CN115234480B - 空压站的控制的方法、计算设备和计算机可读存储介质 - Google Patents
空压站的控制的方法、计算设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN115234480B CN115234480B CN202211161649.2A CN202211161649A CN115234480B CN 115234480 B CN115234480 B CN 115234480B CN 202211161649 A CN202211161649 A CN 202211161649A CN 115234480 B CN115234480 B CN 115234480B
- Authority
- CN
- China
- Prior art keywords
- condition
- samples
- working condition
- gas
- air compression
- 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
Links
- 230000006835 compression Effects 0.000 title claims abstract description 104
- 238000007906 compression Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000007621 cluster analysis Methods 0.000 claims abstract description 19
- 238000000513 principal component analysis Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims description 32
- 238000011217 control strategy Methods 0.000 claims description 28
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 21
- 238000010586 diagram Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 6
- 230000002035 prolonged effect Effects 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- 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)
- Computer Hardware Design (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Separation By Low-Temperature Treatments (AREA)
Abstract
本公开涉及一种用于空压站的控制的方法、计算设备和计算机可读存储介质。该方法包括：获取空压站的历史供气情况数据；根据工况区间将历史供气情况数据划分成多个工况样本；对多个工况样本进行主成分分析，以得到m个主成分；根据m个主成分中的每个主成分对空压站的用气工况的贡献率，从m个主成分中选择n个主成分来重新表示多个工况样本，以得到与多个工况样本相对应的多个变换样本，其中m为大于1的正整数，n为小于m的正整数；以及对多个变换样本进行聚类分析，以得到多个用气工况类型，以用于基于多个用气工况类型控制空压站。本公开通过对空压站的历史供气情况数据进行聚类分析，至少能够预先确定空压站的多个典型用气工况。
Description
技术领域
本公开总体上涉及工业控制领域，并且更具体地，涉及用于空压站的控制的方法、计算设备和计算机可读存储介质。
背景技术
空压站又称为压缩空气站，内部包含用于对气体进行压缩的多台空压机。空压站当前已广泛应用于建筑、钢铁、采矿和化学工厂中，空压站中的多台空压机通过母管向用气端（例如，工厂或者车间等）提供压缩气体。
传统的用于空压站的控制的技术方案包括单机控制和可编程逻辑控制器（programmable logic controller，PLC）联控。在单机控制的情况下，空压站中的每台空压机基于排气压力独立设置启停、加卸载压力。在PLC联控的情况下，通过下位机监测母管压力高低，对空压站中的多台空压机进行顺序启停、加卸载控制。
对于不同的行业，用气端内的生产用气设备、用气端的用气量和用气特点均有所不同；对于不同的生产时间段，生产线的开启数量、生产产品和产量均有所不同。因此，实际生产中存在不同的用气工况。然而，对于上述单机控制和PCL联控，均未识别且也未考虑到生产时的用气工况。单机控制会造成层叠式压力带，压力带宽，从而导致能耗浪费；PCL联控当用气突变较大时可能会出现开机不及时，从而导致低压造成生产事故。
综上，传统的用于空压站的控制的技术方案的不足之处在于：无法根据不同的用气工况调整控制策略，从而导致空压站中的空压机的频繁启停、导致高压浪费或导致产气不足而带来的低压风险等。
发明内容
针对上述问题，本公开提供一种用于空压站的控制的方法、计算设备和计算机可读存储介质，至少能够预先确定空压站的多个典型用气工况。
根据本公开的第一方面，提供了一种用于空压站的控制的方法，方法包括：获取空压站的历史供气情况数据；根据工况区间将历史供气情况数据划分成多个工况样本；对多个工况样本进行主成分分析，以得到m个主成分；根据m个主成分中的每个主成分对空压站的用气工况的贡献率，从m个主成分中选择n个主成分来重新表示多个工况样本，以得到与多个工况样本相对应的多个变换样本，其中m为大于1的正整数，n为小于m的正整数；以及对多个变换样本进行聚类分析，以得到多个用气工况类型，以用于基于多个用气工况类型控制空压站。
