CN118759859B - 基于ai的压缩空气能源供应系统数据管控处理方法及装置 - Google Patents

Abstract

本发明公开了一种基于AI的压缩空气能源供应系统数据管控处理方法及装置，涉及人工智能数据处理技术领域，包括：令人工智能代理根据压缩空气能源供应系统的管网压力数据和管网流量数据确定是否存在异常数据；若存在所述异常数据，令人工智能控制模型从多个控制子模型中确定处理异常数据所对应问题的至少一个目标控制子模型，并根据目标控制子模型所处理的问题生成任务信息；目标控制子模型接收所述任务信息，依据模型提示信息对任务信息进行理解，生成针对问题的控制信息。本发明实现了对整个压缩空气能源供应系统的智能化监测和控制，保证了管网压力的恒定变化和流量的稳定运行。

Description

基于AI的压缩空气能源供应系统数据管控处理方法及装置

技术领域

本发明涉及人工智能数据处理技术领域，尤其涉及一种基于AI的压缩空气能源供应系统数据管控处理方法及装置。

背景技术

目前国内的制造业工厂很多都用到压缩空气能源供应系统，然而现有技术缺少对压缩空气能源供应系统运行过程的智能化监控，无法及时准确的发现压缩空气能源供应系统出现的问题，也无法智能化的进行调控，进而难以使管网压力保持恒定变化，以及使流量稳定运行，这大大降低了企业能效，制约了生产成本的进一步降低。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本发明实施例提供了一种基于AI的压缩空气能源供应系统数据管控处理方法及装置，实现了对整个压缩空气能源供应系统的智能化监测和控制，以达到管网压力的恒定变化和流量的稳定运行，帮助企业提高能效的同时，也提高了企业的利润率。

本发明实施例提供了一种基于AI的压缩空气能源供应系统数据管控处理方法，所述人工智能控制模型组合包括人工智能代理和多个控制子模型，所述方法包括：所述人工智能代理根据所述压缩空气能源供应系统的管网压力数据和管网流量数据确定是否存在异常数据；若存在所述异常数据，所述人工智能代理从所述多个控制子模型中确定处理所述异常数据所对应问题的至少一个目标控制子模型，并根据所述目标控制子模型所处理的问题生成任务信息；所述目标控制子模型接收所述任务信息，依据模型提示信息对所述任务信息进行理解，生成针对所述问题的控制信息；其中：所述模型提示信息是预先基于所述目标控制子模型负责解决的问题生成的。

本发明实施例还提供了一种基于AI的压缩空气能源供应系统数据管控处理装置，所述人工智能控制模型组合包括人工智能代理和多个控制子模型，所述装置包括：确定模块，用于根据所述压缩空气能源供应系统的管网压力数据和管网流量数据确定是否存在异常数据；第一生成模块，用于若存在所述异常数据，从所述多个控制子模型中确定处理所述异常数据所对应问题的至少一个目标控制子模型，并根据所述目标控制子模型所处理的问题生成任务信息；第二生成模块，用于接收所述任务信息，依据模型提示信息对所述任务信息进行理解，生成针对所述问题的控制信息；其中：所述模型提示信息是预先基于所述目标控制子模型负责解决的问题生成的。

本发明实施例还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的基于AI的压缩空气能源供应系统数据管控处理方法。

本发明实施例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，该程序被处理器执行时实现如上所述的基于AI的压缩空气能源供应系统数据管控处理方法。

本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的基于AI的压缩空气能源供应系统数据管控处理方法。

本发明实施例提供的技术方案与现有技术相比至少具有如下优点：本发明实施例提供的基于AI的压缩空气能源供应系统数据管控处理方法及装置，实现了对整个压缩空气能源供应系统的智能化监测和控制，以达到管网压力的恒定变化和流量的稳定运行，帮助企业提高能效的同时，也提高了企业的利润率。

