CN109973355B - 一种面向空气压缩机的节能降耗方法 - Google Patents

Abstract

本发明公开了一种面向空气压缩机的节能降耗方法，其技术方案要点是：其特征在于：具体包括以下步骤：S1、状态感知：利用数据采集与控制终端MIG250S采集获取空气压缩机工作时的数据，并对获取的数据处理加工，同时利用采集与控制终端MIG250S对采集到的空气压缩机工作时的数据以及处理加工后的数据进行存储，并上传至云端；S2、实时分析：控制终端MIG250S通过仿脑神经元网络算法把采集获取的数据以及处理加工后的数据传入算法模型，利用算法模型进行数学运算得出一个估计值；S3、科学决策；S4、精准执行：根据优化后的数据，利用控制终端MIG250S控制空气压缩机的工作与否、工作时长以及工作功率，同时将空气压缩机的工作信息和节能总量记录，并上传至云端。

Description

一种面向空气压缩机的节能降耗方法

技术领域

本发明涉及一种能耗降低的方法，更具体的说，它涉及一种面向空气压缩机的节能降耗方法。

背景技术

空气压缩作为一种动力源的形式，广泛应用在各行各业。压缩空气具有安全、动力传输快、排放无污染等诸多优点，是不可取代的一种动力形式。目前中国每年空气压缩机的采购金额约为300亿人民币，数量在60万台左右，每年均保持一定的比例增长。

随着国家对节能减排的政策的大力推广，企业节能降耗的意愿越来越高，更高效的压缩机产品不断的推陈出新，存量市场再次被成本需求激发。随着国家将节能减排列入“十一五”规划以来，以提高能源利用效率为核心，以企业为实施主体，大力调整和优化结构。 2017年启动碳资产交易，以限定的碳排放指标倒逼企业实施节能降耗，淘汰落后产能，对高能耗的企业单位来讲节能降耗已势在必行。

由于压缩机的功率相对较大，压缩机接近100%的轴功率都消耗在压缩空气产生大量的热能上，并在通过冷却器散发到大气中。众所周知，任何设备的节能主要由两部分组成，本身设备节能和出色的运行策略带来的节能。现有技术方案中主要是设备节能，对于运行策略节能主要通过人为现场运作，故在时效性，专业性，精准性上都存在问题。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种面向空气压缩机的节能降耗方法，以解决背景技术中提到的问题。

为实现上述目的，本发明提供了如下技术方案：

一种面向空气压缩机的节能降耗方法，具体包括以下步骤：

S1、状态感知：利用数据采集与控制终端MIG250S采集获取空气压缩机工作时的数据，并对获取的数据处理加工，同时利用数据采集与控制终端MIG250S对采集到的空气压缩机工作时的数据以及处理加工后的数据进行存储，并上传至云端;

S2、实时分析：数据采集与控制终端MIG250S通过仿脑神经元网络算法把采集获取的数据以及处理加工后的数据传入算法模型，利用算法模型进行数学运算得出一个估计值，然后将这个估计值与目标值进行比对，两者的差即是模型的误差值，不断重复估算和比对过程，并记录下来产生的误差值，再调整算法模型的参数，使得这个误差值逐步减小，从而得到实时分析形成的抽象经验。

S3、科学决策：利用得到的抽象经验进行决策，根据形成的抽象经验分析空气压缩机工作时的各项历史数据、实时数据、分时数据参数，并通过数据采集与控制终端MIG250S存储优化后的数据；

S4、精准执行：根据优化后的数据，利用数据采集与控制终端MIG250S控制空气压缩机的工作与否、工作时长以及工作功率，同时将空气压缩机的工作信息和节能总量记录，并上传至云端。

进一步地，所述S1中数据采集与控制终端MIG250S采集获取的空气压缩机工作时的数据包括：空气压缩机外部环境的温度、空气压缩机内空气流速、空气压缩机的输出端与外界大气压之间的压差。

进一步地，所述S1中的数据采集与控制终端MIG250S包含光纤、LAN、ADSL、拨号上网四种网络连接方式，数据采集与控制终端MIG250S具备远程管理、数据采集与解析、数据存储和上传、数据格式转换、通信协议集成、数据边缘计算功能。

进一步地，所述S2中的仿脑神经元网络实质为从输入到输出的映射功能，包含任何线性和复杂非线性映射计算。

进一步地，所述S2中的仿脑神经元网络具备学习能力，能通过学习带正确答案的实例集自动提取求解规则。

进一步地，所述S2实时分析中计算出的模型误差值反复比对的次数多于五次，通过设置参数值使得误差值逐步减小，从而得到实时分析形成的抽象经验。

进一步地，所述S4中数据采集与控制终端MIG250S存储有节能总量的历史数据，数据采集与控制终端MIG250S记录的空气压缩机的节能总量与历史数据记录的节能总量进行比较，形成空气压缩机节能总量的汇总数据。

