CN109322816B - 供给压缩空气的方法、装置、设备和介质 - Google Patents

供给压缩空气的方法、装置、设备和介质 Download PDF

Info

Publication number
CN109322816B
CN109322816B CN201811157785.8A CN201811157785A CN109322816B CN 109322816 B CN109322816 B CN 109322816B CN 201811157785 A CN201811157785 A CN 201811157785A CN 109322816 B CN109322816 B CN 109322816B
Authority
CN
China
Prior art keywords
air
grouping
candidate
gas
air compressor
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.)
Active
Application number
CN201811157785.8A
Other languages
English (en)
Other versions
CN109322816A (zh
Inventor
王焦剑
曲颖
汤琦
刘剑锋
谢后林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to CN201811157785.8A priority Critical patent/CN109322816B/zh
Publication of CN109322816A publication Critical patent/CN109322816A/zh
Application granted granted Critical
Publication of CN109322816B publication Critical patent/CN109322816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B41/00—Pumping installations or systems specially adapted for elastic fluids
    • F04B41/06—Combinations of two or more pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B37/00—Pumps having pertinent characteristics not provided for in, or of interest apart from, groups F04B25/00 - F04B35/00
    • F04B37/10—Pumps having pertinent characteristics not provided for in, or of interest apart from, groups F04B25/00 - F04B35/00 for special use
    • F04B37/12—Pumps having pertinent characteristics not provided for in, or of interest apart from, groups F04B25/00 - F04B35/00 for special use to obtain high pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
    • F04B49/06—Control using electricity
    • F04B49/065—Control using electricity and making use of computers

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

本发明提供供给压缩空气的方法、装置、设备、介质以及程序。方法包括：根据至少两个用气端中的每一个用气端的最小压力要求和用气量确定至少一个候选的用气端分组方式，其中，每一个候选的用气端分组方式包括至少两个用气端被划分的至少两个用气端组；针对每一个候选的用气端分组方式执行处理，来确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式；在候选的用气端分组方式中，将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式；以及按照所确定的最优用气端分组方式和与其相对应的最优空气压缩机分组方式为至少两个用气端进行压缩空气的供给。

