基于人工智能的并联空压机能耗调控方法及系统技术方案

本发明专利技术提供一种基于人工智能的并联空压机能耗调控方法及系统，涉及空压机能耗控制技术领域。本发明专利技术首先获取并联空压机系统中空压机工作相关数据，同时获取主备机更新次序；然后基于空压机工作相关数据，利用神经网络算法模型获取并联空压机系统中空压机的耗能估计值；再将耗能估计值与目标耗能值进行比较，并调整神经网络算法模型的参数直到耗能估计值与目标耗能值之间的误差满足预设条件时停止；最后基于参数调整后的神经网络算法模型获取并联空压机系统运行的最优方案，然后基于主备机更新次序，并按照该最优方案精准执行，以实现对并联空压机的能耗进行调控。现对并联空压机的能耗进行调控。现对并联空压机的能耗进行调控。

【技术实现步骤摘要】
基于人工智能的并联空压机能耗调控方法及系统


[0001]本专利技术涉及空压机能耗控制技术，具体涉及一种基于人工智能的并联空压机能耗调控方法及系统。

技术介绍

[0002]在水泥生产过程中，空压机作为重点能耗设备，其能源损耗较大，一般空压机系统所消耗的电能占企业电力消耗的20％～30％，严重影响企业的经济效益和社会效益。因此降低空压机能耗是压缩空气系统节能降耗的关键所在。
[0003]目前，降低空压机能耗主要是以单个空压机为对象，通过对压气机系统中安装余热回收装置，实现了整机系统的能耗降低和低成本运行；也有少数针对多台并联螺杆式空压机系统的联动控制系统进行改造从而实现能耗降低。
[0004]然而，大部分针对单个螺杆式空压机的能耗降低技术，无法适用于整个并联空压机系统能耗效率低和目标压力控制稳定性低等问题的解决；而现有的降低并联空压机系统的能耗解决方案中，其并联空压机系统中的主备机次序是固定的，如果不能及时、精准的进行人工调整，会使得机组的寿命差异扩大，导致维修保养的困难。由此可见，现有技术暂不存在可精准调控并联空压机能耗的方法。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种基于人工智能的并联空压机能耗调控方法及系统，解决了现有技术无法精准调控并联空压机的能耗。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0009]第一方面，本专利技术首先提出了一种基于人工智能的并联空压机能耗调控方法，所述方法包括：
[0010]获取并联空压机系统中空压机的主备机更新次序，同时获取并联空压机系统中空压机工作相关数据并进行预处理；
[0011]基于所述预处理后的空压机工作相关数据，利用神经网络算法模型获取耗能估计值；
[0012]调整所述神经网络算法模型的参数直到所述耗能估计值与目标耗能值之间的误差达到预设要求时停止；
[0013]基于调整后的所述神经网络算法模型获取最优方案，基于所述主备机次序执行所述最优方案进行并联空压机的能耗调控。
[0014]优选的，所述空压机工作相关数据包括：
[0015]空气压缩机内空气流速数据、空气压缩机外部环境的温度数据、空气压缩机不同功率数据、空气压缩机的输出端与外界大气压之间的压差数据，以及空气压缩机不同连续
工作时长下的耗能数据。
[0016]优选的，所述最优方案包括：整个并联空压机系统中不同空压机的负荷情况、预计耗能情况，以及预计所耗时长。
[0017]优选的，所述调整所述神经网络算法模型参数直到所述耗能估计值与目标耗能值之间的误差达到预设要求时停止包括：
[0018]S31、获取所述耗能估计值与目标耗能值的差值并重复预设次数次后不断调整所述神经网络算法模型的参数，直到误差值满足预设条件时则停止；
[0019]S32、若重复调整所述神经网络算法模型参数达到预设次数后，误差无法达到预设要求，则更改所述目标耗能值，再重复步骤S31直到误差值满足预设条件时停止。
[0020]优选的，所述获取并联空压机系统中空压机的主备机更新次序包括：
[0021]在每个预设时间点对并联空压机系统中所有空压机按照其工作总耗能的大小进行升序排列，所述排列的顺序即为并联空压机系统中空压机的主备机更新次序。
[0022]第二方面，本专利技术还提出了一种基于人工智能的并联空压机能耗调控系统，所述系统包括：
[0023]数据获取模块，用于获取并联空压机系统中空压机的主备机更新次序，同时获取并联空压机系统中空压机工作相关数据并进行预处理；
[0024]耗能估计值获取模块，用于基于所述预处理后的空压机工作相关数据，利用神经网络算法模型获取耗能估计值；
[0025]模型调整模块，用于调整所述神经网络算法模型的参数直到所述耗能估计值与目标耗能值之间的误差达到预设要求时停止；