在一些实施例中，获取空压站的历史供气情况数据包括：获取空压站的历史运行数据；以及对历史运行数据进行预处理以获得历史供气情况数据。
在一些实施例中，根据工况区间将历史供气情况数据划分成多个工况样本包括：基于历史供气情况数据计算得到中间数据，根据工况区间将中间数据划分成多个工况样本。
在一些实施例中，对多个工况样本进行主成分分析，以得到m个主成分包括：对多个工况样本进行标准化处理；以及对标准化处理后的工况样本进行主成分分析，以得到m个主成分。
在一些实施例中，根据m个主成分中的每个主成分对空压站的用气工况的贡献率，从m个主成分中选择n个主成分来重新表示多个工况样本包括：按照对空压站的用气工况的贡献率从高到低的顺序对m个主成分进行排序；计算经排序后的前n个主成分的累计贡献率；确定前n个主成分的累计贡献率是否满足阈值；以及响应于前n个主成分的累计贡献率满足阈值，选择前n个主成分来重新表示多个工况样本。
在一些实施例中，对多个变换样本进行聚类分析，以得到多个用气工况类型包括：基于多个变换样本来确定多个用气工况类型的数量；初始化每个用气工况类型的聚类中心；以及根据多个变换样本中的每个变换样本与每个用气工况类型的聚类中心之间的距离，对多个变换样本进行分类。
在一些实施例中，方法还包括：在对多个变换样本进行分类后，重新确定每个用气工况类型的聚类中心；以及根据多个变换样本中的每个变换样本与每个用气工况类型的所重新确定的聚类中心之间的距离，对多个变换样本进行重新分类。
在一些实施例中，方法还包括：获取空压站在一个工况区间的当前供气情况数据；使用当前供气情况数据形成当前工况样本；使用n个主成分来重新表示当前工况样本，以得到与当前工况样本相对应的当前变换样本；以及根据当前变换样本与用气工况类型，确定空压站的当前用气工况。
在一些实施例中，方法还包括：确定与多个用气工况类型相对应的多个控制策略；以及响应于空压站的当前用气工况为多个用气工况类型中的第一用气工况类型，将空压站的当前控制策略调整为与第一用气工况类型相对应的第一控制策略。
根据本发明的第二方面，还提供了一种计算设备，计算设备包括：至少一个处理器；以及至少一个存储器，至少一个存储器被耦合到至少一个处理器并且存储用于由至少一个处理器执行的指令，指令当由至少一个处理器执行时，使得计算设备执行上述方法的步骤。
根据本发明的第三方面，还提供了一种计算机可读存储介质，其上存储有计算机程序代码，计算机程序代码在被运行时执行上述方法。
提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例的附图作简单地介绍，显而易见地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。
图1图示了用于实现根据本公开实施例的用于空压站的控制的方法的系统的示意图。
图2图示了本公开实施例提供的一种用于空压站的控制的方法的流程图。
图3图示了根据本公开实施例的从多个主成分中选择用于重新表示多个工况样本的主成分的一个示例性方法。
图4图示了根据本公开实施例的进行聚类分析的一个示例性方法。
图5图示了用于实现本公开实施例的示例性电子设备的框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如前文所描述，传统的用于空压站的控制的技术方案未识别且也未考虑到生产时的用气工况，无法根据不同的用气工况调整控制策略，从而导致空压站中的空压机的频繁启停、导致高压浪费或导致产气不足而带来的低压风险等。
为了至少部分地解决上述问题以及其他潜在问题中的一个或多个，本公开提出了一种用于空压站的控制的技术方案。在本公开的技术方案中，通过对空压站的历史供气情况数据进行聚类分析，至少能够预先确定空压站的多个典型用气工况。
进一步地，本公开的实施例可以根据空压站的当前运行数据和所预先确定的多个典型用气工况，快速地确定空压站的当前用气工况。并且更进一步地，本公开的实施例可以针对所预先确定的不同的典型用气工况，确定不同的优化的控制策略，并响应于当前用气工况与所预先确定的典型用气工况之一匹配，将空压站的当前用气策略调整为所匹配的典型用气工况的优化的控制策略，从而实现针对当前用气工况的实时的控制策略调优，从而避免空压站中的空压机的频繁启停、避免高压浪费和避免产气不足而带来的低压风险等。
下面通过几个具体的实施例对本公开进行说明。为了保持本发明实施例的以下说明清楚且简明，可省略已知功能和已知部件的详细说明。当本发明实施例的任一部件在一个以上的附图中出现时，该部件在每个附图中由相同的参考标号表示。
图1图示了用于实现根据本公开实施例的用于空压站的控制的方法的系统的示意图。如图1所示，系统100包括空压站20、计算设备40和用气端60。在图1所示的示例中，空压站20可以向用气端60提供压缩气体，以供用气端60使用；计算设备40可以对空压站20的运行数据进行存储和分析，并确定针对空压站20的控制策略。
在图1所示的示例中，空压站20包括多台空压机22，多台空压机22可以通过母管（图1中未示出）向用气端60提供压缩气体。例如，图1中示例性地示出了3台空压机22a、22b和22c。例如，用气端60可以是工厂或者车间等。
在图1所示的示例中，空压站还包括边缘服务器24，边缘服务器24可以获取空压站的运行数据，并将该运行数据转发给计算设备40，边缘服务器24还可以接收来自计算设备40的控制指令，并基于来自计算设备40的控制指令对多台空压机22进行精确控制。空压站的运行数据能够反映空压站的供气情况，进而直接或间接地反映空压站的用气工况。例如，空压站的运行数据可以包括母管流量、末端流量、母管压力、空压机电表有功功率、空压机运行状态等。例如，空压站的运行数据可以由采集设备（图1中未示出）采集并发送给边缘服务器24，采集设备例如可以位于空压机22上或母管上，采集设备例如可以为流量计、功率计、压力计等，采集设备的位置和类型视实际情况而定，本公开的实施例对此不作限制。又例如，空压站的运行数据可以直接由边缘服务器24采集。例如，边缘服务器24与计算设备40之间的通信方式可以为有线通信、无线通信等各种合适的通信方式，本公开的实施例对此不作限制。
