CN116988960A - 适于空气压缩机群组的最佳化系统及其方法 - Google Patents

适于空气压缩机群组的最佳化系统及其方法 Download PDF

Info

Publication number
CN116988960A
CN116988960A CN202210438391.XA CN202210438391A CN116988960A CN 116988960 A CN116988960 A CN 116988960A CN 202210438391 A CN202210438391 A CN 202210438391A CN 116988960 A CN116988960 A CN 116988960A
Authority
CN
China
Prior art keywords
air
combination
control system
compressed air
demand
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.)
Pending
Application number
CN202210438391.XA
Other languages
English (en)
Inventor
温邦淳
王绩
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.)
Wistron Kunshan Co Ltd
Wistron Corp
Original Assignee
Wistron Kunshan Co Ltd
Wistron Corp
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 Wistron Kunshan Co Ltd, Wistron Corp filed Critical Wistron Kunshan Co Ltd
Priority to CN202210438391.XA priority Critical patent/CN116988960A/zh
Priority to TW111118436A priority patent/TWI806611B/zh
Priority to US17/875,475 priority patent/US20230340962A1/en
Publication of CN116988960A publication Critical patent/CN116988960A/zh
Pending legal-status Critical Current

Links

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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D25/00—Pumping installations or systems
    • F04D25/16—Combinations of two or more pumps ; Producing two or more separate gas flows
    • 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
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C28/00—Control of, monitoring of, or safety arrangements for, pumps or pumping installations specially adapted for elastic fluids
    • F04C28/02—Control of, monitoring of, or safety arrangements for, pumps or pumping installations specially adapted for elastic fluids specially adapted for several pumps connected in series or in parallel
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids

Landscapes

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

Abstract

一种适于操作多个空气压缩机的控制系统及其方法。适于操作多个空气压缩机的控制系统，以使该些空气压缩机共同向制造设备供应压缩空气；控制系统包含需求预测模块、动态调整模块以及最佳化模块；需求预测模块用以估计制造设备在预定未来时间对于压缩空气的需求；动态调整模块用以从制造设备获得当前气压值，并将当前气压值及制造设备对于压缩空气的估计的需求进行结合，以产生最终预测结果；优化模块用以根据最终预测结果及该些空气压缩机的当前操作组合，决定该些空气压缩机在预定未来时间的目标操作组合。本发明提供的控制系统及其方法，可使压缩空气需求预测结果更加准确，进而可以最佳化功率消耗。