附图说明

结合附图并参考以下具体实施方式，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本发明实施例中的一种基于AI的压缩空气能源供应系统数据管控处理方法的流程图；

图2为本发明又一实施例中的一种基于AI的压缩空气能源供应系统数据管控处理方法的流程图；

图3本发明实施例中的一种基于AI的压缩空气能源供应系统数据管控处理装置的结构示意图；

图4本发明实施例中的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。

应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

参考图1所示，本发明实施例提供了一种基于AI的压缩空气能源供应系统数据管控处理方法的流程图，所述人工智能控制模型组合包括人工智能代理和多个控制子模型。

这里，人工智能控制模型组合中的模型指的是具有大量参数和强大计算能力的人工智能模型，简称为大模型。大模型包含海量的权重和偏置等参数，这使得它们能够学习和表示极其复杂的模式和知识；具有强大的语言理解和生成能力，能够准确理解输入的文本，并生成连贯、有逻辑的自然语言文本回应。

大模型虽然强大，但在面对复杂多变的实际场景时可能不够灵活。因此，本发明实施例中，在人工智能控制模型中部署了人工智能代理，在接收到压缩空气能源供应系统的管网压力数据和管网流量数据后，人工智能代理通过对以上数据的分析，可以进行自主决策是否有需要处理的问题，并对问题进行分解生成若干任务，针对不同任务安排匹配的目标控制子模型来共同完成，提高任务执行的效率和效果。

步骤S101，所述人工智能代理根据所述压缩空气能源供应系统的管网压力数据和管网流量数据确定是否存在异常数据。

根据企业压缩空气用能需求，预先设置好相匹配的管网恒定压力、每个用气车的间恒定流量，从而保证整个压缩空气能源供应系统的稳定运行。人工智能代理接收实时监测的压缩空气能源供应系统的管网压力数据和管网流量数据，当确定管网压力数据和/或管网流量数据与设定值不符时，将不符的管网压力数据和/或管网流量数据识别为异常数据。

一旦存在所述异常数据，执行步骤S102。

步骤S102，所述人工智能代理从所述多个控制子模型中确定处理所述异常数据所对应问题的至少一个目标控制子模型，并根据所述目标控制子模型所处理的问题生成任务信息。

这里，每个控制子模型负责处理的问题基于该控制子模型训练的数据集确定。训练的数据集包括但不限非增减设备的压力调节数据集、增减设备的压力调节数据集、非增减设备的流量调节数据集、增减设备的流量调节数据集。人工智能代理通过异常数据的类型判断属于压力调节问题还是流量调节问题，再根据异常数据与设定值的偏差大小，确定调用的一个或多个目标控制子模型。具体来说，若异常数据的类型属于压力调节问题和流量调节问题，目标控制子模型至少为两个，分别处理压力调节问题和流量调节问题，且两个目标控制子模型可以并行处理问题。若异常数据的类型属于压力调节问题或流量调节问题，则根据异常数据与设定值的偏差大小确定目标控制子模型的数量；若偏差不大，则目标控制子模型至少为一个，即调用基于非增减设备的流量调节数据集或非增减设备的压力调节数据集训练的控制子模型作为目标控制子模型即可；若偏差较大，则目标控制子模型至少为一个，即需要调用基于非增减设备的流量调节数据集+增减设备的流量调节数据集训练的控制子模型作为目标控制子模型、或非增减设备的压力调节数据集训练的控制子模型+增减设备的压力调节数据集训练的控制子模型作为目标控制子模型，且两个目标控制子模型需要串行处理问题。

进一步地，在确定了目标控制子模型之后，人工智能代理跟根据每个目标控制子模型需要处理的问题生成任务信息，并分配给对应的目标控制子模型。具体地，任务信息包括异常数据的类型（管网压力和/或管网流量）、异常数据的具体数值、需要调节到的目标值（管网压力设定值和/或管网流量设定值）。

