礦用三相異步起動永磁同步電動機的研究與設計
來源:用戶上傳
作者:
摘 要：針對永磁電機牽入同步困難，電能損耗嚴重問題。基于三相異步電機變頻調速工作原理，分析了其耗能來源，通過改進BP神經網絡算法的基礎上，進行了樣本選擇、網格結構建立、系統仿真等過程設計，并對三相異步電機實際電壓值進行預測，實時動態調整電壓輸出值，保證電壓穩定輸出，提高干擾能力，該達到節能優化目標。
關鍵詞：異步起動；永磁同步；電壓；系統防真；節能
0 引言
隨著煤礦機械化開采程度的不斷提高，礦井生產需要大量的電力能源支撐，導致礦區用電緊張，掘進機作為煤礦井下主要用電設備是保證礦井工作面快速采掘的主要電氣設備。為此，對掘進機電力設備進行優化設計非常重要。掘進機所采用的變壓器、電動機等是其中功耗加大的主要設備。其中三相異步電機其負載轉速與供電電網頻率并非恒定關系，具有結構簡單、可靠性高、制造維護方便、成本低等優點，由此，三相異步電機的在實際運行中存在耗能高缺點，主要是由三相異步電機是針對特殊負載情況下進行設計研究的，而在工程應用中，當其工作狀態主要是輕載、空載時，易導致電能的損耗。煤礦開采中采用的掘進機等設備工作時，異步電機負荷變化較大、效率低、能耗高的缺點。同時由于電機采用變頻器供電，包括電機效率、功率等供電參數未經合理設計，直接影響電機的能耗。本文主要對礦用三相異步電機變頻調速工作原理進行分析研究，從其能耗影響，提出優化改進BP神經網絡，采用優化的BP神經網絡算法對礦用三相異步電機的實際電壓值進行預測，實時動態調整電壓輸出值，保證電壓穩定輸出，提高抗干擾能力，實現節能降耗。
1 工作原理
礦用三相異步電機變頻調速工作原理是指電機轉速n的調節原理，可用表達式n=60·f1·（1-s）/p表示，其中p1、s、f1分別為電機極對數、轉差率以及定子供電頻率，從該表達式可以看出，通過電源頻率的調節可以實現電機轉速的調節。同時根據異步電機運行原理，得到電機應具有可保持優質工作狀態、負載潛力足夠等特點之外，還應保證磁路工作點的穩定，即每極磁通φm恒定。電機定子電動勢可根據下式計算：
E1=4.44·F1·W1·K1·φm（1）
該式中F1、W1、K1分別代表定子串聯匝數、基波繞組系數、氣隙磁通量。
電機選型后，即電機參數、結構參數固定，存在φm∝E1/f1，此時每極磁通φm通過改變定子電動勢E1、定子供電頻率f1實現控制。同時定子供電頻率f1可以實現電機轉速的調節，且變頻電機轉速可調節范圍相對來說很大，由于其機械特性突出，可實現平滑性較好的轉速調控。通常情況下，電機在基頻內運行時可保證φm固定（近似為一常數）。要想實現異步電機的變頻調速，有效降低電動機高耗能問題，需要對電壓、供電頻率進行綜合考慮，才能達到滿意的效果。
2 電機耗能的影響分析
為分析電機的耗能影響，忽略變頻器諧波干擾，電機等效電路見圖1，假設f1為n轉速工況下的控制頻率，當頻率f1改變后，電機等效電抗參數變化，頻率比A=f1/fN代表頻率變化，若U1/f恒定為例，將有f1∝fN，U1=UN·f1/fN=α·UN，式中fN、UN分別代表電機額定頻率和電壓。
3 BP神經網絡原理及優化改進
3.1 BP神經網絡原理
BP神經網絡一種多層前饋神經網絡，利用實際輸出與期望間的偏差，使之實現正向/反向傳播，可通過逐層修改權值、閾值，減小動態調節誤差，從而達到系統容許誤差。
3.2 BP神經網絡優化改進
BP神經網絡算法與學習率類似，采用BP神經網絡時，若步長較小，學習過程漫長，若學習率較大，學習過程存在較大偏差，這個可根據日常的生活經驗確定，學習率與訓練階段相關，一種方位時，可適當增大，復雜方位時，可適當減小。如果學習率可以智能化，實現實時調節，將增加算法可靠性，本文對BP神經網絡算法進行優化改進，采用實時調節的學習率替代學習率常數。
優化改進BP神經網絡后算法的流程：①給定允許誤差e，設置網絡結構，權值與閾值初始化；②輸入樣本，各層輸出；③信號正向傳輸，校驗誤差，計算總誤差；④調整權值、閾值；⑤多次迭代，正向反向計算，滿足要求，結束。
4 基于BP神經網絡的電機節能優化
分析電機的高能耗來源是電機的電壓變化導致電機效率低、能耗高，為保證電機的穩定高效運行，應從電壓輸出優化著手進行研究。由于礦用電氣具有耗能大、設備多等特點，因此，對于礦用電壓的預測存在一定困難，這是由于配電系統電壓波動性較大，易出現非線性，這位模型匹配帶來很大難度，本文采用優化改進的BP神經網絡進行非線性電壓預測，改進的算法是依據該時刻前n個數據進行預測輸出。
4.1 樣本選擇
由于電網系統是復雜非線性的，采用計算機隨機模擬，可以減少時間、空間成本。電壓范圍選取[-30V，30V]，為防止出現較大輸入值不能準確實現算法的正確處理，需對標準化處理輸入和輸出端，減小不必要干擾，保證系統良好的穩定。
4.2 網格結構建立
選用三層BP網絡，選取網絡輸入和輸出節點數，分別為10、3。基于Hecht-Nielsen理論，定義隱含層節點N=2M+1（M=10），計算得到節點數21，即網絡結構為10×21×3。將連續10次采樣數據當做輸入值，期望則為采樣點后續3個連續采集的數據，由此可以開始系統仿真試驗。
4.3 系統仿真
設置采樣時間30ms，由于電壓是跟時間相關的順序波動，所以可以根據之前的數據分析預測之后的數據分析，并采用歸一化的數據進行訓練測試。根據試驗反饋得到：采用優化改進的BP神經網絡方法后算法所需迭代次數減少，且消除了平緩區，精度有所提高。
5 結論
本文對礦用三相異步電機變頻調速工作原理進行分析研究，分析電機高耗能的來源，研究出優化BP神經網絡的策略，通過采用優化的BP神經網絡算法進行三相異步電機實際電壓值的預測，計算權值并調整電機電壓輸出值，保證了電機的電壓穩定輸出，提高其抗干擾能力，實現了節能降耗的目標。
參考文獻：
[1]張海峰，董志，李正熙.異步起動永磁同步電動機優化設計與性能分析[J].電氣工程學報，2016（11）.
[2]劉秀君，李偉力，陳文彪.三相異步起動永磁同步電動機起動特性[J].電機與控制學報，2006，10（3）：269-274.
[3]趙猛，鄒繼斌，胡建輝，等.異步起動永磁同步電動機起動特性研究[J].電工技術學報，2007，22（7）.
轉載注明來源:http://www.hailuomaifang.com/1/view-14850625.htm
