CN118734614A - 一种基于ai技术的螺杆空压站房节能优化控制方法及系统 - Google Patents
一种基于ai技术的螺杆空压站房节能优化控制方法及系统 Download PDFInfo
- Publication number
- CN118734614A CN118734614A CN202411228497.2A CN202411228497A CN118734614A CN 118734614 A CN118734614 A CN 118734614A CN 202411228497 A CN202411228497 A CN 202411228497A CN 118734614 A CN118734614 A CN 118734614A
- Authority
- CN
- China
- Prior art keywords
- air compressor
- abnormal
- screw
- energy consumption
- screw air
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 184
- 238000005265 energy consumption Methods 0.000 claims abstract description 97
- 238000012360 testing method Methods 0.000 claims abstract description 81
- 238000004088 simulation Methods 0.000 claims abstract description 61
- 230000005856 abnormality Effects 0.000 claims abstract description 42
- 238000011084 recovery Methods 0.000 claims abstract description 17
- 230000006872 improvement Effects 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims abstract description 14
- 238000001816 cooling Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 239000010687 lubricating oil Substances 0.000 claims description 6
- 239000000498 cooling water Substances 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000009877 rendering Methods 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims 21
- 238000007906 compression Methods 0.000 claims 21
- 238000013507 mapping Methods 0.000 claims 1
- 238000012795 verification Methods 0.000 claims 1
- 238000004378 air conditioning Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 4
- 238000005057 refrigeration Methods 0.000 abstract description 4
- 238000009472 formulation Methods 0.000 description 9
- 239000000203 mixture Substances 0.000 description 9
- 238000007792 addition Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009699 differential effect Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B1/00—Compression machines, plants or systems with non-reversible cycle
- F25B1/04—Compression machines, plants or systems with non-reversible cycle with compressor of rotary type
- F25B1/047—Compression machines, plants or systems with non-reversible cycle with compressor of rotary type of screw type
