TW202343175A - 適於空氣壓縮機群組的最佳化系統及其方法 - Google Patents
適於空氣壓縮機群組的最佳化系統及其方法 Download PDFInfo
- Publication number
- TW202343175A TW202343175A TW111118436A TW111118436A TW202343175A TW 202343175 A TW202343175 A TW 202343175A TW 111118436 A TW111118436 A TW 111118436A TW 111118436 A TW111118436 A TW 111118436A TW 202343175 A TW202343175 A TW 202343175A
- Authority
- TW
- Taiwan
- Prior art keywords
- air
- combination
- demand
- compressed air
- control system
- Prior art date
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims description 15
- 238000004519 manufacturing process Methods 0.000 claims abstract description 79
- 239000000463 material Substances 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims 2
- 238000007906 compression Methods 0.000 claims 2
- 238000006073 displacement reaction Methods 0.000 claims 2
- 238000004088 simulation Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000008277 atmospheric particulate matter Substances 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 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
- 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
- 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
- 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
適於操作多個空氣壓縮機的控制系統,以使該些空氣壓縮機共同向製造設備供應壓縮空氣。控制系統包含一需求預測模組、一動態調整模組及一最佳化模組。需求預測模組用以估計製造設備在一預定未來時間對於壓縮空氣的需求。動態調整模組用以從製造設備獲得一當前氣壓值,並將當前氣壓值及製造設備對於壓縮空氣的估計的需求進行結合,以產生一最終預測結果。最佳化模組用以根據最終預測結果及該些空氣壓縮機的一當前操作組合,決定該些空氣壓縮機在預定未來時間的一目標操作組合。
Description
本案一般是關於空氣壓縮機的操作,尤其是關於適於空氣壓縮機群組的最佳化系統及其方法。
壓縮空氣在製造設備中被廣泛使用於各種應用,例如用於將水或是灰塵從製造元件上吹走,以及用於驅動氣動工具或是機械臂。空氣壓縮機透過減少其體積來增加進氣(inlet air)的壓力。大多數的空氣壓縮機的核心是離心式葉輪(centrifugal impeller)或是旋轉螺旋式(rotary screw),且是用於將空氣進行壓縮。
根據所涉及的物理學及熱力學,將空氣進行壓縮的效率自然較低。驅動空氣壓縮機的電機所消耗的大部分的電力會加熱空氣。然而,離開壓縮機的空氣需要被冷卻,因此需要風扇及風冷或水冷的熱交換器(air-or-water-cooled heat exchanger),此會造成更多的能量消耗。
一旦空氣被壓縮,則其需以特定的壓力來傳輸至終端使用者。在空氣傳輸過程中,沿途會出現損失並降低效率。當空氣被壓縮、被冷卻、被乾製、被傳輸、被調節、及最終被使用時,空氣壓縮機的電力成本可能占據製造處(manufacturing site)的總電力成本的30%。
在大型的製造處,壓縮空氣一般是由中央站提供,該中央站具有以群組操作的複數個空氣壓縮機。由於製造處的各個部件的工作量的變化,因此對於壓縮空氣的需求在一天中可能具有波動。空氣壓縮機可能需要相應地調整操作模式。在高需求時間中,更多的空氣壓縮機需要進行運作;及在低需求時間中,一些空氣壓縮機需要停止運作。新啟動的空氣壓縮機在將壓縮空氣傳輸至生產線之前,需要較長的時間來建立氣壓,因此經常地開啟及關閉空氣壓縮機的效率是非常低的。如此,吾人所期望的是,最佳化空氣壓縮機群組的操作。
本案實施例提出一種控制系統,適於操作複數個機器,以共同地向一接受者系統提供一消耗材料。該控制系統包含一需求預測模組,用以估計該接受者系統在一預定未來時間對於該消耗材料的需求;一動態調整模組,用以從該接受者系統獲得一當前操作的一第一參數,該動態調整模組將該第一參數及該接受者系統估計的該消耗材料的需求進行結合,以產生一最終預測結果;一最佳化模組,用以根據該最終預測結果及該些機器的一當前操作組合,決定該些機器在該預定未來時間的一目標操作組合。