作为本发明实施例的可选实施方式，下面针对异常数据的几种类型做重点介绍。

若所述异常数据为所述管网压力数据，所述目标控制子模型包括稳压模型和智能启停模型。

所述根据所述目标控制子模型所处理的问题生成任务信息，包括：所述人工智能代理基于压力设定值生成针对所述稳压模型的第一任务信息；响应于超过预设的调整时长、所述管网压力数据不等于所述压力设定值且与所述设定值达到预计偏差，所述人工智能代理基于所述压力设定值生成针对所述智能启停模型的第二任务信息。

具体地，第一任务信息包括异常数据的类型（网管压力）、网管压力的数据、压力设定值。第一任务信息发送至稳压模型时，稳压模型实时调整当前空气压缩机姿态，使管网压力始终处于窄带运行，以达到压力恒定变化，节能降耗。

当人工智能代理将第一任务信息发送至稳压模型后超过预设的调整时长后，接收到的管网压力值仍然不等于所述压力设定值且与所述设定值达到预计偏差（如果偏差较小，可以再延长一些时间让稳压模型继续调节），说明单纯依赖稳压模型无法实现网管压力的调整，因此需要调用智能启停模型。

第二任务信息包括异常数据的类型（网管压力）、网管压力最新的实时数据、压力设定值。第二任务信息发送至智能启停模型时，智能启停模型根据最新的实时压力数据和压力设定值偏差，启动或停止最优的空气压缩机，以达到压力设定值，节能降耗。

可选地，当人工智能代理将第一任务信息发送至稳压模型后、在预设的调整时长之内，接收到的管网压力值等于所述压力设定值，说明稳压模型已经实现了网管压力的调整，此时不需要调用智能启停模型。

若所述异常数据为所述管网流量数据，所述目标控制子模型包括稳流模型。

所述根据所述目标控制子模型所处理的问题生成任务信息，包括：所述人工智能代理基于流量设定值生成针对所述稳流模型的第三任务信息。

具体地，第三任务信息包括异常数据的类型（网管流量）、网管流量的数据、流量设定值。第三任务信息发送至稳流模型时，稳流模型通过对压缩空气能源供应系统中稳流单元调整控制，使每个用气管路流量稳定运行，以期达到主管网流量稳定运行。通过计算支管路流量和总管路流量的差值，计算空气压缩机机组调整幅度，调整空气压缩机组，使整个压缩空气能源供应系统的稳定运行。

步骤S103，所述目标控制子模型接收所述任务信息，依据模型提示信息对所述任务信息进行理解，生成针对所述问题的控制信息；其中：所述模型提示信息是预先基于所述目标控制子模型负责解决的问题生成的。

本步骤中，模型提示信息可以理解为控制目标控制子模型执行任务的指令，被用来引导目标控制子模型执行其对应的任务，目标控制子模型会根据模型提示信息来理解接收到的任务信息，并生成相应的控制信息文本作为响应。

接续上文，每个控制子模型负责处理的问题基于该控制子模型训练的数据集确定，其模型提示信息也是基于对数据集中解决该类问题的方法进行归纳处理得到的。具体地，模型提示信息至少包括异常数据高于设定值时，需要调整的目标参数、目标设备；异常数据低于设定值时，需要调整的目标参数、目标设备。进一步地，目标设备以及目标参数需要调整到的具体数值，则由控制子模型根据任务信息中的异常数据计算得到。

以稳流模型为例，其对应的模型提示信息包括：当流量低于流量设定值时，调整支管路调节阀开度变大，同时比较主管路当前实际流量和当前运行的空气压缩机组额定流量合计值，如果小于额定流量，离心机调整导叶阀开度增大，变频螺杆机频率调高，直到当前流量达到用气要求；当流量高于流量设定值时，调整支管路调节阀开度变小，同时离心机调整导叶阀开度变小，变频螺杆机频率减低，直到当前流量达到用气要求。