Description

供给压缩空气的方法、装置、设备和介质
技术领域
本发明通常涉及能源管理领域，更具体地，涉及供给压缩空气的方法、装置、设备、介质以及程序。
背景技术
压缩空气是保存在大于大气压力的压力下的空气。压缩空气是工业过程中用于传送能量的一种重要介质。其可以用于空气锤、气动钻、气动扳手以及许多其它动力工具。然而，产生压缩空气会消耗大量的电力。大部分的工业电力都消耗于压缩空气。压缩空气相比于例如电力、气体和水等其它设施更加昂贵。
对于在生产过程中依赖于压缩空气的工厂来说，减少在生产压缩空气过程中所使用的电力对于总的生产成本具有极大的影响。
发明内容
在下文中给出关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
根据本发明的一个方面，提供一种供给压缩空气的方法，包括：根据至少两个用气端中的每一个用气端的最小压力要求和用气量确定至少一个候选的用气端分组方式，其中，每一个候选的用气端分组方式包括所述至少两个用气端被划分的至少两个用气端组；针对每一个候选的用气端分组方式执行以下处理，以确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式：基于空气压缩机的候选型号来确定为该候选的用气端分组方式供给压缩空气的至少一个候选的空气压缩机分组方式，其中，每一个候选的空气压缩机分组方式包括至少两个空气压缩机组，一个空气压缩机组包括同一种型号的空气压缩机，所述至少两个空气压缩机组的数目与该候选的用气端分组方式所包括的所述至少两个用气端组的数目相同；以及计算在该候选的用气端分组方式下，采用每一个空气压缩机分组方式供给压缩空气时的耗电量，将具有最小耗电量的候选的空气压缩机分组方式确定为与该候选的用气端分组方式所对应的最优空气压缩机分组方式；将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式；以及按照所确定的最优用气端分组方式和与其相对应的最优空气压缩机分组方式为所述至少两个用气端进行压缩空气的供给。
以这样的方式，通过对空气压缩机和压缩空气用气端进行分组配对，可以实现所有空气压缩机的总耗电量最小，同时可以满足所有压缩空气用气端的需求。
优选地，在上述方面的一个示例中，在将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式之前，所述方法还包括进行如下迭代过程，直到候选的用气端分组方式满足预定收敛条件：基于所计算的每一个候选的用气端分组方式所对应的最优空气压缩机分组方式的耗电量，利用遗传算法来更新候选的用气端分组方式，针对更新后的候选的用气端分组方式中的每一个用气端分组方式执行所述处理。
以这样的方式，可以在多种可能的用气端分组方式中找到与其对应的最优空气压缩机分组方式的耗电量最小的最优的用气端分组方式。
优选地，在上述方面的一个示例中，利用遗传算法来更新候选的用气端分组方式包括：采用第一遗传算法、第二遗传算法和第三遗传算法来更新所述候选的用气端分组方式，其中，采用第一遗传算法在当前一代候选的用气端分组方式中选择与耗电量最小的最优空气压缩机分组方式对应的用气端分组方式，直接作为下一代候选的用气端分组方式中的一个用气端分组方式；采用第二遗传算法在所述当前一代候选的用气端分组方式中选择两个用气端分组方式作为父用气端分组方式来产生下一代候选的用气端分组方式中的两个用气端分组方式，所述用气端分组方式对应的最优空气压缩机分组方式的耗电量越低，则其被选作父用气端分组方式的概率越高；以及采用第三遗传算法在当前一代候选的用气端分组方式中随机选择一个用气端分组方式进行改变，所述改变包括从所选择的用气端分组方式中随机去除一个用气端组或在所选择的用气端分组方式中随机添加一个用气端组。
以这样的方式，可以利用遗传算法来找到最优的用气端分组方式。
优选地，在上述方面的一个示例中，预定收敛条件是：当前一代候选的用气端分组方式中的最小耗电量相比上一代候选的用气端分组方式中的最小耗电量不再发生变化。
以这样的方式，通过设定收敛条件，可以确保可以找到最优的用气端分组方式。
优选地，在上述方面的一个示例中，确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式进一步包括：针对一个用气端分组方式中的每一个用气端组，在所述空气压缩机的候选型号中选择能够给该用气端组供给压缩空气的具有最小耗电量的空气压缩机组，所述空气压缩机组包括同一种型号的至少一个空气压缩机，将所选择的给所述每一个用气端组供给压缩空气的每一个空气压缩机组构成所述最优空气压缩机分组方式。
以这样的方式，只需要针对用气端组中的每个用气端来找到针对每个用气端的耗电量最小的最优空气压缩机组，由于在实际应用中仅存在几种可用的空气压缩机型号，因此可以通过穷举搜索找到针对每一个用气端组的最优空气压缩机型号。
优选地，在上述方面的一个示例中，计算在该候选的用气端分组方式下，采用每一个空气压缩机分组方式为其供给压缩空气时的耗电量包括：计算该空气压缩机分组方式所包括的每一个空气压缩机组给所述候选的用气端分组方式所包括的每一个用气端组分别供给压缩空气时的耗电量的总和，其中，计算一个空气压缩机组给一个用气端组供给压缩空气时的耗电量包括通过以下过程来计算该空气压缩机组所包括的一种型号的空气压缩机的耗电量：根据特定型号的空气压缩机的性能曲线确定该型号的空气压缩机的气体排放压力与产气量之间的第一映射关系以及产气量与空气压缩机的耗电量之间的第二映射关系；以及根据所述第一映射关系、所述第二映射关系、所述用气端组的最小压力要求和用气量来计算该型号的空气压缩机的耗电量。
以这样的方式，可以计算不同型号的空气压缩机给不同用气端组提供空气压缩机时的耗电量。
优选地，在上述方面的一个示例中，所述候选的用气端分组方式满足以下要求：一个用气端分组方式的每一个用气端组具有一个最小压力要求范围，其包括最小压力要求落入所述最小压力要求范围的所有用气端，其中，第一用气端组的压力范围从所述最小压力要求中的最高压力要求开始，以使得所述用气端分组方式包括所有用气端。
以这样的方式对用气端进行分组，可以按照用气端的最小压力要求和用气量合理地进行分组，并且使得一种用气端分组方式包括所有用气端。
根据本发明的另一方面，提供了供给压缩空气的装置，包括：一个候选用气端分组方式确定单元，被配置为根据至少两个用气端中的每一个用气端的最小压力要求和用气量确定至少一个候选的用气端分组方式，其中，每一个候选的用气端分组方式包括所述至少两个用气端被划分的至少两个用气端组；一个最优空气压缩机分组方式确定单元，被配置为针对每一个候选的用气端分组方式执行以下处理，以确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式：基于空气压缩机的候选型号来确定为该候选的用气端分组方式供给压缩空气的至少一个候选的空气压缩机分组方式，其中，每一个候选的空气压缩机分组方式包括至少两个空气压缩机组，一个空气压缩机组包括同一种型号的空气压缩机，所述至少两个空气压缩机组的数目与该候选的用气端分组方式所包括的所述至少两个用气端组的数目相同；以及计算在该候选的用气端分组方式下，采用每一个空气压缩机分组方式供给压缩空气时的耗电量，将具有最小耗电量的候选的空气压缩机分组方式确定为与该候选的用气端分组方式所对应的最优空气压缩机分组方式；以及一个最优用气端分组确定单元，被配置为将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式；一个供给单元，被配置为按照所确定的最优用气端分组方式和与其相对应的最优空气压缩机分组方式为所述至少两个用气端进行压缩空气的供给。
以这样的方式，通过对空气压缩机和压缩空气用气端进行分组配对，可以实现所有空气压缩机的总耗电量最小，同时可以满足所有压缩空气用气端的需求。
优选地，在上述方面的一个示例中，供给压缩空气的装置还包括迭代控制单元，所述迭代控制单元被配置为进行如下迭代过程，直到候选的用气端分组方式满足预定收敛条件：基于所计算的每一个候选的用气端分组方式所对应的最优空气压缩机分组方式的耗电量，利用遗传算法来更新候选的用气端分组方式，针对更新后的候选的用气端分组方式中的每一个用气端分组方式执行所述处理。