Description

适于空气压缩机群组的最佳化系统及其方法
技术领域
本发明涉及空气压缩机的操作，尤其是涉及适于空气压缩机群组的最佳化系统及其方法。
背景技术
压缩空气在制造设备中被广泛使用于各种应用，例如用于将水或是灰尘从制造元件上吹走，以及用于驱动气动工具或是机械臂。空气压缩机通过减少其体积来增加进气(inlet air)的压力。大多数的空气压缩机的核心是离心式叶轮(centrifugal impeller)或是旋转螺旋式(rotary screw)，且是用于将空气进行压缩。
根据所涉及的物理学及热力学，将空气进行压缩的效率自然较低。驱动空气压缩机的电机所消耗的大部分的电力会加热空气。然而，离开压缩机的空气需要被冷却，因此需要风扇及风冷或水冷的热交换器(air-or-water-cooled heat exchanger)，此会造成更多的能量消耗。
一旦空气被压缩，则其需以特定的压力来传输至终端使用者。在空气传输过程中，沿途会出现损失并降低效率。当空气被压缩、被冷却、被干制、被传输、被调节、以及最终被使用时，空气压缩机的电力成本可能占据制造处(manufacturing site)的总电力成本的30％。
在大型的制造处，压缩空气一般是由中央站提供，该中央站具有以群组操作的多个空气压缩机。由于制造处的各个部件的工作量的变化，因此对于压缩空气的需求在一天中可能具有波动。空气压缩机可能需要相应地调整操作模式。在高需求时间中，更多的空气压缩机需要进行运作；及在低需求时间中，一些空气压缩机需要停止运作。新启动的空气压缩机在将压缩空气传输至生产线之前，需要较长的时间来建立气压，因此经常地开启及关闭空气压缩机的效率是非常低的。如此，从业者所期望的是，最佳化空气压缩机群组的操作。
因此，需要提供一种适于空气压缩机群组的最佳化系统及其方法来解决上述问题。
发明内容
本发明的实施例提出一种控制系统，适于操作多个机器，以共同地向一接受者系统提供一消耗材料，控制系统包括一需求预测模块，用以估计接受者系统在一预定未来时间对于消耗材料的需求；一动态调整模块，用以从接受者系统获得一当前操作的一第一参数，动态调整模块将第一参数及接受者系统估计的消耗材料的需求进行结合，以产生一最终预测结果；以及一最佳化模块，用以根据最终预测结果及该些机器的一当前操作组合，决定该些机器在预定未来时间的一目标操作组合。
本发明的实施例还提出一种控制系统，适于操作多个空气压缩机，以共同地向一制造设备提供一压缩空气。控制系统包含一需求预测模块，用以估计制造设备在一预定未来时间对于压缩空气的需求；一动态调整模块，用以从制造设备获得一当前气压值，动态调整模块将当前气压值及制造设备对于压缩空气的估计的需求进行结合，以产生一最终预测结果；以及一最佳化模块，用以根据最终预测结果及该些空气压缩机的一当前操作组合，决定该些空气压缩机在预定未来时间的一目标操作组合。
本发明的实施例还提出一种适于操作多个空气压缩机的方法，以使该些空气压缩机共同地向一制造设备提供一压缩空气。适于操作该些空气压缩机的方法包含通过获得来自制造设备的一未来运作信息、该些空气压缩机所提供的压缩空气的一历史数据以及制造设备对于压缩空气的一平均消耗率，估计制造设备在一预定未来时间对于压缩空气的需求；通过将一当前气压值及一预定阈值之间的一差值转换为压缩空气的一排气量的额外需求值及通过将额外需求值与制造设备对于压缩空气的需求进行结合，动态地预测制造设备对于压缩空气的需求，以产生一最终预测结果；以及根据最终预测结果及该些空气压缩机的一当前操作组合，决定该些空气压缩机在预定未来时间的一目标操作组合。
本发明提供的控制系统及其方法，可使压缩空气需求预测结果更加准确，进而可以最佳化功率消耗。
附图说明
图1为本发明依据一些实施例的空气压缩机群组运作以向制造设备提供压缩空气的示意图。
图2为本发明依据一些实施例的最佳化系统中的各种模块的示意图。
图3为能量效率评估模块的流程示意图。
图4为压缩空气需求预测模块的流程示意图。
图5为空气输出动态调整模块的流程示意图。
图6为最佳化组合模拟模块的流程示意图。
图7为本发明依据一些实施例的示例性的使用者界面的示意图。
随附并形成部分的本发明说明书的附图被涵盖于本文中，以描述本发明的一些特征。通过参考附图中的示例性且非限制性的实施例，对于本发明的清楚概念，以及对于随本发明提供的系统的元件及操作的清楚概念，能够变得更加地明了。其中，相同的元件符号(例如，若多个附图中出现相同的元件符号)表示为同一元件。通过参考一个或多个此些附图，并结合本文的描述，可以更好地理解本发明的内容。
主要组件符号说明：
102 空气压缩机群组
110 气压检测器
120 空气压缩机中央控制器
130 自动化控制模块
105A～105D 空气压缩机
140 制造设备
150 最佳化系统
210 能量效率评估模块
220 压缩空气需求预测模块
230 空气输出动态调整模块
240 最佳化组合模拟模块
250 数据库
260 使用者操作界面
310～350 步骤
410～470 步骤
510～550 步骤
610～660 步骤
710 第一区块