以稳压模型为例，其对应的模型提示信息包括：当压力低于压力设定值时，离心机调整导叶阀开度增大，变频螺杆机频率调高；当压力高于压力设定值时，离心机调整导叶阀开度变小，变频螺杆机频率减低；开度和频率的具体数据根据当前压力数值、历史运行情况确定。

以智能启停模型为例，其对应的模型提示信息包括：当压力低于压力设定值、并达到预计偏差时，根据当前实时流量、历史运行情况，找出最优的待启动空气压缩机，并启动空气压缩机；当压力高于压力设定值、并达到预计偏差，当所有离心机导叶阀开度调整到最小值、并且实际压力仍高于压力设定值时，根据离心机当前流量偏差，计算出富裕流量对应的最合适的待停止空气压缩机（优先停止螺杆机）。

作为本发明实施例的再一些可选实施方式，如果控制信息中包括开启或停止的空气压缩机，所述目标控制子模型依据模型提示信息对所述任务信息进行理解，生成针对所述问题的控制信息，包括：

所述目标控制子模型依据模型提示信息对所述任务信息进行理解，确定是否需要调用空气压缩机数据库；所述空气压缩机数据库包括所述压缩空气能源供应系统中所有空气压缩机的属性特征信息、历史运行数据、当前工况状态；若需要调用所述空气压缩机数据库，则依据所述模型提示信息从所述空气压缩机数据库中找到目标空气压缩机，生成包括控制所述目标空气压缩机的所述控制信息。

具体地，预先获取压缩空气能源供应系统中所有空气压缩机的属性特征信息（型号、生产日期、能效等）、历史运行数据、当前工况状态等数据，对上述数据进行清洗和预处理，构建向量索引。目标控制子模型根据模型提示信息以及异常数据确定目标压缩机对应的参数条件（属性特征、工况等），在基于该参数条件在空气压缩机数据库中查找匹配的目标空气压缩机，提高了目标空气压缩机的准确度和查找效率。

生成控制信息后，将控制信息发送至压缩空气能源供应系统，使系统根据控制信息进行相关设备的调节，保证压力、流量达到设定值水平。

本发明实施例提供的技术方案，实现了对整个压缩空气能源供应系统的智能化监测和控制，以达到管网压力的恒定变化和流量的稳定运行，帮助企业提高能效的同时，也提高了企业的利润率。

作为本发明实施例的另一些可选实施方式，为了实现对压缩空气能源供应系统的精细化控制管理，所述模型提示信息包括第一阶段提示信息和第二阶段提示信息。

所述目标控制子模型依据模型提示信息对所述任务信息进行理解，生成针对所述问题的控制信息，包括：所述目标控制子模型对所述任务信息进行理解，确定所述异常数据和任务设定值；所述目标控制子模型按照所述第一阶段提示信息和所述异常数据生成针对所述问题的第一控制信息；响应于所述问题未解决，所述目标控制子模型按照所述第二阶段提示信息和所述异常数据生成针对所述问题的第二控制信息。

这里，第一阶段提示信息用于调整压缩空气能源供应系统中设备的运行参数，第二阶段提示信息用于开启或停止压缩空气能源供应系统中的设备。目标控制子模型会根据每个阶段的模型提示信息来理解接收到的任务信息，并生成相应的控制信息文本作为响应。

具体地，针对稳压模型，第一提示信息包括：当压力低于压力设定值时，离心机调整导叶阀开度增大，变频螺杆机频率调高；当压力高于设定值时，离心机调整导叶阀开度变小，变频螺杆机频率减低。第二提示信息包括：当压力仍然低于压力设定值，开启一台当前工况最佳空气压缩机；当压力仍高于压力设定值，停止一台当前工况最佳空气压缩机。