在图1所示的示例中，计算设备40包括至少一个处理器42和与该至少一个处理器42耦合的至少一个存储器44，该存储器44中存储有可由该至少一个处理器42执行的指令46，该指令46在被该至少一个处理器42执行时执行如下所述的方法的至少一部分。例如，计算设备40可以是云端服务器。
例如，图2图示了本公开实施例提供的一种用于空压站的控制的方法200的流程图。方法200可以由图1中所示的系统100中的计算设备40执行，也可以由图5所示的电子设备500执行。应当理解的是，方法200还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
在步骤202，获取空压站的历史供气情况数据。
例如，如图1所示，计算设备40可以从空压站20中的边缘服务器24获取空压站20的历史供气情况数据。例如，空压站的历史供气情况数据可以为如图1的示例所述的由采集设备或边缘服务器24所采集的空压站的运行数据。例如，空压站的历史供气情况数据可以包括母管流量、母管压力等的历史数据。需要说明的是，本公开的实施例对空压站的历史供气情况数据的类型不作限制，只要空压站的历史供气情况数据能够反映空压站的历史供气情况，进而直接或间接地反映空压站的历史用气工况即可。
例如，在一个示例中，步骤202包括：获取空压站的历史运行数据；以及对历史运行数据进行预处理以获得历史供气情况数据。
例如，预处理可以为数据平滑处理，将数据平滑处理后的历史运行数据用作历史供气情况数据。例如，数据平滑处理可以为移动平均、加权移动平均、指数平滑法等。
在本示例中，对历史运行数据进行预处理，将预处理后的历史运行数据用作历史供气情况数据，至少可以有效地消除历史运行数据中的异常数据的干扰，提高本文中后续描述的聚类分析的结果的准确性。
在步骤204，根据工况区间将历史供气情况数据划分成多个工况样本。
例如，工况区间可以为预先设定的时序区间，时序区间的长短可以依据实际情况而定，本公开的实施例对此不作限制。例如，时序区间可以为30分钟、60分钟或120分钟等。例如，在工况区间为30分钟的时序区间的情况下，将每30分钟的历史供气情况数据划分为一个工况样本。
需要说明的是，在本公开的实施例中，可以直接将历史供气情况数据划分成多个工况样本，也可以对历史供气情况数据进行进一步的处理，将处理后的数据划分成多个工况样本。
例如，在一个示例中，步骤204包括：基于历史供气情况数据计算得到中间数据，根据工况区间将中间数据划分成多个工况样本。
例如，历史供气情况数据包括母管流量、母管压力等的历史数据，中间数据包括平均母管流量、最大母管流量、最小母管流量、平均母管压力、最大母管压力、最小母管压力、最大压力上升斜率、最小压力上升斜率、压力上升占比、压力下跌占比、压力平稳占比等。例如，根据工况区间将中间数据划分成多个工况样本的过程与上述根据工况区间将历史供气情况数据直接划分成多个工况样本的过程基本相同，在此不再赘述。需要说明的是，中间数据的类型可以依据实际情况而定，本公开的实施例对此不作限制。
在本示例中，基于历史供气情况数据，计算得到中间数据；以及根据工况区间，将中间数据划分成多个工况样本，至少可以使得工况样本中的数据更具有针对性地描述空压站的供气情况，进而更具有针对性地反映空压站的用气工况。
在步骤206，对多个工况样本进行主成分分析，以得到m个主成分；根据m个主成分中的每个主成分对空压站的用气工况的贡献率，从m个主成分中选择n个主成分来重新表示多个工况样本，以得到与多个工况样本相对应的多个变换样本，其中m为大于1的正整数，n为小于m的正整数。
工况样本中的历史供气情况数据彼此之间存在相关性，存在信息冗余。通过主成分分析可以得到彼此不相关的主成分，所得到的主成分中的一部分主成分对空压站的用气工况的贡献率较高，另一部分主成分对空压站的用气工况的贡献率较低。例如，所得到的主成分中的至少一部分主成分与工况样本中的各个历史供气情况数据的类型不同。在本公开的实施例中，可以仅选择对空压站的用气工况的贡献率较高的主成分来重新表示多个工况样本，以得到降低数据维度的多个变换样本，使用所得到的变换样本进行本文中后续描述的聚类分析至少可以降低数据计算维度，大幅降低计算时间。
例如，对于100个工况样本，每个工况样本包括10个类型的历史供气情况数据，例如，平均母管流量、最大母管流量、最小母管流量、平均母管压力、最大母管压力、最小母管压力、最大压力上升斜率、最小压力上升斜率、压力上升占比、压力下跌占比。在这种情况下，认为每个工况样本的数据维度为10，工况样本的10个类型的历史供气情况数据之间存在信息冗余。例如，对上述100个工况样本进行主成分分析，以得到10个主成分。例如，10个主成分中的一部分主成分对空压站的用气工况的贡献率可能很低，甚至为0。例如，在从10个主成分中选择贡献率最大的5个主成分来重新表示多个工况样本以得到与多个工况样本相对应的多个变换样本的情况下，所得到的变换样本的数据维度为5，所得到的变换样本的数据维度仅为工况样本的数据维度的一半。
在一个示例中，对多个工况样本进行主成分分析，以得到m个主成分包括：对多个工况样本进行标准化处理；以及对标准化处理后的工况样本进行主成分分析，以得到m个主成分。
例如，将多个工况样本构成一个工况样本矩阵，每个工况样本构成工况样本矩阵的一行，相同类型的来自每个工况样本的历史供气情况数据构成工况样本矩阵的一列。例如，对于上述100个工况样本的示例，100个工况样本可以构成一个100行10列的工况样本矩阵，每个工况样本构成工况样本矩阵的一行，来自每个工况样本的平均母管流量构成矩阵的工况样本矩阵的一列，来自每个工况样本的平均母管压力构成工况样本矩阵的一列，来自每个工况样本的最小母管流量构成工况样本矩阵的一列，以此类推。例如，对工况样本矩阵的每一列进行标准化处理，标准化处理后的每一列均值为0方差为1。