720 第二区块
730 第三区块
具体实施方式
本发明是关于最佳化在大型制造设备中的空气压缩机群组的操作。以下将参照附图来对本发明的较佳实施例进行描述。
参照图1，为本发明依据一些实施例的空气压缩机群组102运作以向制造设备140提供压缩空气的示意图。空气压缩机群组102示例性地包含四个空气压缩机105A～105D，该些空气压缩机105A～105D受空气压缩机中央控制器120控制。在一实施例中，一个或多个空气压缩机105A～105D可以是变频空气压缩机。空气压缩机中央控制器120可以个别地将任一空气压缩机105A～105D开启或是关闭，以及改变空气压缩机105A～105D中的变频空气压缩机的频率。如此，可以响应制造设备140对于压缩空气的需求来适应压缩空气的供应。空气压缩机中央控制器120是由自动化控制模块130控制。自动化控制模块130决定空气压缩机群组102的操作状态，即哪些空气压缩机105A～105D在特定时间下需被开启或是需以特定频率运作。自动化控制模块130从气压检测器110实时地获得连通制造设备140的供气管路的压力值及获得每一空气压缩机105A～105D的压力值，并将气压数据及空气压缩机群组102的操作状态提供给最佳化系统150(亦可称为控制系统)。最佳化系统150还收集环境数据及制造设备140的压缩空气需求数据。环境数据包含制造设备的温度值、湿度值以及大气悬浮微粒值(atmospheric particulate matter，PM2.5)。压缩空气需求数据包含运作的生产线的数量、运作的生产线的工人数量、以及设计产量。通过前述数据，最佳化系统150决定空气压缩机群组102的最佳化操作条件。
参照图2，为本发明依据一些实施例的最佳化系统150中的各种模块的示意图。最佳化系统150包含一能量效率评估模块210、一压缩空气需求预测模块220、一空气输出动态调整模块230以及一最佳化组合模拟模块240(亦可称为最佳化模块)。最佳化系统150使用数据库250，以执行信号分析，且最佳化系统150使用数据库250储存气压值、生产线规划信息(例如未来预计运作的生产线的数量，即在一预定未来时间中预计运作的生产线的数量)以及功率消耗数据。储存于数据库250中的信号控制空气压缩机群组102的操作。生产线规划信息被提供给压缩空气需求预测模块220，以预测生产线在预定未来时间对于压缩空气的一未来需求(即，产生一预测结果，其关于生产线对于压缩空气的未来需求，亦可称为压缩空气需求预测结果)。数据库250耦接使用者操作界面260，以供系统操作人员输入工厂空气需求预测数据，并显示空气压缩机群组102的操作状态及历史数据。每一模块将在后进行详细说明。
参照图3，为能量效率评估模块210的流程示意图。能量效率评估模块210用以评估空气压缩机群组102的能量效率比(energy efficiency rate，EER)。具体来说，能量效率评估模块210用以评估每一空气压缩机在一预定时间间隔的能量效率比。在一实施例中，为了系统监控，能量效率比的值被显示及被储存。
如图3所示，一方面，在步骤310中，能量效率评估模块210从数据库250获得总供气历史；接着，在步骤320中，计算单一空气压缩机的每单位时间的供气量(即单一空气压缩机的每单位时间的压缩空气的排气量)。另一方面，在步骤330中，能量效率评估模块210从数据库250获得总电力消耗历史；接着，在步骤340中，计算单一空气压缩机的每单位时间的电力消耗量(即单一空气压缩机在一预定时段中所消耗的功率量)。之后，在步骤350中，能量效率评估模块210使用来自步骤320的供气数据(即排气量)及来自步骤340的电力消耗数据(即被消耗的功率量)，以计算单一空气压缩机过去14天(即预定时间间隔)的平均能量效率比的值。例如，将供气量(即排气量)除以电力消耗量(即被消耗的功率量)而计算出单一空气压缩机过去14天的平均能量效率比的值。如此，某一空气压缩机的能量效率比可以被决定。若能量效率比的值越高，则单一空气压缩机实现的能量效率越佳。
尽管在能量效率比的计算中示例性地使用过去14天的数据，然而在一些实施例中，可以使用其他期间的数据来进行能量效率比的计算，例如使用过去10天的数据或是过去20天的数据。为了获得某一空气压缩机的最新(most updated)的能量效率比数据，数据库250(其提供供气数据及电力消耗数据)示例性地每5分钟更新一次。再参照图2，在一实施例中，能量效率比数据被输入至最佳化组合模拟模块240，以决定空气压缩机群组102在预定未来时间的目标操作组合。
参照图4，为压缩空气需求预测模块220的流程示意图。在步骤410中，压缩空气需求预测模块220从数据库250获得总供气历史数据。接着，在步骤420中，通过总供气历史数据计算出每单位时间的供气量(即排气量)。同时，在步骤430中，从数据库250获得历史运作信息(例如己运作的生产线的数量，亦即在过去时间中运作的生产线的数量，也就是说在前述的预定时间间隔中运作的生产线的数量)。在一些实施例中，数据库250所储存的空气压缩机群组102的历史数据包含总供气历史数据及历史运作信息。在一些实施例中，历史运作信息是每一空气压缩机在历史数据(具体来说，总供气历史数据)出现的一时段中的运作信息。在一些实施例中，供气历史数据及历史运作信息皆经过预处理，以消除由异常数据收集所造成的异常数据点。之后，在步骤440中，将供气历史数据及历史运作信息作为变量而提供给线性回归模型。在一实施例中，线性回归模型在最初时被提供哑变量(dummyvariable)。
