CN110905792A - 一种基于能源互联网云计算的空压机控制系统及方法 - Google Patents

Abstract

本发明涉及一种基于能源互联网云计算的空压机控制系统及方法，包括：能源互联网云计算系统、空压机智能控制系统和物联网控制系统；能源互联网云计算系统，包括聚类计算模块和准则判别模块，采用B/S结构的互联网预测控制系统；空压机智能控制系统，采用带智能控制的变频器型式。本发明的有益效果是：使空压机控制与能源互联网融合在一起，通过能源互联网云计算系统对所需供气流量进行预测，以预测流量为依据计算投入的空压机台数及产气量，并实现空压机供气压力恒定控制，可以降低能耗、减少空压机频繁加卸载、减少设备的磨损、延长设备使用年限。由于采用物联网控制系统，可减少现场接线数量，使得故障量大大降低。

Description

一种基于能源互联网云计算的空压机控制系统及方法

技术领域

本发明涉及空压机控制领域，尤其包括一种基于能源互联网云计算的空压机控制系统及方法，更具体说，它涉及一种具有以互联网云计算技术预测流量最终调整空压机运行状态的控制方式。

背景技术

目前空压机控制基本上都是采用加卸载的方式,所谓加卸载的方式就是指空压机在空载的状态启动后，根据供气压力低于加载值时打开加载电磁阀，空压机开始压缩产气；供气压力高于卸载值时关闭加载电磁阀，空压机停止产气处于空载运行状态，空载时空压机的功耗为额定功耗的50％左右。多台空压机常规均采用加卸载压力阶梯叠加的方式，在供气压力低于加载值时逐步投入空压机，当供气压力高于卸载值时逐步切除空压机。在多台空压机运行的状态下这种常规的方式按照预先设定的梯级压力加卸载运行，没有实际流量预测投入的空压机产气流量不够精准，能耗浪费严重。同时频繁加卸载对设备机械冲击较大；不光引起电源电压波动，也会使压缩气源产生较大的波动。这种运行方式还会加速设备的磨损，降低设备的使用年限。另外是采用恒压变频控制，保证单台空压机出口压力为恒定值，自动调节空压机的输出功率。但是在用气负荷比较多的情况下，负荷所需用气量无法预测，空压机不能做到精准匹配，从而造成较多的能源浪费。

发明内容

本发明的目的是克服现有技术中的不足，提供一种基于能源互联网云计算的空压机控制系统及方法。

这种基于能源互联网云计算的空压机控制系统，包括：能源互联网云计算系统、空压机智能控制系统和物联网控制系统；

所述能源互联网云计算系统，包括聚类计算模块和准则判别模块，采用B/S结构的互联网预测控制系统；

所述空压机智能控制系统，采用带智能控制的变频器型式；

所述物联网控制系统，采用就地MODBUS RTU通讯和远程TCP/IP通讯的控制形式。

这种空压机控制系统的设计方法，具体包括如下步骤：

步骤1、通过物联网控制系统采集供气压力、供气温度和供气流量；

步骤2、能源互联网云计算系统通过物联网控制系统采集的供气压力、供气温度和供气流量，进行分析归类、训练测试后，计算出所需的流量，匹配出所需的空压机，下达空压机调度指令；

步骤3、空压机智能控制系统根据能源互联网云计算系统下达的调度指令，相应投入空压机，并将供气压力控制在恒定的状态。

作为优选，所述步骤2具体包括如下步骤：

步骤2.1、由气罐中压缩空气状态有：

pV＝mRθ (1)

上式中，p为空气的压力，单位为Pa；V为体积，单位为m³；m为气体质量，单位为kg；R为气体常数，对于空气，R＝287J/(kg·K)；θ为空气的绝对温度，单位为K；气罐中空气压缩为等温过程，可微分得：

上式中，p为空气的压力，单位为Pa；t为时间，单位为s；ρa为空气的密度，单位为kg/m3；θa为空气的绝对温度；Q为在t时间内体积流量变化量，单位为m³/s；Q_in为空压机群供给的体积流量，单位为m³/s；Q_out为现场用气的体积流量，单位为m³/s；V₀为储气罐的体积，单位为m³；由上式(2)可知压力的变化量与流量的变化成正比关系；