在本示例中，对多个工况样本进行标准化处理至少可以消除每个工况样本内的多个历史供气情况数据数量级不同和量纲不同所带来的影响，并且，对多个工况样本进行标准化处理至少还可以适当地降低工况样本内的数据的分散程度，提高本文中后续描述的聚类分析的结果的准确性。
例如，以下描述了对多个工况样本进行主成分分析以得到m个主成分的一个具体示例，包括步骤（1）至（5）。
在步骤（1），形成如上所述的工况样本矩阵X；
其中，x表示工况样本中的历史供气情况数据，m表示每个工况样本中所包含的历史供气情况数据的类型的数量，t表示工况样本的数量。例如，m为10，t为100。工况样本矩阵X的形成方式如上所述，在此不再赘述。
在步骤（2），对工况样本矩阵X的每一列进行标准化处理，得到矩阵Y；
其中，y表示标准化处理后的工况样本中的历史供气情况数据。
例如，y11至yt1为标准化处理后的平均母管流量，y12至yt2为标准化处理后的最大母管流量，以此类推。
在步骤（3），根据矩阵Y计算得到相关系数矩阵Z；
其中，z表示矩阵Y中各列的相关系数。
例如，z12表示矩阵Y的第1列和第2列的相关系数。例如，在y11至yt1为标准化处理后的平均母管流量和y12至yt2为标准化处理后的最大母管流量的情况下，z12表示标准化处理后的平均母管流量和标准化处理后的最大母管流量之间的相关性。
在步骤（4），根据
求解相关系数矩阵Z的特征值λ和与特征值相对应的特征向量L，其中λ为特征值，I为单位矩阵。
例如，可以求解得到m个（如上所述，m表示每个工况样本中所包含的历史供气情况数据的类型的数量）特征值λ1至λm，并求解得到特征值λ1所对应的特征向量
，特征值λ2所对应的特征向量
，以此类推。例如，可以求解得到10个特征值和10个特征值所对应的10个特征向量。需要说明的是，在本公开的实施例中，为便于说明，特征值的数量为每个工况样本中所包含的历史供气情况数据的类型的数量，每个特征值对应一个特征向量，但这不是对本公开实施例的限制，特征值的数量和每个特征值所对应的特征向量的数量可以视实际情况而定。
在步骤（5），计算得到主成分：
其中，f1至fm分别为特征值λ1至λm所对应的主成分，Y1至Ym为矩阵Y的第一列至第m列。
例如，可以得到m个（如上所述，m表示每个工况样本中所包含的历史供气情况数据的类型的数量）主成分。需要说明的是，在本公开的实施例中，为便于说明，主成分的数量为每个工况样本中所包含的历史供气情况数据的类型的数量，但这不是对本公开实施例的限制，主成分的数量可以视实际情况而定。
在另一个示例中，根据m个主成分中的每个主成分对空压站的用气工况的贡献率，从m个主成分中选择n个主成分来重新表示多个工况样本包括：按照对空压站的用气工况的贡献率从高到低的顺序对m个主成分进行排序；计算经排序后的前n个主成分的累计贡献率；确定前n个主成分的累计贡献率是否满足阈值；以及响应于前n个主成分的累计贡献率满足阈值，选择前n个主成分来重新表示多个工况样本。
例如，m个主成分中的每个主成分对空压站的用气工况的贡献率可以由上述示例中的m个特征值λ1至λm指示。例如，第i个主成分对空压站的用气工况的贡献率为
，其中i和j均为大于等于1且小于等于m的正整数。需要说明的是，在本公开的实施例中，为便于说明，特征值λ1至λm均为非负数，但这不是对本公开实施例的限制。例如，在特征值λ1至λm中存在负数的情况下，仅选择非负数的特征值计算贡献率，且仅选择非负数的特征值所对应的主成分。
例如，前n个主成分的数量n可以为预先设定的固定值，也可以通过以下结合图3所述的示例中得到。例如，图3图示了根据本公开实施例的从多个主成分中选择用于重新表示多个工况样本的主成分的一个示例性方法300。方法300可以由图1中所示的系统100中的计算设备40执行，也可以由图5所示的电子设备500执行。应当理解的是，方法300还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
在步骤302，按照对空压站的用气工况的贡献率从高到低的顺序对m个主成分进行排序，并初始化n=0。
在步骤304，计算n=n+1，并计算前n个主成分的累计贡献率
。
例如，前n个主成分的累计贡献率为
。
在步骤306，确定前n个主成分的累计贡献率
是否大于阈值。如果前n个主成分的累计贡献率
大于阈值，则继续进行到步骤308；否则，跳转回步骤304。
例如，阈值可以视实际情况而定，本公开的实施例对此不作限制。例如，阈值可以为85%。
在步骤308，选择前n个主成分来重新表示多个工况样本。
例如，选择前5个主成分来重新表示每个工况样本以得到变换样本。例如，上述示例性的100个维度为10的工况样本可以被重新表示为100个维度为5的变换样本，所得到的每个变换样本包括的是5个主成分，而不再是10个历史供气情况数据。
需要说明的是，本示例中的根据累计贡献率从m个主成分中选择n个主成分的方法仅是示例性的，而不是对本公开的限制。例如，可以根据对空压站的用气工况的贡献率，直接从m个主成分中选择贡献率最高的n个主成分。
返回图2，继续描述方法200，在步骤208，对多个变换样本进行聚类分析，以得到多个用气工况类型，以用于基于多个用气工况类型控制空压站。
聚类分析可以基于变换样本之间的距离，使得多个变换样本聚类为多个用气工况类型。例如，多个用气工况类型代表多个典型用气工况，且多个用气工况类型之间存在显著差异。例如，多个用气工况类型可以分别代表大流量脉冲用气工况、小流量脉冲用气工况、持续平稳用气工况、休息用气工况、夜间用气工况等。
例如，在一个示例中，对多个变换样本进行聚类分析，以得到多个用气工况类型包括：基于多个变换样本来确定多个用气工况类型的数量；初始化每个用气工况类型的聚类中心；以及根据多个变换样本中的每个变换样本与每个用气工况类型的聚类中心之间的距离，对多个变换样本进行分类。
例如，图4图示了根据本公开实施例的进行聚类分析的一个示例性方法400。方法400可以由图1中所示的系统100中的计算设备40执行，也可以由图5所示的电子设备500执行。应当理解的是，方法400还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