在步骤440的一实施例中，线性回归模型可以由式1表示。其中，Y是压缩空气需求(即压缩空气需求预测结果)，X表示运作的生产线的数量的一因子及二个时间因子。该二个时间因子例如是一周中的某一天及一天中的某一时间。ε为随机误差项(random errorterm)。之后，对式1使用矩阵微分法(matrix differential)来实现式2的最小值，其中式2中的由式3表示。
Y＝Xβ+ε (式1)
再参照图4，在步骤450中，获得生产线的参考平均空气消耗率(即制造设备140对于压缩空气的平均消耗率)，并在步骤460中，将参考平均空气消耗率提供给压缩空气需求预测模块220。由于使用压缩空气的机器可能会不时地开启或是关闭，造成生产线上的空气消耗量不可避免地会随着时间的推移而膨胀(swell)及衰退(ebb)，因而在此使用平均空气消耗率。平均空气消耗率是由预定时间内的空气消耗量之和除以该预定时间的时长而计算得。在步骤470中，从数据库250获得未来运作信息(例如在某一时间运作的生产线的数量，具体来说是在预定未来时间中预计运作的生产线的数量，亦即前述的生产线规划信息)，并将未来运作信息提供给压缩空气需求预测模块220。压缩空气需求预测模块220根据式4，计算未来空气需求(即式4中的Y，亦称为压缩空气需求预测结果)。其中，β0是总体基线(overall baseline)，βK是第k个生产线Lk的压缩空气消耗率，βm#是第m天的压缩空气消耗率，βn$是第n小时的压缩空气消耗率。
Y＝β0+β1*L1+β2*L2+…+β5*L5+β1#*(星期一)+β2#*(星期二)+…β5#*(星期五)+β1$*(01:00)+β2$*(02:00)+…+β23$*(23:00) (式4)
由于时间频率因子具有24个时段，因此有效值的计算仅执行于同一时段内的单一回归系数估计值。接着，考虑生产规划信息中的运作的生产线的数量及实际操作时间。举例来说，为了估计在星期一上午9：30时(即预定未来时间)生产线“1”～“3”(即制造设备140的生产线“1”～“3”)对于压缩空气的需求，且由于时间频率因子皆被设置为虚拟可变因子，因此在计算压缩空气需求预测结果时仅使用星期一的回归系数及时段上午9:30～10:30的回归系数。在此情形下，某一时段的变量被设置为“1”，且其他不相关的时段被设置为“0”。之后，考虑运作的生产线的实际数量，并将其相加，以根据式4得出总压缩空气需求预测结果。当运作的生产线的数量改变时，新的数量将被使用于计算压缩空气需求预测结果的式4中。本发明的实施例使压缩空气需求预测结果更加准确，进而可以最佳化功率消耗。
参照图5，为空气输出动态调整模块230的流程示意图。空气输出动态调整模块230用以考虑来自压缩空气需求预测模块220的静态预测结果(即压缩空气需求预测结果)及考虑生产线上的气压的动态波动，以产生最终的空气需求预测结果(在后称为最终预测结果)。在步骤510中，除了在第30分钟以外，通过定时器及气压检测器110以每5分钟追踪及检测空气压缩机群组102的气压值(在后称为当前气压值，亦可称为当前操作的第一参数)。虽然在此使用了5分钟的间隔，然而在其他实施例中，可以使用不同的时间间隔作为替代。在步骤520中，若当前气压值高于预定阈值，则将气压数据(即当前气压值)输入至数据库250，以储存为历史数据。若当前气压值低于预定阈值(即当前气压值是异常的)，则空气输出动态调整模块230计算当前气压值与预定阈值之间的一气压差值(a)(步骤530)。在一实施例中，预定阈值被设置为6.5兆帕(Mpa)。在一实施例中，每下降0.1Mpa，则压缩空气的排气量需要增加120立方米(m3)。在此情形下，气压差值被转换为对于压缩空气的排气量的一额外需求值。例如，将气压差值乘以120而计算得额外需求值。在步骤540中，空气输出动态调整模块230从压缩空气需求预测模块220获得一最初预测结果(b)(即压缩空气需求预测结果)。在步骤510中，若时间追踪器(即前述的定时器)是处于第30分钟时，则直接执行步骤540。在步骤550中，通过将气压差值(a)与最初预测结果(b)相加而获得最终空气需求预测结果(c)(即最终预测结果)(即c＝a+b)。最终空气需求预测结果(c)用于空气压缩机群组102的未来操作。
参照图6，为最佳化组合模拟模块240的流程示意图。在制造设备140中，空气压缩机群组102的功率消耗及其产生的压缩空气的排气量可以由功率消耗量及目标空气产量的式5表示。其中，E表示总功率消耗量；Pi表示第i个空气压缩机的功率消耗量(P′表示变频空气压缩机)；DVi表示第i个空气压缩机的空气产量的排气量。
min E＝P*Q+∑PQ+∑P′(PLR)s.t∑DVO+∑DV′(PLR)≥D (式5)