本案實施例提出一種控制系統,適於操作複數個空氣壓縮機,以共同地向一製造設備提供一壓縮空氣。控制系統包含一需求預測模組,用以估計製造設備在一預定未來時間對於壓縮空氣的需求;一動態調整模組,用以從製造設備獲得一當前氣壓值,動態調整模組將當前氣壓值及製造設備對於壓縮空氣的估計的需求進行結合,以產生一最終預測結果;及一最佳化模組,用以根據最終預測結果及該些空氣壓縮機的一當前操作組合,決定該些空氣壓縮機在預定未來時間的一目標操作組合。
本案實施例還提出一種適於操作複數個空氣壓縮機的方法,以使該些空氣壓縮機共同地向一製造設備提供一壓縮空氣。適於操作該些空氣壓縮機的方法包含透過獲得製造設備的一未來運作訊息、該些空氣壓縮機所提供的壓縮空氣的一歷史資料及製造設備對於壓縮空氣的一平均消耗率,估計製造設備在一預定未來時間對於壓縮空氣的需求;透過將一當前氣壓值及一預定閾值之間的一差值轉換為壓縮空氣的一排氣量的額外需求值及透過將額外需求值與製造設備對於壓縮空氣的需求進行結合,動態地預測製造設備對於壓縮空氣的需求,以產生最終預測結果;及根據最終預測結果及該些空氣壓縮機的一當前操作組合,決定該些空氣壓縮機在預定未來時間的一目標操作組合。
本案是關於最佳化在大型製造設備中的空氣壓縮機群組的操作。以下將參照圖式來對本案的較佳實施例進行描述。
參照圖1,係為本案依據一些實施例之空氣壓縮機群組102運作以向製造設備140提供壓縮空氣的示意圖。空氣壓縮機群組102示例性地包含四個空氣壓縮機105A~105D,該些空氣壓縮機105A~105D受空氣壓縮機中央控制器120控制。在一實施例中,一個或複數個空氣壓縮機105A~105D可以是變頻空氣壓縮機。空氣壓縮機中央控制器120可以個別地將任一空氣壓縮機105A~105D開啟或是關閉,以及改變空氣壓縮機105A~105D中的變頻空氣壓縮機的頻率。如此,可以響應製造設備140對於壓縮空氣的需求來調整壓縮空氣的供應。空氣壓縮機中央控制器120是由自動化控制模組130控制。自動化控制模組130決定空氣壓縮機群組102的操作狀態,即哪些空氣壓縮機105A~105D在特定時間下需被開啟或是需以特定頻率運作。自動化控制模組130從氣壓偵測器110實時地獲得連通製造設備140的供氣管路的壓力值及獲得每一空氣壓縮機105A~105D的壓力值,並將氣壓資料及空氣壓縮機群組102的操作狀態提供給最佳化系統150(亦可稱為控制系統)。最佳化系統150還收集環境資料及製造設備140的壓縮空氣需求資料。環境資料包含製造設備的溫度值、濕度值及大氣懸浮微粒值(atmospheric particulate matter,PM2.5)。壓縮空氣需求資料包含運作的生產線的數量、運作的生產線之工人數量、及設計產量。透過前述資料,最佳化系統150決定空氣壓縮機群組102的最佳化操作條件。
參照圖2,係為本案依據一些實施例之最佳化系統150中的各種模組的示意圖。最佳化系統150包含一能量效率評估模組210、一壓縮空氣需求預測模組220、一空氣輸出動態調整模組230及一最佳化組合模擬模組240(亦可稱為最佳化模組)。最佳化系統150使用資料庫250,以執行訊號分析,且最佳化系統150使用資料庫250儲存氣壓值、生產線規劃訊息(例如未來預計運作的生產線的數量,即在一預定未來時間中預計運作的生產線的數量)及功率消耗資料。儲存於資料庫250中的訊號係控制空氣壓縮機群組102的操作。生產線規劃訊息被提供給壓縮空氣需求預測模組220,以預測生產線在預定未來時間對於壓縮空氣的一未來需求(即,產生一預測結果,其係關於生產線對於壓縮空氣的未來需求,亦可稱為壓縮空氣需求預測結果)。資料庫250耦接使用者操作介面260,以供系統操作人員輸入工廠空氣需求預測資料,並顯示空氣壓縮機群組102的操作狀態及歷史資料。每一模組將於後進行詳細說明。
參照圖3,係為能量效率評估模組210的流程示意圖。能量效率評估模組210用以評估空氣壓縮機群組102的能量效率比(energy efficiency rate,EER)。具體來說,能量效率評估模組210用以評估每一空氣壓縮機在一預定時間間隔的能量效率比。在一實施例中,為了系統監控,能量效率比的值被顯示及被儲存。
如圖3所示,一方面,在步驟310中,能量效率評估模組210從資料庫250獲得總供氣歷史;接著,在步驟320中,計算單一空氣壓縮機的每單位時間的供氣量(即單一空氣壓縮機的每單位時間的壓縮空氣的排氣量)。另一方面,在步驟330中,能量效率評估模組210從資料庫250獲得總電力消耗歷史;接著,在步驟340中,計算單一空氣壓縮機的每單位時間的電力消耗量(即單一空氣壓縮機在一預定時段中所消耗的功率量)。之後,在步驟350中,能量效率評估模組210使用來自步驟320的供氣資料(即排氣量)及來自步驟340的電力消耗資料(即被消耗的功率量),以計算單一空氣壓縮機過去14天(即預定時間間隔)的平均能量效率比的值。例如,將供氣量(即排氣量)除以電力消耗量(即被消耗的功率量)而計算出單一空氣壓縮機過去14天的平均能量效率比的值。如此,某一空氣壓縮機的能量效率比可以被決定。若能量效率比的值愈高,則單一空氣壓縮機實現的能量效率愈佳。
