面向通信基站节能降耗的机房智能PID温度控制研究

面向通信基站节能降耗的机房智能PID温度控制研究

论文摘要

通信行业本身节能降耗潜力巨大且为全社会高效节能减排的有力推手。点多、线长、面广的通信基站是通信网络的能耗重点,约占通信行业总能耗的70%;而基站机房是集中了无线通信的主设备与辅助设备的密闭空间,目前主要通过大功率工业空调24小时不停运转以维持机房环境温度在24-26℃,其所耗电超过了机房总用电的40%以上。因此,实现基站机房温度的精准控制,不仅能够确保通信设备的正常运行,延长蓄电池组的使用周期,也可以减少空调的频繁启停与运行时间而降低通信基站的基础电耗,为通信运营企业节能减排和可持续发展提供技术保障。目前,基站机房温度控制采用简单控制策略的动态粗放调节,受控对象有大惯性、纯滞后与未确定性扰动等复杂系统特性,而经典PID机房温度控制系统又存在参数难以优化整定的缺陷。为此,本文在系统综述通信行业能耗现状与节能降耗技术措施的基础上,提出了通过基站机房温度精准智能控制实施节能降耗的思想;系统地阐述了粒子群算法的基本理论与改进的一般原则,提出了一种改进的粒子群优化算法TS-IPSO(Two-subpopulation-based IPSO),在不增加粒子规模的情况下通过融合双子群(搜索方向相反的主、辅2组子群)协同搜索,扩展了搜索范围,结合遗传算法的杂交机制并采用惯性因子非线性递减策略;最后将改进的粒子群算法应用到PID控制参数优化整定,设计了控制器参数整定优化的具体算法。采用简化的机房温度控制模型仿真实验结果表明:基于TS-IPSO的PID控制算法能适应基站机房温度精准控制的要求,在响应速度、稳态精度及抗干扰能力等方面均优于标准粒子群算法优化的PID控制和模糊PID控制,具有较好的鲁棒性,实现了一定程度的基站机房节能降耗。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 插图索引
  • 附表索引
  • 第1章 绪论
  • 1.1 研究背景与课题来源
  • 1.1.1 课题背景
  • 1.1.2 问题描述
  • 1.1.3 课题来源
  • 1.2 国内外研究现状
  • 1.2.1 通信行业节能研究现状
  • 1.2.2 智能PID的研究与发展
  • 1.3 研究意义及研究内容
  • 1.4 论文结构与章节安排
  • 第2章 通信行业能耗现状与节能减排建议
  • 2.1 通信行业能耗现状
  • 2.1.1 通信网络演进与行业特点
  • 2.1.2 通信行业能耗分布
  • 2.1.3 通信行业能耗分布模型
  • 2.2 通信业节能主要途径
  • 2.2.1 通信网络核心设备节能
  • 2.2.2 通信机房空调节能
  • 2.2.3 机房通风和热交换节能
  • 2.2.4 通信电源节能
  • 2.2.5 通信建筑与照明节能
  • 2.2.6 新能源技术应用节能
  • 2.3 通信行业“三步走”节能建议
  • 2.4 待解决的关键问题
  • 2.5 小结
  • 第3章 通信基站节能降耗主要技术措施
  • 3.1 主设备智能关断
  • 3.2 开关电源休眠节能
  • 3.3 动环监控节能
  • 3.3.1 中央空调变频控制技术
  • 3.3.2 新风节能技术
  • 3.3.3 热管技术
  • 3.4 蓄电池恒温控制柜
  • 3.5 绿色环保节能机房
  • 3.6 小结
  • 第4章 PID控制参数优化整定
  • 4.1 PID控制原理
  • 4.1.1 常规PID控制器
  • 4.1.2 数字PID控制器
  • 4.1.3 控制系统的性能评价指标
  • 4.2 PID控制器参数整定优化方法
  • 4.2.1 常规PID整定方法
  • 4.2.2 智能PID整定方法
  • 4.3 评价函数选取
  • 4.4 小结
  • 第5章 基站机房智能PID度控制
  • 5.1 机房温度控制模型与简化
  • 5.2 粒子群算法
  • 5.2.1 粒子群优化算法的基本原理
  • 5.2.2 粒子群算法的描述
  • 5.2.3 粒子群算法的缺点及其改进
  • 5.3 改进的粒子群优化算法
  • 5.3.1 双子群概述
  • 5.3.2 惯性权重的非线性递减
  • 5.3.3 遗传算子
  • 5.3.4 算法实现
  • 5.4 仿真实验与结果分析
  • 5.5 小结
  • 结论
  • 参考文献
  • 致谢
  • 附录A 攻读学位期间发表与完成的学术论文
  • 附录B 攻读学位期间参与的科研课题
  • 相关论文文献