在步骤402，确定聚类的数量k，其中k为正整数。
例如，使用肘方法或轮廓系数法等来确定用气工况类型的数量k。
例如，在使用肘方法确定用气工况类型的数量k的情况下，随着k的增大，多个变换样本将被分类的更加精细，每个用气工况类型的聚合程度将会逐渐提高，每个用气工况类型内的各个变换样本与该用气工况类型的聚类中心的误差平方和（Sum of the SquaredErrors，SSE）将会变小，但是，在k达到最佳聚类数量后，SSE的变小速度会骤降。因此，在使用肘方法确定用气工况类型的数量k的情况下，可以根据SSE的变小趋势来确定最佳聚类数量，并将该最佳聚类数量确定为k。需要说明的是，在使用肘方法确定用气工况类型的数量k的情况下，用气工况类型的聚类中心可以例如为随机值或预设值，本公开的实施例对此不作限制。
在步骤404，初始化k个聚类中心。
例如，对于k个用气工况类型中的每一个初始化1个聚类中心，共初始化k个聚类中心。例如，可以将肘方法确定聚类的数量k时每个用气工况类型的聚类中心初始化为k个聚类中心。又例如，可以根据其他预设值来初始化k个聚类中心，本公开的实施例对此不作限制。
在步骤406，将工况区间样本数据集中的数据分配到距离最近的类中。
例如，使用欧式距离、曼哈顿距离或切比雪夫距离等距离计算方法，计算各个变换样本到聚类中心的距离，将各个变换样本分配到距离最近的用气工况类型。
在步骤408，重新确定k个聚类中心。
例如，根据各个用气工况类型中所分配的变换样本的分布的情况，重新确定各个用气工况类型的聚类中心。
在步骤410，判断聚类中心是否变化。如果聚类中心发生变化，则跳转回步骤406；否则，继续进行步骤412。
例如，在聚类中心发生变化的情况下，通过跳转回步骤406，根据重新确定的聚类中心，将工况区间样本数据集中的数据重新分配到距离最近的类中，如上所述地不断迭代，直至聚类中心不再发生偏移。
在步骤412，聚类分析结束。
在本示例中个，在对多个变换样本进行分类后，重新确定每个用气工况类型的聚类中心，根据多个变换样本中的每个变换样本与每个用气工况类型的所重新确定的聚类中心之间的距离，对多个变换样本进行重新分类，至少使得聚类结果稳定，聚类分析可靠性高。
需要说明的是，上述聚类分析过程仅是示例性的，而不是对本公开的限制。例如，上述聚类分析过程可以由图1中所示的系统100中的计算设备40或图5所示的电子设备500通过提前训练好的神经网络快速执行，在这种情况下，至少可以简化聚类分析执行过程，节约聚类分析执行时间。
在结合步骤202至208的实施例及其示例（例如结合图3和图4所描述的示例以及其他示例）所描述的技术方案中，通过对空压站的历史供气情况数据进行聚类分析，至少能够预先确定空压站的多个典型用气工况。
在本公开的另一实施例中，用于空压站的控制的方法还包括：获取空压站在一个工况区间的当前供气情况数据；使用当前供气情况数据形成当前工况样本；使用n个主成分来重新表示当前工况样本，以得到与当前工况样本相对应的当前变换样本；以及根据当前变换样本与用气工况类型，确定空压站的当前用气工况。
例如，根据当前变换样本与基于历史供气情况数据所预先确定的用气工况类型的聚类中心之间的距离，确定空压站的当前供气情况数据所应被归类为的用气工况类型，该所应被归类为的用气工况类型即为空压站的当前用气工况。
需要说明的是，对当前供气情况数据的具体处理方式与对历史供气情况数据的处理方式类似，在此不再赘述。
本公开的实施例至少可以根据空压站的当前供气情况数据和所预先确定的多个典型用气工况，快速地确定空压站的当前用气工况。
在本公开的另一实施例中，用于空压站的控制的方法还包括：确定与多个用气工况类型相对应的多个控制策略；以及响应于空压站的当前用气工况为多个用气工况类型中的第一用气工况类型，将空压站的当前控制策略调整为与第一用气工况类型相对应的第一控制策略。
例如，在确定多个用气工况类型为大流量脉冲用气工况、小流量脉冲用气工况、持续平稳用气工况、休息用气工况、夜间用气工况的情况下，确定大流量脉冲用气工况的控制策略为大排量机器优先启动、延长空压机空久停车时间、缩短启动间隔；确定小流量脉冲用气工况的控制策略为小排量机器优先启动、延长空压机空久停车时间、缩短启停间隔；确定持续平稳用气工况的控制策略为通过用气需求开启对应排量机器、缩短空压机空久停车时间、延长启动间隔；确定休息用气工况的控制策略为小排量机器优先启动、延长空久停车时间；确定夜间用气工况的控制策略为小排量机器优先启动、降低空压机压力控制上下限。
例如，第一用气工况类型为大流量脉冲用气工况，第一用气工况类型及其相对应的第一控制策略为大排量机器优先启动、延长空压机空久停车时间、缩短启动间隔。在这种情况下，响应于空压站的当前用气工况为大流量脉冲用气工况，将空压站的当前控制策略调整为大排量机器优先启动、延长空压机空久停车时间、缩短启动间隔。
需要说明的是，第一用气工况类型及其相对应的第一控制策略仅是示例性的，而不是对本公开的限制。例如，第一用气工况类型可以为预先确定的典型用气工况中的任一个，第一控制策略为第一用气工况类型所对应的控制策略即可。
本公开的实施例可以针对所预先确定的不同的典型用气工况，确定不同的优化的控制策略，并响应于当前用气工况与所预先确定的典型用气工况之一匹配，将空压站的当前用气策略调整为所匹配的典型用气工况的优化的控制策略，从而实现针对当前用气工况的实时的控制策略调优，从而避免空压站中的空压机的频繁启停、避免高压浪费和避免产气不足而带来的低压风险等。
图5图示了用于实现本公开实施例的示例性电子设备500的框图。例如，如图1所示的计算设备40可以由电子设备500来实施。如图所示，电子设备500包括中央处理单元（CPU）502，其可以根据存储在只读存储器（ROM）504中的计算机程序指令或者从存储单元516加载到随机存取存储器（RAM）506中的计算机程序指令，来执行各种适当的动作和处理。在随机存取存储器506中，还可存储电子设备500操作所需的各种程序和数据。中央处理单元502、只读存储器504以及随机存取存储器506通过总线508彼此相连。输入/输出（I/O）接口510也连接至总线508。