儘管在能量效率比的計算中示例性地使用過去14天的資料,然而在一些實施例中,可以使用其他期間的資料來進行能量效率比的計算,例如使用過去10天的資料或是過去20天的資料。為了獲得某一空氣壓縮機的最新(most updated)的能量效率比資料,資料庫250(其提供供氣資料及電力消耗資料)示例性地每5分鐘更新一次。復參照圖2,於一實施例中,能量效率比資料被輸入至最佳化組合模擬模組240,以決定空氣壓縮機群組102在預定未來時間的目標操作組合。
參照圖4,係為壓縮空氣需求預測模組220的流程示意圖。在步驟410中,壓縮空氣需求預測模組220從資料庫250獲得總供氣歷史資料。接著,在步驟420中,透過總供氣歷史資料計算出每單位時間的供氣量(即排氣量)。同時,在步驟430中,從資料庫250獲得歷史運作訊息(例如已運作的生產線的數量,亦即在過去時間中運作的生產線的數量,也就是說在前述之預定時間間隔中運作的生產線的數量)。在一些實施例中,資料庫250所儲存的空氣壓縮機群組102的歷史資料包含總供氣歷史資料及歷史運作訊息。在一些實施例中,歷史運作訊息是每一空氣壓縮機在歷史資料(具體來說,總供氣歷史資料)出現的一時段中的運作訊息。在一些實施例中,供氣歷史資料及歷史運作訊息皆經過預處理,以消除由異常資料收集所造成的異常資料點。之後,在步驟440中,將供氣歷史資料及歷史運作訊息作為變數而提供給線性迴歸模型。在一實施例中,線性迴歸模型在最初時被提供有啞變數(dummy variable)。
在步驟440的一實施例中,線性迴歸模型可以由式1表示。其中,Y是壓縮空氣需求(即壓縮空氣需求預測結果),X表示運作的生產線的數量的一因數及二個時間因數。該二時間因數例如是一周中的某一天及一天中的某一時間。ε為隨機誤差項(random error term)。之後,對式1使用矩陣微分法(matrix differential)來實現式2的最小值,其中式2中的
由式3表示。
……………………………………………(式1)
……………………………………(式2)
………………………………………(式3)
復參照圖4,在步驟450中,獲得生產線的參考平均空氣消耗率(即製造設備140對於壓縮空氣的平均消耗率),並在步驟460中,將參考平均空氣消耗率提供給壓縮空氣需求預測模組220。由於使用壓縮空氣的機器可能會不時地開啟或是關閉,造成生產線上的空氣消耗量不可避免地會隨著時間的推移而膨脹(swell)及衰退(ebb),因而在此使用平均空氣消耗率。平均空氣消耗率是由預定時間內的空氣消耗量之和除以該預定時間的時長而計算得。在步驟470中,從資料庫250獲得未來運作訊息(例如在某一時間運作的生產線的數量,具體來說是在預定未來時間中預計運作的生產線的數量,亦即前述之生產線規劃訊息),並將未來運作訊息提供給壓縮空氣需求預測模組220。壓縮空氣需求預測模組220根據式4,計算未來空氣需求(即式4中的Y,亦稱為壓縮空氣需求預測結果)。其中,β
0是總體基線(overall baseline),β
K是第k個生產線L
k的壓縮空氣消耗率,β
m#是第m天的壓縮空氣消耗率,β
n$是第n小時的壓縮空氣消耗率。
………………………………………………………(式4)
由於時間頻率因數具有24個時段,因此有效值的計算僅執行於同一時段內的單一迴歸係數估計值。接著,考量生產規劃訊息中的運作的生產線的數量及實際操作時間。舉例來說,為了估計在星期一上午9:30時(即預定未來時間)生產線「1」~「3」(即製造設備140的生產線「1」~「3」)對於壓縮空氣的需求,且由於時間頻率因數皆被設置為虛擬可變因數,因此在計算壓縮空氣需求預測結果時僅使用星期一的迴歸係數及時段上午9:30~10:30的迴歸係數。在此情形下,某一時段的變數被設置為「1」,且其他不相關的時段被設置為「0」。之後,考量運作的生產線的實際數量,並將其相加,以根據式4得出總壓縮空氣需求預測結果。當運作的生產線的數量改變時,新的數量將被使用於計算壓縮空氣需求預測結果的式4中。本案的實施例使壓縮空氣需求預測結果更加準確,進而可以最佳化功率消耗。
參照圖5,係為空氣輸出動態調整模組230的流程示意圖。空氣輸出動態調整模組230用以考慮來自壓縮空氣需求預測模組220的靜態預測結果(即壓縮空氣需求預測結果)及考慮生產線上的氣壓的動態波動,以產生最終的空氣需求預測結果(於後稱為最終預測結果)。在步驟510中,除了在第30分鐘以外,透過計時器及氣壓偵測器110以每5分鐘追蹤及偵測空氣壓縮機群組102的氣壓值(於後稱為當前氣壓值,亦可稱為當前操作的第一參數)。雖然在此使用了5分鐘的間隔,然而在其他實施例中,可以使用不同的時間間隔作為替代。在步驟520中,若當前氣壓值高於預定閾值,則將氣壓資料(即當前氣壓值)輸入至資料庫250,以儲存為歷史資料。若當前氣壓值低於預定閾值(即當前氣壓值是異常的),則空氣輸出動態調整模組230計算當前氣壓值與預定閾值之間的一氣壓差值(a)(步驟530)。在一實施例中,預定閾值被設置為6.5百萬帕(Mpa)。在一實施例中,每下降0.1Mpa,則壓縮空氣的排氣量需要增加120立方公尺(m
3)。在此情形下,氣壓差值被轉換為對於壓縮空氣的排氣量之一額外需求值。例如,將氣壓差值乘以120而計算得額外需求值。在步驟540中,空氣輸出動態調整模組230從壓縮空氣需求預測模組220獲得一最初預測結果(b)(即壓縮空氣需求預測結果)。在步驟510中,若時間追蹤器(即前述之計時器)是處於第30分鐘時,則直接執行步驟540。在步驟550中,透過將氣壓差值(a)與最初預測結果(b)相加而獲得最終空氣需求預測結果(c)(即最終預測結果)(即