式5具有三个限制。第一限制为目标组合的目标空气产量需要高于(或满足)预测空气产量需求(即最终空气需求预测结果)。第二限制为目标组合中需要至少一个变频空气压缩机。目标组合是指指定某一/某些空气压缩机在特定时间运作，以向制造设备供应空气。第三限制为当前的目标组合与前一目标组合之间的差异不能超过运作的空气压缩机的预定数量。在一实施例中，每半小时计算一次目标组合。该预定数量是关联于服务于制造设备140的空气压缩机的总数量。在一实施例中，预定数量被设置为二个。由于刚开启的空气压缩机在可以向生产线提供压缩空气之前，需要时间来建立气压，因此第三限制旨在缩减空气压缩机的频繁的开启次数与关闭次数。在一实施例中，不限制需要至少一个变频空气压缩机，亦即第二限制可省略。
再参照图6，在步骤610中，最佳化组合模拟模块240从空气输出动态调整模块230获得后一半小时的需求预测数据(即最终空气需求预测结果)，并根据式5计算满足最终空气需求预测结果的目标组合的开启的空气压缩机的最大数量(M)。在步骤620中，最佳化组合模拟模块240还根据式5计算满足最终空气需求预测结果的目标组合的开启的空气压缩机的最小数量(m)。在步骤630中，最佳化组合模拟模块240获得在之后一半小时中，在最大数量(M)及最小数量(m)之间的范围内的运作的空气压缩机的所有组合形成的一组合组(S)(即第一组合组)。在步骤640中，最佳化组合模拟模块240通过数据库250或是使用能量效率评估模块210以计算组合组(S)的各自的能量效率比，并决定出在组合组(S)中消耗最少电力(功率消耗量最小者)的组合(t)(即第一组合)的子集合。在步骤650中，组合(t)被乘以一个大于1的预定因子，以获得新的组合组(T)(即第二组合组)。例如，最佳化组合模拟模块240选择出新的组合组(T)，其中组合组(T)中的每一组合的功率消耗量小于将组合(t)的功率消耗量乘以预定因子后所得的值。在一实施例中，预定因子被设定为1.1。在步骤660中，最佳化组合模拟模块240从组合组(T)中选择最接近于当前操作组合的一个组合，作为目标操作组合。
图6所示的流程示意图可以通过以制造设备140为例子来进行说明。该制造设备140的压缩空气生产群组(即空气压缩机群组102)中具有四个空气压缩机105A～105D。该四个空气压缩机105A～105D(在此简称为空气压缩机A～D)提供24-1种组合数量。空气压缩机A具有500立方米/小时(m3/hour)的空气产量；空气压缩机B具有700立方米/小时的空气产量；变频空气压缩机C具有500～1100立方米/小时的空气产量；及空气压缩机D具有100立方米/小时的空气产量。其中，变频空气压缩机C可以被视为多个固定频率空气压缩机(例如分别具有500立方米/小时、600立方米/小时、700立方米/小时、800立方米/小时、900立方米/小时、1000立方米/小时、以及1100立方米/小时的空气产量的多个空气压缩机)的集合。在此情形下，最大数量(即M＝4)的开启的空气压缩机(即空气压缩机A、B、处于500立方米/小时的空气压缩机C、及空气压缩机D)皆被开启。另一方面，最小数量(即m＝2)的开启的空气压缩机(即压缩机B、以及处于500立方米/小时的压缩机C)皆被开启。接着，最佳化组合模拟模块240使用排列组合方法，以运算出最大数量(M)与最小数量(m)之间可以产生压缩空气的所需排气量的所有组合形成的组合组(S)。例如，组合组(S)可以为{[A,B,C(500),D]，[A,B,C(600),D]，...[A,B,C(1100),D]，[A,C(1100)]}(即，S＝{[A,B,C(500),D]，[A,B,C(600),D]，...[A,B,C(1100),D]，[A,C(1100)]})。之后，计算组合组(S)中的每一组合的功率消耗量。例如，开启一组合[A,B,C(500),D]，其功率消耗量为每小时9.7千瓦·时(KW·h)；以及开启一组合[A,C(1100)]，其功率消耗量为每小时8.9千瓦·时。电力消耗最少(功率消耗量最小者)的组合(t)为[A,C(1100)](即，t＝[A,C(1100)])。下一步是将功耗值乘以一个因子(例如1.1)进行扩展，即将每小时8.9千瓦·时乘以1.1，以得出每小时9.79千瓦·时的功耗阈值。通过新的功耗阈值(9.79千瓦·时)，即可将额外的组合(例如，[A,B,C(500)]、[A,B,C(600)]、[A,B,C(700)]、以及[A,B,C(800)])与组合(t)一起选择，以形成出新的组合组(T)。最后，在组合组(T)中选择最接近当前操作组合的一个组合来作为对于后一时段的操作组合而言的一最佳化组合(即目标操作组合)。举例来说，若在当前操作组合中空气压缩机C是开启的，则加入具有最小功率消耗量及最少压缩机操作状态的变化的空气压缩机A。因此，选择空气压缩机A及空气压缩机C的组合以作为最佳化组合(即目标操作组合)。在一实施例中，变化的压缩机(开启和关闭压缩机)的数量，限制为1台或2台。
