基于遗传算法的空压机集群控制系统能耗优化方法及系统和装置

摘要

本发明公开了基于遗传算法的空压机集群控制系统能耗优化方法及系统和装置，该方法由以下步骤组成：根据空压机集群用气量的历史数据通过预测算法得出目标用气量，目标用气量为空压机集群预定时间内的用气量，根据目标用气量，利用遗传算法计算出空压机集群的目标工作状态，空压机集群按照目标工作状态执行时，测量空压机集群的实际气体消耗量，并计算得到实际气体消耗量与目标用气量的偏差用气量，当偏差用气量＞预定值时，得到预定时间内的剩余用气量，根据剩余用气量，计算出空压机集群的剩余工作状态，如此往复迭代，直到偏差用气量≤预定值；本发明可以结合空压机的单机设备能效和启停次数的限制，得到能耗最低的空压机集群控制策略。

说明书

技术领域

本发明属于空压机集群控制系统技术领域，尤其涉及基于遗传算法的空压机集群控制系统能耗优化方法及系统和装置。

背景技术

空压机在工业发展中属于基础设备，承担着为工厂气动元件提供能源的任务，然而在空压机实际应用过程中，能量消耗比较大，占据了整个系统的绝大部分。在所有大型工业设备中，空压机的耗电量能够达到15％左右。为了节约能源，提升经济效益，必须针对空压机进行节能改造。

在大型的工矿企业和制造业中，生产压缩空气往往是采用空压机集群控制方式，而非单个空压机进行工作，对于螺杆式空压机来说，集群控制下的压缩机可以都是非变频的，也可以是非变频与变频压缩机的组合，压缩机的种类、排气量都可以根据实际需要来选择，因此，在相同的用气量需求下，不同的空压机群控方法对能耗的影响至关重要。

目前的空压机群控系统没有对用气量需求进行预测，也没有建立用气量需求和空压机负载之间的关系，仅是计算开启空压机的平均负载，根据人的经验判断增开或关停空压机，是一种应激式的响应。此外，每一台空压机的实际效率曲线也不一样，依靠人对空压机的开关进行响应式调节，难以做到及时响应和能耗最低。空压机集群系统通常是工厂中的用电大户，它的控制方式在保持最优经济性的方面还存在很大的挑战，比如：1.虽然多台空压机相互并联共同维持产气量满足用气端需求，但是大多数情况下每一台空压机的控制都是相互独立的，并不会相互协同。2.即便是安装了群控系统的空压机集群，能够实现控制的协同性，但是控制的方式是根据开启的空压机的负载变化进行应激式的响应，无法实现预测性的优化。3.在没有群控系统的情况下，当用气需求量发生较大变化时，需要人工重新匹配用气量需求与空压机负载的关系，完成空压机的启停组合控制。人工的调节需要依靠专家经验，而且很难做到准确快速的响应，开启的空压机的数量和用气需求难以保持最佳匹配，当开启的空压机不足时会造成空压机的过载和用气供给不足，而开启的数量过多时会造成浪费产生额外成本。

发明内容

本发明的目的是提供基于遗传算法的空压机集群控制系统能耗优化方法及系统和装置，以解决现有的空压机集群中空压机相互独立，无法集中控制，协同性差、需要人工调节的问题。

本发明采用以下技术方案：一种基于遗传算法的空压机集群控制系统能耗优化方法，由以下步骤组成：

根据空压机集群用气量的历史数据通过预测算法得出目标用气量，目标用气量为空压机集群预定时间内的用气量，

根据目标用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的目标工作状态，

空压机集群按照目标工作状态执行时，测量空压机集群的实际气体消耗量，并计算得到实际气体消耗量与目标用气量的偏差用气量，

当偏差用气量＞预定值时，利用预测算法得到预定时间内的剩余用气量，

根据剩余用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的剩余工作状态，如此往复迭代，直到偏差用气量≤预定值，迭代停止。

进一步地，预测算法为：

式中，y

进一步地，遗传算法为：

{E

式中，E

在求解式遗传算法时应当满足以下两个约束条件：

①满足供气量≥用气量需求，可表示为：

g(type_fsd,t_unload,f_vsd)＝Q_use-Q_fsd-Q_vsd≤0

其中，g为预定时间内各个阶段的用气量与空压机产气量的差值；Q_use为用气量；Q_fsd为所有非变频空压机的产气量；Q_vsd为所有变频空压机的产气量；

②变频空压机频率在其允许范围之间。

进一步地，目标工作状态为各空压机的启动、停止或卸载，剩余工作状态为各空压机的启动、停止或卸载。

一种基于遗传算法的空压机集群控制系统能耗优化系统，包括：

预测模块，用于根据空压机集群用气量的历史数据通过预测算法得出目标用气量，并将目标用气量进行发送，目标用气量为空压机集群预定时间内的用气量，

优化模块，用于接收目标用气量，并根据目标用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的目标工作状态，并将目标工作状态进行发送，