)。最終空氣需求預測結果(c)係用於空氣壓縮機群組102的未來操作。
參照圖6,係為最佳化組合模擬模組240的流程示意圖。在製造設備140中,空氣壓縮機群組102的功率消耗及其產生的壓縮空氣的排氣量可以由功率消耗量及目標空氣產量的式5表示。其中,E表示總功率消耗量;Pi表示第i個空氣壓縮機的功率消耗量(P’表示變頻空氣壓縮機);DVi表示第i個空氣壓縮機的空氣產量的排氣量。
…(式5)
式5具有三個限制。第一限制為目標組合的目標空氣產量需要高於(或滿足)預測空氣產量需求(即最終空氣需求預測結果)。第二限制為目標組合中需要至少一個變頻空氣壓縮機。目標組合是指指定某一/某些空氣壓縮機在特定時間運作,以向製造設備供應空氣。第三限制為當前的目標組合與前一目標組合之間的差異不能超過運作的空氣壓縮機的預定數量。在一實施例中,每半小時計算一次目標組合。該預定數量是關聯於服務於製造設備140的空氣壓縮機的總數量。在一實施例中,預定數量被設置為二個。由於剛開啟的空氣壓縮機在可以向生產線提供壓縮空氣之前,需要時間來建立氣壓,因此第三限制旨在縮減空氣壓縮機之頻繁的開啟次數與關閉次數。在一實施例中,不限制需要至少一個變頻空氣壓縮機,亦即第二限制可省略。
復參照圖6,在步驟610中,最佳化組合模擬模組240從空氣輸出動態調整模組230獲得後一半小時的需求預測資料(即最終空氣需求預測結果),並根據式5計算滿足最終空氣需求預測結果的目標組合的開啟的空氣壓縮機的最大數量(M)。在步驟620中,最佳化組合模擬模組240還根據式5計算滿足最終空氣需求預測結果的目標組合的開啟的空氣壓縮機的最小數量(m)。在步驟630中,最佳化組合模擬模組240獲得在該後一半小時中,在最大數量(M)及最小數量(m)之間的範圍內的運作的空氣壓縮機的所有組合形成的一組合組(S)(即第一組合組)。在步驟640中,最佳化組合模擬模組240透過資料庫250或是使用能量效率評估模組210以計算組合組(S)之各自的能量效率比,並決定出在組合組(S)中消耗最少電力(功率消耗量最小者)的組合(t)(即第一組合)的子集合。在步驟650中,組合(t)被乘以一個大於1的預定因數,以獲得新的組合組(T)(即第二組合組)。例如,最佳化組合模擬模組240選擇出新的組合組(T),其中組合組(T)中之每一組合的功率消耗量小於將組合(t)的功率消耗量乘以預定因數後所得之值。在一實施例中,預定因數被設定為1.1。在步驟660中,最佳化組合模擬模組240從組合組(T)中選擇最接近於當前操作組合的一個組合,作為目標操作組合。
圖6所示的流程示意圖可以透過以製造設備140為例子來進行說明。該製造設備140的壓縮空氣生產群組(即空氣壓縮機群組102)中具有四個空氣壓縮機105A~105D。該四個空氣壓縮機105A~105D(於此簡稱為空氣壓縮機A~D)提供2
4– 1種組合數量。空氣壓縮機A具有500立方公尺/小時(m
3/hour)的空氣產量;空氣壓縮機B具有700立方公尺/小時的空氣產量;變頻空氣壓縮機C具有500~1100立方公尺/小時的空氣產量;及空氣壓縮機D具有100立方公尺/小時的空氣產量。其中,變頻空氣壓縮機C可以被視為複數個固定頻率空氣壓縮機(例如分別具有500立方公尺/小時、600立方公尺/小時、700立方公尺/小時、800立方公尺/小時、900立方公尺/小時、1000立方公尺/小時、及1100立方公尺/小時的空氣產量的複數個空氣壓縮機)的集合。在此情形下,最大數量(即M=4)的開啟的空氣壓縮機(即空氣壓縮機A、B、處於500立方公尺/小時的空氣壓縮機C、及空氣壓縮機D)皆被開啟。另一方面,最小數量(即m=2)的開啟的空氣壓縮機(即壓縮機B、及處於500立方公尺/小時的壓縮機C)皆被開啟。接著,最佳化組合模擬模組240使用排列組合方法,以運算出最大數量(M)與最小數量(m)之間可以產生壓縮空氣的所需排氣量的所有組合形成的組合組(S)。例如,組合組(S)可以為{[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)]})。之後,計算組合組(S)中的每一組合的功率消耗量。例如,開啟一組合[A, B, C(500), D],其功率消耗量為每小時9.7瓩⋅時(KW-h);及開啟一組合[A, C(1100)],其功率消耗量為每小時8.9瓩⋅時。電力消耗最少(功率消耗量最小者)的組合(t)為[A, C(1100)](即,t = [A, C(1100)])。下一步是將功耗值乘以一個因數(例如1.1)進行擴展,即將每小時8.9瓩⋅時乘以1.1,以得出每小時9.79瓩⋅時的功耗閾值。透過新的功耗閾值(9.79瓩⋅時),即可將額外的組合(例如,[A, B, C(500)]、[A, B, C(600)]、[A, B, C(700)]、及[A, B, C(800)])與組合(t)一起選擇,以形成出新的組合組(T)。最後,在組合組(T)中選擇最接近當前操作組合的一個組合來作為對於後一時段的操作組合而言的一最佳化組合(即目標操作組合)。舉例來說,若在當前操作組合中空氣壓縮機C是開啟的,則加入具有最小功率消耗量及最少壓縮機操作狀態的變化的空氣壓縮機A。因此,選擇空氣壓縮機A及空氣壓縮機C的組合以作為最佳化組合(即目標操作組合)。在一實施例中,變化的壓縮機(開啟和關閉壓縮機)的數量,限制為1或2台。
