基于角度补偿的压缩机弱磁区域稳定运行方法及系统

本申请涉及压缩机弱磁区控制，尤其涉及基于角度补偿的压缩机弱磁区域稳定运行方法及系统。

背景技术：

1、在现代压缩机电机的控制系统中，转子角度的精确估计对于实现压缩机的稳定运行至关重要。尤其是在弱磁区域运行时，由于转子磁场减弱，电机的转矩输出可能会变得不稳定，导致压缩机的运行效率降低。这种情况通常发生在电机转速高、电压接近额定电压上限时。传统的控制系统依赖于锁相环来估计转子角度，并根据相位误差进行调整，以维持电机稳定运行。然而，在复杂的运行工况下，尤其是存在多个频率干扰信号例如，空间谐波、高频成分和噪声的情况下，传统的相位误差检测方法可能难以应对，从而导致转子角度估计不准，进而影响系统的整体控制性能。

2、例如授权公告号为cn114738977b的中国专利，公开了一种空调弱磁角度控制方法、装置及存储介质。该方法包括：响应于空调进入弱磁控制模式，获取空调压缩机的运行频率，并监测所述空调压缩机运行过程中的室外环境温度；根据所述运行频率以及所述室外环境温度，调整所述空调压缩机的弱磁角度。通过该公开，可以通过不同室外环境温度区间与空调压缩机运行频率差值区间，区分增加不同弱磁角度，实现弱磁控制的精细化控制。

3、该技术方案仅限于基于压缩机的工况进行粗略调整，未充分考虑转子角度估计中受到的多种频率成分影响，导致控制精度有限。此外，现有技术的控制系统通常缺乏智能学习能力，难以适应不同的运行状态和复杂的环境条件。

技术实现思路

1、针对现有技术的不足，本申请公开了基于角度补偿的压缩机弱磁区域稳定运行方法及系统。

2、第一方面，本申请提供基于角度补偿的压缩机弱磁区域稳定运行方法，包括：

3、基于锁相环对目标压缩机的转子角度进行估计，生成所述转子的估计角度；

4、利用预设的机器学习模型，基于所述目标压缩机的运行参数和所述转子的估计角度，生成预测角度；其中，所述机器学习模型用于补偿多个频率成分对所述预测角度的影响；所述多个频率成分包括：空间谐波分量、反电动势信号的高频分量、以及噪声信号；

5、基于所述预测角度，调整所述目标压缩机的运行参数。

6、作为一种可选的实施方式，所述生成所述转子的估计角度还包括：

7、在所述目标压缩机电机的定子绕组中注入高频电压信号；

8、采集所述定子绕组的电流响应信号，并提取所述电流响应信号中的空间谐波分量；

9、将所述空间谐波分量与反电动势信号进行加权组合，提供至锁相环进行相位误差检测，生成所述估计角度。

10、作为一种可选的实施方式，还包括：利用有限元分析法对所述目标压缩机的电磁特性进行建模，生成所述目标压缩机在目标运行状态下的电磁数据；

11、利用预设的机器学习模型，基于所述目标压缩机的运行参数、所述转子的估计角度、以及通过有限元分析生成的电磁数据，生成所述预测角度。

12、作为一种可选的实施方式，所述有限元分析法采用预计算的方式，用于对所述目标压缩机电机的电磁特性进行预计算，生成在不同运行状态下的电磁数据；

13、其中，所述电磁数据包括：磁通密度分布、电流密度分布、磁链耦合以及电磁损耗特性；

14、所述预计算的电磁数据通过查找表或数据库存储，并在实时运行时根据压缩机的当前运行状态动态调用。

15、作为一种可选的实施方式，还包括：

16、基于有限元分析预计算生成的电磁数据，确定所述高频电压信号的频率和幅值；

17、当所述磁通密度低于第一阈值时，选择频率为第一预设范围内的高频电压信号进行注入；

18、当所述电流密度高于第二阈值时，将所述高频电压信号的幅值调整至第二预设范围内。

19、作为一种可选的实施方式，所述机器学习模型的输入数据包括：所述目标压缩机的转速、负载、定子电流、反电动势信号、所述转子的估计角度、以及通过有限元分析预计算生成的电磁数据；

