[发明专利]一种基于机器学习的空气压缩机系统能耗优化方法

权利要求书

1.一种基于机器学习的空气压缩机系统能耗优化方法，包括如下步骤：

步骤S1：读取当前工况信息，调取或估算每台空压机的出口流量；

步骤S2：通过机器学习模拟每台空压机的实时能效曲线模型，其中，空压机能效=空压机出口流量/实时功率；

所述步骤S2中，通过深度神经网络模型、线性回归模型或XGBoost极端梯度提升模型来拟合每台空压机的实时能效曲线，其中，

通过深度神经网络模型来拟合空压机的能效曲线的步骤如下：

步骤S201：分析影响空压机能效的特征，并加以提取清洗；

步骤S202：对输入数据标准化；

步骤S203：构建深度神经网络模型，并初始化神经网络参数；

步骤S204：对深度神经网络模型进行训练；

步骤S205：使用评价函数评估深度神经网络模型拟合效果并选择模型；

步骤S206：对能效曲线逻辑进行验证；

步骤S3：获取空压机实时工况以及空气压缩机系统需求信息，根据空压机的实时工况获取空压机的实时能效曲线，由空压机的实时能效曲线和空气压缩机系统需求信息优化开机组合，获取最优节能开机组合；

给定空气压缩机系统当前总流量，在满足单台空压机的最低负载要求、最低压力要求的限制条件下，对多种空压负载组合进行搜索，找出能效最高的组合；读取当前空气压缩机系统的总流量和设备运行信息，通过穷举优化算法，寻找能效最高的空压机负载组合；

所述穷举优化算法满足以下限制条件：

单台空压机的负载比例需要达到安全上限；以及单台空压机的最低压力设置需要达到空气压缩机系统的最低压力要求；满足系统总流量最低需求。

2.根据权利要求1所述的基于机器学习的空气压缩机系统能耗优化方法，其特征在于，当每台空压机安装有流量计时，能够直接获取空压机的出口流量；当空压机没有安装流量计时，需要估算单台空压机的出口流量。

3.根据权利要求1所述的基于机器学习的空气压缩机系统能耗优化方法，其特征在于，所述空压机的负载率与出口流量百分比的比例为1:1，其中，出口流量百分比=出口流量/额定流量；负载率=电功率/额定功率。

4.根据权利要求1所述的基于机器学习的空气压缩机系统能耗优化方法，其特征在于，所述空压机包括离心式空压机和螺杆式空压机。

5.根据权利要求1所述的基于机器学习的空气压缩机系统能耗优化方法，其特征在于，在荷载分配过程中，离心式空压机的负载率为70%~100%，螺杆式空压机的负载率为35%~100%。