[0026]能耗调控模块，用于基于调整后的所述神经网络算法模型获取最优方案，基于所述主备机次序执行所述最优方案进行并联空压机的能耗调控。
[0027]优选的，所述空压机工作相关数据包括：
[0028]空气压缩机内空气流速数据、空气压缩机外部环境的温度数据、空气压缩机不同功率数据、空气压缩机的输出端与外界大气压之间的压差数据，以及空气压缩机不同连续工作时长下的耗能数据。
[0029]优选的，所述最优方案包括：整个并联空压机系统中不同空压机的负荷情况、预计耗能情况，以及预计所耗时长。
[0030]优选的，所述模型调整模块调整所述神经网络算法模型参数直到所述耗能估计值与目标耗能值之间的误差达到预设要求时停止包括：
[0031]S31、获取所述耗能估计值与目标耗能值的差值并重复预设次数次后不断调整所述神经网络算法模型的参数，直到误差值满足预设条件时则停止；
[0032]S32、若重复调整所述神经网络算法模型参数达到预设次数后，误差无法达到预设要求，则更改所述目标耗能值，再重复步骤S31直到误差值满足预设条件时停止。
[0033]优选的，所述获取并联空压机系统中空压机的主备机更新次序包括：
[0034]在每个预设时间点对并联空压机系统中所有空压机按照其工作总耗能的大小进行升序排列，所述排列的顺序即为并联空压机系统中空压机的主备机更新次序。
[0035](三)有益效果
[0036]本专利技术提供了一种基于人工智能的并联空压机能耗调控方法及系统。与现有技术
相比，具备以下有益效果：
[0037]1、本专利技术获取并联空压机系统中空压机工作相关数据并进行预处理后，同时获取主备机更新次序，将空压机工作相关数据输入神经网络算法模型以获取耗能估计值；然后不断调整神经网络算法模型直到耗能估计值与目标耗能值之间的误差满足预设要求时停止；最后基于调整后的神经网络算法模型获取最优方案，最后基于主备机更新次序并通过执行最优方案进行并联空压机的能耗调控。本专利技术利用神经网络算法模型将数据运算后的估计值与目标值反复比对，并将模型参数调整到最合适状态，从而形成抽象经验，利用调整后的模型获取的最优方案对并联空压机系统的能耗进行调控会更加精准，从而可以指导工业企业减少用电能耗，提高工业企业的用电效率，辅助企业上层做出科学合理用电决策，节约资金，提高利润。
[0038]2、本专利技术通过上传云端的数据在预设时间点对并联空压机系统中空压机的主备机次序进行排序和更新，可以改变现有技术中主备机次序固定的问题，使得并联空压机系统中机器按照负荷最优排序运转，缩小了机器间老旧化差距，便于维修和保养。
附图说明
[0039]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的并联空压机能耗调控方法，其特征在于，所述方法包括：获取并联空压机系统中空压机的主备机更新次序，同时获取并联空压机系统中空压机工作相关数据并进行预处理；基于所述预处理后的空压机工作相关数据，利用神经网络算法模型获取耗能估计值；调整所述神经网络算法模型的参数直到所述耗能估计值与目标耗能值之间的误差达到预设要求时停止；基于调整后的所述神经网络算法模型获取最优方案，基于所述主备机次序执行所述最优方案进行并联空压机的能耗调控。2.如权利要求1所述的方法，其特征在于，所述空压机工作相关数据包括：空气压缩机内空气流速数据、空气压缩机外部环境的温度数据、空气压缩机不同功率数据、空气压缩机的输出端与外界大气压之间的压差数据，以及空气压缩机不同连续工作时长下的耗能数据。3.如权利要求1所述的方法，其特征在于，所述最优方案包括：整个并联空压机系统中不同空压机的负荷情况、预计耗能情况，以及预计所耗时长。4.如权利要求1所述的方法，其特征在于，所述调整所述神经网络算法模型参数直到所述耗能估计值与目标耗能值之间的误差达到预设要求时停止包括：S31、获取所述耗能估计值与目标耗能值的差值并重复预设次数次后不断调整所述神经网络算法模型的参数，直到误差值满足预设条件时则停止；S32、若重复调整所述神经网络算法模型参数达到预设次数后，误差无法达到预设要求，则更改所述目标耗能值，再重复步骤S31直到误差值满足预设条件时停止。5.如权利要求1所述的方法，其特征在于，所述获取并联空压机系统中空压机的主备机更新次序包括：在每个预设时间点对并联空压机系统中所有空压机按照其工作总耗能的大小进行升序排列，所述排列的顺序即为并联空压机系统中空压机的主备机更新次序。6.一种基于人工智能的并联空压机能耗调控系统，其特征在于，所...

【专利技术属性】
技术研发人员：周开乐，王俊清，丁涛，胡定定，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：