[发明专利]一种化工制药工程用电控柜及电控柜散热系统

权利要求书

1.一种化工制药工程用电控柜散热系统，其特征在于，包括温度预警模块、服务器、电源保护模块、降温模块、储存模块、消防模块和检修模块；

所述温度预警模块用于对电控柜内的温度进行预警，具体方法包括以下步骤：

步骤S11：设置热敏检测单元，热敏检测单元根据气体热胀冷缩的原理对电控柜内的温度进行检测，热敏检测单元包括导热外壳、检测气体和压力检测节点，压力检测节点用于检测导热外壳因检测气体受热膨胀承受的压力；

步骤S12：设置导热外壳压力警戒线，导热外壳压力警戒线是根据电控柜内的温度达到电控柜运行最大温度时导热外壳所承受的压力；

步骤S13：建立导热外壳压力与检测时间的坐标系，将导热外壳压力与检测时间的坐标系标记为压力坐标系，将导热外壳压力警戒线输入到压力坐标系中，导热外壳压力警戒线在压力坐标系中是一条不随检测时间变化的直线；

步骤S14：实时获取导热外壳压力，并将获取到的导热外壳压力和检测时间输入到压力坐标系中，并将相邻两个坐标点使用平滑曲线进行连接，将导热外壳压力和检测时间曲线标记为压力曲线；

步骤S15：当压力曲线超过导热外壳压力警戒线时，生成降温信号，并将降温信号发送到服务器，服务器将降温信号发送到降温模块，当压力曲线没有超过导热外壳压力警戒线时，不进行操作；

所述电源保护模块用于预防电控柜因高温发生火灾，具体方法包括以下步骤：

步骤S31：实时获取电控柜内的温度、电控柜运行环境和电控柜运行时长，并将电控柜内的温度、电控柜运行环境和电控柜运行时长整合并标记为输入数据；电控柜运行环境包括电控柜外界温度、湿度和风速；

步骤S32：获取预测模型；

步骤S33：将输入数据输入至预测模型获取输出结果并标记为预测标签，预测标签即为输入数据对应的状态标签；

步骤S34：将预测标签分别发送至服务器和储存模块；

所述服务器对接收到的预测标签进行处理，具体处理方法包括以下步骤：

步骤S41：当状态标签e时，不进行操作，当状态标签f时，向用户发送火灾报警信息，控制报警器(10)发出警报声；

步骤S42：关闭电控柜，并断开电控柜的电源。

2.根据权利要求1所述的一种化工制药工程用电控柜散热系统，其特征在于，所述降温模块用于对电控柜内的温度进行降温，具体降温方法包括以下步骤：

步骤S21：接收服务器发送的降温信号，降温模块控制风扇(3)运行，对电控柜内的温度进行降温；

步骤S22：获取电控柜的运行数据，电控柜的运行数据包括运行功率、运行部件、各运行部件产生热量比重；

步骤S23：获取用户的生产进度计划，判断电控柜的运行数据对生产进度计划产生的影响，当生产进度计划中的时间充足时，根据生产进度计划降低电控柜运行功率，降低热量的产生，当生产进度计划中的时间不充足时，加大风扇(3)的运行功率。

3.根据权利要求1所述的一种化工制药工程用电控柜散热系统，其特征在于，预测模型的获取方法具体包括以下步骤：

步骤S51：通过互联网获取同型号的电控柜历史数据，电控柜历史数据包括电控柜发生火灾时前D分钟的电控柜内的温度、电控柜运行环境和电控柜运行时长，其中D为比例系数，且D≥5；

步骤S52：为电控柜历史数据设置状态标签，状态标签包括e和f，当状态标签为e时，表示电控柜运行正常，当状态标签为f时，表示电控柜发生火灾；

步骤S53：构建人工智能模型；所述人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；

步骤S54：将电控柜历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集；所述设定比例包括2：1：1、3：2：1和3：1：1；

步骤S55：通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；

步骤S56：通过服务器将预测模型分别发送至储存模块和电源保护模块。