[发明专利]基于深度学习的空压站的优化方法

说明书

本发明提供了一种基于深度学习的空压站的优化方法，所述基于深度学习的空压站的优化方法包括以下步骤：(A1)利用监测物联网，获得空压站内各空压机的运行参数；(A2)利用深度学习算法分析所述运行参数，提取空压站内各空压机的运行模式特征模型；(A3)利用遗传算法优化所述运行模式特征模型，获取空压机的开启台数以及开启时间。本发明具有耗电量低等优点。

技术领域

本发明涉及空压站，特别涉及基于深度学习的空压站的优化方法。

背景技术

压缩空气作为一种清洁环保的能源广泛用于工业生产中的各个领域。但是作为二次能源，压缩空气本身的电能消耗巨大。据统计，我国工业用电的10％用于空压机。但是一直以来，企业对于压缩空气系统的能耗没有足够的重视，导致空压机能耗运行不合理，压缩空气系统的能源浪费。对于企业，一般都采用空压站的方式供气，空压站有多台空压机组成。

目前，空压机组上都是依靠机器原始的控制方式(自带的上下限压力控制)，基本没有实现联控，只能查看单台空压机的运行参数。压缩空气主要用途有设备用气、仪表用气、吹扫等。设备用气在主要用于用气设备，设备用气经过除油、除水和尘埃之后，专供仪表用气，其他用途则包括吹扫、清洁等。

大部分企业的空压机系统规划不太合理，机组之间缺乏有效的协调控制，存在明显浪费，主要问题包括：

1.空压机开启随意，高效率没有有效利用。

2.没有考虑到环境的变化，对于空压机效率的影响。如果对空压站的空压机组进行优化控制，将大幅减少企业的耗电量。

发明内容

为了解决上述现有技术方案中的不足，本发明提供了一种基于深度学习的空压站的优化方法，有效地提高了空压机的运行效率，并降低了能耗。

一种基于深度学习的空压站的优化方法，所述基于深度学习的空压站的优化方法包括以下步骤：

(A1)利用监测物联网，获得空压站内各空压机的运行参数；

(A2)利用深度学习算法分析所述运行参数，提取空压站内各空压机的运行模式特征模型；

(A3)利用遗传算法优化所述运行模式特征模型，获取空压机的开启台数以及开启时间。

根据上述的基于深度学习的空压站的优化方法，可选地，所述基于深度学习的空压站的优化方法进一步包括以下步骤：

(A4)利用物联网以及开源Hadoop架构，构建空压站优化运行系统。

根据上述的基于深度学习的空压站的优化方法，优选地，所述运行参数包括：运行时间、进气压力、出口压力、空压站环境温度、进口温度、出口温度、流量和功率。

根据上述的基于深度学习的空压站的优化方法，优选地，所述深度学习算法利用深度自动编码器，所述深度自动编码器包括：编码器、解码器和隐含层；

所述编码器采用如下关系式进行编码：

h＝f(x)＝S_f(Wx+bj)

其中，x为运行参数所构成的特征向量，W为输入向量的权值，b_j表示第j个神经元的阈值，或者称为偏置，h是得到的隐含层值；

解码器采用如下关系式进行解码：

y＝g(h)＝S_g(Wh+b_h)

其中，h为隐含层向量，这里作为输入，W为对应的权值向量，b_h为阈值，S_g是解码器的激活函数；