一种基于数据驱动的空压机系统控制方法技术方案

本发明专利技术公开了一种基于数据驱动的空压机系统控制方法，包括如下步骤：S1)收集空压机系统中各空压机组以及配套干燥机组的输入参数和输出响应；S2)应用基于RNN的LSTM深度神经网络算法，结合遗传算法，建立最优系统预测模型；S3)通过LSTM‑GA预测模型预测下一时刻用气量，提前给出最优控制输出策略。本发明专利技术提供的基于数据驱动的空压机系统控制方法，在保证供气需求的前提下，减少人为干预，保证出气压力稳定，并最大程度提高系统整体能效，达到节能的目的。

【技术实现步骤摘要】
一种基于数据驱动的空压机系统控制方法
本专利技术涉及一种空压机系统控制方法，尤其涉及一种基于数据驱动的空压机系统控制方法。
技术介绍
空气压缩机与水泵构造类似，是一种用以压缩气体的设备。空压机系统的目的很简单：将空气压缩到一定程度，并将之稳定输送。这种压缩空气专业应用于为工具和机器提供动力，或是特定工艺流程，比如石油炼焦等。空压机系统小到便携式机组，大到能够驱动整个制造设备的大型工业机器。常见的空压机系统主要是有下述四个部分组成：第一：空压机。空压机是最主要的设备，是空压机站的核心，是生产压缩空气的机器。市场上常用的空压机机型有活塞式空压机、螺杆式空压机和离心式空压机三种。第二：储气罐。储气罐的作用很重要，主要作用有四个，储存压缩空气，满足突发用气需求，确保稳定用气；稳定气压，消除气流；降低压缩空气的温度，达到初步冷却效果；分离压缩空气当中液态的水分和油分，使压缩空气质量更高。第三：干燥机。干燥机中主要包括冷冻式干燥机和吸附式干燥机两种，它的作用是分离压缩空气当中气态的水分，将高热的压缩空气通过冷媒压缩机降到露点温度，释放出压缩空气当中99％的水分。第四：过滤器。过滤器的作用是将压缩空气当中水份、粉尘和油污最大程度的过滤掉，按照过滤程度可分为初级过滤和精密过滤。大型的空压机系统往往需要用到多台空压机和干燥机，输入输出参数众多，控制比较复杂，如何保证出气压力稳定，并最大程度提高系统整体能效具有很大难度。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于数据驱动的空压机系统控制方法，在保证供气需求的前提下，减少人为干预，保证出气压力稳定，并最大程度提高系统整体能效，达到节能的目的。本专利技术为解决上述技术问题而采用的技术方案是提供一种基于数据驱动的空压机系统控制方法，包括如下步骤：S1)收集空压机系统中各空压机组以及配套干燥机组的输入参数和输出响应；S2)应用基于RNN的LSTM深度神经网络算法，结合遗传算法，建立最优系统预测模型；S3)通过LSTM-GA预测模型预测下一时刻用气量，提前给出最优控制输出策略。进一步地，所述步骤S1中的输入参数包括每台空压机组以及整个系统运行时间、加载时间、干燥机组运行时间，所述步骤S1中的输出响应包括空压机系统运行功率、总管输出压力及流量。进一步地，所述步骤S2包括输入变量：送电时间xij,运行时间yij,加载时间zij,输出气压pij,时间tj；i为第i台空压机，取值范围1-8；j为按照时间顺序编的组号；输出空压机系统出口压力P，流量F以及耗电量Q；预测模型约束条件：工作启停时间、空压机启停频率、空压机输出气压范围、压缩空气系统输出气压范围。进一步地，所述空压机系统由两个并列分支组成，第一分支由三台工频空压机以及一台变频空压机组成，进行空气压缩，出口高压空气汇总到总管，并输送给三个储气罐，储气罐空气再汇总到一起，并输送给三台冷干机，干燥后的空气连同第二分支的干燥空气一起汇到总管，供车间使用；第二分支由四台工频空压机和四台冷干机组成进行空气压缩，出口高压空气汇总到总管，并输送给四个储气罐，储气罐空气再汇总到一起，并输送给四台冷干机；所述步骤S3对工厂用气量进行预测，提前给出加开/关闭一台工频空压机，或者提高/降低变频机频率的控制策略，弥补空压机输出时延。本专利技术对比现有技术有如下的有益效果：本专利技术提供的基于数据驱动的空压机系统控制方法，可以同时满足以安全保障为目的的基础控制策略(第一级)，对空压机系统总管出口压力的精确控制(第二级)，以及通过深度学习模型预测后对系统运行功率的控制(第三级)；从而在保证供气需求的前提下，减少人为干预，保证出气压力稳定，并最大程度提高系统整体能效，达到节能的目的。附图说明图1为本专利技术基于数据驱动的空压机系统控制流程示意图；图2为本专利技术基于数据驱动的空压机系统控制参数及交互示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的描述。图1为本专利技术基于数据驱动的空压机系统控制流程示意图；图2为本专利技术基于数据驱动的空压机系统控制参数及交互示意图。请参见图1和图2，本专利技术提供的基于数据驱动的空压机系统控制方法，包括如下步骤：步骤S1：通过对现有空压机组每台设备以及整个系统运行时间、加载时间、干燥机组运行时间等输入参数，以及空压机系统运行功率、总管输出压力及流量等输出响应组成的大数据，除去由于更换设备导致的不合理数据。步骤S2：应用基于RNN(RecurrentNeuralNetwork，循环神经网络)的LSTM(LongShort-TermMemory，长短期记忆网络)深度神经网络算法，结合遗传算法，建立最优系统预测模型。输入变量：送电时间xij,运行时间yij,加载时间zij,输出气压pij,时间tj；(其中，i-第i台空压机，取值范围1-8；j-按照时间顺序的第几组，取值范围1以上的整数)。输出量：空压机系统出口压力P，流量F以及耗电量Q。模型约束条件：工作启停时间，为保障空压机寿命的启停频率，空压机输出气压范围，压缩空气系统输出气压范围，安全气压要求，干燥机、储气罐等工艺流程要求等。步骤S3：通过LSTM-GA模型预测控制方法对工厂用气量进行预测，消除或减弱空压机运行时延的影响提前给出加开/关闭一台工频空压机，或者提高/降低变频机频率的控制策略，弥补空压机输出时延，使得系统压力波动最小，实现对总管出口压力的相对精确控制。综上所述，本专利技术提供的基于数据驱动的空压机系统控制方法，能够同时达到3级控制，分别为通过深度学习模型预测后对系统运行功率的控制(第三级)，对空压机系统总管出口压力的精确控制(第二级)，以及以安全保障为目的的基础控制策略(第一级)。本专利技术具有以下优点：建立了空压机系统模型，为空压机系统运行优化提供理论依据；设计空压机站恒压供气系统控制策略，在现有空压机控制系统基础上，实现进一步节能；根据所设计的控制策略，参考用气量历史数据和最新趋势，考虑设备不能频繁投切、变频工频设备容量合理搭配等因素，选择不同设备投入运行，来达到恒压输出的目标。从而在保证供气需求的前提下，减少人为干预，保证出气压力稳定，并最大程度提高系统整体能效，达到节能的目的。虽然本专利技术已以较佳实施例揭示如上，然其并非用以限定本专利技术，任何本领域技术人员，在不脱离本专利技术的精神和范围内，当可作些许的修改和完善，因此本专利技术的保护范围当以权利要求书所界定的为准。本文档来自技高网...

