维护需求。这有助于延长装置的寿命和减少维修成本。 强化学习算法还可以与远程监测系统集成，使操作人员能够远程监视设备的性能并根据需要进行维护。这提高了系统的可维护性和远程操作的便利性。