针对稳流模型，当流量低于流量设定值时，调整支管路调节阀开度变大，同时比较主管路当前实际流量和当前运行的空气压缩机组额定流量合计值，如果小于额定流量，离心机调整导叶阀开度增大，变频螺杆机频率调高；当流量高于流量设定值时，调整支管路调节阀开度变小，同时离心机调整IGV变小，变频螺杆机频率减低。第二提示信息包括：如果流量仍然低于流量设定值，开启一台当前工况最佳空气压缩机，直到当前流量达到用气要求；如果流量仍高于流量设定值，停止一台当前工况最佳空气压缩机，直到当前流量达到用气要求。

作为本发明实施例的一些可选实施方式，如图2所示，所述人工智能模型组合还包括数据分析模型，所述方法还包括：

步骤S201，所述数据分析模型基于所述压缩空气能源供应系统的实时运行数据，判断待生成的分析报告类型；不同所述分析报告类型对应不同的报告提示信息，所述报告提示信息用于表征报告的信息维度。

在本步骤中，分析报告类型包括能效分析报告和空气压缩机评估报告，能效分析报告的提示信息包括生成能效等级、能效诊断问题、能效优化意见、空气压缩机使用优先级等维度的信息，空气压缩机评估报告的提示信息包括空气压缩机调整方案、空气压缩机更换方案、空气压缩机维护方案等维度的信息。数据分析模型获取实时采集的所述压缩空气能源供应系统的实时运行数据，通过所述实时运行的数据判断系统是否存在能效或空气压缩机相关的问题，若存在，则确定待生成的报告类型。

步骤S202，所述数据分析模型根据所述报告提示信息和所述实时运行数据，生成分析报告。

通过能效分析报告，能够实时分析系统的能效对比，使压缩空气能源供应系统节能状态一目了然。进而分析当前能效等级，当低于标准值时，显示当前问题处及提出解决建议。通过空气压缩机评估报告，能够识别出有故障的空气压缩机，并给出合理有效的养护和维修方案，实现单个设备的在线状态评估与诊断，精准定位故障源，实现预防性维护。进一步地，报告中还能够对比当前空气压缩机组是否匹配，如不匹配实时，结合空气压缩机当前自身状况，调整空气压缩机组合。

通过本发明实施例的方案，利用人工智能控制模型组合，能够实时对整个压缩空气能源供应系统的智能化监测和控制，保证压力、流量恒定，从而保护电路正常运行，在电路发生不正常情况时（如短路、断路、缺相等），迅速切断电源，以保护电路不受进一步损坏。当由于设备故障停机导致压力、流量异常时，系统秒级响应，自动启动备用设备，保障生产安全，并同时通过系统、短信等方式通知相关人员。

进一步地，本发明实施例中的压缩空气能源供应系统具备多种保护功能，如过载、过流、温度过热保护、电弧超标等，这些功能有助于提高电器设备的使用安全性。系统的集成电路元件构成的各保护单元简化了电路结构，同时提高了控制精度。此外，系统通常采用手动复位或自动复位的方式，使得故障排除更加方便快捷。还可以根据智能轮休模型设定空气压缩机工作的优先级，使同类型设备交替运行，保证系统不停机。

作为本发明实施例的一些可选实施方式，所述数据分析模型在进行训练的过程中，运行数据预测值通过自回归滑动平均模型由前L次的预测值指数加权平均生成。

具体地，数据分析模型的训练数据中包括压缩空气能源供应系统中各个时间的运行数据。但由于存在某些突发事件导致动力供应激增或骤减，从而影响这些突发事件对应时间的运行数据。因为突发事件的发生具有极强的随机性、混沌性、分散性、周期短等特性，考虑到模型稳定性和健壮性（其中稳定性指模型在不同数据集上表现基本一致的特性，健壮性则指模型对于异常数据和噪声的抗干扰能力），需要剔除偶然事件的影响，所以利用取中位数和时序滑动平均的方法做数据预处理。即利用过去一段没有突发时间的时序数据（至少30天），通过自回归滑动平均模型对运行数据预测值由前L次的预测值指数加权平均生成，这样对运行数据的预测引入一定的“惯性”，当突发事件造成的异常运行数据来临时，不能轻易的改变正常的运行数据预测模型，而能更好的得到正常运行数据的预测值。