參照圖7,係為本案依據一些實施例之示例性的使用者介面的示意圖。使用者介面具有三個區塊。第一區塊710顯示最佳建議對上(vs)實際操作狀態、及前二者分別對應的功率消耗量。第二區塊720顯示每一空氣壓縮機105A~105D的當前操作狀態。第三區塊730顯示根據本案實施例之最佳化系統150的每日、每月及每年的能量節省量。若第一區塊710顯示最佳建議及實際操作狀態之間具有差異時,則操作員可以檢查第二區塊720以確認是否有任何空氣壓縮機105A~105D是異常運作或是確認對於壓縮空氣的需求是否發生變化。
雖然在本案的實施例中描述了以壓縮空氣作為空氣壓縮機群組102運作的消耗材料,然而本案實施例的最佳化系統150及其方法可以應用於其他系統。例如,本案實施例的最佳化系統150及其方法可以應用於中央空調系統,其中複數個機器共同地向接受者系統供應冷卻空氣以作為消耗材料。壓縮空氣及冷卻空氣在使用者使用時,皆會耗散於環境中。然而,此種消耗材料的另一例可以是熱水系統中所使用的水。
前述的詳細說明的一些內容已經以演算法及電腦記憶體內的位元層上的操作符號表徵的方式呈現。這些演算法及符號表徵是資料處理領域中具有通常知識的某些人用來最有效地將他們的工作的實質內容傳達給該領域中具有通常知識的另一些人之方式。於此,演算法一般被認為是一自洽性(self-consistnet)的操作序列,以引導出一期望結果。此些操作是需要物理量的實體調處。通常,但並非必需的,此些物理量是採用電力訊號或是磁力訊號的形式,且該電力訊號及該磁力訊號是可以被儲存、被組合、被比較及被進行其他的操控。主要出於常用的原因且令描述便利,有時可以將這些訊號稱為位元、數值、元素、符號、特徵、術語、數字等。
需注意的是,此些術語及其相似的術語皆與適當的物理量相關聯,並且該些術語僅是便利於標示該些物理量。本案實施例的內容可以指電腦系統或是相似的運算裝置之動作及流程,其將某些資料轉換為另一些資料。該某些資料表示為電腦系統的暫存器中及記憶體中的物理(電子)量。該另一些資料表示為相似於電腦系統的暫存器中或記憶體中或是其他類似的訊息儲存系統中的物理量。
本案實施例還關於用於執行本文操作的一裝置。該裝置可以是為預期目的而專門建造或是可以包含一通用電腦。該通用電腦透過其內儲存的電腦程式而被選擇性地致動或是重新配置。此電腦程式可以被儲存於電腦可讀取儲存媒體,例如但不限於,任何種類的磁碟或是任何適合儲存電子指令的媒體,各該磁碟及媒體耦接電腦系統的匯流排。磁碟可以包含軟磁碟(floppy disk)、光碟(optical disk)、唯讀光碟(CD-ROM)、磁光碟(magnetic-optical disk)、唯讀記憶體(read-only memory,ROM)、隨機存取記憶體(random access memory,RAM)、可抹除可程式唯讀記憶體(EPROM)、可電氣抹除可程式唯讀記憶體(EEPROM)、磁卡(magnetic card)、或是光學卡(optical card)。
本案實施例之演算法及顯示器並沒有與任何特定的電腦或是其他裝置有固有地關係。各種通用系統可以根據本文的教示而與程式一起被使用,或者可以理解的是建造一個更專用的裝置來執行本案實施例的方法是方便的。各種此些系統的結構將於後說明。再者,本案實施例的內容並沒有參照任何特定的程式語言來進行描述。可以理解的是,各種程式語言可以被用來實現本案實施例所描述的教示。
本案實施例可以被以電腦程式產品或是軟體的方式提供,其可以包含儲存有指令的一機器可讀取媒體。該指令可以用以對電腦系統(或其他電子裝置)進行程式編碼,以根據本案實施例的內容執行一程序。機器可讀取媒體包含任何以機器(例如電腦)可讀取的形式實現的儲存訊息的機制。在一些實施例中,機器可讀取(例如電腦可讀取)媒體包含一機器(例如電腦)可讀取儲存媒體,例如唯讀記憶體、隨機存取記憶體、磁碟儲存媒體、光碟儲存媒體、快閃記憶體組件等。
在本文中,為了簡潔,各種功能及操作被描述為係由電腦指令執行或是引起。然而,本領域中具有通常知識者將可以理解此種描述方式是,此些功能係由一個或是複數個控制器或是處理器執行電腦指令後所產生的結果。替代地或是結合地,此些功能及操作可以在透過使用或是不使用軟體指令的情形下,使用特定用途的電路來實現,例如特定應用積體電路(Application-Specific Integrated Circuit,ASIC)或是現場可程式閘陣列(Field-Programmable Gate Array,FPGA)。一些實施例是可以在沒有軟體指令的情形下,使用硬體接線電路來實現,也可以是將硬體接線電路與軟體指令一起使用。因此,此些技術既不限於硬體電路及軟體之任何特定組合,也不限於對於資料處理系統執行指令時所使用的任何特定資料源。
儘管在本文中以一或複數個具體實施例來說明及描述本案,但是此些實施例並非限制所示的細節,因在不脫離本案的精神及在請求項之範圍及其均等範圍內,可對此些實施例進行各種修改及結構變化。因此,對所附的請求項進行廣義的解釋,且以與在所附請求項中所闡述的本案之範圍一致之方式進行解釋是適當的。
102:空氣壓縮機群組
110:氣壓偵測器
120:空氣壓縮機中央控制器
130:自動化控制模組
105A~105D:空氣壓縮機
140:製造設備
150:最佳化系統
210:能量效率評估模組