执行模块，用于接收目标工作状态，并对空压机集群按照接收到的目标工作状态发送执行命令。

进一步地，还包括：

测量模块，用于空压机集群按照目标工作状态执行时，测量空压机集群的实际气体消耗量，并计算得到实际气体消耗量与目标用气量的偏差用气量，并发送偏差用气量，

判断模块，用于接收偏差用气量，并判断当偏差用气量＞预定值时，发送再测信号，

再测模块，用于接收再测信号，并利用预测算法得到预定时间内的剩余用气量，

次优模块，用于接收剩余用气量，并根据剩余用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的剩余工作状态，并将剩余工作状态发送至执行模块，

其中，执行模块还用于接收剩余工作状态，并对空压机集群按照接收到的剩余工作状态发送执行命令。

进一步地，目标工作状态为各空压机的启动、停止或卸载，剩余工作状态为各空压机的启动、停止或卸载。

进一步地，空压机集群用气量的历史数据为一年内的每日用气量或多年内的每日用气量的平均值。

一种基于遗传算法的空压机集群控制系统能耗优化装置，装置为服务器，由以下模块组成：

预测模块，用于根据空压机集群用气量的历史数据通过预测算法得出目标用气量，并将目标用气量进行发送，目标用气量为空压机集群预定时间内的用气量，

优化模块，用于接收目标用气量，并根据目标用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的目标工作状态，并将目标工作状态进行发送，

执行模块，用于接收目标工作状态，并对空压机集群按照接收到的目标工作状态发送执行命令；

测量模块，用于空压机集群按照目标工作状态执行时，测量空压机集群的实际气体消耗量，并计算得到实际气体消耗量与目标用气量的偏差用气量，并发送偏差用气量，

判断模块，用于接收偏差用气量，并判断当偏差用气量＞预定值时，发送再测信号，

再测模块，用于接收再测信号，并利用预测算法得到预定时间内的剩余用气量，

次优模块，用于接收剩余用气量，并根据剩余用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的剩余工作状态，并将剩余工作状态发送至执行模块，

其中，执行模块还用于接收剩余工作状态，并对空压机集群按照接收到的剩余工作状态发送执行命令。

一种基于遗传算法的空压机集群控制系统能耗优化方法的服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现基于遗传算法的空压机集群控制系统能耗优化方法。

本发明的有益效果是：本发明可以根据用气量的时间序列的趋势特征、周期性季节变化规律、空压机集群的运行状态等信息预测未来一天内的用气量需求，从而将传统的应激式调节方式转变为预测式的优化方式；本发明能够建立外界环境因素、用气量、空压机负载和空压机能耗之间的关系，计算在不同的用气量需求下和空压机开关机组合下的系统总能耗，结合空压机的单机设备能效和启停次数的限制，得到能耗最低的空压机集群控制策略；与传统方法相比，此方法考虑了更加全面的影响因素，考虑了在未来不同时间的变化性，更大程度的节约了成本。

附图说明

图1为本发明的结构示意图；

图2为本发明中基于遗传算法的空压机集群控制系统能耗优化方法流程图。

其中：1.预测模块；2.优化模块；3.执行模块；4.测量模块；5.次优模块；6.判断模块；7.再测模块。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明公开了一种基于遗传算法的空压机集群控制系统能耗优化方法，如图2所示，由以下步骤组成：

步骤1：根据空压机集群用气量的历史数据通过预测算法得出目标用气量，目标用气量为空压机集群预定时间内的用气量，空压机集群用气量的历史数据为一年内的每日用气量或多年内的每日用气量的平均值。

一般地，影响空压机集群用气量的外界因素为工厂的生产计划，然而在不同的应用背景下也包括其他影响因素，比如天气状况、温度等。

预测算法可选取人工智能算法，例如SVM、BP神经网络算法、LSTM神经网络算法、模糊预测算法等，本发明采用的预测算法为：BP神经网络算法，预测算法为：

式中，y

BP神经网络由输入层、隐层和输出层组成，是通过对样本数据的训练，不断修正网络权值和阈值使误差函数沿负梯度方向下降，逼近期望输出的人工神经网络算法。

将用气量的历史数据作为训练样本对BP网络参数进行训练，网络选用S型传递函数

步骤2：根据目标用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的目标工作状态，目标工作状态为各空压机的启动、停止或卸载。