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B49/00—Arrangement or mounting of control or safety devices
- F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B2500/00—Problems to be solved
- F25B2500/18—Optimization, e.g. high integration of refrigeration components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Applications Or Details Of Rotary Compressors (AREA)
Abstract
本发明属于空调制冷控制技术领域，涉及到一种基于AI技术的螺杆空压站房节能优化控制方法及系统，通过综合目标螺杆空压站房的布局、环境、设备配置和历史运行数据，实现对目标螺杆空压站房整体运行状况的全面仿真，在测试仿真过程中结合同况多机情景和全况单机情景精准高效筛查目标螺杆空压站房内各能耗异常螺杆空压机，进一步从控制单元异常、冷却单元异常和热回收单元异常三个维度展开各异常空压机的能耗异常缘由追溯并据此制定针对化个性化优化策略，待各异常空压机完成改进后评估各异常空压机的节能优化成效并进行反馈，不仅帮助解决螺杆空压机能耗异常问题，还促进螺杆空压站房整体能效与管理水平的大幅提升。
Description
技术领域
本发明属于空调制冷控制技术领域，涉及到一种基于AI技术的螺杆空压站房节能优化控制方法及系统。
背景技术
在空调制冷中，螺杆空压机站房扮演着重要的角色，螺杆空压机通常用于大规模的空调制冷系统中，能够提供足够的制冷能力覆盖大面积的空间，能够处理大量的冷却负荷，保证室内温度的稳定性和舒适性。螺杆空压站房作为生产线不可或缺的能量供给中枢，不仅承载着供应恒定压缩空气质量的重任，其能耗水平更是占据了工业场所总能耗的显著份额，直接关乎到企业的运营成本效益及生态可持续发展目标，因此，对螺杆空压站房实施高效的节能优化控制策略是缓解能源紧张状况、降低生产成本的迫切需求。
现有技术中，螺杆空压机运行过程中多侧重于加卸载控制层面的即时自主节能优化，一方面缺乏对历史运行数据的深入分析和复盘能力，导致系统无法从历史数据学习并识别出潜在的能耗异常风险，从而错过通过历史数据来优化未来运行策略的机会。
另一方面螺杆空压机运行过程中单一维度的加卸载控制策略缺乏系统性和综合性的优化思路，忽视螺杆空压机其他关键单元对于能耗重要影响，例如冷却单元和热回收单元，由此限制节能优化策略的深度和广度，难以实现系统整体的最优运行。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于AI技术的螺杆空压站房节能优化控制方法及系统。
本发明的目的可以通过以下技术方案实现：本发明第一方面提供一种基于AI技术的螺杆空压站房节能优化控制方法，包括：S1.收集目标螺杆空压站房的基本信息，包括站房布局图、历史环境参数、具有相同类型和型号的各螺杆空压机的技术配置参数和历史运行参数，搭建目标螺杆站房仿真模型并创建工况仿真测试情景。
S2.根据工况仿真测试情景对目标螺杆空压站房内各螺杆空压机进行仿真测试，筛查目标螺杆空压站房内各能耗异常螺杆空压机，记为各异常空压机。
S3.对各异常空压机的能耗异常缘由进行追溯。
S4.制定针对各异常空压机能耗异常缘由的优化策略，以此对各异常空压机进行改进。
S5.对完成改进后的各异常空压机重新进行仿真测试，评估各异常空压机的节能优化成效并进行反馈。
本发明第二方面提供一种基于AI技术的螺杆空压站房节能优化控制系统，包括：仿真模型搭建模块、能耗异常筛查模块、能耗异常追溯模块、优化策略制定模块、节能成效评估模块和云数据库。
所述仿真模型搭建模块与能耗异常筛查模块连接，所述能耗异常筛查模块与能耗异常追溯模块连接，所述能耗异常追溯模块与优化策略制定模块连接，所述优化策略制定模块与节能成效评估模块连接，所述云数据库分别与能耗异常筛查模块、能耗异常追溯模块连接。
仿真模型搭建模块，用于收集目标螺杆空压站房的基本信息，包括站房布局图、历史环境参数、具有相同类型和型号的各螺杆空压机的技术配置参数和历史运行参数，搭建目标螺杆站房仿真模型并创建工况仿真测试情景。
能耗异常筛查模块，用于根据工况仿真测试情景对目标螺杆空压站房进行仿真测试，筛查目标螺杆空压站房内各能耗异常螺杆空压机，记为各异常空压机。
能耗异常追溯模块，用于对各异常空压机的能耗异常缘由进行追溯。
优化策略制定模块，用于制定针对各异常空压机能耗异常缘由的优化策略，以此对各异常空压机进行改进。
节能成效评估模块，用于对改进后的各异常空压机重新进行仿真测试，评估各异常空压机的节能优化成效并进行反馈。
云数据库，用于存储螺杆空压机制造商规范各类型各型号螺杆空压机的运行比功率合理区间、加载性能曲线图和卸载性能曲线图。
