【技术实现步骤摘要】
本专利技术涉及压缩机，具体地涉及一种用于预测压缩机性能数据的方法、装置、处理器及压缩机。
技术介绍
1、压缩机可以广泛应用于各种流体(如天然气)的输送工程上，天然气长距离输送工程即“西气东输”，将西部天然气通过管道输送到东部，其核心驱动设备即为大型电驱压缩机组，压缩机性能数据(包括喘振边界和阻塞边界)对于制定天然气管线的调度与压缩机组的智能控制至关重要，压缩机在出厂时通常会给出对应的压缩机性能数据，例如出厂性能曲线，出厂性能曲线适用的工况通常较少，而压缩机的实际工况常在出厂性能曲线给出的工况之外。因此，现有技术通常采用压缩机的出厂性能曲线数据来推测实际工况下的压缩机性能数据，该方式存在一定的误差，且随着压缩机的运行与磨损，误差会逐步变大，即现有技术存在压缩机性能数据预测不准确的问题。
技术实现思路
1、本专利技术实施例的目的是提供一种用于预测压缩机性能数据的方法及装置、用于并联式压缩机组的控制方法及控制装置、处理器、压缩机、并联式压缩机组及存储介质，以解决现有技术存在的压缩机性能数据预测不准确的问题。
2、为了实现上述目的，本专利技术实施例第一方面提供一种用于预测压缩机性能数据的方法，方法包括：
3、获取压缩机在当前工况的当前工况数据和下一工况的目标工况数据，其中，当前工况数据包括进口压力和进口温度，目标工况数据包括目标出口压力和目标进口流量；
4、根据当前工况数据和目标工况数据确定压缩机在下一工况的预测转速；
5、根据当前工况数据、
6、在本专利技术实施例中，根据当前工况数据和目标工况数据确定压缩机在下一工况的预测转速，包括：基于预训练的转速预测模型，根据当前工况数据和目标工况数据确定压缩机在下一工况的预测转速；根据当前工况数据、目标出口压力以及预测转速确定压缩机在下一工况的预测性能数据，包括：基于预训练的喘振边界预测模型，根据当前工况数据、目标出口压力以及预测转速确定压缩机在下一工况的预测喘振边界；基于预训练的阻塞边界预测模型，根据当前工况数据、目标出口压力以及预测转速确定压缩机在下一工况的预测阻塞边界。
7、在本专利技术实施例中，转速预测模型和/或喘振边界预测模型和/或阻塞边界预测模型包括以下中的任意一者：长短时记忆神经网络、全连接神经网络以及径向基函数神经网络。
8、在本专利技术实施例中，转速预测模型和/或喘振边界预测模型和/或阻塞边界预测模型的训练过程包括：基于梯度下降反向传播算法，对转速预测模型和/或喘振边界预测模型和/或阻塞边界预测模型中的参数进行更新，以得到训练好的转速预测模型和/或喘振边界预测模型和/或阻塞边界预测模型。
9、本专利技术实施例第二方面提供一种用于并联式压缩机组的控制方法，并联式压缩机组包括多台并联运行的压缩机，控制方法包括：
10、获取在不同压缩机开启数量下各压缩机在下一工况的预测性能数据，其中，预测性能数据包括预测喘振边界和预测阻塞边界，预测性能数据根据上述的用于预测压缩机性能数据的方法确定；
11、根据不同压缩机开启数量下各压缩机在下一工况的目标进口流量和预测性能数据，对压缩机开启数量进行筛选，以得到筛选后的压缩机开启数量，其中，筛选后的压缩机开启数量对应的各压缩机在下一工况的目标进口流量位于预测喘振边界和预测阻塞边界所限定的安全工作区域内；
12、根据当前工况数据、筛选后的压缩机开启数量下各压缩机在下一工况的目标工况数据以及筛选后的压缩机开启数量下各压缩机在下一工况的预测转速，确定筛选后的压缩机开启数量下各压缩机在下一工况的预测功率；
13、根据预测功率确定最终的压缩机开启数量，其中，最终的压缩机开启数量为筛选后的压缩机开启数量中各压缩机对应的预测功率的和值最小的一者；
14、根据最终的压缩机开启数量控制多台压缩机在下一工况的工作状态。
15、在本专利技术实施例中，根据当前工况数据、筛选后的压缩机开启数量下各压缩机在下一工况的目标工况数据以及筛选后的压缩机开启数量下各压缩机在下一工况的预测转速，确定筛选后的压缩机开启数量下各压缩机在下一工况的预测功率，包括：基于预训练的功率预测模型，根据当前工况数据、筛选后的压缩机开启数量下各压缩机在下一工况的目标工况数据以及筛选后的压缩机开启数量下各压缩机在下一工况的预测转速，确定筛选后的压缩机开启数量下各压缩机在下一工况的预测功率。
16、在本专利技术实施例中，功率预测模型包括以下中的任意一者：长短时记忆神经网络、全连接神经网络以及径向基函数神经网络。
17、在本专利技术实施例中，功率预测模型的训练过程包括：基于梯度下降反向传播算法，对功率预测模型中的参数进行更新，以得到训练好的功率预测模型。
18、在本专利技术实施例中，不同压缩机开启数量下各压缩机在下一工况的目标进口流量的确定，包括：获取并联式压缩机组在下一工况的目标出口压力；根据目标出口压力确定并联式压缩机组在下一工况的总目标进口流量；根据总目标进口流量和压缩机开启数量，确定不同压缩机开启数量下各压缩机在下一工况的目标进口流量。
19、本专利技术实施例第三方面提供一种处理器，被配置成执行根据上述的用于预测压缩机性能数据的方法。
20、本专利技术实施例第四方面提供一种处理器，被配置成执行根据上述的用于并联式压缩机组的控制方法。
21、本专利技术实施例第五方面提供一种用于预测压缩机性能数据的装置，装置包括：
