[发明专利]基于云端数据矫正的UPS电源控制系统有效

专利信息
申请号: 202210838362.2 申请日: 2022-07-18
公开(公告)号: CN114915015B 公开(公告)日: 2022-12-13
发明(设计)人: 彭县方 申请(专利权)人: 厦门科司特电子工业有限公司
主分类号: H02J9/06 分类号: H02J9/06;H02J7/00;H02J7/02;H02J7/35;H02J13/00;H04L67/12;H04L67/10;G06N3/04;G06N3/063;G06F16/25
代理公司: 福州君越知识产权代理事务所(普通合伙) 35299 代理人: 朱玉珍
地址: 361000 福建省厦门市*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 云端 数据 矫正 ups 电源 控制系统
【权利要求书】:

1.基于云端数据矫正的UPS电源控制系统,其特征在于,包括以下模块:

UPS模块:所述UPS模块包括模组化的UPS电源,且UPS电源之间采用局域网相互电性连接,且UPS电源的内置有数据传输芯片;

电源模块:所述电源模块包括稳定电源和非稳定电源,且电源模块和云端数据之间相互电性连接;

控制模块:所述控制模块包括充电控制系统和放电控制系统,且充电控制系统和放电控制系统均和UPS电源之间相互电性连接,所述控制模块集成有非稳定电源控制电路;

数据模块:所述数据模块包括云端A系统和云端B系统,所述云端A系统和云端B系统均内置有AI学习芯片;

所述数据模块的云端A系统为远程服务器,所述数据模块的云端B系统为本地数据服务器,且云端A系统和云端B系统二者数据电性连接,所述UPS模块、电源模块、控制模块均和数据模块之间电性连接;

所述云端A系统内置的AI学习芯片的学习算法采用卷积神经网络算法;

所述云端B系统也内置电性连接有AI学习芯片,且B系统内置的AI学习芯片采用MADlib学习库,且MADlib学习库通过To-SQL连接至SQL数据库。

2.根据权利要求1所述的基于云端数据矫正的UPS电源控制系统,其特征在于:所述云端A系统和云端B系统之间采用无线数据连接,且云端A系统和云端B系统为云端B系统数据上传至云端A系统,并且云端B系统的实时数据优先级高于云端A系统,云端A系统的存储数据优先级高于云端B系统。

3.根据权利要求1所述的基于云端数据矫正的UPS电源控制系统,其特征在于:所述稳定电源采用市电和独立电,所述非稳定电源包括光电、风电、新能源电,且非稳定电源的电路中增加稳压电路和储能设备。

4.根据权利要求1所述的基于云端数据矫正的UPS电源控制系统,其特征在于:所述充电控制系统和稳定电源、非稳定电源之间相互电性连接,且充电控制系统的数据和云端A系统、云端B系统之间相互传输,所述放电控制系统的数据和云端A系统、云端B系统之间相互传输。

5.根据权利要求1所述的基于云端数据矫正的UPS电源控制系统,其特征在于:所述云端A系统内置的AI学习芯片采用大数据神经算法计算。

6.根据权利要求1所述的基于云端数据矫正的UPS电源控制系统,其特征在于,所述控制系统包括稳定电源、非稳定电源充、放电控制系统的稳定电路。

7.根据权利要求1所述的基于云端数据矫正的UPS电源控制系统,其特征在于:所述云端A系统内置的AI学习芯片的数据为UPS的电路理化参数,包括线上及线下的UPS运行电压电流、运行负载、UPS供电参数、UPS外接电路参数、市电及非稳定电源的电路参数。

8.根据权利要求1所述的基于云端数据矫正的UPS电源控制系统,其特征在于:所述云端A系统内置的AI学习芯片的学习算法采用卷积神经网络算法。

9.根据权利要求1所述的基于云端数据矫正的UPS电源控制系统,其特征在于:所述云端B系统也内置电性连接有AI学习芯片,且B系统内置的AI学习芯片采用MADlib学习库,且MADlib学习库通过To-SQL连接至SQL数据库。

10.根据权利要求1所述的基于云端数据矫正的UPS电源控制系统,其特征在于:所述云端B系统也内置的AI学习芯片数据源为本地状态的线下的UPS运行电压电流、运行负载、UPS供电参数、UPS外接电路参数、市电及非稳定电源的电路参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门科司特电子工业有限公司,未经厦门科司特电子工业有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210838362.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top