参照图7，为本发明依据一些实施例的示例性的使用者界面的示意图。使用者界面具有三个区块。第一区块710显示最佳建议对上(vs)实际操作状态、以及前二者分别对应的功率消耗量。第二区块720显示每一空气压缩机105A～105D的当前操作状态。第三区块730显示根据本发明实施例的最佳化系统150的每日、每月以及每年的能量节省量。若第一区块710显示最佳建议及实际操作状态之间具有差异时，则操作员可以检查第二区块720以确认是否有任何空气压缩机105A～105D是异常运作或是确认对于压缩空气的需求是否发生变化。
虽然在本发明的实施例中描述了以压缩空气作为空气压缩机群组102运作的消耗材料，然而本发明的最佳化系统150及其方法可以应用于其他系统。例如，本发明的最佳化系统150及其方法可以应用于中央空调系统，其中多个机器共同地向接受者系统供应冷却空气以作为消耗材料。压缩空气及冷却空气在使用者使用时，皆会耗散于环境中。然而，此种消耗材料的另一例可以是热水系统中所使用的水。
前述的详细说明的一些内容已经以算法及计算机存储器内的位元层上的操作符号表征的方式呈现。这些算法及符号表征是数据处理领域中的普通技术人员的某些人用来最有效地将他们的工作的实质内容传达给该领域中的普通技术人员的另一些人的方式。在此，算法一般被认为是一自洽性(self-consistnet)的操作序列，以引导出一期望结果。此些操作是需要物理量的实体调处。通常，但并非必需的，此些物理量是采用电力信号或是磁力信号的形式，且该电力信号及该磁力信号是可以被储存、被组合、被比较以及被进行其他的操控。主要出于常用的原因且令描述便利，有时可以将这些信号称为位元、数值、元素、符号、特征、术语、数字等。
需注意的是，此些术语及其相似的术语皆与适当的物理量相关联，并且该些术语仅是便利于标示该些物理量。本发明的实施例的内容可以指计算机系统或是相似的运算装置的动作及流程，其将某些数据转换为另一些数据。该某些数据表示为计算机系统的寄存器中及存储器中的物理(电子)量。该另一些数据表示为相似于计算机系统的寄存器中或存储器中或是其他类似的信息储存系统中的物理量。
本发明的实施例还涉及用于执行本文操作的一装置。该装置可以是为预期目的而专门建造或是可以包含一通用计算机。该通用计算机通过其内储存的计算机程序而被选择性地致动或是重新配置。此计算机程序可以被储存于计算机可读取储存媒体，例如但不限于，任何种类的磁盘或是任何适合储存电子指令的媒体，各该磁盘以及媒体耦接计算机系统的总线。磁盘可以包含软磁盘(floppy disk)、光盘(optical disk)、只读光盘(CD-ROM)、磁光盘(magnetic-optical disk)、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、可擦可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、磁卡(magnetic card)、或是光学卡(optical card)。
本发明的实施例的算法及显示器并没有与任何特定的计算机或是其他装置有固有的关系。各种通用系统可以根据本文的教示而与程序一起被使用，或者可以理解的是建造一个更专用的装置来执行本发明的实施例的方法是方便的。各种此些系统的结构将在后说明。再者，本发明的实施例的内容并没有参照任何特定的程序语言来进行描述。可以理解的是，各种程序语言可以被用来实现本发明的实施例所描述的教示。
本发明的实施例可以被以计算机程序产品或是软件的方式提供，其可以包含储存有指令的一机器可读取媒体。该指令可以用以对计算机系统(或其他电子装置)进行程序编码，以根据本发明的实施例的内容执行一程序。机器可读取媒体包含任何以机器(例如计算机)可读取的形式实现的储存信息的机制。在一些实施例中，机器可读取(例如计算机可读取)媒体包含一机器(例如计算机)可读取储存媒体，例如只读存储器、随机存取存储器、磁盘储存媒体、光盘储存媒体、闪存组件等。
在本文中，为了简洁，各种功能及操作被描述为由计算机指令执行或是引起。然而，本领域中的普通技术人员将可以理解此种描述方式是，此些功能由一个或是多个控制器或是处理器执行计算机指令后所产生的结果。替代地或是结合地，此些功能及操作可以在通过使用或是不使用软件指令的情形下，使用特定用途的电路来实现，例如特定应用集成电路(Application-Specific Integrated Circuit，ASIC)或是现场可编程门阵列(Field-Programmable Gate Array，FPGA)。一些实施例是可以在没有软件指令的情形下，使用硬件接线电路来实现，也可以是将硬件接线电路与软件指令一起使用。因此，此些技术既不限于硬件电路及软件的任何特定组合，也不限于对于数据处理系统执行指令时所使用的任何特定数据源。
尽管在本文中以一个或多个具体实施例来说明及描述本发明，但是此些实施例并非限制所示的细节，因此在不脱离本发明的精神及在权利要求书的范围及其同等范围内，可对此些实施例进行各种修改及结构变化。因此，对所附的权利要求书进行广义的解释，且以与在所附权利要求中所阐述的本发明的范围一致的方式进行解释是适当的。