电子设备500中的多个部件连接至输入/输出接口510，包括：输入单元512，例如键盘、鼠标、麦克风等；输出单元514，例如各种类型的显示器、扬声器等；存储单元516，例如磁盘、光盘等；以及通信单元518，例如网卡、调制解调器、无线通信收发机等。通信单元518允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理，例如方法200至400，可由中央处理单元502执行。例如，在一些实施例中，方法200至400可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元516。在一些实施例中，计算机程序的部分或者全部可以经由只读存储器504和/或通信单元518而被载入和/或安装到电子设备500上。当计算机程序被加载到随机存取存储器506并由中央处理单元502执行时，可以执行上文描述的方法200至400的一个或多个动作。
本公开涉及方法、装置、系统、电子设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是——但不限于——电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘计算设备。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网（LAN）或广域网（WAN）—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种用于空压站的控制的方法，包括：
获取所述空压站的历史供气情况数据；
根据工况区间将所述历史供气情况数据划分成多个工况样本；
对所述多个工况样本进行主成分分析，以得到m个主成分；
根据所述m个主成分中的每个主成分对所述空压站的用气工况的贡献率，从所述m个主成分中选择n个主成分来重新表示所述多个工况样本，以得到与所述多个工况样本相对应的多个变换样本，其中m为大于1的正整数，n为小于m的正整数；以及
对所述多个变换样本进行聚类分析，以得到多个用气工况类型，以用于基于所述多个用气工况类型控制所述空压站。
2.根据权利要求1所述的方法，其特征在于，获取所述空压站的历史供气情况数据包括：
获取所述空压站的历史运行数据；以及
对所述历史运行数据进行预处理以获得所述历史供气情况数据。
3.根据权利要求1所述的方法，其特征在于，根据工况区间将所述历史供气情况数据划分成多个工况样本包括：
基于所述历史供气情况数据，计算得到中间数据；以及
根据所述工况区间，将所述中间数据划分成多个工况样本。
4.根据权利要求1所述的方法，其特征在于，对所述多个工况样本进行主成分分析，以得到m个主成分包括：
对所述多个工况样本进行标准化处理；以及
对标准化处理后的工况样本进行主成分分析，以得到所述m个主成分。
5.根据权利要求1所述的方法，其特征在于，根据所述m个主成分中的每个主成分对所述空压站的用气工况的贡献率，从所述m个主成分中选择n个主成分来重新表示所述多个工况样本包括：
按照对所述空压站的用气工况的贡献率从高到低的顺序，对所述m个主成分进行排序；
计算经排序后的前n个主成分的累计贡献率；
确定所述前n个主成分的累计贡献率是否满足阈值；以及
响应于所述前n个主成分的累计贡献率满足阈值，选择所述前n个主成分来重新表示所述多个工况样本。
6.根据权利要求1所述的方法，其特征在于，对所述多个变换样本进行聚类分析，以得到多个用气工况类型包括：
基于所述多个变换样本来确定所述多个用气工况类型的数量；
初始化每个用气工况类型的聚类中心；以及
根据所述多个变换样本中的每个变换样本与每个用气工况类型的聚类中心之间的距离，对所述多个变换样本进行分类。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
在对所述多个变换样本进行分类后，重新确定每个用气工况类型的聚类中心；以及
根据所述多个变换样本中的每个变换样本与每个用气工况类型的所重新确定的聚类中心之间的距离，对所述多个变换样本进行重新分类。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述空压站在一个所述工况区间的当前供气情况数据；
使用所述当前供气情况数据形成当前工况样本；
使用所述n个主成分来重新表示所述当前工况样本，以得到与所述当前工况样本相对应的当前变换样本；以及
根据所述当前变换样本与所述用气工况类型，确定所述空压站的当前用气工况。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
确定与所述多个用气工况类型相对应的多个控制策略；以及
响应于所述空压站的当前用气工况为所述多个用气工况类型中的第一用气工况类型，将所述空压站的当前控制策略调整为与所述第一用气工况类型相对应的第一控制策略。
10.一种计算设备，包括：
至少一个处理器；以及
至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理器并且存储用于由所述至少一个处理器执行的指令，所述指令当由所述至少一个处理器执行时，使得所述计算设备执行根据权利要求1至9中任一项所述的方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序代码，所述计算机程序代码在被运行时执行如权利要求1至9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211161649.2A CN115234480B (zh) | 2022-09-23 | 2022-09-23 | 空压站的控制的方法、计算设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211161649.2A CN115234480B (zh) | 2022-09-23 | 2022-09-23 | 空压站的控制的方法、计算设备和计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115234480A CN115234480A (zh) | 2022-10-25 |