220:壓縮空氣需求預測模組
230:空氣輸出動態調整模組
240:最佳化組合模擬模組
250:資料庫
260:使用者操作介面
310~350:步驟
410~470:步驟
510~550:步驟
610~660:步驟
710:第一區塊
720:第二區塊
730:第三區塊
[圖1]係為本案依據一些實施例之空氣壓縮機群組運作以向製造設備提供壓縮空氣的示意圖。
[圖2]係為本案依據一些實施例之最佳化系統中的各種模組的示意圖。
[圖3]係為能量效率評估模組的流程示意圖。
[圖4]係為壓縮空氣需求預測模組的流程示意圖。
[圖5]係為空氣輸出動態調整模組的流程示意圖。
[圖6]係為最佳化組合模擬模組的流程示意圖。
[圖7]係為本案依據一些實施例之示例性的使用者介面的示意圖。
隨附並形成部分的本案說明書的圖式被涵蓋於本文中,以描述本案的一些特徵。透過參考圖式中的示例性且非限制性的實施例,對於本案之清楚概念,以及對於隨本案提供的系統之元件及操作之清楚概念,能夠變得更加地明瞭。其中,相同的元件符號(例如,若複數個圖式中出現相同的元件符號)表示為同一元件。透過參考一個或複數個此些圖式,並結合本文的描述,可以更好地理解本案之內容。
102:空氣壓縮機群組
150:最佳化系統
210:能量效率評估模組
220:壓縮空氣需求預測模組
230:空氣輸出動態調整模組
240:最佳化組合模擬模組
250:資料庫
260:使用者操作介面
Claims (20)
- 一種控制系統,適於操作複數個機器,以共同地向一接受者系統提供一消耗材料,該控制系統包含: 一需求預測模組,用以估計該接受者系統在一預定未來時間對於該消耗材料的需求; 一動態調整模組,用以從該接受者系統獲得一當前操作的一第一參數,該動態調整模組將該第一參數及該接受者系統估計的該消耗材料的需求進行結合,以產生一最終預測結果;及 一最佳化模組,用以根據該最終預測結果及該些機器的一當前操作組合,決定該些機器在該預定未來時間的一目標操作組合。
- 如請求項1所述之控制系統,更包含一能量效率評估模組,用以透過獲得該些機器的其中之一所提供的該消耗材料的一排氣量及透過獲得該些機器的該其中之一在一預定時段中所消耗的一功率量,來評估每一該機器在一預定時間間隔的一能量效率比(energy efficiency rate,EER),該能量效率評估模組透過將被提供的該消耗材料的該排氣量除以被消耗的該功率量,來決定該些機器的該其中之一的該能量效率比。
- 如請求項1所述之控制系統,其中,該需求預測模組獲得來自該接受者系統的一未來運作訊息、該些機器所提供的該消耗材料的一歷史資料、及該接受者系統對於該消耗材料的一平均消耗率,以獲得該接受者系統在該預定未來時間對於該消耗材料的需求。
- 如請求項1所述之控制系統,其中,該些機器所提供的該消耗材料的一歷史資料包含:每一該機器在該歷史資料出現的一時段中的一歷史運作訊息。
- 如請求項1所述之控制系統,其中,該動態調整模組將該第一參數及一預定閾值之間的一差值轉換為該接受者系統對於該消耗材料的一額外需求值。
- 如請求項1所述之控制系統,其中,該最佳化模組決定滿足於該最終預測結果的該些機器的一最大數量及一最小數量。
- 如請求項6所述之控制系統,其中,該最佳化模組在該些機器的該最大數量及該最小數量之間的範圍內,決定該些機器的待開啟的一第一組合組。
- 如請求項7所述之控制系統,其中,該最佳化模組選擇在該第一組合組中功率消耗量最小的一第一組合,該最佳化模組選擇一第二組合組,其中該第二組合組中的每一組合的功率消耗量小於該第一組合的功率消耗量乘以大於1的一預定因數,該最佳化模組選擇在該第二組合組中最接近於該當前操作組合的一目標組合。
- 如請求項1所述之控制系統,其中,該些機器為複數個空氣壓縮機,該消耗材料為一壓縮空氣,且該接受者系統為一製造設備。
- 一種控制系統,適於操作複數個空氣壓縮機,以共同地向一製造設備提供一壓縮空氣,該控制系統包含: 一需求預測模組,用以估計該製造設備在一預定未來時間對於該壓縮空氣的需求; 一動態調整模組,用以從該製造設備獲得一當前氣壓值,該動態調整模組將該當前氣壓值及該製造設備對於該壓縮空氣的需求進行結合,以產生一最終預測結果;及 一最佳化模組,用以根據該最終預測結果及該些空氣壓縮機的一當前操作組合,決定該些空氣壓縮機在該預定未來時間的一目標操作組合。
- 如請求項10所述之控制系統,更包含一能量效率評估模組,用以透過獲得該些空氣壓縮機的其中之一所提供的該壓縮空氣的一排氣量及透過獲得該些空氣壓縮機的該其中之一在一預定時段中所消耗的一功率量,來評估每一該空氣壓縮機在一預定時間間隔的一能量效率比,該能量效率評估模組透過將被提供的該壓縮空氣的該排氣量除以被消耗的該功率量,來決定該些空氣壓縮機的該其中之一的該能量效率比。
- 如請求項10所述之控制系統,其中,該需求預測模組獲得來自該製造設備的一未來運作訊息、該些空氣壓縮機所提供的該壓縮空氣的一歷史資料、及該製造設備對於該壓縮空氣的一平均消耗率,以獲得該製造設備在該預定未來時間對於該壓縮空氣的需求。
- 如請求項10所述之控制系統,其中,該些空氣壓縮機所提供的該壓縮空氣的一歷史資料包含:每一該空氣壓縮機在該歷史資料出現的一時段中的一歷史運作訊息。
- 如請求項10所述之控制系統,其中,該動態調整模組將該當前氣壓值及一預定閾值之間的一差值轉換為該壓縮空氣的一排氣量的一額外需求值。