本发明实施例提供的技术方案，实现了对整个压缩空气能源供应系统的智能化监测和控制，以达到管网压力的恒定变化和流量的稳定运行，帮助企业提高能效的同时，也提高了企业的利润率。

在一个实施例中，参考图3所示，提供了一种基于AI的压缩空气能源供应系统数据管控处理装置的结构示意图。该装置可用于执行图1-图2任一所示的基于AI的压缩空气能源供应系统数据管控处理方法，所述人工智能控制模型组合包括人工智能代理和多个控制子模型，该装置包括：确定模块310、第一生成模块320、第二生成模块330；其中，

确定模块310，用于根据所述压缩空气能源供应系统的管网压力数据和管网流量数据确定是否存在异常数据；第一生成模块320，用于若存在所述异常数据，从所述多个控制子模型中确定处理所述异常数据所对应问题的至少一个目标控制子模型，并根据所述目标控制子模型所处理的问题生成任务信息；第二生成模块330，用于接收所述任务信息，依据模型提示信息对所述任务信息进行理解，生成针对所述问题的控制信息；其中：所述模型提示信息是预先基于所述目标控制子模型负责解决的问题生成的。

可选地，若所述异常数据为所述管网压力数据，所述目标控制子模型包括稳压模型和智能启停模型；第一生成模块320用于，基于压力设定值生成针对所述稳压模型的第一任务信息；响应于超过预设的调整时长、所述管网压力数据不等于所述压力设定值且与所述设定值达到预计偏差，基于所述压力设定值生成针对所述智能启停模型的第二任务信息。

可选地，若所述异常数据为所述管网流量数据，所述目标控制子模型包括稳流模型，第一生成模块320用于，基于流量设定值生成针对所述稳流模型的第三任务信息。

可选地，所述模型提示信息包括第一阶段提示信息和第二阶段提示信息；第二生成模块330用于，对所述任务信息进行理解，确定所述异常数据和任务设定值；按照所述第一阶段提示信息和所述异常数据生成针对所述问题的第一控制信息；响应于所述问题未解决，按照所述第二阶段提示信息和所述异常数据生成针对所述问题的第二控制信息。

可选地，第二生成模块330用于，依据模型提示信息对所述任务信息进行理解，确定是否需要调用空气压缩机数据库；所述空气压缩机数据库包括所述压缩空气能源供应系统中所有空气压缩机的属性特征信息、历史运行数据、当前工况状态；若需要调用所述空气压缩机数据库，则依据所述模型提示信息从所述空气压缩机数据库中找到目标空气压缩机，生成包括控制所述目标空气压缩机的所述控制信息。

可选地，所述人工智能模型组合还包括数据分析模型，所述装置还包括第三生成模块，用于基于所述压缩空气能源供应系统的实时运行数据， 判断待生成的分析报告类型；不同所述分析报告类型对应不同的报告提示信息，所述报告提示信息用于表征报告的信息维度；根据所述报告提示信息和所述实时运行数据，生成分析报告。

可选地，所述数据分析模型在进行训练的过程中，运行数据预测值通过自回归滑动平均模型由前L次的预测值指数加权平均生成。

需要说明的是，本发明实施例所提供的基于AI的压缩空气能源供应系统数据管控处理装置对应的可用于执行上述各方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图4为本发明实施例中的一种电子设备的结构示意图。下面具体参考图4，其示出了适于用来实现本发明实施例中的电子设备400的结构示意图。本发明实施例中的电子设备400可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）、可穿戴电子设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置（例如中央处理器、图形处理器等）401，其可以根据存储在只读存储器（ROM）402中的程序或者从存储装置408加载到随机访问存储器（RAM）403中的程序而执行各种适当的动作和处理以实现如本发明所述的实施例的方法。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM402以及RAM 403通过总线404彼此相连。输入/输出（I/O）接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码，从而实现如上所述的基于AI的压缩空气能源供应系统数据管控处理方法。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM402被安装。在该计算机程序被处理装置401执行时，执行本发明实施例的方法中限定的上述功能。