| CN115234480B true CN115234480B (zh) | 2022-12-27 |
Family
ID=83667507
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211161649.2A Active CN115234480B (zh) | 2022-09-23 | 2022-09-23 | 空压站的控制的方法、计算设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115234480B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115390948B (zh) * | 2022-10-28 | 2022-12-27 | 蘑菇物联技术（深圳）有限公司 | 确定空压站的空久停车时间的方法、计算设备和介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109578264A (zh) * | 2019-01-25 | 2019-04-05 | 南方电网科学研究院有限责任公司 | 芯片生产用空压机的稳压方法、系统、装置及存储介质 |
| CN112855513A (zh) * | 2021-01-08 | 2021-05-28 | 西安思安云创科技有限公司 | 基于遗传算法的空压机集群控制系统能耗优化方法及系统和装置 |
| CN112901449A (zh) * | 2021-03-17 | 2021-06-04 | 英赛孚工业智能科技(苏州)有限公司 | 一种基于机器学习的空气压缩机系统能耗优化方法 |
| CN113217340A (zh) * | 2021-06-07 | 2021-08-06 | 杭州海川节能科技有限公司 | 一种空压机控制方法、装置、设备及存储介质 |
| CN113586395A (zh) * | 2021-08-09 | 2021-11-02 | 煤炭科学研究总院 | 一种空气压缩机组智能流量调节方法和系统 |
| CN113669249A (zh) * | 2021-08-27 | 2021-11-19 | 福建龙净环保股份有限公司 | 一种实现循环泵选择的方法、装置及设备 |
| EP3957863A1 (en) * | 2020-08-18 | 2022-02-23 | Grundfos Holding A/S | Method and system for controling a pump |
| CN114428803A (zh) * | 2020-10-29 | 2022-05-03 | 上海浦昊节能环保科技有限公司 | 空压站运行优化方法、系统、存储介质及终端 |
| CN114635844A (zh) * | 2022-05-20 | 2022-06-17 | 蘑菇物联技术（深圳）有限公司 | 用于控制空压站中的空压机的方法、设备和介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040193330A1 (en) * | 2003-03-26 | 2004-09-30 | Ingersoll-Rand Company | Method and system for controlling compressors |
-
2022
- 2022-09-23 CN CN202211161649.2A patent/CN115234480B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109578264A (zh) * | 2019-01-25 | 2019-04-05 | 南方电网科学研究院有限责任公司 | 芯片生产用空压机的稳压方法、系统、装置及存储介质 |
| EP3957863A1 (en) * | 2020-08-18 | 2022-02-23 | Grundfos Holding A/S | Method and system for controling a pump |
| CN114428803A (zh) * | 2020-10-29 | 2022-05-03 | 上海浦昊节能环保科技有限公司 | 空压站运行优化方法、系统、存储介质及终端 |
| CN112855513A (zh) * | 2021-01-08 | 2021-05-28 | 西安思安云创科技有限公司 | 基于遗传算法的空压机集群控制系统能耗优化方法及系统和装置 |
| CN112901449A (zh) * | 2021-03-17 | 2021-06-04 | 英赛孚工业智能科技(苏州)有限公司 | 一种基于机器学习的空气压缩机系统能耗优化方法 |
| CN113217340A (zh) * | 2021-06-07 | 2021-08-06 | 杭州海川节能科技有限公司 | 一种空压机控制方法、装置、设备及存储介质 |
| CN113586395A (zh) * | 2021-08-09 | 2021-11-02 | 煤炭科学研究总院 | 一种空气压缩机组智能流量调节方法和系统 |
| CN113669249A (zh) * | 2021-08-27 | 2021-11-19 | 福建龙净环保股份有限公司 | 一种实现循环泵选择的方法、装置及设备 |
| CN114635844A (zh) * | 2022-05-20 | 2022-06-17 | 蘑菇物联技术（深圳）有限公司 | 用于控制空压站中的空压机的方法、设备和介质 |
Non-Patent Citations (2)
| Title |
|---|