步骤2.2、用系统算法进行流量预测；系统算法将基于脉冲响应的非参数模型作为内部模型，对供气压力变化的速度及供气流量进行归类,根据内部模型,预测系统未来所需的流量；同时对模型输出的误差不断进行反馈校正；采用平方误差性能指标迭代计算优化，完成预测值逼近，系统算法的步骤如下：

步骤2.2.1、建立大数据存储样本；所述大数据存储样本包括供气压力、供气温度、供气流量、实际流量和压力变化率；

步骤2.2.2、随机选取k个样本，作为初始聚类中心；

步骤2.2.3、聚类计算模块根据已经存储的样本和聚类中心，计算当前采集值与聚类中心的欧式距离dist(p,C_i)；采用欧式距离dist(p,C_i)计算剩余样本与聚类中心的距离；其中Ci为聚类中心，p为采集当前值；中心距离计算采用欧式距离；

步骤2.2.4、重新计算每个子类样本平均值，作为新聚类中心，其中子类样本包含在大数据存储样本中，由与聚类中心点接近的样本组成；聚类中心为各样本在各维度上的均值：

上式中，i为正整数，1≤i≤k；算出最近距离D(p)：

D(p)＝min{dist(p,Ci)} (4)

步骤2.2.5、重复步骤2.2.3与步骤2.2.4，直到准则判别模块判断判别函数E收敛为止；如果判别函数E收敛，则输出生产所需的流量预测值；如果判别函数E不收敛，则重新生成聚类中心；判别函数E为：

上式中，k为样本个数；i为正整数，1≤i≤k；p为采集当前值；Ci为聚类中心；dist(p,Ci)为欧式距离；

步骤2.3、完成流量预测后，分配相应的空压机，下发调度指令。

作为优选，所述步骤3具体包括如下步骤：

步骤3.1、将采集的供气压力与设定的压力进行比较，调整空压机电机的转速；空压机电机的转速由变频装置控制；所述变频装置是基于矢量控制算法的交流变频调速装置；

步骤3.2、当空压机电机的转速达到工频转速后，如果还有要投入的空压机，则当前空压机的转速设定为工频，再投入下一台空压机；下一台空压机在投入的过程中继续进行步骤3.1，经过多次迭代运算控制后将供气压力控制在设定压力附近，由智能PID控制器根据供气压力与设定的压力的误差，正负误差不超过5％；

步骤3.3、如果压力出现大幅度波动，则由能源互联网云计算系统重新匹配需要的空压机，再次进行调整空压机电机的转速。

本发明的有益效果是：使空压机控制与能源互联网融合在一起，通过能源互联网云计算系统对所需供气流量进行预测，以预测流量为依据计算投入的空压机台数及产气量，并实现空压机供气压力恒定控制，可以降低能耗、减少空压机频繁加卸载、减少设备的磨损、延长设备使用年限。由于采用物联网控制系统，可减少现场接线数量，使得故障量大大降低。

附图说明

图1为本发明控制框图；

图2为能源互联网云计算框图；

图3为空压机智能控制系统控制框图。

具体实施方式

下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

这种基于能源互联网云计算的空压机控制系统，包括：能源互联网云计算系统、空压机智能控制系统和物联网控制系统；

所述能源互联网云计算系统，包括聚类计算模块和准则判别模块，采用B/S结构的互联网预测控制系统；

所述空压机智能控制系统，采用带智能控制的变频器型式；

所述物联网控制系统，采用就地MODBUS RTU通讯和远程TCP/IP通讯的控制形式。

参见图1所示，物联网控制系统通过模拟量IO模块采集供气压力、供气温度、供气流量，供气压力、供气温度、供气流量均为4～20mA模拟量信号，通过A/D转换器转换成高精度数字量信号，模数转换速度时间<1ms，采集频率为1s，最终通过TCP/IP网络实时上送给能源互联网云计算系统。模拟量IO选用具有噪声抑制、防浪涌等功能，16位高精度A/D转换器，MODBUS RTU通讯型分布式IO模块。模拟量IO模块具有抗干扰性能强，电缆敷设少，转换精度高、转换速度快等优点。模块应用广泛，可支持两线制、三线制、四线制4-20mA，0-10V传感器，变送器。或其他电流电压信号源。

