[发明专利]变频器滤网更换时间的预测方法、装置及计算机可读介质

说明书

本发明提供了一种变频器滤网更换时间的预测方法、装置及计算机可读介质，该方法包括：获取变频器在预设历史时间段内的多条运行数据，每条所述运行数据包括对应时间点的出入风口的风压差和风机风速；从所述多条运行数据中筛选出所述风机风速为预设风机风速的运行数据；将筛选出的各条运行数据作为训练样本输入到预设神经网络模型中进行训练，得到在所述预设风机风速下风压差与时间之间的函数关系，并根据所述函数关系确定所述变频器的滤网更换时间。本发明可以提前使用户了解到滤网更换的时间，便于用户更准确的安排维护，提前购买滤网或者提前通知厂家，进而厂家可以提前进行滤网的协调生产，实现滤网的及时更换。

技术领域

本发明涉及变频器技术领域，特别涉及一种变频器滤网更换时间的预测方法、装置及计算机可读介质。

背景技术

为了保证变频器的散热达到的正常风量、风压，变频器的封闭柜体的滤网需要按时更换。但由于变频器所处的环境和使用情况不同，每台变频器实际需要更换滤网的时间不同，即每台变频器的维护周期不确定，使得厂家不能很好的协调生产和维护。

发明内容

本发明提供了一种变频器滤网更换时间的预测方法、装置及计算机可读介质，能够提前使用户了解到滤网更换的时间，便于用户更准确的安排维护，厂家提前进行滤网的协调生产和维护，实现滤网的及时更换。

第一方面，本发明提供一种变频器滤网更换时间的预测方法，包括：

获取变频器在预设历史时间段内的多条运行数据，每条所述运行数据包括对应时间点的出入风口的风压差和风机风速；

从所述多条运行数据中筛选出所述风机风速为预设风机风速的运行数据；

将筛选出的各条运行数据作为训练样本输入到预设神经网络模型中进行训练，得到在所述预设风机风速下风压差与时间之间的函数关系，并根据所述函数关系确定所述变频器的滤网更换时间。

第二方面，本发明提供一种变频器滤网更换时间的预测装置，包括：

一个数据获取模块，用于获取变频器在预设历史时间段内的多条运行数据，每条所述运行数据包括对应时间点的出入风口的风压差和风机风速；

一个数据筛选模块，用于从所述多条运行数据中筛选出所述风机风速为预设风机风速的运行数据；

一个关系确定模块，用于将筛选出的各条运行数据作为训练样本输入到预设神经网络模型中进行训练，得到在所述预设风机风速下风压差与时间之间的函数关系，并根据所述函数关系确定所述变频器的滤网更换时间。

第三方面，本发明提供一种变频器滤网更换时间的预测装置，包括：

至少一个存储器和至少一个处理器；所述至少一个存储器，用于存储机器可读程序；所述至少一个处理器，用于调用所述机器可读程序，执行第一方面提供的方法。

第四方面，本发明提供一种计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行第一方面提供的方法。

本发明中，首先确定变频器在历史时间段内的多条运行数据，然后筛选出预设风机风速的运行数据，将这些运行数据输入到神经网络模型中进行函数训练，得到风压差与时间之间的函数关系，从而根据函数关系确定滤网更换时间。可见本发明采用神经网络模型进行滤网更换时间的预测，可以提前使用户了解到滤网更换的时间，便于用户更准确的安排维护，提前购买滤网或者提前通知厂家，进而厂家可以提前进行滤网的协调生产，实现滤网的及时更换。而且由于每一台变频器的所处环境和使用情况不同，而本发明可以针对每一台变频器预测出对应的滤网更换时间，而不是针对所有变频器采用一个统一固定的更换时间，因此更加具有针对性，给出的滤网更换时间也更加准确。

附图说明