- 如請求項10所述之控制系統,其中,該最佳化模組決定滿足於該最終預測結果的該些空氣壓縮機的一最大數量及一最小數量。
- 如請求項15所述之控制系統,其中,該最佳化模組在該些空氣壓縮機的該最大數量及該最小數量之間的範圍內,決定該些空氣壓縮機的待開啟的一第一組合組。
- 如請求項16所述之控制系統,其中,該最佳化模組選擇在該第一組合組中功率消耗量最小的一第一組合,該最佳化模組選擇一第二組合組,其中該第二組合組中的每一組合的功率消耗量小於該第一組合的功率消耗量乘以大於1的一預定因數,該最佳化模組選擇在該第二組合組中最接近於該當前操作組合的一目標組合。
- 一種適於操作複數個空氣壓縮機的方法,以使該些空氣壓縮機共同地向一製造設備提供一壓縮空氣,該適於操作該些空氣壓縮機的方法包含: 透過獲得來自該製造設備的一未來運作訊息、該些空氣壓縮機所提供的該壓縮空氣的一歷史資料及該製造設備對於該壓縮空氣的一平均消耗率,估計該製造設備在一預定未來時間對於該壓縮空氣的需求; 透過將一當前氣壓值及一預定閾值之間的一差值轉換為該壓縮空氣的一排氣量的一額外需求值及透過將該額外需求值與該製造設備對於該壓縮空氣的需求進行結合,動態地預測該製造設備對於該壓縮空氣的需求,產生一最終預測結果;及 根據該最終預測結果及該些空氣壓縮機的一當前操作組合,決定該些空氣壓縮機在該預定未來時間的一目標操作組合。
- 如請求項18所述之適於操作複數個空氣壓縮機的方法,其中,該些空氣壓縮機所提供的該壓縮空氣的該歷史資料包含:每一該空氣壓縮機在該歷史資料出現的一時段中的一歷史運作訊息。
- 如請求項18所述之適於操作複數個空氣壓縮機的方法,其中,決定該些空氣壓縮機的該目標操作組合包含: 決定滿足於該最終預測結果的該些空氣壓縮機的一最大數量及一最小數量; 在該些空氣壓縮機的該最大數量及該最小數量之間的範圍內,決定該些空氣壓縮機的待開啟的一第一組合組; 選擇在該第一組合組中功率消耗量最小的一第一組合; 選擇一第二組合組,其中該第二組合組中的每一組合的功率消耗量小於該第一組合的功率消耗量乘以大於1的一預定因數;及 選擇在該第二組合組中最接近於該當前操作組合的一目標組合作為該目標操作組合。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438391.X | 2022-04-25 | ||
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 (2)
Publication Number | Publication Date |
---|---|
TWI806611B TWI806611B (zh) | 2023-06-21 |
TW202343175A true TW202343175A (zh) | 2023-11-01 |
Family
ID=87803128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
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 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230340962A1 (zh) |
CN (1) | CN116988960A (zh) |
TW (1) | TWI806611B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7275377B2 (en) * | 2004-08-11 | 2007-10-02 | Lawrence Kates | Method and apparatus for monitoring refrigerant-cycle systems |
TWI351494B (en) * | 2008-10-24 | 2011-11-01 | Chunghwa Telecom Co Ltd | Energy saving control system and energy saving war |
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 |
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 |
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 |
-
2022
- 2022-04-25 CN CN202210438391.XA patent/CN116988960A/zh active Pending
- 2022-05-17 TW TW111118436A patent/TWI806611B/zh active
- 2022-07-28 US US17/875,475 patent/US20230340962A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230340962A1 (en) | 2023-10-26 |
TWI806611B (zh) | 2023-06-21 |