【技术保护点】
1.一种基于数据驱动的空压机系统控制方法，其特征在于，包括如下步骤：/nS1)收集空压机系统中各空压机组以及配套干燥机组的输入参数和输出响应；/nS2)应用基于RNN的LSTM深度神经网络算法，结合遗传算法，建立最优系统预测模型；/nS3)通过LSTM-GA预测模型预测下一时刻用气量，提前给出最优控制输出策略。/n

【技术特征摘要】
1.一种基于数据驱动的空压机系统控制方法，其特征在于，包括如下步骤：
S1)收集空压机系统中各空压机组以及配套干燥机组的输入参数和输出响应；
S2)应用基于RNN的LSTM深度神经网络算法，结合遗传算法，建立最优系统预测模型；
S3)通过LSTM-GA预测模型预测下一时刻用气量，提前给出最优控制输出策略。


2.如权利要求1所述的基于数据驱动的空压机系统控制方法，其特征在于，所述步骤S1中的输入参数包括每台空压机组以及整个系统运行时间、加载时间、干燥机组运行时间，所述步骤S1中的输出响应包括空压机系统运行功率、总管输出压力及流量。


3.如权利要求1所述的基于数据驱动的空压机系统控制方法，其特征在于，所述步骤S2包括输入变量：送电时间xij,运行时间yij,加载时间zij,输出气压pij,时间tj；i为第i台空压机，...

【专利技术属性】
技术研发人员：姚洋洋，
申请(专利权)人：上海安悦节能技术有限公司，
类型：发明
国别省市：上海;31