Claims (20)

1.一种控制系统，该控制系统适于操作多个机器，以共同地向一接受者系统提供一消耗材料，该控制系统包括：
一需求预测模块，该需求预测模块用以估计该接受者系统在一预定未来时间对于该消耗材料的需求；
一动态调整模块，该动态调整模块用以从该接受者系统获得一当前操作的一第一参数，该动态调整模块将该第一参数及该接受者系统估计的该消耗材料的需求进行结合，以产生一最终预测结果；以及
一最佳化模块，该最佳化模块用以根据该最终预测结果及该些机器的一当前操作组合，决定该些机器在该预定未来时间的一目标操作组合。
2.如权利要求1所述的控制系统，该控制系统还包括一能量效率评估模块，用以通过获得该些机器的其中之一所提供的该消耗材料的一排气量及通过获得该些机器的该其中之一在一预定时段中所消耗的一功率量，来评估每一该机器在一预定时间间隔的一能量效率比，该能量效率评估模块通过将被提供的该消耗材料的该排气量除以被消耗的该功率量，来决定该些机器的该其中之一的该能量效率比。
3.如权利要求1所述的控制系统，其中，该需求预测模块获得来自该接受者系统的一未来运作信息、该些机器所提供的该消耗材料的一历史数据、以及该接受者系统对于该消耗材料的一平均消耗率，以获得该接受者系统在该预定未来时间对于该消耗材料的需求。
4.如权利要求1所述的控制系统，其中，该些机器所提供的该消耗材料的一历史数据包括：每一该机器在该历史数据出现的一时段中的一历史运作信息。
5.如权利要求1所述的控制系统，其中，该动态调整模块将该第一参数及一预定阈值之间的一差值转换为该接受者系统对于该消耗材料的一额外需求值。
6.如权利要求1所述的控制系统，其中，该最佳化模块决定满足于该最终预测结果的该些机器的一最大数量及一最小数量。
7.如权利要求6所述的控制系统，其中，该最佳化模块在该些机器的该最大数量及该最小数量之间的范围内，决定该些机器的待开启的一第一组合组。
8.如权利要求7所述的控制系统，其中，该最佳化模块选择在该第一组合组中功率消耗量最小的一第一组合，该最佳化模块选择一第二组合组，其中该第二组合组中的每一组合的功率消耗量小于该第一组合的功率消耗量乘以大于1的一预定因子，该最佳化模块选择在该第二组合组中最接近于该当前操作组合的一目标组合。
9.如权利要求1所述的控制系统，其中，该些机器为多个空气压缩机，该消耗材料为一压缩空气，且该接受者系统为一制造设备。
10.一种控制系统，该控制系统适于操作多个空气压缩机，以共同地向一制造设备提供一压缩空气，该控制系统包括：
一需求预测模块，该需求预测模块用以估计该制造设备在一预定未来时间对于该压缩空气的需求；
一动态调整模块，该动态调整模块用以从该制造设备获得一当前气压值，该动态调整模块将该当前气压值及该制造设备对于该压缩空气的需求进行结合，以产生一最终预测结果；以及
一最佳化模块，该最佳化模块用以根据该最终预测结果及该些空气压缩机的一当前操作组合，决定该些空气压缩机在该预定未来时间的一目标操作组合。
11.如权利要求10所述的控制系统，该控制系统还包括一能量效率评估模块，用以通过获得该些空气压缩机的其中之一所提供的该压缩空气的一排气量及通过获得该些空气压缩机的该其中之一在一预定时段中所消耗的一功率量，来评估每一该空气压缩机在一预定时间间隔的一能量效率比，该能量效率评估模块通过将被提供的该压缩空气的该排气量除以被消耗的该功率量，来决定该些空气压缩机的该其中之一的该能量效率比。
12.如权利要求10所述的控制系统，其中，该需求预测模块获得来自该制造设备的一未来运作信息、该些空气压缩机所提供的该压缩空气的一历史数据、以及该制造设备对于该压缩空气的一平均消耗率，以获得该制造设备在该预定未来时间对于该压缩空气的需求。
13.如权利要求10所述的控制系统，其中，该些空气压缩机所提供的该压缩空气的一历史数据包括：每一该空气压缩机在该历史数据出现的一时段中的一历史运作信息。
14.如权利要求10所述的控制系统，其中，该动态调整模块将该当前气压值及一预定阈值之间的一差值转换为该压缩空气的一排气量的一额外需求值。
15.如权利要求10所述的控制系统，其中，该最佳化模块决定满足于该最终预测结果的该些空气压缩机的一最大数量及一最小数量。
16.如权利要求15所述的控制系统，其中，该最佳化模块在该些空气压缩机的该最大数量及该最小数量之间的范围内，决定该些空气压缩机的待开启的一第一组合组。
17.如权利要求16所述的控制系统，其中，该最佳化模块选择在该第一组合组中功率消耗量最小的一第一组合，该最佳化模块选择一第二组合组，其中该第二组合组中的每一组合的功率消耗量小于该第一组合的功率消耗量乘以大于1的一预定因子，该最佳化模块选择在该第二组合组中最接近于该当前操作组合的一目标组合。
18.一种适于操作多个空气压缩机的方法，以使该些空气压缩机共同地向一制造设备提供一压缩空气，该适于操作该些空气压缩机的方法包括：
通过获得来自该制造设备的一未来运作信息、该些空气压缩机所提供的该压缩空气的一历史数据以及该制造设备对于该压缩空气的一平均消耗率，估计该制造设备在一预定未来时间对于该压缩空气的需求；
通过将一当前气压值及一预定阈值之间的一差值转换为该压缩空气的一排气量的一额外需求值及通过将该额外需求值与该制造设备对于该压缩空气的需求进行结合，动态地预测该制造设备对于该压缩空气的需求，产生一最终预测结果；以及
根据该最终预测结果及该些空气压缩机的一当前操作组合，决定该些空气压缩机在该预定未来时间的一目标操作组合。
19.如权利要求18所述的适于操作多个空气压缩机的方法，其中，该些空气压缩机所提供的该压缩空气的该历史数据包括：每一该空气压缩机在该历史数据出现的一时段中的一历史运作信息。
20.如权利要求18所述的适于操作多个空气压缩机的方法，其中，决定该些空气压缩机的该目标操作组合包括：
决定满足于该最终预测结果的该些空气压缩机的一最大数量及一最小数量；
在该些空气压缩机的该最大数量及该最小数量之间的范围内，决定该些空气压缩机的待开启的一第一组合组；
选择在该第一组合组中功率消耗量最小的一第一组合；
选择一第二组合组，其中该第二组合组中的每一组合的功率消耗量小于该第一组合的功率消耗量乘以大于1的一预定因子；以及
选择在该第二组合组中最接近于该当前操作组合的一目标组合作为该目标操作组合。
CN202210438391.XA 2022-04-25 2022-04-25 适于空气压缩机群组的最佳化系统及其方法 Pending CN116988960A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210438391.XA CN116988960A (zh) 2022-04-25 2022-04-25 适于空气压缩机群组的最佳化系统及其方法
TW111118436A TWI806611B (zh) 2022-04-25 2022-05-17 適於空氣壓縮機群組的最佳化系統及其方法
US17/875,475 US20230340962A1 (en) 2022-04-25 2022-07-28 Optimization systems and methods for operating air compressor groups