参见图2所示，云计算系统根据物联网控制系统采集的供气压力、供气温度、供气流量，分析归类、训练测试后计算出所需的流量，匹配出所需的空压机，然后下达空压机调度指令；整个模型相当于气罐的充放气过程，是等温过程，由气罐中压缩空气状态有：

pV＝mRθ，

p为空气的压力，单位为Pa；V为体积，单位为m³；m为气体质量，单位为kg；R为气体常数，对于空气，R＝287J/(kg·K)；θ为空气的绝对温度，单位为K；气罐中空气压缩为等温过程，可微分得：

上式中，p为空气的压力，单位为Pa；t为时间，单位为s；ρ_a为空气的密度，单位为kg/m3；θ_a为空气的绝对温度；Q为在t时间内体积流量变化量，单位为m³/s；Q_in为空压机群供给的体积流量，单位为m³/s；Q_out为现场用气的体积流量，单位为m³/s；V₀为储气罐的体积，单位为m³；由上式可知压力的变化量与流量的变化成正比关系；

用系统算法进行流量预测；系统算法将基于脉冲响应的非参数模型作为内部模型，对供气压力变化的速度及供气流量进行归类,根据内部模型,预测系统未来所需的流量；同时对模型输出的误差不断进行反馈校正；采用平方误差性能指标迭代计算优化，完成预测值逼近，系统算法的步骤如下：

1)建立大数据存储样本；所述大数据存储样本包括供气压力、供气温度、供气流量、实际流量和压力变化率；

2)随机选取k个样本，作为初始聚类中心；

3)聚类计算模块根据已经存储的样本和聚类中心，计算当前采集值与聚类中心的欧式距离dist(p,C_i)；采用欧式距离dist(p,Ci)计算剩余样本与聚类中心的距离；其中Ci为聚类中心，p为采集当前值；中心距离计算采用欧式距离；

4)重新计算每个子类样本平均值，作为新聚类中心，其中子类样本包含在大数据存储样本中，由与聚类中心点接近的样本组成；聚类中心为各样本在各维度上的均值：

上式中，i为正整数，1≤i≤k；算出最近距离D(p)：

D(p)＝min{dist(p,Ci)}

5)重复3)与4)，直到准则判别模块判断判别函数E收敛为止；如果判别函数E收敛，则输出生产所需的流量预测值；如果判别函数E不收敛，则重新生成聚类中心；判别函数E为：

上式中，k为样本个数；i为正整数，1≤i≤k；p为采集当前值；Ci为聚类中心；dist(p,Ci)为欧式距离；

完成流量预测后，分配相应的空压机，下发调度指令。

能源互联网云计算模块的组成它采用基于脉冲响应的非参数模型作为内部模型,对供气压力变化的速度及供气流量进行归类,根据内部模型,预测系统未来的所需的流量。,经过用模型输出误差进行反馈校正以后,再与参考输入轨迹进行比较,应用平方误差性能指标迭代计算,然后调度系统的控制动作,完成整个控制循环。由于这种算法的基本思想先预测系统未来的输出状态,再去确定当前时刻的控制动作,即先预测后控制,所以具有预见性

参见图3所示，空压机智能控制系统根据物联网控制系统下发的调度指令，逐步投入相应的空压机，在投入空压机的过程中，将采集的供气压力与设定的压力进行比较，从而调整空压机电机的转速，当电机转速达到工频转速后后续如果还有要投入的空压机，则当前空压机的转速设定为工频，再投入下一台空压机，下一台空压机在投入的过程中继续进行上述恒压控制，经过多次迭代运算控制后将供气压力控制在设定压力附近，正负误差不超过5％。如果压力出现大幅度波动，则由能源互联网云计算系统重新匹配需要的空压机，再次进行调整。其中电机转速由变频装置控制，变频装置是基于矢量控制算法的交流变频调速装置，由智能PID控制器根据供气压力与设定的压力的误差，输出频率信号，改变电机转速最终减小供气压力与设定的压力的误差，到达恒压供气的目的。

Claims (4)