相较于现有技术，本发明的有益效果如下：（1）本发明综合目标螺杆空压站房的布局、环境、设备配置和历史运行数据，实现对目标螺杆空压站房整体运行状况的全面仿真，有助于更准确地映射不同工况下螺杆空压机的能效表现，为优化操作策略制定提供基础。
（2）本发明结合同况多机情景和全况单机情景对目标螺杆站房仿真模型创建工况仿真测试情景，有助于更全面高效识别螺杆空压机的异常能耗表现，为目标螺杆空压站房内各能耗异常螺杆空压机的筛查提供科学依据。
（3）本发明通过从控制单元异常、冷却单元异常和热回收单元异常三个维度展开各异常空压机的能耗异常缘由追溯，并依据追溯的能耗异常缘由进行针对化个性化优化策略制定，规避现有技术螺杆空压机运行过程中单一加卸载控制维度的节能优化措施局限性缺陷，不仅帮助解决螺杆空压机能耗异常问题，还促进螺杆空压站房整体能效与管理水平的大幅提升。
（4）本发明通过对完成改进后的各异常空压机重新进行仿真测试，评估各异常空压机的节能优化成效并进行反馈，促使专业工作人员根据评估结果进一步调整优化策略，形成持续改进的闭环，不断提升空压机的能效水平。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，对于本领域普通技术乘客来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法实时步骤流程示意图。
图2为本发明系统各模块连接示意图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术乘客对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
请参阅图1所示，本发明的目的可以通过以下技术方案实现：本发明第一方面提供一种基于AI技术的螺杆空压站房节能优化控制方法，该方法包括：S1.收集目标螺杆空压站房的基本信息，包括站房布局图、历史环境参数、具有相同类型和型号的各螺杆空压机的技术配置参数和历史运行参数，搭建目标螺杆站房仿真模型并创建工况仿真测试情景。
具体地，所述搭建目标螺杆站房仿真模型，包括：三维建模软件通过目标螺杆站房的站房布局图建立其对应三维布局模型，根据各螺杆空压机的设计配置参数对三维布局模型内各螺杆空压机对应子模型进行配置设计。
对目标螺杆空压站房的历史环境参数进行拟合，其中历史环境参数包括当季历史各工作天内各单位时段的室内温度值、室内湿度值和室内外压力差，分别获取目标螺杆空压站房当季单位工作天的室内温度、室内湿度值、室内外压力差对应的拟合函数，将其映射至目标螺杆空压站房三维布局模型进行环境渲染处理。
需要说明的是，上述目标螺杆空压站房当季单位工作天的室内温度、室内湿度值、室内外压力差对应的拟合函数获取过程包括：以时间为横轴以温度值为纵轴构建直角坐标系，其中直角坐标系的横轴坐标单位跨度为单位时段，将目标螺杆空压站房当季历史各工作天内各单位时段的室内温度值导入直角坐标系内绘制目标螺杆空压站房当季室内温度变化曲线，进一步导入Matlab软件内利用其最佳拟合工具得到目标螺杆空压站房当季室内温度变化全局拟合函数，以此作为目标螺杆空压站房当季单位工作天的室内温度拟合函数，同理获取目标螺杆空压站房当季单位工作天的室内湿度值和室内外压力差对应的拟合函数。
通过各螺杆空压机的历史运行参数对三维布局模型进行初步验证，其中历史运行参数包括当季历史各工作天内各工作时段的吸气压力、进气量、排气压力区间、排气量和电机功率，通过以当季历史各工作天内各工作时段的吸气压力和排气压力区间为切入点，迭代调整模型参数直至模型预测当季历史各工作天内各工作时段的进气量、排气量和电机功率与历史运行参数中对应时段的进气量、排气量和电机功率的吻合度均达到预设值，完成目标螺杆站房仿真模型搭建。
本发明实施例综合目标螺杆空压站房的布局、环境、设备配置和历史运行数据，实现对目标螺杆空压站房整体运行状况的全面仿真，有助于更准确地映射不同工况下螺杆空压机的能效表现，为优化操作策略制定提供基础。
具体地，所述创建工况仿真测试情景，包括：将各螺杆空压机的排气压力区间、吸气压力、冷却水的进水温度分别设置其对应统一预设值。
将各螺杆空压机在预设时间段内持续提供预设压缩空气量作为工况仿真测试情景一，记为同况多机情景。
将预设时间段按照等间隔时长划分为各测试时段，按照各测试时段的时间顺序对压缩空气量进阶累加，获取各测试时段对应阶级压缩空气量，将各螺杆空压机在各测试时段持续提供对应阶级压缩空气量作为工况仿真测试情景二，记为全况单机情景。
将同况多机情景和全况单机情景共同作为工况仿真测试情景。
本发明实施例结合同况多机情景和全况单机情景对目标螺杆站房仿真模型创建工况仿真测试情景，有助于更全面高效识别螺杆空压机的异常能耗表现，为目标螺杆空压站房内各能耗异常螺杆空压机的筛查提供科学依据。
S2.根据工况仿真测试情景对目标螺杆空压站房内各螺杆空压机进行仿真测试，筛查目标螺杆空压站房内各能耗异常螺杆空压机，记为各异常空压机。
具体地，所述筛查目标螺杆空压站房内各能耗异常螺杆空压机，包括：采集同况多机情景预设时间段内各螺杆空压机各监测时间点的比功率，其中为各螺杆空压机的编号，，为预设时间段内各监测时间点的编号，，通过均值计算获取螺杆空压机同况多机情景预设时间段内的基准比功率，由公式分析同况多机情景各螺杆空压机的能耗异常评价系数，其中为预设时间段内监测时间点数量。