CN116988960A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10558178B2 (en) | Central plant control system with linear solver for computation reduction | |
US10514178B2 (en) | Central plant control system with computation reduction based on graph theory | |
US11042924B2 (en) | Building controller for optimizing equipment upgrades with design of experiments | |
US9429921B2 (en) | Method and system for energy control management | |
EP3317597B1 (en) | System and the associated method for controlling a refrigeration or hvac system | |
JP2020521200A (ja) | ビルディング機器用のモデル予測的メンテナンスシステム | |
US20100076608A1 (en) | System and method for controlling air conditioning facilities, and system and method for power management of computer room | |
Xenos et al. | Optimization of a network of compressors in parallel: Real Time Optimization (RTO) of compressors in chemical plants–An industrial case study | |
Wang et al. | Evaluation of operation performance of a multi-chiller system using a data-based chiller model | |
Lee et al. | NARX modeling for real-time optimization of air and gas compression systems in chemical processes | |
Wang et al. | A global optimized operation strategy for energy savings in liquid desiccant air conditioning using self-adaptive differential evolutionary algorithm | |
Beghi et al. | Modelling and adaptive control of small capacity chillers for HVAC applications | |
JP5760291B2 (ja) | 特性モデル更新処理装置及び特性モデル更新方法 | |
Lara et al. | Modeling and identification of the cooling dynamics of a tropical island hotel | |
KR101727434B1 (ko) | 랜덤 포레스트 모델을 이용한 냉동기의 성능 판단 방법 | |
JP2012038054A (ja) | プラント運転評価装置 | |
KR20210089458A (ko) | 빌딩 설비 에너지 관리 제어 시스템 및 그 제어 방법 | |
Fan et al. | Model-based predictive control optimization of chiller plants with water-side economizer system | |
CN109960147B (zh) | 冷源控制参数的确定方法及装置、设备及存储介质 | |
JP5761662B2 (ja) | ビルエネルギー管理装置及びビルエネルギー管理方法 | |
Aravelli et al. | Energy optimization in chiller plants: A novel formulation and solution using a hybrid optimization technique | |
TWI806611B (zh) | 適於空氣壓縮機群組的最佳化系統及其方法 | |
CN115943352A (zh) | 用于使用机器学习的hvac设备预测性维护的系统和方法 | |
AU2019292449B2 (en) | Power consumption estimation device | |
Shao et al. | A practical application-oriented model predictive control algorithm for direct expansion (DX) air-conditioning (A/C) systems that balances thermal comfort and energy consumption |