1.一种基于能源互联网云计算的空压机控制系统，其特征在于，包括：能源互联网云计算系统、空压机智能控制系统和物联网控制系统；

所述能源互联网云计算系统，包括聚类计算模块和准则判别模块，采用B/S结构的互联网预测控制系统；

所述空压机智能控制系统，采用带智能控制的变频器型式；

所述物联网控制系统，采用就地MODBUS RTU通讯和远程TCP/IP通讯的控制形式。

2.根据权利要求1所述的空压机控制系统的设计方法，其特征在于，具体包括如下步骤：

步骤1、通过物联网控制系统采集供气压力、供气温度和供气流量；

步骤2、能源互联网云计算系统通过物联网控制系统采集的供气压力、供气温度和供气流量，进行分析归类、训练测试后，计算出所需的流量，匹配出所需的空压机，下达空压机调度指令；

步骤3、空压机智能控制系统根据能源互联网云计算系统下达的调度指令，相应投入空压机，并将供气压力控制在恒定的状态。

3.根据权利要求2所述的空压机控制系统的设计方法，其特征在于，所述步骤2具体包括如下步骤：

步骤2.1、由气罐中压缩空气状态有：

pV＝mRθ (1)

上式中，p为空气的压力，单位为Pa；V为体积，单位为m³；m为气体质量，单位为kg；R为气体常数，对于空气，R＝287J/(kg·K)；θ为空气的绝对温度，单位为K；气罐中空气压缩为等温过程，可微分得：

上式中，p为空气的压力，单位为Pa；t为时间，单位为s；ρa为空气的密度，单位为kg/m3；θ_a为空气的绝对温度；Q为在t时间内体积流量变化量，单位为m³/s；Q_in为空压机群供给的体积流量，单位为m³/s；Q_out为现场用气的体积流量，单位为m³/s；V₀为储气罐的体积，单位为m³；由上式(2)可知压力的变化量与流量的变化成正比关系；

步骤2.2、用系统算法进行流量预测；系统算法将基于脉冲响应的非参数模型作为内部模型，对供气压力变化的速度及供气流量进行归类,根据内部模型,预测系统未来所需的流量；同时对模型输出的误差不断进行反馈校正；采用平方误差性能指标迭代计算优化，完成预测值逼近，系统算法的步骤如下：

步骤2.2.1、建立大数据存储样本；所述大数据存储样本包括供气压力、供气温度、供气流量、实际流量和压力变化率；

步骤2.2.2、随机选取k个样本，作为初始聚类中心；

步骤2.2.3、聚类计算模块根据已经存储的样本和聚类中心，计算当前采集值与聚类中心的欧式距离dist(p,C_i)；采用欧式距离dist(p,C_i)计算剩余样本与聚类中心的距离；其中Ci为聚类中心，p为采集当前值；中心距离计算采用欧式距离；

步骤2.2.4、重新计算每个子类样本平均值，作为新聚类中心，其中子类样本包含在大数据存储样本中，由与聚类中心点接近的样本组成；聚类中心为各样本在各维度上的均值：

上式中，i为正整数，1≤i≤k；算出最近距离D(p)：

D(p)＝min{dist(p,Ci)} (4)

步骤2.2.5、重复步骤2.2.3与步骤2.2.4，直到准则判别模块判断判别函数E收敛为止；如果判别函数E收敛，则输出生产所需的流量预测值；如果判别函数E不收敛，则重新生成聚类中心；判别函数E为：

上式中，k为样本个数；i为正整数，1≤i≤k；p为采集当前值；Ci为聚类中心；dist(p,Ci)为欧式距离；

步骤2.3、完成流量预测后，分配相应的空压机，下发调度指令。

4.根据权利要求2所述的空压机控制系统的设计方法，其特征在于，所述步骤3具体包括如下步骤：

步骤3.1、将采集的供气压力与设定的压力进行比较，调整空压机电机的转速；空压机电机的转速由变频装置控制；所述变频装置是基于矢量控制算法的交流变频调速装置；

步骤3.2、当空压机电机的转速达到工频转速后，如果还有要投入的空压机，则当前空压机的转速设定为工频，再投入下一台空压机；下一台空压机在投入的过程中继续进行步骤3.1，经过多次迭代运算控制后将供气压力控制在设定压力附近，由智能PID控制器根据供气压力与设定的压力的误差，正负误差不超过5％；

步骤3.3、如果压力出现大幅度波动，则由能源互联网云计算系统重新匹配需要的空压机，再次进行调整空压机电机的转速。

Images