需要说明的是，上述同况多机情景预设时间段内各螺杆空压机各监测时间点的比功率以及后续全况单机情景各测试时段内各螺杆空压机的平均比功率的采集获取均通过目标螺杆空压站房仿真模型中部署的虚拟传感网络实现的，虚拟传感器被配置于各螺杆空压机的关键监控点，以实现对输出电功率和压缩气体流量的连续实时监测，将所采集数据传输至仿真模型的数据处理单元进行比功率计算。
采集全况单机情景各测试时段内各螺杆空压机的平均比功率，其中为各测试时段的编号，，根据各螺杆空压机的类型与型号，从WEB云端提取螺杆空压机制造商规范同类型型号的螺杆空压机的运行比功率合理区间，获取全况单机情景螺杆空压机的合理参照比功率和合理偏差比功率。
需要说明的是，上述全况单机情景螺杆空压机的合理参照比功率是通过对螺杆空压机制造商规范同类型型号的螺杆空压机的运行比功率合理区间上限值和下限值进行均值计算获取，全况单机情景螺杆空压机的合理偏差比功率是由全况单机情景螺杆空压机的合理参照比功率与螺杆空压机制造商规范同类型型号的螺杆空压机的运行比功率合理区间上限值进行绝对差值计算获取。
由公式分析全况单机情景各螺杆空压机的能耗异常评价系数，其中为测试时段数量，为全况单机情景第个螺杆空压机第个测试时段内的平均比功率。
将分别与其对应预设权重占比的乘积累加，得到各螺杆空压机的综合能耗异常系数，从中筛查综合能耗异常系数大于预设警戒阈值的各螺杆空压机作为目标螺杆空压站房内各能耗异常螺杆空压机。
S3.对各异常空压机的能耗异常缘由进行追溯。
具体地，所述对各异常空压机的能耗异常缘由进行追溯，包括：采集全况单机情景各测试时段内各异常空压机的加载次数、卸载次数、各次加载压力值及各次卸载压力值，将异常空压机任一测试时段内的加载次数或卸载次数超出预设规范次数视为控制单元异常判定条件1。
需要说明的是，上述全况单机情景各测试时段内各异常空压机的加载次数、卸载次数、各次加载压力值及各次卸载压力值的采集是通过目标螺杆站房仿真模型内各异常空压机子模型部署的状态监测虚拟传感器持续监控运行模式和实时压力值获取得到的，其中运行模式包括加载模式和卸载模式。
将各异常空压机的统一预设排气压力区间的上限值作为卸载压力阈值、下限值作为加载压力阈值，将异常空压机任一测试时段内任一次加载压力值小于加载压力阈值或任一次卸载压力值大于卸载压力阈值视为控制单元异常判定条件2。
根据各测试时段对应阶级压缩空气量以及WEB云端存储的螺杆空压机制造商规范同类型型号螺杆空压机的加载性能曲线图和卸载性能曲线图，获取各测试时段对应阶级压缩空气量对应的合理加载压力值和合理卸载压力值，计算各异常空压机各测试时段内各次加载压力偏差比和各次卸载压力偏差比，将异常空压机任一测试时段内的任一次加载压力偏差比或任一次卸载压力偏差比大于预设压力偏差比阈值视为控制单元异常判定条件3。
需要说明的是，上述各异常空压机各测试时段内各次加载压力偏差比和各次卸载压力偏差比的计算过程为：将各异常空压机各测试时段内各次加载压力值与其对应时段合理加载压力值进行绝对偏差值计算，计算得到的绝对偏差值与对应时段合理加载压力值的比值作为各异常空压机各测试时段内各次加载压力偏差比，同理将各异常空压机各测试时段内各次卸载压力值与其对应时段合理卸载压力值进行绝对偏差值计算，计算得到的绝对偏差值与对应时段合理卸载压力值的比值作为各异常空压机各测试时段内各次卸载压力偏差比。
若全况单机情景某异常空压机符合任一控制单元异常判定条件，则将该异常空压机的能耗异常缘由标记为控制单元异常。
具体地，所述对各异常空压机的能耗异常缘由进行追溯，还包括：采集同况多机情景预设时段内各异常空压机的最大润滑油温值、最大电机温值、热交换介质的流量和进出口温差值，其中为各异常空压机的编号，。
若同况多机情景预设时段内某异常空压机的最大润滑油温值超出预设螺杆空压机润滑油安全温度阈值或者最大电机温值超出预设螺杆空压机电机安全温度阈值，则将该异常空压机的能耗异常缘由标记为冷却单元异常。
计算同况多机情景预设时段内各异常空压机的热回收效率，若其中某异常空压机的热回收效率小于预设热回收效率合理阈值，则将该异常空压机的能耗异常缘由标记为热回收单元异常。
特别说明的是，若经分析识别某异常空压机的能耗异常缘由未能归咎于控制单元异常、冷却单元异常或热回收单元异常中的任何一项，则将该异常空压机的能耗异常缘由标记为其他，并触发高级通知流程，定向向目标螺杆空压站房的授权管理人员发送短信形式的紧急能耗异常预警通知，提示人工检测能耗异常缘由并采取纠正措施。
具体地，所述的计算公式为：，其中分别为热交换介质的预设密度、预设比热容，为预设时段对应时长。
S4.制定针对各异常空压机能耗异常缘由的优化策略，以此对各异常空压机进行改进。
具体地，所述制定针对各异常空压机能耗异常缘由的优化策略，包括：若异常空压机能耗异常缘由为控制单元异常，确定异常空压机控制单元异常符合判定条件，若符合判定条件1则对PID控制器的比例系数增加预设单位调控值，若符合判定条件2则对PID控制器的微分系数增加预设单位调控值，若符合判定条件3则对PID控制器的积分系数增加预设单位调控值。
