CN119496439A 基于深度学习的抽油机变频器动态调控装置及方法 （山东华天电气有限公司）_第1页
CN119496439A 基于深度学习的抽油机变频器动态调控装置及方法 （山东华天电气有限公司）_第2页
CN119496439A 基于深度学习的抽油机变频器动态调控装置及方法 （山东华天电气有限公司）_第3页
CN119496439A 基于深度学习的抽油机变频器动态调控装置及方法 （山东华天电气有限公司）_第4页
CN119496439A 基于深度学习的抽油机变频器动态调控装置及方法 （山东华天电气有限公司）_第5页
已阅读5页，还剩26页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于深度学习的抽油机变频器动态调控装种基于深度学习的抽油机变频器动态调控装置合模型以及深度学习模型预测抽油机变频器的2主控单元，被配置为根据检测的负载和抽油机的电机运行的聚合模型以及深度学习模型预测抽油机变频器的电压值，并发送至全功率自适应调节对油田典型电力拖动设备进行建模，模拟抽油机运行状态并分析能将关联数据，以及获取的电机运行数据检测装置检测到的电机运行针对油田典型电力拖动设备，建立预测电压值与变频器的调控指设计自适应规则，在增益调节算法中引入多变量控制策略，结合多当单井运行设备的能量导致直流母线电压升高至回馈阈值时，能馈单元处于能馈状上位机系统，用于获取并显示井区各设备的能耗实时状态；3对油田典型电力拖动设备进行建模，模拟抽油机运行状态并分析能将关联数据，以及获取的电机运行数据检测装置检测到的电机运行环神经网络预测模型采用基于自注意力机制的LSTM神经网络模型，基于自注意力机制的45[0026]图4是本公开实施例2的基于自注意力机制(Self_Attention)的LSTM神经网络模[0027]图5(a)是本公开实施例2的试验验证的第一次试验条件为0_5.5kW负载功率周期[0028]图5(b)是本公开实施例2的试验验证的第二次试验条件为0_9kW负载功率周期变[0030]图7是本公开实施例2在第一次试验条件下基于实施例2的动态调控方法优化得到6[0031]图8是本公开实施例2在第一次试验条件下基于实施例2的动态调控方法优化得到[0032]图9是本公开实施例2在第二次试验条件下基于实施例2的动态调控方法优化得到[0035]图12是本公开实施例1的抽油机变频器动态调控装置加入能馈单元之前的功率和[0036]图13是本公开实施例1的抽油机变频器动态调控装置加入能馈单元之后的功率和78[0064]本实施例的能馈单元通过能量回馈技术的实施预期可使功率因数PF由0.83提高降低装置损耗，通过回馈功率可以看出回馈电量为400w左右。400×24/25×24×365=9[0097]进一步的，循环神经网络预测模型采用基于自注意力机制(Self_Attention)的[0121]通过以上试验数据可以验证该装置可以实现随负载变化的电机电压智能跟踪技需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论