遗传算法为：

{E

式中，E

在求解式遗传算法时应当满足以下两个约束条件：

①满足供气量大于或等于用气量需求，可表示为：

g(type_fsd,t_unload,f_vsd)＝Q_use-Q_fsd-Q_vsd≤0

其中，g为预定时间内各个阶段的用气量与空压机产气量的差值、Q_use为用气量、Q_fsd为所有非变频空压机的产气量、Q_vsd为所有变频空压机的产气量。

②变频空压机频率在其允许范围之间。

步骤3：空压机集群按照目标工作状态执行时，测量空压机集群的实际气体消耗量，并计算得到实际气体消耗量与目标用气量的偏差用气量，当偏差用气量＞预定值时，利用预测算法得到预定时间内的剩余用气量。

步骤4：根据剩余用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的剩余工作状态，剩余工作状态为各空压机的启动、停止或卸载，如此往复迭代，直到偏差用气量≤预定值，迭代停止。

本发明还公开了一种基于遗传算法的空压机集群控制系统能耗优化系统，如图1所示，包括预测模块1、优化模块2和执行模块3，预测模块1用于根据空压机集群用气量的历史数据通过预测算法得出目标用气量，并将目标用气量进行发送，目标用气量为空压机集群预定时间内的用气量，优化模块2用于接收目标用气量，并根据目标用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的目标工作状态，并将目标工作状态进行发送，执行模块3用于接收目标工作状态，并对空压机集群按照接收到的目标工作状态发送执行命令，目标工作状态为各空压机的启动、停止或卸载。

本发明的系统还包括测量模块4、判断模块6、再测模块7、次优模块5，测量模块4用于空压机集群按照目标工作状态执行时，测量空压机集群的实际气体消耗量，并计算得到实际气体消耗量与目标用气量的偏差用气量，并发送偏差用气量，判断模块6用于接收偏差用气量，并判断当偏差用气量＞预定值时，发送再测信号，再测模块7用于接收再测信号，并利用预测算法得到预定时间内的剩余用气量，次优模块5用于接收剩余用气量，并根据剩余用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的剩余工作状态，并将剩余工作状态发送至执行模块3，执行模块3还用于接收剩余工作状态，并对空压机集群按照接收到的剩余工作状态发送执行命令，剩余工作状态为各空压机的启动、停止或卸载。

本发明还公开一种基于遗传算法的空压机集群控制系统能耗优化装置，该装置为服务器，由以下模块组成：

预测模块1，用于根据空压机集群用气量的历史数据通过预测算法得出目标用气量，并将目标用气量进行发送，目标用气量为空压机集群预定时间内的用气量，

优化模块2，用于接收目标用气量，并根据目标用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的目标工作状态，并将目标工作状态进行发送，

执行模块3，用于接收目标工作状态，并对空压机集群按照接收到的目标工作状态发送执行命令；

测量模块4，用于空压机集群按照目标工作状态执行时，测量空压机集群的实际气体消耗量，并计算得到实际气体消耗量与目标用气量的偏差用气量，并发送偏差用气量，

判断模块6，用于接收偏差用气量，并判断当偏差用气量＞预定值时，发送再测信号，

再测模块7，用于接收再测信号，并利用预测算法得到预定时间内的剩余用气量，

次优模块5，用于接收剩余用气量，并根据剩余用气量，在非变频、变频螺杆空压机的数学模型基础之上，利用遗传算法计算出空压机集群的剩余工作状态，并将剩余工作状态发送至执行模块3，其中，执行模块3还用于接收剩余工作状态，并对空压机集群按照接收到的剩余工作状态发送执行命令。

本发明还公开一种基于遗传算法的空压机集群控制系统能耗优化方法的服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现步骤1-4的方法。

实施例1

实施例包含两台非变频螺杆空压机和一台变频螺杆空压机，选取两台非变频螺杆空压机的启停状态type_fsd、卸载时间t_unload、变频空压机的运行频率f_vsd为优化参数变量，变频螺杆空压机的频率范围为10HZ～50HZ。

空压机节能运行的优化目标是满足用气量需求的前提下，使三台空压机的总能耗最低，即：

{E

式中，E

为满足供气量大于或等于用气量需求，可表示为：

g(type_fsd,t_unload,f_vsd)＝Q_use-Q_fsd1-Q_fsd2-Q_vsd≤0

其中，g为预定时间内各个阶段的用气量与空压机产气量的差值、Q_use为预定时间内各个阶段的用气量、Q_fsd1为1号非变频空压机预定时间内各个阶段的产气量、Q_fsd2为2号非变频空压机为预定时间内各个阶段的产气量、Q_vsd为变频空压机预定时间内各个阶段的产气量。

变频空压机的卸载时间的计算：

对于空气压缩系统的储气罐，由理想气体状态方程，储气罐内的压力满足以下方程：

式中，R为常数取287，P

由于在实际使用过程中，储气罐相当于一个进气和排气的装置，储气罐内的气体温度基本不变，以储气罐中进行的是绝热变化，对上式进行变换求导得到：

式中，m

式中，Δt为卸载时间，ΔP

以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。