需要说明的是，上述确定异常空压机控制单元异常符合判定条件以对异常空压机的PID控制器相关参数进行调控的依据在于：监测异常空压机测试时段内的加载次数或卸载次数是否超出预设规范次数，直接反映控制单元是否频繁地在加载和卸载状态之间切换，可能是由于PID控制器的比例环节调节不够精准，导致异常空压机响应过于敏感或迟缓。因此当符合判定条件1时，对PID控制器的比例系数进行调整，增加预设单位调控值，旨在提高控制响应的准确性，减少不必要的加载与卸载循环。
检查异常空压机测试时段内加载压力和卸载压力是否超出统一预设排气压力区间，涉及压力控制的稳定性和准确性问题，通常与PID控制器的微分环节有关，因为微分作用可以提前响应压力变化，减少超调，当符合判定条件2时，表明控制单元对压力变化的预测和响应不足，此时增加微分系数预设单位调控值有助于增强系统对压力波动的快速抑制能力。
检查异常空压机测试时段内加载压力偏差比或卸载压力偏差比大于预设压力偏差比阈值涉及PID控制器稳态问题，当符合判定条件3时，表明控制单元PID控制器在积分环节上的累积效应未能有效消除稳态误差，增加积分系数预设单位调控值可以帮助逐步消除静态偏差，提高长期稳定性。
若异常空压机能耗异常缘由为冷却单元异常，则将异常空压机冷却水泵阀门开合度提升一档位。
若异常空压机能耗异常缘由为热回收单元异常，则将异常空压机热回收循环泵阀门开合度提升一档位。
以此制定针对各异常空压机能耗异常缘由的优化策略。
本发明实施例通过从控制单元异常、冷却单元异常和热回收单元异常三个维度展开各异常空压机的能耗异常缘由追溯，并依据追溯的能耗异常缘由进行针对化个性化优化策略制定，规避现有技术螺杆空压机运行过程中单一加卸载控制维度的节能优化措施局限性缺陷，不仅帮助解决螺杆空压机能耗异常问题，还促进螺杆空压站房整体能效与管理水平的大幅提升。
S5.对完成改进后的各异常空压机重新进行仿真测试，评估各异常空压机的节能优化成效并进行反馈。
具体地，所述评估各异常空压机的节能优化成效，包括：分析改进后的各异常空压机重新进行仿真测试时分别针对同况多机情景、全况单机情景的能耗异常评价系数，记为，计算各异常空压机的节能优化系数，，以此作为各异常空压机的节能优化成效的评估指标，其中分别为提取得到的同况多机情景、全况单机情景第个异常空压机的能耗异常评价系数。
本发明实施例通过对完成改进后的各异常空压机重新进行仿真测试，评估各异常空压机的节能优化成效并进行反馈，促使专业工作人员根据评估结果进一步调整优化策略，形成持续改进的闭环，不断提升空压机的能效水平。
请参阅图2所示，本发明第二方面提供一种基于AI技术的螺杆空压站房节能优化控制系统，包括：仿真模型搭建模块、能耗异常筛查模块、能耗异常追溯模块、优化策略制定模块、节能成效评估模块和云数据库。
所述仿真模型搭建模块与能耗异常筛查模块连接，所述能耗异常筛查模块与能耗异常追溯模块连接，所述能耗异常追溯模块与优化策略制定模块连接，所述优化策略制定模块与节能成效评估模块连接，所述云数据库分别与能耗异常筛查模块、能耗异常追溯模块连接。
仿真模型搭建模块，用于收集目标螺杆空压站房的基本信息，包括站房布局图、历史环境参数、具有相同类型和型号的各螺杆空压机的技术配置参数和历史运行参数，搭建目标螺杆站房仿真模型并创建工况仿真测试情景。
能耗异常筛查模块，用于根据工况仿真测试情景对目标螺杆空压站房进行仿真测试，筛查目标螺杆空压站房内各能耗异常螺杆空压机，记为各异常空压机。
能耗异常追溯模块，用于对各异常空压机的能耗异常缘由进行追溯。
优化策略制定模块，用于制定针对各异常空压机能耗异常缘由的优化策略，以此对各异常空压机进行改进。
节能成效评估模块，用于对改进后的各异常空压机重新进行仿真测试，评估各异常空压机的节能优化成效并进行反馈。
云数据库，用于存储螺杆空压机制造商规范各类型各型号螺杆空压机的运行比功率合理区间、加载性能曲线图和卸载性能曲线图。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术乘客对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.一种基于AI技术的螺杆空压站房节能优化控制方法，其特征在于，该方法包括：
S1.收集目标螺杆空压站房的基本信息，包括站房布局图、历史环境参数、具有相同类型和型号的各螺杆空压机的技术配置参数和历史运行参数，搭建目标螺杆站房仿真模型并创建工况仿真测试情景；
S2.根据工况仿真测试情景对目标螺杆空压站房内各螺杆空压机进行仿真测试，筛查目标螺杆空压站房内各能耗异常螺杆空压机，记为各异常空压机；
S3.对各异常空压机的能耗异常缘由进行追溯；
S4.制定针对各异常空压机能耗异常缘由的优化策略，以此对各异常空压机进行改进；
S5.对完成改进后的各异常空压机重新进行仿真测试，评估各异常空压机的节能优化成效并进行反馈。
2.根据权利要求1所述的一种基于AI技术的螺杆空压站房节能优化控制方法，其特征在于：所述搭建目标螺杆站房仿真模型，包括：三维建模软件通过目标螺杆站房的站房布局图建立其对应三维布局模型，根据各螺杆空压机的设计配置参数对三维布局模型内各螺杆空压机对应子模型进行配置设计；