20、所述机器学习模型包括：长短期记忆网络模型；

21、所述长短期记忆网络模型用于实时处理所述输入数据，并生成预测角度；

22、其中，所述长短期记忆网络模型通过对历史数据和当前运行参数进行分析，生成预测角度。

23、作为一种可选的实施方式，所述机器学习模型通过截断反向传播算法进行训练，包括：

24、将所述目标压缩机的历史运行参数，基于预设长度进行分段；

25、其中，所述预设长度基于系统计算负载和实时性目标确定；所述历史运行参数包括：转速、负载、定子电流以及反电动势信号的时序数据；

26、对每一段压缩机的历史运行参数的时序数据进行局部梯度计算，并基于局部梯度计算结果更新机器学习模型的权重；

27、其中，所述局部梯度计算通过截断反向传播限制每次反向传播的时间步数；

28、在每一段时序数据的计算结束后，将当前段时序数据的隐藏状态和记忆状态作为下一段时序数据计算的初始状态。

29、作为一种可选的实施方式，所述预设长度基于系统计算负载和实时性目标确定包括：

30、监测目标压缩机的系统计算负载；其中，所述系统计算负载基于所述处理器使用率和内存占用率的加权平均值确定；

31、当所述系统计算负载的加权平均值大于或等于预设的第一负载阈值时，缩短所述预设长度；

32、当所述系统计算负载的加权平均值小于所述第一负载阈值时，延长所述预设长度。

33、第二方面，本申请还提供基于角度补偿的压缩机弱磁区域稳定运行系统，包括：

34、估计单元，基于锁相环对目标压缩机的转子角度进行估计，生成所述转子的估计角度；

35、预测单元，利用预设的机器学习模型，基于所述目标压缩机的运行参数和所述转子的估计角度，生成预测角度；其中，所述机器学习模型用于补偿多个频率成分对所述预测角度的影响；所述多个频率成分包括：空间谐波分量、反电动势信号的高频分量、以及噪声信号；

36、控制单元，基于所述预测角度，调整所述目标压缩机的运行参数。

37、与现有技术相比，本发明的有益效果是：利用机器学习模型实时处理多个输入参数，包括转速、负载、定子电流、反电动势信号及电磁数据，有效补偿空间谐波、高频信号及噪声的影响，生成更加精确的转子预测角度。通过对多源数据的综合分析，能够动态适应复杂的电磁环境及工况变化，尤其在弱磁区域下提升了压缩机的稳定运行性能。基于预测角度实时调整压缩机的转速、负载及电流，确保系统在不同负载条件下以最优状态运行，进一步提高了能效和运行可靠性。有限元分析的预计算方式以及在机器学习训练过程中的截断反向传播算法减少了实时运行中的计算负担，使系统在保障实时性的同时，保持高精度预测。

技术特征：

1.基于角度补偿的压缩机弱磁区域稳定运行方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述生成所述转子的估计角度还包括：

3.根据权利要求2所述的方法，其特征在于，还包括：利用有限元分析法对所述目标压缩机的电磁特性进行建模，生成所述目标压缩机在目标运行状态下的电磁数据；

4.根据权利要求3所述的方法，其特征在于，所述有限元分析法采用预计算的方式，用于对所述目标压缩机电机的电磁特性进行预计算，生成在不同运行状态下的电磁数据；

5.根据权利要求4所述的方法，其特征在于，还包括：

6.根据权利要求5所述的方法，其特征在于，所述机器学习模型的输入数据包括：所述目标压缩机的转速、负载、定子电流、反电动势信号、所述转子的估计角度、以及通过有限元分析预计算生成的电磁数据；

7.根据权利要求6所述的方法，其特征在于，所述机器学习模型通过截断反向传播算法进行训练，包括：

8.根据权利要求7所述的方法，其特征在于，所述预设长度基于系统计算负载和实时性目标确定包括：

9.基于角度补偿的压缩机弱磁区域稳定运行系统，其特征在于，包括：

技术总结
本申请公开了基于角度补偿的压缩机弱磁区域稳定运行方法及系统，涉及压缩机弱磁区控制技术领域，该方法包括：通过锁相环估计转子角度并生成估计角度；利用机器学习模型对目标压缩机的运行参数、转子的估计角度及有限元分析生成的电磁数据进行处理，生成预测角度；基于该预测角度调整压缩机的运行参数。机器学习模型通过结合空间谐波分量、反电动势信号的高频成分及噪声信号，补偿多个频率成分对角度预测的影响。此外，有限元分析生成的电磁数据进一步增强了机器学习模型对复杂电磁环境的适应能力。本发明能够在复杂工况下动态调整压缩机的运行参数，提升运行稳定性及能效。

技术研发人员：尹俊,杨帆
受保护的技术使用者：重庆大学
技术研发日：
技术公布日：2025/4/7