    • [1].PID性能评估与整定软件的开发及应用[J]. 炼油与化工 2019(05)
    • [2].基于模糊PID的步进电机速度控制[J]. 软件 2019(12)
    • [3].采用改进模糊神经网络PID控制的移动机器人运动误差研究[J]. 中国工程机械学报 2019(06)
    • [4].基于改进模糊PID的轮式机器人速度控制器设计[J]. 河北科技大学学报 2020(01)
    • [5].基于模糊PID的高速列车车内压力主被动控制[J]. 中国测试 2020(01)
    • [6].混合式步进电机模糊PID控制器设计仿真[J]. 安徽工程大学学报 2019(06)
    • [7].基于模糊PID控制的列车主动悬架振动控制研究[J]. 工业控制计算机 2020(01)
    • [8].拖拉机液压机械式变速器小波神经网络PID控制[J]. 合肥工业大学学报(自然科学版) 2020(01)
    • [9].雷达稳定平台模糊PID串级控制设计与仿真[J]. 计算机测量与控制 2020(02)
    • [10].基于模糊神经网络PID控制的粉体包装计量控制系统[J]. 食品与机械 2020(01)
    • [11].考虑路面时变的整车主动悬架的改进模糊PID集成控制策略[J]. 现代制造工程 2020(02)
    • [12].基于广义预测控制PID算法的桥式起重机吊钩防摆控制器设计[J]. 制造业自动化 2020(03)
    • [13].面向抽水蓄能电站区域负荷频率的分数阶PID控制研究[J]. 电网技术 2020(04)
    • [14].基于智能控制的PID控制方式的研究[J]. 电子测试 2020(05)
    • [15].基于变速积分与微分先行PID的无刷直流电机串级调速控制[J]. 齐齐哈尔大学学报(自然科学版) 2020(01)
    • [16].基于模糊PID算法吸附机器人转向控制系统[J]. 精密制造与自动化 2020(01)
    • [17].农用车辆路径跟踪预瞄控制研究——基于免疫模糊PID算法和视觉导航[J]. 农机化研究 2020(11)
    • [18].基于模糊PID算法吸附机器人转向控制[J]. 软件 2020(04)
    • [19].基于模糊PID算法的臭氧发生器控制系统优化措施[J]. 自动化应用 2020(04)
    • [20].基于遗传算法的智能PID系统设计和分析[J]. 设备管理与维修 2020(10)
    • [21].基于模糊PID的电力巡检机器人路径纠偏[J]. 智慧工厂 2020(04)
    • [22].基于PID的多电发动机磁轴承控制系统设计与验证[J]. 微特电机 2020(06)
    • [23].基于遗传算法的全自动除泡机腔体充排气PID控制研究[J]. 机械管理开发 2020(05)
    • [24].基于吸收塔动态模型的PID控制模拟研究[J]. 辽宁化工 2020(06)
    • [25].基于PID的光伏清洁机器人速度控制及仿真研究[J]. 造纸装备及材料 2020(03)
    • [26].基于改进模糊-PID的船舶自动舵控制方法[J]. 船舶物资与市场 2020(06)
    • [27].运用启发式算法优化一阶倒立摆PID参数研究[J]. 产业科技创新 2020(10)
    • [28].基于前馈补偿PID控制的轮式机器人轨迹跟踪[J]. 河南工程学院学报(自然科学版) 2020(03)
    • [29].基于模糊PID的驾驶模拟器方向盘力反馈系统设计[J]. 机电技术 2020(04)
    • [30].基于模糊PID的小型冷库过热度控制方法[J]. 湖北工业大学学报 2020(04)

    标签:;  ;  ;  ;  ;  ;  

    面向通信基站节能降耗的机房智能PID温度控制研究
    下载Doc文档

    猜你喜欢