对目标螺杆空压站房的历史环境参数进行拟合，其中历史环境参数包括当季历史各工作天内各单位时段的室内温度值、室内湿度值和室内外压力差，分别获取目标螺杆空压站房当季单位工作天的室内温度、室内湿度值、室内外压力差对应的拟合函数，将其映射至目标螺杆空压站房三维布局模型进行环境渲染处理；
通过各螺杆空压机的历史运行参数对三维布局模型进行初步验证，其中历史运行参数包括当季历史各工作天内各工作时段的吸气压力、进气量、排气压力区间、排气量和电机功率，通过以当季历史各工作天内各工作时段的吸气压力和排气压力区间为切入点，迭代调整模型参数直至模型预测当季历史各工作天内各工作时段的进气量、排气量和电机功率与历史运行参数中对应时段的进气量、排气量和电机功率的吻合度均达到预设值，完成目标螺杆站房仿真模型搭建。
3.根据权利要求1所述的一种基于AI技术的螺杆空压站房节能优化控制方法，其特征在于：所述创建工况仿真测试情景，包括：将各螺杆空压机的排气压力区间、吸气压力、冷却水的进水温度和流量分别设置其对应统一预设值；
将各螺杆空压机在预设时间段内持续提供预设压缩空气量作为工况仿真测试情景一，记为同况多机情景；
将预设时间段按照等间隔时长划分为各测试时段，按照各测试时段的时间顺序对压缩空气量进阶累加，获取各测试时段对应阶级压缩空气量，将各螺杆空压机在各测试时段持续提供对应阶级压缩空气量作为工况仿真测试情景二，记为全况单机情景；
将同况多机情景和全况单机情景共同作为工况仿真测试情景。
4.根据权利要求3所述的一种基于AI技术的螺杆空压站房节能优化控制方法，其特征在于：所述筛查目标螺杆空压站房内各能耗异常螺杆空压机，包括：采集同况多机情景预设时间段内各螺杆空压机各监测时间点的比功率，其中为各螺杆空压机的编号，，为预设时间段内各监测时间点的编号，，通过均值计算获取螺杆空压机同况多机情景预设时间段内的基准比功率，由公式分析同况多机情景各螺杆空压机的能耗异常评价系数，其中为预设时间段内监测时间点数量；
采集全况单机情景各测试时段内各螺杆空压机的平均比功率，其中为各测试时段的编号，，根据各螺杆空压机的类型与型号，从WEB云端提取螺杆空压机制造商规范同类型型号的螺杆空压机的运行比功率合理区间，获取全况单机情景螺杆空压机的合理参照比功率和合理偏差比功率；
由公式分析全况单机情景各螺杆空压机的能耗异常评价系数，其中为测试时段数量，为全况单机情景第个螺杆空压机第个测试时段内的平均比功率；
将分别与其对应预设权重占比的乘积累加，得到各螺杆空压机的综合能耗异常系数，从中筛查综合能耗异常系数大于预设警戒阈值的各螺杆空压机作为目标螺杆空压站房内各能耗异常螺杆空压机。
5.根据权利要求4所述的一种基于AI技术的螺杆空压站房节能优化控制方法，其特征在于：所述对各异常空压机的能耗异常缘由进行追溯，包括：采集全况单机情景各测试时段内各异常空压机的加载次数、卸载次数、各次加载压力值及各次卸载压力值，将异常空压机任一测试时段内的加载次数或卸载次数超出预设规范次数视为控制单元异常判定条件1；
将各异常空压机的统一预设排气压力区间的上限值作为卸载压力阈值、下限值作为加载压力阈值，将异常空压机任一测试时段内任一次加载压力值小于加载压力阈值或任一次卸载压力值大于卸载压力阈值视为控制单元异常判定条件2；
根据各测试时段对应阶级压缩空气量以及WEB云端存储的螺杆空压机制造商规范同类型型号螺杆空压机的加载性能曲线图和卸载性能曲线图，获取各测试时段对应阶级压缩空气量对应的合理加载压力值和合理卸载压力值，计算各异常空压机各测试时段内各次加载压力偏差比和各次卸载压力偏差比，将异常空压机任一测试时段内的任一次加载压力偏差比或任一次卸载压力偏差比大于预设压力偏差比阈值视为控制单元异常判定条件3；
若全况单机情景某异常空压机符合任一控制单元异常判定条件，则将该异常空压机的能耗异常缘由标记为控制单元异常。
6.根据权利要求5所述的一种基于AI技术的螺杆空压站房节能优化控制方法，其特征在于：所述对各异常空压机的能耗异常缘由进行追溯，还包括：采集同况多机情景预设时段内各异常空压机的最大润滑油温值、最大电机温值、热交换介质的流量和进出口温差值，其中为各异常空压机的编号，；
若同况多机情景预设时段内某异常空压机的最大润滑油温值超出预设螺杆空压机润滑油安全温度阈值或者最大电机温值超出预设螺杆空压机电机安全温度阈值，则将该异常空压机的能耗异常缘由标记为冷却单元异常；
计算同况多机情景预设时段内各异常空压机的热回收效率，若其中某异常空压机的热回收效率小于预设热回收效率合理阈值，则将该异常空压机的能耗异常缘由标记为热回收单元异常。
7.根据权利要求6所述的一种基于AI技术的螺杆空压站房节能优化控制方法，其特征在于：所述的计算公式为：，其中分别为热交换介质的预设密度、预设比热容，为预设时段对应时长。
8.根据权利要求6所述的一种基于AI技术的螺杆空压站房节能优化控制方法，其特征在于：所述制定针对各异常空压机能耗异常缘由的优化策略，包括：若异常空压机能耗异常缘由为控制单元异常，确定异常空压机控制单元异常符合判定条件，若符合判定条件1则对PID控制器的比例系数增加预设单位调控值，若符合判定条件2则对PID控制器的微分系数增加预设单位调控值，若符合判定条件3则对PID控制器的积分系数增加预设单位调控值；