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210438391.XA CN116988960A (zh) 2022-04-25 2022-04-25 适于空气压缩机群组的最佳化系统及其方法

Publications (1)

Publication Number Publication Date
CN116988960A true CN116988960A (zh) 2023-11-03

Family

ID=87803128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210438391.XA Pending CN116988960A (zh) 2022-04-25 2022-04-25 适于空气压缩机群组的最佳化系统及其方法

Country Status (3)

Country Link
US (1) US20230340962A1 (zh)
CN (1) CN116988960A (zh)
TW (1) TWI806611B (zh)

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6684178B2 (en) * 2001-06-07 2004-01-27 General Electric Company Systems and methods for monitoring the usage and efficiency of air compressors
US7118348B2 (en) * 2003-03-06 2006-10-10 General Electric Company Compressed air system and method of control
US7275377B2 (en) * 2004-08-11 2007-10-02 Lawrence Kates Method and apparatus for monitoring refrigerant-cycle systems
US20100082293A1 (en) * 2008-09-26 2010-04-01 Compressor Energy Solutions, Inc. Compressed air system monitoring and analysis
TWI351494B (en) * 2008-10-24 2011-11-01 Chunghwa Telecom Co Ltd Energy saving control system and energy saving war
DE102008064491A1 (de) * 2008-12-23 2010-06-24 Kaeser Kompressoren Gmbh Simulationsgestütztes Verfahren zur Steuerung bzw. Regelung von Druckluftstationen
JP6520228B2 (ja) * 2015-03-05 2019-05-29 中国電力株式会社 電力需要量予測システム、電力需要量予測方法及びプログラム
US11175060B2 (en) * 2016-05-31 2021-11-16 Robert J. Mowris Fan-on detection and correction
CN109783916B (zh) * 2019-01-02 2021-06-18 大连理工大学 一种基于仿真技术的空气压缩机群组优化调度决策方法
US11408418B2 (en) * 2019-08-13 2022-08-09 Rockwell Automation Technologies, Inc. Industrial control system for distributed compressors
CN113377018A (zh) * 2020-03-09 2021-09-10 青岛海尔空调器有限总公司 空调器的智能控制方法与空调器的智能控制设备
CN114065994A (zh) * 2020-08-10 2022-02-18 中国移动通信集团浙江有限公司 空调系统能耗优化方法、装置、设备及计算机存储介质
ES2977066T3 (es) * 2020-09-24 2024-08-16 Atlas Copco Airpower Nv Un método para controlar una sala de compresores y un aparato del mismo
CN113435665A (zh) * 2021-07-19 2021-09-24 西安建筑科技大学 一种面向功能分区的商场冷负荷预测方法及系统
CN114035520A (zh) * 2021-10-27 2022-02-11 山西潞安集团余吾煤业有限责任公司 一种空气压缩站的智能监管系统及方法
CN114154692A (zh) * 2021-11-19 2022-03-08 红云红河烟草(集团)有限责任公司 一种与生产用能端的压力协同匹配的空压机开动优化方法

Also Published As

Publication number Publication date
TWI806611B (zh) 2023-06-21
US20230340962A1 (en) 2023-10-26
TW202343175A (zh) 2023-11-01

Similar Documents

Publication Publication Date Title
EP3889524B1 (en) System comprising a controller for refrigeration or hvac system, and associated method
EP3351862A1 (en) Hvac system with predictive free cooling control and free cooling optimization
US20220365495A1 (en) Building control system with features for operating under intermittent connectivity to a cloud computation system
EP2314942B1 (en) Air-conditioning apparatus control device and refrigerating apparatus control device
WO2021108224A1 (en) Building control system with smart edge devices having embedded model predictive control
Xenos et al. Optimization of a network of compressors in parallel: Real Time Optimization (RTO) of compressors in chemical plants–An industrial case study
JP5621457B2 (ja) コンプレッサ運転制御システム
US9454173B2 (en) Predictive alert system for building energy management
WO2015004742A1 (ja) 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム
EP3862644B1 (en) Information processing device and air-conditioning system provided with same
Lee et al. NARX modeling for real-time optimization of air and gas compression systems in chemical processes
JP7343289B2 (ja) 空調負荷の予測方法および空調システム
US11874013B1 (en) AI-based total energy management system for high energy efficiency of logistics center
CN113825955A (zh) 确定温度设置值的方法、装置、系统、存储介质和处理器
JP2011242981A (ja) 関数生成装置、及び関数生成方法
CN116988960A (zh) 适于空气压缩机群组的最佳化系统及其方法
AU2019292449B2 (en) Power consumption estimation device
Xenos et al. Modeling and optimization of industrial centrifugal compressor stations employing data-driven methods
CN110796302A (zh) 渐进调整的东北地区住宅区直热式电锅炉负荷预测方法
US11408626B2 (en) Central plant control system with dynamic computation reduction
CN110701732B (zh) 能耗数据分析方法、系统及中央空调的节能方法和系统
CN117557070B (zh) 能耗优化方法、装置及电子设备
CN113701275B (zh) 一种基于机器学习的冰蓄冷空调蓄冷量预测方法及装置
KR102667747B1 (ko) 클린 룸 환경을 갖춘 분산 사업장의 에너지 절감을 위한 맞춤형 클라우드 fems 시스템 및 그 시스템 운영방법
CN118843771A (zh) 控制软件生成系统

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