进一步的，所述S4中数据采集与控制终端MIG250S若发现现有的空气压缩机的节能总量低于历史记录的节能总量，数据采集与控制终端MIG250S将给出更换空气压缩机的意见。

进一步的，所述S4中数据采集与控制终端MIG250S发现空气压缩机现场运作发生故障或空气压缩机实时能耗数据相比历史数据记录的能耗高时，将第一时间提供预警。

综上所述，本发明主要具有以下有益效果：

一、数据自动采集，且能进行数据处理；

二、基本不需要现场留守，异常报警自动推送，通过远程执行策略具备一定自我修复能力；

三、机理模型与行业大数据算法模型相结合，形成自成长型的知识封装体制，可跨项目多次数复用，并在应用过程中能够自动优化知识封装。

具体实施方式

实施例1

一种面向空气压缩机的节能降耗方法，具体包括以下步骤：

S1、状态感知：利用数据采集与控制终端MIG250S采集获取空气压缩机工作时的数据，并对获取的数据处理加工，同时利用数据采集与控制终端MIG250S对采集到的空气压缩机工作时的数据以及处理加工后的数据进行存储，并上传至云端；其中数据采集与控制终端MIG250S是针对工业场景下实时数据采集应用、设计、制造的多用途物联网网关，包含多种网络连接方式和丰富的工业设备接口，具备远程管理、数据采集与解析、数据存储和上传，数据格式转换，通信协议集成，数据边缘计算等功能；目前主要应用于工业设备数据采集、高频次数据分析与预警、智能设备交互控制、无人值守点位监测等领域，故可以利用在空气压缩机的能耗监测上，在使用时只需要将空气压缩机与数据采集与控制终端MIG250S上的串口或接口连接，再将两者之间进行网络连接，就能实现数据采集与控制终端MIG250S对空气压缩机的数据采集;

S2、实时分析：数据采集与控制终端MIG250S通过仿脑神经元网络算法把采集获取的数据以及处理加工后的数据传入算法模型，利用算法模型进行数学运算得出一个估计值，然后将这个估计值与目标值进行比对，两者的差即是模型的误差值，不断重复估算和比对过程，并记录下来产生的误差值，再调整算法模型的参数，使得这个误差值逐步减小，从而得到实时分析形成的抽象经验；该算法结合了空压机行业的机理模型与大数据算法模型，可以实现对工业大数据的数据知识解耦，数据知识封装，数据知识运行等步骤。

S3、科学决策：利用得到的抽象经验进行决策，根据形成的抽象经验分析空气压缩机工作时的各项历史数据、实时数据、分时数据参数，并通过数据采集与控制终端MIG250S存储优化后的数据；这个过程是对信息的综合处理，决策是根据积累的经验、对现实的评估和对未来的预测，为了达到明确的目的，在一定的条件约束下，所做的最优决定，在这一环节能够权衡判断当前时刻获取的所有来自不同系统或不同环境下的信息，形成最优决策来对物理空间实体进行控制，分析决策并最终形成最优策略是核心关键环节；这个环节不一定在系统最初投入运行时就能产生效果，往往在系统运行一段时间之后逐渐形成一定范围内的知识，对信息的进一步分析与判断，使得信息真正的转变成知识，并且不断地迭代优化形成系统运行、产品状态、企业发展所需的知识库；

S4、精准执行：根据优化后的数据，利用数据采集与控制终端MIG250S控制空气压缩机的工作与否、工作时长以及工作功率，同时将空气压缩机的工作信息和节能总量记录，并上传至云端；通过分析数据采集与控制终端MIG250S监测到的空气压缩机的工作与否、工作时长以及工作功率可以帮助操作者了解空气压缩机运行时的安全风险，避免空气压缩机在损坏时造成高能耗，通过分析数据采集与控制终端MIG250S监测到的空气压缩机的工作信息和节能总量，操作者可以了解到具体到哪一个空气压缩机的实时能耗变化情况，避免长期高能耗运行，造成资源的浪费。

其中，S1中数据采集与控制终端MIG250S采集获取的空气压缩机工作时的数据包括：空气压缩机外部环境的温度、空气压缩机内空气流速、空气压缩机的输出端与外界大气压之间的压差。

其中，S1中的数据采集与控制终端MIG250S包含光纤、LAN、ADSL、拨号上网四种网络连接方式，数据采集与控制终端MIG250S具备远程管理、数据采集与解析、数据存储和上传、数据格式转换、通信协议集成、数据边缘计算功能。

