矿用三相异步起动永磁同步电动机的研究与设计

来源:用户上传      作者:

　　摘 要：针对永磁电机牵入同步困难，电能损耗严重问题。基于三相异步电机变频调速工作原理，分析了其耗能来源，通过改进BP神经网络算法的基础上，进行了样本选择、网格结构建立、系统仿真等过程设计，并对三相异步电机实际电压值进行预测，实时动态调整电压输出值，保证电压稳定输出，提高干扰能力，该达到节能优化目标。
　　关键词：异步起动；永磁同步；电压；系统防真；节能
　　0 引言
　　随着煤矿机械化开采程度的不断提高，矿井生产需要大量的电力能源支撑，导致矿区用电紧张，掘进机作为煤矿井下主要用电设备是保证矿井工作面快速采掘的主要电气设备。为此，对掘进机电力设备进行优化设计非常重要。掘进机所采用的变压器、电动机等是其中功耗加大的主要设备。其中三相异步电机其负载转速与供电电网频率并非恒定关系，具有结构简单、可靠性高、制造维护方便、成本低等优点，由此，三相异步电机的在实际运行中存在耗能高缺点，主要是由三相异步电机是针对特殊负载情况下进行设计研究的，而在工程应用中，当其工作状态主要是轻载、空载时，易导致电能的损耗。煤矿开采中采用的掘进机等设备工作时，异步电机负荷变化较大、效率低、能耗高的缺点。同时由于电机采用变频器供电，包括电机效率、功率等供电参数未经合理设计，直接影响电机的能耗。本文主要对矿用三相异步电机变频调速工作原理进行分析研究，从其能耗影响，提出优化改进BP神经网络，采用优化的BP神经网络算法对矿用三相异步电机的实际电压值进行预测，实时动态调整电压输出值，保证电压稳定输出，提高抗干扰能力，实现节能降耗。
　　1 工作原理
　　矿用三相异步电机变频调速工作原理是指电机转速n的调节原理，可用表达式n=60·f1·（1-s）/p表示，其中p1、s、f1分别为电机极对数、转差率以及定子供电频率，从该表达式可以看出，通过电源频率的调节可以实现电机转速的调节。同时根据异步电机运行原理，得到电机应具有可保持优质工作状态、负载潜力足够等特点之外，还应保证磁路工作点的稳定，即每极磁通φm恒定。电机定子电动势可根据下式计算：
　　E1=4.44·F1·W1·K1·φm（1）
　　该式中F1、W1、K1分别代表定子串联匝数、基波绕组系数、气隙磁通量。
　　电机选型后，即电机参数、结构参数固定，存在φm∝E1/f1，此时每极磁通φm通过改变定子电动势E1、定子供电频率f1实现控制。同时定子供电频率f1可以实现电机转速的调节，且变频电机转速可调节范围相对来说很大，由于其机械特性突出，可实现平滑性较好的转速调控。通常情况下，电机在基频内运行时可保证φm固定（近似为一常数）。要想实现异步电机的变频调速，有效降低电动机高耗能问题，需要对电压、供电频率进行综合考虑，才能达到满意的效果。
　　2 电机耗能的影响分析
　　为分析电机的耗能影响，忽略变频器谐波干扰，电机等效电路见图1，假设f1为n转速工况下的控制频率，当频率f1改变后，电机等效电抗参数变化，频率比A=f1/fN代表频率变化，若U1/f恒定为例，将有f1∝fN，U1=UN·f1/fN=α·UN，式中fN、UN分别代表电机额定频率和电压。
　　3 BP神经网络原理及优化改进
　　3.1 BP神经网络原理
　　BP神经网络一种多层前馈神经网络，利用实际输出与期望间的偏差，使之实现正向/反向传播，可通过逐层修改权值、阈值，减小动态调节误差，从而达到系统容许误差。
　　3.2 BP神经网络优化改进
　　BP神经网络算法与学习率类似，采用BP神经网络时，若步长较小，学习过程漫长，若学习率较大，学习过程存在较大偏差，这个可根据日常的生活经验确定，学习率与训练阶段相关，一种方位时，可适当增大，复杂方位时，可适当减小。如果学习率可以智能化，实现实时调节，将增加算法可靠性，本文对BP神经网络算法进行优化改进，采用实时调节的学习率替代学习率常数。
　　优化改进BP神经网络后算法的流程：①给定允许误差e，设置网络结构，权值与阈值初始化；②输入样本，各层输出；③信号正向传输，校验误差，计算总误差；④调整权值、阈值；⑤多次迭代，正向反向计算，满足要求，结束。
　　4 基于BP神经网络的电机节能优化
　　分析电机的高能耗来源是电机的电压变化导致电机效率低、能耗高，为保证电机的稳定高效运行，应从电压输出优化着手进行研究。由于矿用电气具有耗能大、设备多等特点，因此，对于矿用电压的预测存在一定困难，这是由于配电系统电压波动性较大，易出现非线性，这位模型匹配带来很大难度，本文采用优化改进的BP神经网络进行非线性电压预测，改进的算法是依据该时刻前n个数据进行预测输出。
　　4.1 样本选择
　　由于电网系统是复杂非线性的，采用计算机随机模拟，可以减少时间、空间成本。电压范围选取[-30V，30V]，为防止出现较大输入值不能准确实现算法的正确处理，需对标准化处理输入和输出端，减小不必要干扰，保证系统良好的稳定。
　　4.2 网格结构建立
　　选用三层BP网络，选取网络输入和输出节点数，分别为10、3。基于Hecht-Nielsen理论，定义隐含层节点N=2M+1（M=10），计算得到节点数21，即网络结构为10×21×3。将连续10次采樣数据当做输入值，期望则为采样点后续3个连续采集的数据，由此可以开始系统仿真试验。
　　4.3 系统仿真
　　设置采样时间30ms，由于电压是跟时间相关的顺序波动，所以可以根据之前的数据分析预测之后的数据分析，并采用归一化的数据进行训练测试。根据试验反馈得到：采用优化改进的BP神经网络方法后算法所需迭代次数减少，且消除了平缓区，精度有所提高。
　　5 结论
　　本文对矿用三相异步电机变频调速工作原理进行分析研究，分析电机高耗能的来源，研究出优化BP神经网络的策略，通过采用优化的BP神经网络算法进行三相异步电机实际电压值的预测，计算权值并调整电机电压输出值，保证了电机的电压稳定输出，提高其抗干扰能力，实现了节能降耗的目标。
　　参考文献：
　　[1]张海峰，董志，李正熙.异步起动永磁同步电动机优化设计与性能分析[J].电气工程学报，2016（11）.
　　[2]刘秀君，李伟力，陈文彪.三相异步起动永磁同步电动机起动特性[J].电机与控制学报，2006，10（3）：269-274.
　　[3]赵猛，邹继斌，胡建辉，等.异步起动永磁同步电动机起动特性研究[J].电工技术学报，2007，22（7）.
转载注明来源:https://www.xzbu.com/1/view-14850625.htm