22、数据获取模块，用于获取压缩机在当前工况的当前工况数据和下一工况的目标工况数据，其中，当前工况数据包括进口压力和进口温度，目标工况数据包括目标出口压力和目标进口流量；
23、转速预测模块，用于根据当前工况数据和目标工况数据确定压缩机在下一工况的预测转速；
24、性能数据预测模块，用于根据当前工况数据、目标出口压力以及预测转速确定压缩机在下一工况的预测性能数据，其中，预测性能数据包括预测喘振边界和预测阻塞边界。
25、本专利技术实施例第六方面提供一种用于并联式压缩机组的控制装置，并联式压缩机组包括多台并联运行的压缩机，控制装置包括：
26、性能数据获取模块，用于获取在不同压缩机开启数量下各压缩机在下一工况的预测性能数据，其中，预测性能数据包括预测喘振边界和预测阻塞边界，预测性能数据根据上述的用于预测压缩机性能数据的方法确定；
27、开启数量筛选模块，用于根据不同压缩机开启数量下各压缩机在下一工况的目标进口流量和预测性能数据，对压缩机开启数量进行筛选，以得到筛选后的压缩机开启数量，其中，筛选后的压缩机开启数量对应的各压缩机在下一工况的目标进口流量位于预测喘振边界和预测阻塞边界所限定的安全工作区域内；
28、功率预测模块，用于根据当前工况数据、筛选后的压缩机开启数量下各压缩机在下一工况的目标工况数据以及筛选后的压本文档来自技高网...
【技术保护点】
1.一种用于预测压缩机性能数据的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前工况数据和所述目标工况数据确定所述压缩机在所述下一工况的预测转速，包括：
3.根据权利要求2所述的方法，其特征在于，所述转速预测模型和/或所述喘振边界预测模型和/或所述阻塞边界预测模型包括以下中的任意一者：长短时记忆神经网络、全连接神经网络以及径向基函数神经网络。
4.根据权利要求2所述的方法，其特征在于，所述转速预测模型和/或所述喘振边界预测模型和/或所述阻塞边界预测模型的训练过程包括：
5.一种用于并联式压缩机组的控制方法，其特征在于，所述并联式压缩机组包括多台并联运行的压缩机，所述控制方法包括：
6.根据权利要求5所述的控制方法，其特征在于，所述根据所述当前工况数据、所述筛选后的压缩机开启数量下各所述压缩机在所述下一工况的目标工况数据以及所述筛选后的压缩机开启数量下各所述压缩机在所述下一工况的预测转速，确定所述筛选后的压缩机开启数量下各所述压缩机在所述下一工况的预测功率，包括：
7
8.根据权利要求7所述的控制方法，其特征在于，所述功率预测模型的训练过程包括：
9.根据权利要求5所述的控制方法，其特征在于，所述不同压缩机开启数量下各所述压缩机在所述下一工况的目标进口流量的确定，包括：
10.一种处理器，其特征在于，被配置成执行根据权利要求1至4中任意一项所述的用于预测压缩机性能数据的方法。
11.一种处理器，其特征在于，被配置成执行根据权利要求5至9中任意一项所述的用于并联式压缩机组的控制方法。
12.一种用于预测压缩机性能数据的装置，其特征在于，所述装置包括：
13.一种用于并联式压缩机组的控制装置，其特征在于，所述并联式压缩机组包括多台并联运行的压缩机，所述控制装置包括：
14.一种压缩机，其特征在于，包括：
15.一种并联式压缩机组，其特征在于，包括：
16.一种机器可读存储介质，所述机器可读存储介质上存储程序或指令，其特征在于，所述程序或所述指令被处理器执行时实现根据权利要求1至4中任意一项所述的用于预测压缩机性能数据的方法或者根据权利要求5至9中任意一项所述的用于并联式压缩机组的控制方法。
...【技术特征摘要】
1.一种用于预测压缩机性能数据的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前工况数据和所述目标工况数据确定所述压缩机在所述下一工况的预测转速，包括：
3.根据权利要求2所述的方法，其特征在于，所述转速预测模型和/或所述喘振边界预测模型和/或所述阻塞边界预测模型包括以下中的任意一者：长短时记忆神经网络、全连接神经网络以及径向基函数神经网络。
4.根据权利要求2所述的方法，其特征在于，所述转速预测模型和/或所述喘振边界预测模型和/或所述阻塞边界预测模型的训练过程包括：
5.一种用于并联式压缩机组的控制方法，其特征在于，所述并联式压缩机组包括多台并联运行的压缩机，所述控制方法包括：
6.根据权利要求5所述的控制方法，其特征在于，所述根据所述当前工况数据、所述筛选后的压缩机开启数量下各所述压缩机在所述下一工况的目标工况数据以及所述筛选后的压缩机开启数量下各所述压缩机在所述下一工况的预测转速，确定所述筛选后的压缩机开启数量下各所述压缩机在所述下一工况的预测功率，包括：
7.根据权利要求6所述的控制方法，其特征在于，所述功率预测模型包括以下中的任意一者：长短时记忆神经...
【专利技术属性】
技术研发人员：王志勇，付远鹏，戴宇阳，刘家乐，霍威宇，王飞，石康兵，周永涛，郑会，张富江，胡海涛，刘磊，陈晓明，魏琦，
申请(专利权)人：国家石油天然气管网集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。