若异常空压机能耗异常缘由为冷却单元异常，则将异常空压机冷却水泵阀门开合度提升一档位；
若异常空压机能耗异常缘由为热回收单元异常，则将异常空压机热回收循环泵阀门开合度提升一档位；
以此制定针对各异常空压机能耗异常缘由的优化策略。
9.根据权利要求6所述的一种基于AI技术的螺杆空压站房节能优化控制方法，其特征在于：所述评估各异常空压机的节能优化成效，包括：分析改进后的各异常空压机重新进行仿真测试时分别针对同况多机情景、全况单机情景的能耗异常评价系数，记为，计算各异常空压机的节能优化系数，，以此作为各异常空压机的节能优化成效的评估指标，其中分别为提取得到的同况多机情景、全况单机情景第个异常空压机的能耗异常评价系数。
10.一种基于AI技术的螺杆空压站房节能优化控制系统，其特征在于，该系统包括：
仿真模型搭建模块，用于收集目标螺杆空压站房的基本信息，包括站房布局图、历史环境参数、具有相同类型和型号的各螺杆空压机的技术配置参数和历史运行参数，搭建目标螺杆站房仿真模型并创建工况仿真测试情景；
能耗异常筛查模块，用于根据工况仿真测试情景对目标螺杆空压站房进行仿真测试，筛查目标螺杆空压站房内各能耗异常螺杆空压机，记为各异常空压机；
能耗异常追溯模块，用于对各异常空压机的能耗异常缘由进行追溯；
优化策略制定模块，用于制定针对各异常空压机能耗异常缘由的优化策略，以此对各异常空压机进行改进；
节能成效评估模块，用于对改进后的各异常空压机重新进行仿真测试，评估各异常空压机的节能优化成效并进行反馈；
云数据库，用于存储螺杆空压机制造商规范各类型各型号螺杆空压机的运行比功率合理区间、加载性能曲线图和卸载性能曲线图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411228497.2A CN118734614B (zh) | 2024-09-03 | 2024-09-03 | 一种基于ai技术的螺杆空压站房节能优化控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411228497.2A CN118734614B (zh) | 2024-09-03 | 2024-09-03 | 一种基于ai技术的螺杆空压站房节能优化控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118734614A true CN118734614A (zh) | 2024-10-01 |
| CN118734614B CN118734614B (zh) | 2024-11-12 |
Family
ID=92849849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411228497.2A Active CN118734614B (zh) | 2024-09-03 | 2024-09-03 | 一种基于ai技术的螺杆空压站房节能优化控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118734614B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119337747A (zh) * | 2024-12-20 | 2025-01-21 | 南京深度智控科技有限公司 | 基于混合模型的制冷机房系统节能优化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117128162A (zh) * | 2023-08-28 | 2023-11-28 | 广东超级龙节能环保科技有限公司 | 智慧能源空压站节能控制系统及控制方法 |
| CN117605660A (zh) * | 2023-10-23 | 2024-02-27 | 意朗智能科技(南通)有限公司 | 一种空压机的动态节能控制方法及系统 |
| CN118041159A (zh) * | 2024-04-11 | 2024-05-14 | 深圳市创马优精密电子有限公司 | 基于智能反馈的电机驱动控制板能耗优化方法及系统 |
| CN118364956A (zh) * | 2024-04-25 | 2024-07-19 | 深圳市汉起科技有限公司 | 可视化空压机组能耗优化方法及系统 |
| CN118550244A (zh) * | 2024-07-30 | 2024-08-27 | 山东浪潮智慧能源科技有限公司 | 一种空压机智慧节能监控及展示系统、装置及存储介质 |
-
2024
- 2024-09-03 CN CN202411228497.2A patent/CN118734614B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117128162A (zh) * | 2023-08-28 | 2023-11-28 | 广东超级龙节能环保科技有限公司 | 智慧能源空压站节能控制系统及控制方法 |