以这样的方式，可以在多种可能的用气端分组方式中找到与其对应的最优空气压缩机分组的耗电量最小的最优的用气端分组方式。
优选地，在上述方面的一个示例中，迭代控制单元进一步被配置为：采用第一遗传算法、第二遗传算法和第三遗传算法来更新所述候选的用气端分组方式，其中，采用第一遗传算法在当前一代候选的用气端分组方式中选择与耗电量最小的最优空气压缩机分组方式对应的用气端分组方式，直接作为下一代候选的用气端分组方式中的一个用气端分组方式；采用第二遗传算法在所述当前一代候选的用气端分组方式中选择两个用气端分组方式作为父用气端分组方式来产生下一代候选的用气端分组方式中的两个用气端分组方式，所述用气端分组方式对应的最优空气压缩机分组方式的耗电量越低，则其被选作父用气端分组方式的概率越高；以及采用第三遗传算法在当前一代候选的用气端分组方式中随机选择一个用气端分组方式进行改变，所述改变包括从所选择的用气端分组方式中随机去除一个用气端组或在所选择的用气端分组方式中随机添加一个用气端组。
以这样的方式，可以利用遗传算法来找到最优的用气端分组。
优选地，在上述方面的一个示例中，预定收敛条件是：当前一代候选的用气端分组方式中的最小耗电量相比上一代候选的用气端分组方式中的最小耗电量不再发生变化。
以这样的方式，通过设定收敛条件，可以确保可以找到最优的用气端分组方式。
优选地，在上述方面的一个示例中，最优空气压缩机分组方式确定单元进一步被配置为：针对一个用气端分组方式中的每一个用气端组，在所述空气压缩机的候选型号中选择能够给该用气端组供给压缩空气的具有最小耗电量的空气压缩机组，所述空气压缩机组包括同一种型号的至少一个空气压缩机，将所选择的给所述每一个用气端组供给压缩空气的每一个空气压缩机组构成所述最优空气压缩机分组方式。
以这样的方式，只需要针对用气端组中的每个用气端来找到针对每个用气端的耗电量最小的最优空气压缩机组，由于在实际应用中仅存在几种可用的空气压缩机型号，因此可以通过穷举搜索找到针对每一个用气端组的最优空气压缩机型号。
优选地，在上述方面的一个示例中，最优空气压缩机分组方式确定单元进一步被配置为：计算该空气压缩机分组方式所包括的每一个空气压缩机组给所述候选的用气端分组方式所包括的每一个用气端组分别供给压缩空气时的耗电量的总和，其中，计算一个空气压缩机组给一个用气端组供给压缩空气时的耗电量包括通过以下过程来计算该空气压缩机组所包括的一种型号的空气压缩机的耗电量：根据特定型号的空气压缩机的性能曲线确定该型号的空气压缩机的气体排放压力与产气量之间的第一映射关系以及产气量与空气压缩机的耗电量之间的第二映射关系；以及根据所述第一映射关系、所述第二映射关系、所述用气端组的最小压力要求和用气量来计算该型号的空气压缩机的耗电量。
以这样的方式，可以计算不同型号的空气压缩机给不同用气端组提供空气压缩机时的耗电量。
优选地，在上述方面的一个示例中，所述候选的用气端分组方式满足以下要求：一个用气端分组方式的每一个用气端组具有一个最小压力要求范围，其包括最小压力要求落入所述最小压力要求范围的所有用气端，其中，第一用气端组的压力范围从所述最小压力要求中的最高压力要求开始，以使得所述用气端分组方式包括所有用气端。
以这样的方式对用气端进行分组，可以按照用气端的最小压力要求和用气量合理地进行分组，并且使得一种用气端分组方式包括所有用气端。
根据本发明的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器耦合的存储器，用于存储指令，当所述指令被所述至少一个处理器执行时，使得所述处理器执行如上所述的供给压缩空气的方法。
根据本发明的另一方面，提供了一种非暂时性机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如上所述的供给压缩空气的方法。
根据本发明的另一方面，提供了一种计算机程序，包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行如上所述的供给压缩空气的方法。
根据本发明的另一方面，提供了一种计算机程序产品，所述计算机程序产品被有形地存储在计算机可读介质上并且包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行如上所述的供给压缩空气的方法。
附图说明
通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一步理解。在附图中，类似组件或特征可以具有相同的附图标记。
图1是空气压缩机和压缩空气用气端的分组配对的一个示意图；
图2A是示出空气压缩机的气体排放压力与产量之间的映射关系的示意图；
图2B是示出产量与空气压缩机的耗电量之间的映射关系的示意图；
图3是示出空气压缩机的产量和耗电量比率与排放压力之间的关系的示意图；
图4是根据本发明的一个实施例的供给压缩空气的方法的流程图；
图5是根据本发明的一个实施例的供给压缩空气的装置的方框图；以及
图6是根据本发明的一个实施例的供给压缩空气的电子设备的方框图。
附图标记
102：空气压缩机分组方式
1022、1024：空气压缩机组
104：用气端分组方式
1042、1044：用气端组
202：气体排放压力
204：气体产量
206：气体产量
208：空气压缩机的耗电量
302：气体排放压力
304：空气压缩机的产量与耗电量比率
400：供给压缩空气的方法
S402、S404、S406、S408：步骤
500：供给压缩空气的装置
502：候选用气端分组方式确定单元
504：最优空气压缩机分组方式确定单元
506：最优用气端分组方式确定单元
508：供给单元
600：电子设备
602：至少一个处理器
604：存储器
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。
如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。
根据本发明实施例的供给压缩空气的方法，可以创建空气压缩机和压缩空气用气端的供给和需求的分组配对，在每一个配对中，由空气压缩机组产生的压缩空气被供给给压缩空气用气端组。一个空气压缩机组所产生的压缩空气必须满足用气端组的最小压力和用气量要求。根据本发明的方法所产生的空气压缩机和压缩空气用气端的分组配对具有下述特性：所有空气压缩机的总耗电量最小，同时可以满足所有压缩空气用气端的需求。根据本发明实施例的供给压缩空气的方法，通过适配压缩空气的供给与需求，可以减小压缩空气生产过程中的耗电量。
图1给出了空气压缩机和压缩空气用气端的分组配对的一个示意图，其中，图1中的102是一种空气压缩机分组方式，其包括2个空气压缩机组1022和1024，空气压缩机组1022包括3个空气压缩机，空气压缩机组 1024包括2个空气压缩机；图1中的104是一种用气端分组方式，其包括 2个用气端组1042和1044，用气端组1042包括6个用气端，用气端组1044 包括2个用气端。空气压缩机组1022可以给用气端组1042供给压缩空气 (简称供气)，空气压缩机组1024可以给用气端组1044供给压缩空气。本领域技术人员可以理解，配对的空气压缩机组的数目与用气端组的数目是相等的，从而空气压缩机组一对一地给用气端组供气。
根据本发明实施例的方法是要根据空气压缩机和用气端的相关信息进行分组配对，从而找到使得空气压缩机的耗电量最低的分组方法。
下面首先对于压缩空气的用气端的相关信息进行说明。
压缩空气的每个用气端具有最小压力要求和其消耗的平均用气量。可以用一个列表来存储所有用气端的最小压力要求P和平均用气量V。在下面的表1中，Pi表示第i个用气端的最小压力，而Vi是第i个用气端所消耗的平均用气量，这里P的单位例如可以是大气压，V的单位例如是立方米，这里的数值只是作为举例说明。
P V
5 100
4 100
6 50
5 200
7 100
4 50
表1
给定所有压缩空气用气端的信息，即P和V，可以创建一个最小压力的排序的和集
Figure BDA0001819289980000101
其包含来自列表中的P的所有唯一元素，并且按照降序排序。每个元素
Figure BDA0001819289980000102
是某个用气端的最小压力要求。再创建一个函数
Figure BDA0001819289980000103
可以得到最小压力要求等于或小于压力
Figure BDA0001819289980000104
的所有用气端的累积用气量。
Figure BDA0001819289980000105
对于由上述表1中的P得到的集合
Figure BDA0001819289980000106
通过上述公式得到的结果可以存储在下面的表2中供快速查询。
Figure BDA0001819289980000107
表2
表2表示，例如，最小压力要求等于或小于6的用气端的累积用气量
Figure BDA0001819289980000108
是将表1中最小压力要求等于4、等于5和等于6的用气量都累加到一起的量，即500。
接下来再说明空气压缩机的相关信息。
压缩空气是由空气压缩机生产，存在多种不同型号的空气压缩机，每种压缩机都具有自己的性能曲线，通常来说，对于每种空气压缩机存在两条性能曲线。本领域技术人员可以理解，对于任一给定型号的空气压缩机，这两条性能曲线是可以确定的，例如可以由空气压缩机的厂家提供。
一条性能曲线代表空气压缩机的气体排放压力与产量之间的映射关系。可以将型号为m的压缩机的该对应关系表示为Fm，用以下等式(1)来表示空气压缩机的排放压力p与气体产量v之间的映射关系Fm：
v＝Fm(p) (1)
另一条性能曲线表示产量与空气压缩机的耗电量之间的映射关系。可以将型号为m的压缩机的该对应关系表示为Wm，用以下等式(2)来表示产量v与耗电量e之间的映射关系Wm。
e＝Wm(v) (2)
以某种型号(例如m)的空气压缩机为例，其最优排放压力约为7Bar (压力单位)，这意味着当空气压缩机的输出压力被设置为接近7Bar的值时，其工作效率最高。
图2A和图2B是型号m的空气压缩机的两种性能曲线的示意图。其中，图2A示出了空气压缩机的气体排放压力202(纵坐标，其单位为Bar)与气体产量204(横坐标，单位时间所生产的气体的体积，其单位为L/s(升每秒))之间的映射关系，图2B示出了气体产量206(横坐标，其单位为L/s)与空气压缩机的耗电量208(纵坐标，其单位为kW(千瓦))之间的映射关系。
基于已知的性能曲线，可以使用例如回归分析技术从性能曲线学习得到映射关系Fm和Wm。在得到压缩机的两个映射函数之后，可以找出该型号m压缩机的准确的最优排放压力。m型号压缩机的最优排放压力
Figure BDA0001819289980000111
是指可以使得压缩机的气体产量与压缩机的耗电量的比率达到最大值时的排放压力，可以用以下等式(3)来计算：
Figure BDA0001819289980000112
由于映射关系Fm和Wm的特性，找到最优排放压力
Figure BDA0001819289980000113
是一个凸问题。可以使用局部搜索方法，例如hill climbing(爬山算法)，来找到最优排放压力
Figure BDA0001819289980000114
图3示出了，在气体排放压力302的有效范围内(横坐标，其单位为 Bar)，上述m型号的空气压缩机的气体产量与耗电量的比率304(纵坐标，其单位为L/kW(升每千瓦))。从图3可以看到，其最优排放压力
Figure BDA0001819289980000121
大约为5.5Bar。即，在排放压力最小的情况下，压缩机的气体产量与压缩机的耗电量的比率最大。
获得映射关系Fm和Wm的另一个目的在于构建函数Em(p，v)(4)，该函数用于计算：在使用m型号空气压缩机的情况下，产生压力为p、体积为v 的压缩空气所需要的总耗电量Em(p，v)。
Figure BDA0001819289980000122
其中，v是压缩空气的总需求量，Fm(p)是一台压缩机产生压力为p的压缩空气的产量，Wm(Fm(p))是在产生Fm(p)体积的压缩空气的情况下单台压缩机的耗电量。
通过以上等式可以计算在使用m型号空气压缩机的情况下，产生压力为p、体积为v的压缩空气所需要的总耗电量。
本领域技术人员可以理解，为了供应体积为v、压力为p的压缩空气并不一定意味着必须产生恰好压力为p的压缩空气，所产生的压缩空气的压力可以为不低于所需压力p的任何有效值，产生压力高于所需压力p的压缩空气可能更加高效。可以通过以下等式(5)找出由m型号空气压缩机提供体积为v、压力为p的压缩空气所需要的最小耗电量
Figure BDA0001819289980000123
Figure BDA0001819289980000124
其中，
Figure BDA0001819289980000125
是m型号压缩机的最大排放压力。
当所需体积v足够大时，如果
Figure BDA0001819289980000126
最佳的排放压力是所需压力p，否则是最优排放压力
Figure BDA0001819289980000127
Figure BDA0001819289980000128
下面结合附图来具体描述根据本发明的实施例的供给压缩空气的方法。
图4是根据本发明的一个实施例的供给压缩空气的方法400的流程图。
如图4所示，在方框S402中，根据至少两个用气端中的每一个用气端的最小压力要求和用气量确定至少一个候选的用气端分组方式，其中，每一个候选的用气端分组方式包括所述至少两个用气端被划分的至少两个用气端组。
为了创建供给和需求配对，首先需要对用气端进行分组，一个用气端分组方式中的每一个用气端组具有一个最小压力要求范围，该用气端组包含最小压力要求落入该最小压力要求范围的所有用气端；用气端分组方式C 可以表示为和集
Figure BDA0001819289980000131
的有序子集；由于一个用气端分组方式必须包括所有用气端，用气端分组方式中的第一用气端组要从最高压力要求开始。
Figure BDA0001819289980000132
对于每个用气端组Ci，其压力范围是[Ci，Ci+1)，其总用气量D(Ci)是Ci的累积用气量减去下一组Ci+1的累积用气量。
D(Ci)＝A(Ci)-A(Ci+1) (8)
下表给出了一个具体示例，一种可能的用气端分组方式是C＝{7,5}。该用气端分组方式包括两个用气端组。
压力范围 总体积
[7,5) 150
[5,0) 450
表3
可以看到，对于用气端分组方式C＝{7,5}，包括两个用气端组[7,5)和[5, 0)，参照上面的表2，对于用气端组[7,5)，其需要的总用气量D(7)为最小压力要求等于或小于7的用气端的累积用气量A(7)减去最小压力要求等于或小于5的用气端的累积用气量A(5)，即D(7)＝A(7)-A(5)＝600-450＝150，对于用气端组[5,0)，其总用气量为最小压力要求等于或小于5的累积用气量 D(5)＝A(5)-0＝450。
在产生用气端分组方式C之后，需要设计可以给用气端分组方式C供给压缩空气的对应的空气压缩机分组方式S。S中的每个空气压缩机组Si给用气端组Ci供给压缩空气，|S|＝|C|，即空气压缩机组Si和用气端组Ci一一对应。空气压缩机分组方式S可以表示为空气压缩机型号的列表，每个元素Si是一个空气压缩机型号，一个空气压缩机组中的空气压缩机都是相同的型号。
因此，在方框S404中，针对每一个候选的用气端分组方式执行以下处理，以确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式。
首先，基于空气压缩机的候选型号来确定为该候选的用气端分组方式供给压缩空气的至少一个候选的空气压缩机分组方式，其中，每一个候选的空气压缩机分组方式包括至少两个空气压缩机组，一个空气压缩机组包括同一种型号的空气压缩机，所述至少两个空气压缩机组的数目与该候选的用气端分组方式所包括的所述至少两个用气端组的数目相同。
然后，计算在该候选的用气端分组方式下，采用每一个空气压缩机分组方式供给压缩空气时的耗电量，将具有最小耗电量的候选的空气压缩机分组方式确定为与该候选的用气端分组方式所对应的最优空气压缩机分组方式。
下面具体说明，在给定用气端分组方式C的情况下，如何可以确定给用气端分组方式C供气的最优空气压缩机分组方式。
首先，可以采用下面的等式(9)来计算当给用气端分组方式C供气时空气压缩机分组方式S的耗电量E(S,C)。
Figure BDA0001819289980000141
其中，D(Ci)是一个用气端组Ci的用气量，
Figure BDA0001819289980000142
表示给一个用气端组Ci供给D(Ci)这些体积用气量所需要的最小耗电量，
Figure BDA0001819289980000143
是一台空气压缩机的产量，
Figure BDA0001819289980000144
是一台空气压缩机的耗电量。这里b代表缓冲(buffer)，在这里称为压损。本领域技术人员可以理解，因为空器压缩机输出的压缩空气，会先经过干燥过滤等一些处理，再输出给用气端，中间会有漏气，压力会有损耗，所以出口压力的设定值，会在需求值上再加一个压损b。压损的大小根据实际应用情况确定，优选地，可以将压损定为 1.1bar。比如在给需求6.0bar的用气组供气时，出口压力就会设定为7.1bar。
通过上面的式(9)可以计算出空气压缩机分组方式S的耗电量。
可以理解的是，可能有供给用气端分组方式C的多种空气压缩机分组方式。可以通过下面的等式(10)找出可以供给用气端分组方式C并且在所有可能的空气压缩机分组方式中具有最小耗电量的空气压缩机分组方式 Sc。
Figure BDA0001819289980000151
用气端分组方式C的最优空气压缩机分组方式Sc的耗电量也可以被称为该用气端分组方式的供给电量E(C)，如下面的等式(11)：
E(C)＝E(SC,C) （11）
所有用气端分组方式中具有最小供给电量的用气端分组方式
Figure BDA0001819289980000152
及其最优空气压缩机分组方式
Figure BDA0001819289980000153
就是所要确定的最优供给和需求对，如下面的等式(12)：
Figure BDA0001819289980000154
优选地，如果两个用气端分组方式具有相同的供给电量，则选择具有较少组的分组方式。
在一个示例中，代替直接寻找使得给定用气端分组方式C的耗电量最小的最优空气压缩机分组方式Sc，可以针对每个用气端组Ci∈C寻找使得针对Ci的耗电量最小的最优空气压缩机组
Figure BDA0001819289980000159
如上所述，一个空气压缩机组中的空气压缩机都是相同的型号，对于用气端分组方式C找到最优空气压缩机分组方式Sc的任务实际上就是对于每个用气端组Ci∈C找到最优空气压缩机型号
Figure BDA0001819289980000155
如下面的式(13)：
Figure BDA0001819289980000156
由于在实际应用中仅存在几种可用的空气压缩机型号，因此可以通过穷举搜索找到针对每一个用气端组Ci的最优空气压缩机型号
Figure BDA0001819289980000157
针对每一个用气端组Ci找到的最优空气压缩机组
Figure BDA0001819289980000158
就可以构成对于用气端分组方式C的最优空气压缩机分组方式Sc。
接下来，在方框S406中，在所有候选的用气端分组方式中，将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式。
可以理解，用气端分组方式可以有多种不同的分组方法。因此，在执行方框S406的处理之前，还可以迭代执行方框S402和S404中的处理，来找到最优的候选的用气端分组方式。
简单来说，对于所确定的候选的用气端分组方式，可以基于所计算的每一个候选的用气端分组方式所对应的最优空气压缩机分组方式的耗电量，利用遗传算法来更新候选的用气端分组方式，针对更新后的候选的用气端分组方式中的每一个用气端分组方式再执行方框S404中的处理，进行迭代，直到候选的用气端分组方式满足预定收敛条件。
下面具体说明如何如何利用基于遗传算法的方法在多种可能的用气端分组方式中找到最优用气端分组方式
Figure BDA0001819289980000161
上面提到，可以将用气端分组方式C的最优空气压缩机分组方式Sc的耗电量用作该用气端分组方式的供给电量E(C)。由于供电函数E(C)是不可微分的，可以使用基于遗传算法的方法来找到最优用气端分组方式
Figure BDA0001819289980000162
解域的基因表示是用气端分组方式C。将用气端分组方式C的适应度函数T(C)定义为负的供电函数E(C)，T(C)＝-E(C)。如上所述，用气端分组方式C的最优空气压缩机分组方式Sc的耗电量也可以称为该用气端分组方式的供给电量E(C)，具有较低供给电量的用气端分组方式C(即其对应的最优空气压缩机分组方式的耗电量较低)被认为适应度更高。在本文中，用气端分组方式所对应的最优空气压缩机分组方式的耗电量与用气端分组方式的供给电量以及用气端分组方式的耗电量表达的都是相同的意思。
首先，根据至少两个用气端中的每一个用气端的最小压力要求和用气量确定至少一个候选的用气端分组方式来作为第一代候选的用气端分组方式。这可以通过在满足用气端分组方式要求的情况下，随机生成g个用气端分组方式来完成，其中g是大于等于1的自然数，表示用气端分组方式的数量。g的大小如果较大，则收敛更快，但是需要更多的计算量。
在初始化第一代候选的用气端分组方式之后，通过迭代来更新候选的用气端分组方式。在每次迭代中，采用第一遗传算法、第二遗传算法和第三遗传算法从当前一代候选的用气端分组方式生成新的一代候选的用气端分组方式。其中，第一遗传算法可以是精英主义，第二遗传算法可以是繁殖，第三遗传算法可以是变异。
精英主义(或称为适者生存)意思是在当前一代中选择适应度最高的用气端分组方式，在没有任何改变的情况下被直接传递到新一代中。这样保证了新一代的质量不会下降。
繁殖是选择两个用气端分组方式作为父用气端分组方式来产生下一代候选用气端分组方式中的两个后代用气端分组方式。基于其适应度来选择父用气端分组方式，用气端分组方式的适应度越高，越有可能被选中。一旦选择好两个父用气端分组方式，通过进行交配来产生两个后代。每个父用气端分组方式在随机的位置被分为两个连续的子集，通过对两个父用气端分组方式的一个子集进行交换产生两个后代。重复这个繁殖过程直到总共产生
Figure BDA0001819289980000171
个后代用气端分组方式，将其插入新的一代。
变异是在当前一代候选用气端分组方式中随机选择的单个用气端分组方式上完成的。所选择的用气端分组方式随机地经历以下两种可能的变异过程中的一种：一种是从用气端分组方式随机去除一个元素，另一种是将来自
Figure BDA0001819289980000172
的一个新的元素随机插入该用气端分组方式。这个变异过程一直重复直到已经产生总共
Figure BDA0001819289980000173
个变异的用气端组，并将其插入下一代。
在经过上述精英主义、繁殖和变异三种处理之后，产生了大小为g的新的一代，并且在下一次迭代中被用作当前一代。在当前一代的质量收敛时，将终止迭代，收敛是指：当前一代的最大适应度值相比上一代不再增加(即当前一代候选的用气端分组方式中的最小耗电量相比上一代候选的用气端分组方式中的最小耗电量不再减小)。在这种情况下，当前一代中具有最大适应度值的用气端分组方式(即具有最小耗电量的最优空气压缩机分组方式所对应的用气端分组方式)是要确定的最优用气端分组方式
Figure BDA0001819289980000174
从而对
Figure BDA0001819289980000175
构成了最优的压缩空气供给和需求对。
最后，在方框S408中，按照所确定的最优用气端分组方式和与其相对应的最优空气压缩机分组方式为所述至少两个用气端进行压缩空气的供给。
通过上述过程，可以确定最优用气端分组方式以及给该最优用气端分组方式供给压缩空气的最优空气压缩机分组方式，由所确定的最优空气压缩机分组方式中的每一个空气压缩机组分别给所确定的用气端分组方式中的每一个用气端组供给压缩空气，可以实现所有空气压缩机生产压缩空气时的总耗电量最小。
图5是根据本发明的一个实施例的供给压缩空气的装置500的方框图。如图5所示，供给压缩空气的装置500包括一个候选用气端分组方式确定单元502、一个最优空气压缩机分组方式确定单元504、一个最优用气端分组方式确定单元506和一个供给单元508。
其中，用气端分组方式确定单元502被配置为：根据至少两个用气端中的每一个用气端的最小压力要求和用气量确定至少一个候选的用气端分组方式，其中，每一个候选的用气端分组方式包括所述至少两个用气端被划分的至少两个用气端组。
最优空气压缩机分组方式确定单元504被配置为：针对每一个候选的用气端分组方式执行以下处理，以确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式：基于空气压缩机的候选型号来确定为该候选的用气端分组方式供给压缩空气的至少一个候选的空气压缩机分组方式，其中，每一个候选的空气压缩机分组方式包括至少两个空气压缩机组，一个空气压缩机组包括同一种型号的空气压缩机，所述至少两个空气压缩机组的数目与该候选的用气端分组方式所包括的所述至少两个用气端组的数目相同；以及计算在该候选的用气端分组方式下，采用每一个空气压缩机分组方式供给压缩空气时的耗电量，将具有最小耗电量的候选的空气压缩机分组方式确定为与该候选的用气端分组方式所对应的最优空气压缩机分组方式。
最优用气端分组方式确定单元506被配置为：在所述候选的用气端分组方式中，将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式。
供给单元508被配置为：按照所确定的最优用气端分组方式和与其相对应的最优空气压缩机分组方式为所述至少两个用气端进行压缩空气的供给。
其中，供给压缩空气的装置还包括迭代控制单元(图中未示出)，所述迭代控制单元被配置为进行如下迭代过程，直到候选的用气端分组方式满足预定收敛条件：基于所计算的每一个候选的用气端分组方式所对应的最优空气压缩机分组方式的耗电量，利用遗传算法来更新候选的用气端分组方式，针对更新后的候选的用气端分组方式中的每一个用气端分组方式执行所述处理。
具体地，迭代控制单元可以采用第一遗传算法、第二遗传算法和第三遗传算法来更新所述候选的用气端分组方式，其中，采用第一遗传算法在当前一代候选的用气端分组方式中选择与耗电量最小的最优空气压缩机分组方式对应的用气端分组方式，直接作为下一代候选的用气端分组方式中的一个用气端分组方式；采用第二遗传算法在所述当前一代候选的用气端分组方式中选择两个用气端分组方式作为父用气端分组方式来产生下一代候选的用气端分组方式中的两个用气端分组方式，所述用气端分组方式对应的最优空气压缩机分组方式的耗电量越低，则其被选作父用气端分组方式的概率越高；以及采用第三遗传算法在当前一代候选的用气端分组方式中随机选择一个用气端分组方式进行改变，所述改变包括从所选择的用气端分组方式中随机去除一个用气端组或在所选择的用气端分组方式中随机添加一个用气端组。其中，第一遗传算法可以是精英主义，第二遗传算法可以是繁殖，第三遗传算法可以是变异。
其中，预定收敛条件是：当前一代候选的用气端分组方式中的最小耗电量相比上一代候选的用气端分组方式中的最小耗电量不再发生变化。
其中，最优空气压缩机分组方式确定单元504进一步被配置为：针对一个用气端分组方式中的每一个用气端组，在所述空气压缩机的候选型号中选择能够给该用气端组供给压缩空气的具有最小耗电量的空气压缩机组，所述空气压缩机组包括同一种型号的至少一个空气压缩机，将所选择的给所述每一个用气端组供给压缩空气的每一个空气压缩机组构成所述最优空气压缩机分组方式。
最优空气压缩机分组方式确定单元504进一步被配置为：计算该空气压缩机分组方式所包括的每一个空气压缩机组给所述候选的用气端分组方式所包括的每一个用气端组分别供给压缩空气时的耗电量的总和，其中，计算一个空气压缩机组给一个用气端组供给压缩空气时的耗电量包括通过以下过程来计算该空气压缩机组所包括的一种型号的空气压缩机的耗电量：根据特定型号的空气压缩机的性能曲线确定该型号的空气压缩机的气体排放压力与产气量之间的第一映射关系以及产气量与空气压缩机的耗电量之间的第二映射关系；以及根据所述第一映射关系、所述第二映射关系、所述用气端组的最小压力要求和用气量来计算该型号的空气压缩机的耗电量。
其中，所述候选的用气端分组方式满足以下要求：一个用气端分组方式的每一个用气端组具有一个最小压力要求范围，其包括最小压力要求落入所述最小压力要求范围的所有用气端，其中，第一用气端组的压力范围从所述最小压力要求中的最高压力要求开始，以使得所述用气端分组方式包括所有用气端。
如上参照图1到图5，对根据本发明的供给压缩空气的方法和装置的实施例进行了描述。上面的供给压缩空气的装置500可以采用硬件实现，也可以采用软件或者硬件和软件的组合来实现。
在本发明中，供给压缩空气的装置500可以利用电子设备实现。图6 示出了根据本发明的用于数据压缩处理的电子设备600的方框图。根据一个实施例，电子设备600可以包括至少一个处理器602，处理器604执行在计算机可读存储介质(即，存储器604)中存储或编码的至少一个计算机可读指令(即，上述以软件形式实现的元素)。
在一个实施例中，在存储器604中存储计算机可执行指令，其当执行时使得至少一个处理器602：根据至少两个用气端中的每一个用气端的最小压力要求和用气量确定至少一个候选的用气端分组方式，其中，每一个候选的用气端分组方式包括所述至少两个用气端被划分的至少两个用气端组；针对每一个候选的用气端分组方式执行以下处理，以确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式：基于空气压缩机的候选型号来确定为该候选的用气端分组方式供给压缩空气的至少一个候选的空气压缩机分组方式，其中，每一个候选的空气压缩机分组方式包括至少两个空气压缩机组，一个空气压缩机组包括同一种型号的空气压缩机，所述至少两个空气压缩机组的数目与该候选的用气端分组方式所包括的所述至少两个用气端组的数目相同；以及计算在该候选的用气端分组方式下，采用每一个空气压缩机分组方式供给压缩空气时的耗电量，将具有最小耗电量的候选的空气压缩机分组方式确定为与该候选的用气端分组方式所对应的最优空气压缩机分组方式；在所述候选的用气端分组方式中，将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式；以及按照所确定的最优用气端分组方式和与其相对应的最优空气压缩机分组方式为所述至少两个用气端进行压缩空气的供给。
应该理解，在存储器604中存储的计算机可执行指令当执行时使得至少一个处理器602进行本发明的各个实施例中以上结合图1-5描述的各种操作和功能。
根据一个实施例，提供了一种非暂时性机器可读介质。该非暂时性机器可读介质可以具有机器可执行指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本发明的各个实施例中以上结合图 1-5描述的各种操作和功能。
根据一个实施例，提供了一种计算机程序，包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行本发明的各个实施例中以上结合图1-5描述的各种操作和功能。
根据一个实施例，提供了一种计算机程序产品，包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行本发明的各个实施例中以上结合图1-5描述的各种操作和功能。
上面结合附图阐述的具体实施方式描述了示例性实施例，但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”，并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况下实施这些技术。在一些实例中，为了避免对所描述的实施例的概念造成难以理解，公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。

Claims (10)

1.供给压缩空气的方法，包括：
根据至少两个用气端中的每一个用气端的最小压力要求和用气量确定至少一个候选的用气端分组方式，其中，每一个候选的用气端分组方式包括所述至少两个用气端被划分的至少两个用气端组；
针对每一个候选的用气端分组方式执行以下处理，以确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式：
基于空气压缩机的候选型号来确定为该候选的用气端分组方式供给压缩空气的至少一个候选的空气压缩机分组方式，其中，每一个候选的空气压缩机分组方式包括至少两个空气压缩机组，一个空气压缩机组包括同一种型号的空气压缩机，所述至少两个空气压缩机组的数目与该候选的用气端分组方式所包括的所述至少两个用气端组的数目相同；以及
计算在该候选的用气端分组方式下，采用每一个空气压缩机分组方式供给压缩空气时的耗电量，将具有最小耗电量的候选的空气压缩机分组方式确定为与该候选的用气端分组方式所对应的最优空气压缩机分组方式；
在所述候选的用气端分组方式中，将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式；以及
按照所确定的最优用气端分组方式和与其相对应的最优空气压缩机分组方式为所述至少两个用气端进行压缩空气的供给。
2.如权利要求1所述的方法，其中，在将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式之前，所述方法还包括迭代如下过程，直到候选的用气端分组方式满足预定收敛条件：
基于所计算的每一个候选的用气端分组方式所对应的最优空气压缩机分组方式的耗电量，利用遗传算法来更新候选的用气端分组方式，针对更新后的候选的用气端分组方式中的每一个用气端分组方式执行所述处理。
3.如权利要求2所述的方法，其中，利用遗传算法来更新候选的用气端分组方式包括：采用第一遗传算法、第二遗传算法和第三遗传算法来更新所述候选的用气端分组方式，其中，
采用第一遗传算法在当前一代候选的用气端分组方式中选择与耗电量最小的最优空气压缩机分组方式对应的用气端分组方式，直接作为下一代候选的用气端分组方式中的一个用气端分组方式；
采用第二遗传算法在所述当前一代候选的用气端分组方式中选择两个用气端分组方式作为父用气端分组方式来产生下一代候选的用气端分组方式中的两个用气端分组方式，所述用气端分组方式对应的最优空气压缩机分组方式的耗电量越低，则其被选作父用气端分组方式的概率越高；以及
采用第三遗传算法在当前一代候选的用气端分组方式中随机选择一个用气端分组方式进行改变，所述改变包括从所选择的用气端分组方式中随机去除一个用气端组或在所选择的用气端分组方式中随机添加一个用气端组。
4.如权利要求3所述的方法，其中，所述预定收敛条件是：当前一代候选的用气端分组方式中的最小耗电量相比上一代候选的用气端分组方式中的最小耗电量不再发生变化。
5.如权利要求1所述的方法，其中，确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式进一步包括：
针对一个用气端分组方式中的每一个用气端组，在所述空气压缩机的候选型号中选择能够给该用气端组供给压缩空气的具有最小耗电量的空气压缩机组，所述空气压缩机组包括同一种型号的至少一个空气压缩机，将所选择的给所述每一个用气端组供给压缩空气的每一个空气压缩机组构成所述最优空气压缩机分组方式。
6.如权利要求1-5中任意一项所述的方法，其中，计算在该候选的用气端分组方式下，采用每一个空气压缩机分组方式为其供给压缩空气时的耗电量包括：计算该空气压缩机分组方式所包括的每一个空气压缩机组给所述候选的用气端分组方式所包括的每一个用气端组分别供给压缩空气时的耗电量的总和，
其中，计算一个空气压缩机组给一个用气端组供给压缩空气时的耗电量包括通过以下过程来计算该空气压缩机组所包括的一种型号的空气压缩机的耗电量：
根据特定型号的空气压缩机的性能曲线确定该型号的空气压缩机的气体排放压力与产气量之间的第一映射关系以及产气量与空气压缩机的耗电量之间的第二映射关系；以及
根据所述第一映射关系、所述第二映射关系、所述用气端组的最小压力要求和用气量来计算该型号的空气压缩机的耗电量。
7.如权利要求1-5中任意一项所述的方法，其中，所述候选的用气端分组方式满足以下要求：一个用气端分组方式的每一个用气端组具有一个最小压力要求范围，其包括最小压力要求落入所述最小压力要求范围的所有用气端，其中，第一用气端组的压力范围从所述最小压力要求中的最高压力要求开始，以使得所述用气端分组方式包括所有用气端。
8.供给压缩空气的装置(500)，包括：
一个候选用气端分组方式确定单元(502)，被配置为根据至少两个用气端中的每一个用气端的最小压力要求和用气量确定至少一个候选的用气端分组方式，其中，每一个候选的用气端分组方式包括所述至少两个用气端被划分的至少两个用气端组；
一个最优空气压缩机分组方式确定单元(504)，被配置为针对每一个候选的用气端分组方式执行以下处理，以确定为该用气端分组方式供给压缩空气的最优空气压缩机分组方式：基于空气压缩机的候选型号来确定为该候选的用气端分组方式供给压缩空气的至少一个候选的空气压缩机分组方式，其中，每一个候选的空气压缩机分组方式包括至少两个空气压缩机组，一个空气压缩机组包括同一种型号的空气压缩机，所述至少两个空气压缩机组的数目与该候选的用气端分组方式所包括的所述至少两个用气端组的数目相同；以及计算在该候选的用气端分组方式下，采用每一个空气压缩机分组方式供给压缩空气时的耗电量，将具有最小耗电量的候选的空气压缩机分组方式确定为与该候选的用气端分组方式所对应的最优空气压缩机分组方式；以及
一个最优用气端分组方式确定单元(506)，被配置为在所述候选的用气端分组方式中，将所确定的每一个最优空气压缩机分组方式中具有最小耗电量的最优空气压缩机分组方式所对应的候选的用气端分组方式确定为最优用气端分组方式；
一个供给单元(508)，被配置为按照所确定的最优用气端分组方式和与其相对应的最优空气压缩机分组方式为所述至少两个用气端进行压缩空气的供给。
9.一种电子设备(600)，包括：
至少一个处理器(602)；以及
与所述至少一个处理器(602)耦合的存储器(604)，用于存储指令，当所述指令被所述至少一个处理器(602)执行时，使得所述处理器(602)执行如权利要求1到7中任一所述的方法。
10.一种非暂时性机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1到7中任一所述的方法。
CN201811157785.8A 2018-09-30 2018-09-30 供给压缩空气的方法、装置、设备和介质 Active CN109322816B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811157785.8A CN109322816B (zh) 2018-09-30 2018-09-30 供给压缩空气的方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811157785.8A CN109322816B (zh) 2018-09-30 2018-09-30 供给压缩空气的方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN109322816A CN109322816A (zh) 2019-02-12
CN109322816B true CN109322816B (zh) 2020-04-07

Family

ID=65266721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811157785.8A Active CN109322816B (zh) 2018-09-30 2018-09-30 供给压缩空气的方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN109322816B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102788005A (zh) * 2012-08-02 2012-11-21 青岛海信日立空调系统有限公司 一种优化多联机空调系统中压缩机运行控制的方法及装置
CN104048714A (zh) * 2013-03-12 2014-09-17 杭州冠标科技有限公司 一种容积式压缩机群用气量的计算与预测方法
CN108122079A (zh) * 2018-01-10 2018-06-05 湖南大唐先科技有限公司 火电厂负荷分配的计算方法、系统及存储介质
CN108268359A (zh) * 2017-12-30 2018-07-10 浙江中睿低碳科技有限公司 基于深度学习的空压站的优化方法
CN108361186A (zh) * 2018-02-27 2018-08-03 首钢京唐钢铁联合有限责任公司 一种钢铁厂空压机系统优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150086385A1 (en) * 2013-09-24 2015-03-26 Water Resources Agency, Ministry Of Economic Affairs Method for controlling pumping of pump units in a wet well

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102788005A (zh) * 2012-08-02 2012-11-21 青岛海信日立空调系统有限公司 一种优化多联机空调系统中压缩机运行控制的方法及装置
CN104048714A (zh) * 2013-03-12 2014-09-17 杭州冠标科技有限公司 一种容积式压缩机群用气量的计算与预测方法
CN108268359A (zh) * 2017-12-30 2018-07-10 浙江中睿低碳科技有限公司 基于深度学习的空压站的优化方法
CN108122079A (zh) * 2018-01-10 2018-06-05 湖南大唐先科技有限公司 火电厂负荷分配的计算方法、系统及存储介质
CN108361186A (zh) * 2018-02-27 2018-08-03 首钢京唐钢铁联合有限责任公司 一种钢铁厂空压机系统优化方法

Also Published As

Publication number Publication date
CN109322816A (zh) 2019-02-12

Similar Documents

Publication Publication Date Title
CN109784603B (zh) 一种基于混合鲸鱼群算法求解柔性作业车间调度的方法
CN108921404B (zh) 一种基于通用生成函数的电-气耦合系统的可靠性评估方法
Šikšnys et al. Aggregating and disaggregating flexibility objects
Cheng et al. Adaptive reference vector generation for inverse model based evolutionary multiobjective optimization with degenerate and disconnected Pareto fronts
CN111382915B (zh) 一种共融agv的柔性作业车间调度方法
CN104569836B (zh) 测量变电流工况下电池的生热功率的方法和装置
CN105740953B (zh) 一种基于实数编码量子进化算法的不规则排样方法
Lin Adaptive data fitting by the progressive-iterative approximation
CN109322816B (zh) 供给压缩空气的方法、装置、设备和介质
JP2007240270A5 (zh)
CN110838590A (zh) 一种质子交换膜燃料电池气体供应控制系统及方法
Mallipeddi et al. Ensemble strategies in compact differential evolution
CN109543214B (zh) 压缩空气储能系统的储气室容量估算方法及装置
CN113627021A (zh) 一种基于序列凸规划的电气互联系统最优能流计算方法
CN114254545A (zh) 并联冷机系统负荷控制优化方法、系统、设备及介质
CN104749956A (zh) 基于和声搜索算法的工业机器人结构优化方法
CN109949202B (zh) 一种并行的图计算加速器结构
CN114723217B (zh) 碳中和目标下的综合能源供给侧配置方法和系统
Morita Crossovers in scale-free networks on geographical space
CN106875031A (zh) 一种多车间作业调度方法及装置
CN114118845B (zh) 一种无人机任务匹配方法、装置及智能柜
Xu et al. Research on hybrid cloud particle swarm optimization for multi-objective flexible job shop scheduling problem
CN110492533B (zh) 冷热电联供系统的控制方法、装置、计算机及存储介质
CN111242513A (zh) 一种基于一致性理论的电力系统分布式经济调度方法
Chen et al. Disassembly sequence planning based on improved genetic algorithm

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