其中，S2中的仿脑神经元网络实质为从输入到输出的映射功能，包含任何线性和复杂非线性映射计算。

其中，S2中的仿脑神经元网络具备学习能力，能通过学习带正确答案的实例集自动提取求解规则；仿脑神经元网络具有良好的自适应、自学习功能，仿脑神经元网络通过学习训练获得网络的权值与结构，呈现出很强的自学习能力和对环境的自适应能力，仿脑神经元网络所具有的自学习过程模拟了人的形象思维方法，这是与传统符号逻辑完全不同的一种非逻辑非语言，自适应性根据所提供的数据，通过学习和训练，找出输入和输出之间的内在关系，从而求取问题的解，而不是依据对问题的经验知识和规则，因而具有自适应功能，这对于弱化权重确定人为因素是十分有益的。

其中，S2实时分析中计算出的模型误差值反复比对的次数多于五次，通过设置参数值使得误差值逐步减小，从而得到实时分析形成的抽象经验；抽象经验，它指的是历史的、他人的和类似的经验，不用我们去经历就可以获得的经验，我们可以利用这些经验来降低自己的试错成本，提高判断的正确率。。

其中，S4中数据采集与控制终端MIG250S存储有节能总量的历史数据，数据采集与控制终端MIG250S记录的空气压缩机的节能总量与历史数据记录的节能总量进行比较，形成空气压缩机节能总量的汇总数据；数据采集与控制终端MIG250S通过记录的空气压缩机的即时节能总量，可以与数据采集与控制终端MIG250S的过去节能总量进行比对，比对后能够判断节能总量的增减情况。

其中，S4中数据采集与控制终端MIG250S若发现现有的空气压缩机的节能总量低于历史记录的节能总量，数据采集与控制终端MIG250S将给出更换空气压缩机的意见，当数据采集与控制终端MIG250S给出更换空气压缩机的意见时说明空气压缩机已经老化、能耗过高或者已经故障，可以根据指示立刻对空气压缩机进行升级。

其中，S4中数据采集与控制终端MIG250S发现空气压缩机现场运作发生故障或空气压缩机实时能耗数据相比历史数据记录的能耗高时，将第一时间提供预警，利用数据采集与控制终端MIG250S可以在最快速度下提出预警。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (1)

1.一种面向空气压缩机的节能降耗方法，其特征在于：具体包括以下步骤：

S1、状态感知：利用数据采集与控制终端MIG250S采集获取空气压缩机工作时的数据，并对获取的数据处理加工，同时利用数据采集与控制终端MIG250S对采集到的空气压缩机工作时的数据以及处理加工后的数据进行存储，并上传至云端;

S2、实时分析：数据采集与控制终端MIG250S通过仿脑神经元网络算法把采集获取的数据以及处理加工后的数据传入算法模型，利用算法模型进行数学运算得出一个估计值，然后将这个估计值与目标值进行比对，两者的差即是模型的误差值，不断重复估算和比对过程，并记录下来产生的误差值，再调整算法模型的参数，使得这个误差值逐步减小，从而得到实时分析形成的抽象经验;

S3、科学决策：利用得到的抽象经验进行决策，根据形成的抽象经验分析空气压缩机工作时的各项历史数据、实时数据、分时数据参数，并通过数据采集与控制终端MIG250S存储优化后的数据；

S4、精准执行：根据优化后的数据，利用数据采集与控制终端MIG250S控制空气压缩机的工作与否、工作时长以及工作功率，同时将空气压缩机的工作信息和节能总量记录，并上传至云端；

所述S1中数据采集与控制终端MIG250S采集获取的空气压缩机工作时的数据包括：空气压缩机外部环境的温度、空气压缩机内空气流速、空气压缩机的输出端与外界大气压之间的压差；

所述S1中的数据采集与控制终端MIG250S包含光纤、LAN、ADSL、拨号上网四种网络连接方式，数据采集与控制终端MIG250S具备远程管理、数据采集与解析、数据存储和上传、数据格式转换、通信协议集成、数据边缘计算功能；

所述S2中的仿脑神经元网络算法实质为从输入到输出的映射功能，包含任何线性和复杂非线性映射计算；

所述S2中的仿脑神经元网络算法具备学习能力，能通过学习带正确答案的实例集自动提取求解规则；

所述S2实时分析中计算出的模型的误差值反复比对的次数多于五次，通过设置参数值使得误差值逐步减小，从而得到实时分析形成的抽象经验；

所述S4中数据采集与控制终端MIG250S存储有节能总量的历史数据，数据采集与控制终端MIG250S记录的空气压缩机的节能总量与历史数据记录的节能总量进行比较，形成空气压缩机节能总量的汇总数据；

所述S4中数据采集与控制终端MIG250S若发现现有的空气压缩机的节能总量低于历史记录的节能总量，数据采集与控制终端MIG250S将给出更换空气压缩机的意见；

所述S4中数据采集与控制终端MIG250S发现空气压缩机现场运作发生故障或空气压缩机实时能耗数据相比历史数据记录的能耗高时，将第一时间提供预警。