| CN117605660A (zh) * | 2023-10-23 | 2024-02-27 | 意朗智能科技(南通)有限公司 | 一种空压机的动态节能控制方法及系统 |
| CN118041159A (zh) * | 2024-04-11 | 2024-05-14 | 深圳市创马优精密电子有限公司 | 基于智能反馈的电机驱动控制板能耗优化方法及系统 |
| CN118364956A (zh) * | 2024-04-25 | 2024-07-19 | 深圳市汉起科技有限公司 | 可视化空压机组能耗优化方法及系统 |
| CN118550244A (zh) * | 2024-07-30 | 2024-08-27 | 山东浪潮智慧能源科技有限公司 | 一种空压机智慧节能监控及展示系统、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 宋总涛;: "浅谈空压站能耗管理系统设计", 中国新技术新产品, no. 04, 25 February 2020 (2020-02-25) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119337747A (zh) * | 2024-12-20 | 2025-01-21 | 南京深度智控科技有限公司 | 基于混合模型的制冷机房系统节能优化方法 |
| CN119337747B (zh) * | 2024-12-20 | 2025-03-14 | 南京深度智控科技有限公司 | 基于混合模型的制冷机房系统节能优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118734614B (zh) | 2024-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019200662A1 (zh) | 电-热-气综合能源系统的稳定评估与静态控制方法 | |
| CN202040938U (zh) | 中央空调能耗监测及节能诊断系统 | |
| CN102147146B (zh) | 中央空调数字化集成智能控制系统 | |
| CN112417619A (zh) | 一种基于数字孪生的泵机组优化运行调节系统及方法 | |
| CN113642936A (zh) | 一种需求侧碳流边缘分析方法、终端与系统 | |
| CN104075403A (zh) | 一种空调能耗监测与诊断系统和方法 | |
| CN112413831A (zh) | 一种中央空调节能控制系统及方法 | |
| CN118734614A (zh) | 一种基于ai技术的螺杆空压站房节能优化控制方法及系统 | |
| CN102607143A (zh) | 基站空调设备的远程监控方法及系统 | |
| CN117128162B (zh) | 智慧能源空压站节能控制系统及控制方法 | |
| CN114092027A (zh) | 一种碳流主站管理系统、管理方法及需求侧碳管理系统 | |
| CN117490193A (zh) | 一种中央空调水系统群控方法 | |
| CN115183389A (zh) | 一种基于空调机房全生命周期的智能诊断方法 | |
| CN118816340A (zh) | 基于强化迁移学习的通用空调系统节能控制方法、智能体 | |
| CN114893871B (zh) | 一种中央空调冷冻机房的高效能控制方法及系统 | |
| CN118623464A (zh) | 一种工业空调的热管理系统 | |
| CN117350441B (zh) | 公共建筑提效降碳运行优化系统及方法 | |
| CN118273969A (zh) | 基于绿色矿山通风风机运行智能调控系统 | |
| CN116151644A (zh) | 一种基于能源物联网的冷冻站评价系统及方法 | |
| CN119222716B (zh) | 一种基于智能化的数据中心水冷空调系统节能优化控制系统 | |
| CN118411007B (zh) | 高效综合能源站ai智慧管理系统 | |
| CN116451317B (zh) | 一种建筑运维方法、装置、设备及存储介质 | |
| CN109405198B (zh) | 厂务系统洁净室运维节能系统及相应的运维节能优化方法 | |
| Wang | Research and application of online monitoring system for circulating water cooling system in hot stamping plant of automotive parts and components | |
| Facchinetti et al. | Modular Digital Twin for Air Handling Units |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |