基于人工神经网络建模的PTC功率智能检测技术

朱良红，吴志鹏，霍军亚，郑 伟

（广东美的制冷设备有限公司，佛山 528311）

基于人工神经网络建模的PTC功率智能检测技术

朱良红，吴志鹏，霍军亚，郑 伟

（广东美的制冷设备有限公司，佛山 528311）

PTC是家用空调器中主要器件之一，具有耗电量大、非线性的特征。目前PTC常用的功率检测方法是通过“专用电量计量芯片结合电压、电流采样电路”来实现，存在成本高和可靠性低问题。提出一种基于人工神经网络的PTC功率纯软件计算方法，无需增加任何硬件成本。通过实验验证，精度达±3%，满足产品化需求，成熟可靠。

变频空调；PTC功率；人工神经网络

1 PTC功率检测常见方法介绍

PTC功率检测常见的方法为通过电路中的电压u采样电路和电流i采样电路来计算实现，如图1所示，瞬时功率可以表示如下：

式子中的u(t)和i(t) 分别为瞬时的电压和电流的采样值，有功功率可以通过对瞬时功率p(t)进行周期均值的求解来得到：

其中，P(t)是有功功率，T为电压波形的周期。

2 基于人工神经网络建模的PTC功率智能检测技术

2.1 人工神 经网络

人工神经网络是模仿动物神经系统的一种分布式并行数据处理算法的数学模型，该模型通过调整其内部节点(又叫人工神经元)之间的相互联系，来实现数据处理的目的。人工神经网络有自学习和自适应的能力，可以通过预先输入的“训练样本数据”来挖掘出其输入-输出数据内部的关系，掌握其潜在的规律，得到神经网络的数学模型，把新输入数据导入到该数学模型中，即可推算出输出结果。

人工神经网络包含了多个层次的神经单元，分别为输入层、隐含层和输出层。其中，输入层单元接收数据信号输入；输出层单元负责输出网络处理输入数据后得到的输出值；隐含层单元可以是一层也可以是两层甚至多层，处于输入层与输出层之间。层与层之间神经元的连接权重，是人工神经网络的重要参数，反映了输入-输出数据之间的内在关系。

2.2 人工神经网络的技术应用

图1 电压、电流采样功率计算电路

图2给出本论文应用到的人工神经网络的拓扑结构，u1、u2、…、ui为输入层（i个神经单元），紧接着输入层单元的是隐含层（j个神经单元），再是输出层单元（1个神经单元），W11、W12、…、Wij为输入层单元到隐含层单元的连接权重，Wl1、Wl2、…、Wlj是隐含层到输出层单元的连接权重，b1、b2、…、bi为隐含层单元的偏置，bl为输出层单元的偏置。

人工神经网络算法建模的步骤如下：

首先，输入数据预处理（归一化）：

图2 人工神经网络的拓扑结构

其中，u为归一化之后的输入数据， u'为预处理前的原始输入数据， u'max为原始输入数据的极大值， u'min是原始输入数据的极小值。经过归一化后，输入变量的值都被限定在[-1，1]的范围内，归一化的作用有两点：其一，因为该模型具有多维输入变量，不同维的输入变量之间数值上可能会差异很大，数据的评价标准也不一样，因此，需要对其归一化（又叫量纲化），统一评价标准；其二，在同一维输入变量中，由于采样受到干扰等情况，会出现输入数据出现特别大或者特别小的奇异数据，若不进行归一化，可能导致人工神经网络无法收敛。

然后，隐含层人工神经元的输出可以表示如下：

其中，f1（x）函数是神经元的激励函数，表示为：

然后，输出层神经单元的输出表示为：

其中，f1（x）为输出层的激励函数，表示为：

最后，输出数据后处理（反归一化）：

其中，y为最终的输出值，ymax为输出值可能出现的最大值，ymin为输出值可能出现的最小值。

2.3 人工神经网络的输入 变量的确定

人工神经网络的收敛性和拟合程度与输入-输出数据的合理性存在直接的关系，因此，要通过实验测试与理论分析，找到影响PTC功率这个输出数据的主要影响因子(即确定合理的输入数据)。

本技术列出了影响空调器室内风机功率的所有因子，包括了PTC两端的电压U、蒸发器温度T2、室内风机功率和空气湿度，通过大量的实验得到了上述影响因子对PTC功率的影响特性曲线，如图3所示。

图3 电压U对PTC功率影响特性曲线

图4 蒸发器温度T2对PTC功率影响特性曲线

图5 风机功率Pmotor对PTC功率影响特性曲线

图6 空气湿度对PTC功率影响特性曲线

从图3-图6可知，电压U、蒸发器温度T2和风机功率Pmotor是影响PTC功率的主要因子，因此确定了这三个变量作为人工神经网络的输入数据。

根据上述人工神经网络的数学模型，确定计电源电压U、风机功率Pmotor和蒸发器温度T2作为输入变量，可以计算出PTC的功率。

2.4 室内风机实时功率Pmotor的软件检测算法

室内风机部分，采用180度正弦矢量控制算法控制直流风机，根据D轴和Q轴消耗的功率和计算风机的功率。

具体通过基于转子磁定向的矢量控制技术（Field-Oriented Control，FOC），根据电动机的参数，按照永磁同步电机d轴和q轴电压方程式，利用扩展反电动势转子位置估算法，计算转子的位置θ电机转速ωr，然后d-q轴的电流可以通过如下步骤得到：

首先通过电流检测单元检测电机三相电流中的两相Iu和Iv；

然后通过以下公式分别计算出电机的D轴电流Id和Q轴电流Iq，即，

其中，θ即为上述利用扩展反电动势得到的电机转子位置。

d-q轴电压检测的具体步骤为：根据上述获取的电机转速ωr和电机的d轴电流Id和q电流Iq，通过电压检测单元获取直流母线电压，并采用无传感器矢量控制方式，由以下公式计算出电机的d轴电压Ud和q轴电压Uq：

其中，R为电机电阻，Lq为电机Q轴电感，Ld为电机D轴电感，ωr为电机转速，p为微分算子，e0为电机空载电动势。

获取到的电机d-q轴电流及电机d-q轴电压后，则根据如下功率计算公式，即可得到电机的实时功率P：

其中，Iq为q轴电流，Id为d轴电流，Uq为q轴电压，Ud为d轴电压。

3 实验结果及结论

智能检测技术，应用于美的分体挂壁式空调器上，检测精度都控制在±3%以内（以标准的功率计YOKOGAWA WT310HC作为基准），满足产品需求，具体实验数据见表1。该方法无需增加任何硬件成本，也没有硬件损坏的风险。

表1 基于人工神经网络建模的PTC功率检测方法实验数据

[1] Kumar Abhishek1, Abhay Kumar, Rajeev Ranjan, et al. A Rainfall Prediction Model using Artif cial Neural Network[C]. 2012 IEEE Control and System Graduate Research Colloquium (ICSGRC 2012). Shah Alam, Selangor, July 16-17, 2012.

[2] Du Xin-hui, Tian Feng, Tan Shao-qiong. Study of Power System Short-term Load Forecast Based on Artificial Neural Network and Genetic Algorithm[C]. 2010 International Conference on Computational Aspects of Social Networks. Taiyuan, September 26-28, 2010.

[3] 黄加连. 金属PTC电加热器[C]. 第十一届全国电冰箱(柜)、空调及压缩机学术交流大会. 滁州, 2012.

[4] 陈翡春. PTC辅助电加热器在厦门某空调工程中的应用[J]. 福建建设科技. 2006(3)：70-71.

PTC Power Intelligent Detection Technology Based on Artif cial Neural Network Modeling

ZHU Liang-hong, WU Zhi-peng, HUO Jun-ya，ZHENG Wei
(Guangdong Midea Refrigeration Equipment Co., Ltd, Foshan 528311)

PTC is one of devices in domestic air conditioner, with characteristics of large power and nonlinearity. At present, the method of PTC power measurement is conducted by the special power measurement chip and sampling circuit for voltage and current. But it has the problems of high-cost and low reliability. This paper develops a novel software-only measurement for PTC power consumption without adding any hardware cost. The experiments prove that its high precision is ±3%. This method is mature and reliable; meanwhile it can meet the requirement of productization.

inverter air conditioner; PTC power; artificial neural network

TP29

A

1004-7204（2015）03-0029-04

朱良红（1977-），男，工程师，美的集团家用空调事业部研究院，从事家用变频空调控制器的研发。