| 浅谈智能控制在啤酒厂空压系统的节能应用;张文顺;《中外酒业》;20211010(第19期);31-34 * |
| 空压机组节能控制系统研究;马强;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20220515(第05期);C029-418 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115234480A (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115234480B (zh) | 空压站的控制的方法、计算设备和计算机可读存储介质 | |
| CN109934301B (zh) | 一种电力负荷聚类分析方法、装置和设备 | |
| EP4206922A1 (en) | Resource allocation method, resource allocation apparatus, device, medium and computer program product | |
| CN111612037A (zh) | 异常用户检测方法、装置、介质及电子设备 | |
| CN111401642A (zh) | 自动调整预测值的方法、装置、设备及存储介质 | |
| US20220261457A1 (en) | Fast probability measure module for engineering systems and method | |
| KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
| CN116664335B (zh) | 基于智能监控的半导体生产系统运行分析方法及系统 | |
| CN112016765A (zh) | 一种基于量化投资风险偏好的资产配置方法、装置及终端 | |
| CN116611916A (zh) | 基于ai模型识别的数字金融反欺诈处理方法及系统 | |
| CN116681497A (zh) | 基于图神经网络的资金风险识别方法、计算机装置及计算机可读存储介质 | |
| CN112416971A (zh) | 一种时序数据流分割方法、装置及其存储介质 | |
| CN116049765A (zh) | 数据分析处理方法、装置及设备 | |
| Ryabko et al. | Reducing statistical time-series problems to binary classification | |
| EP4047603A1 (en) | Abnormality degree calculation system and abnormality degree calculation method | |
| CN115935212A (zh) | 一种基于纵向趋势预测的可调节负荷聚类方法及系统 | |
| CN116228284A (zh) | 货品需求预测方法、训练方法、装置、计算机系统及介质 | |
| CN114372689A (zh) | 一种基于动态规划的路网运行特征变点识别方法 | |
| US11381470B2 (en) | Hyperparameter management device, hyperparameter management system, and hyperparameter management method | |
| CN113010571A (zh) | 数据检测方法、装置、电子设备、存储介质和程序产品 | |
| CN112784165A (zh) | 关联关系预估模型的训练方法以及预估文件热度的方法 | |
| Araujo et al. | A morphological-rank-linear approach for software development cost estimation | |
| Prakash et al. | MSC-clustering and forward stepwise regression for virtual metrology in highly correlated input spaces | |
| CN116342168B (zh) | 一种信息大数据智能采集管理系统 | |
| Dahlin et al. | Controlling a markov decision process with an abrupt change in the transition kernel |
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 | ||
| CP03 | Change of name, title or address |
Address after: No. 118, Building C1, No.1 Qingsheng Avenue, Nansha District, Guangzhou City, Guangdong Province, 511455 Patentee after: Guangdong Mushroom IoT Technology Co.,Ltd. Country or region after: China Address before: 518109 room 2202, building 1, Huide building, Beizhan community, Minzhi street, Longhua District, Shenzhen, Guangdong Patentee before: MOGULINKER TECHNOLOGY (SHENZHEN) CO.,LTD. Country or region before: China |
|
| CP03 | Change of name, title or address |