需要说明的是，本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

在一些实施方式中，终端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时：所述人工智能代理根据所述压缩空气能源供应系统的管网压力数据和管网流量数据确定是否存在异常数据；若存在所述异常数据，所述人工智能控制模型从所述多个控制子模型中确定处理所述异常数据所对应问题的至少一个目标控制子模型，并根据所述目标控制子模型所处理的问题生成任务信息；所述目标控制子模型接收所述任务信息，依据模型提示信息对所述任务信息进行理解，生成针对所述问题的控制信息；其中：所述模型提示信息是预先基于所述目标控制子模型负责解决的问题生成的。

附图中的流程图和框图，图示了按照本发明各种实施例的方法、装置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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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，依照所涉及的功能而定。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操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。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (7)

1.一种基于AI的压缩空气能源供应系统数据管控处理方法，其特征在于，包括：

利用人工智能代理根据所述压缩空气能源供应系统的管网压力数据和管网流量数据确定是否存在异常数据；

若存在所述异常数据且所述异常数据为所述管网压力数据，则令所述人工智能代理从多个控制子模型中确定处理所述异常数据所对应的问题的至少一个目标控制子模型，所述目标控制子模型包括稳压模型和智能启停模型，令所述人工智能代理基于压力设定值生成针对所述稳压模型的第一任务信息；响应于超过预设的调整时长、所述管网压力数据不等于所述压力设定值且与所述压力设定值达到预计偏差，所述人工智能代理基于所述压力设定值生成针对所述智能启停模型的第二任务信息；

令所述目标控制子模型接收所述第一任务信息和第二任务信息，对所述第一任务信息和第二任务信息进行理解，确定所述异常数据和任务设定值；令所述目标控制子模型按照第一阶段提示信息和所述异常数据生成针对所述问题的第一控制信息；响应于所述问题未解决，所述目标控制子模型按照第二阶段提示信息和所述异常数据生成针对所述问题的第二控制信息；其中，所述第一阶段提示信息和第二阶段提示信息是预先基于所述目标控制子模型负责解决的问题生成的；当所述第二控制信息中包括开启或停止的空气压缩机时，令所述目标控制子模型依据第二阶段提示信息对所述任务信息进行理解，确定是否需要调用空气压缩机数据库；所述空气压缩机数据库包括所述压缩空气能源供应系统中所有空气压缩机的属性特征信息、历史运行数据和当前工况状态；若需要调用所述空气压缩机数据库，则依据所述第二阶段提示信息从所述空气压缩机数据库中找到目标空气压缩机，生成包括控制所述目标空气压缩机的所述第二控制信息。

2.根据权利要求1所述的基于AI的压缩空气能源供应系统数据管控处理方法，其特征在于，若所述异常数据为所述管网流量数据，所述目标控制子模型包括稳流模型，所述根据所述目标控制子模型所处理的问题生成任务信息，包括：

令所述人工智能代理基于流量设定值生成针对所述稳流模型的第三任务信息。

3.根据权利要求1所述的基于AI的压缩空气能源供应系统数据管控处理方法，其特征在于，还包括：

通过数据分析模型分析所述压缩空气能源供应系统的实时运行数据， 判断待生成的分析报告类型；不同所述分析报告类型对应不同的报告提示信息，所述报告提示信息用于表征报告的信息维度；

令所述数据分析模型根据所述报告提示信息和所述实时运行数据，生成分析报告。

4.根据权利要求3所述的基于AI的压缩空气能源供应系统数据管控处理方法，其特征在于，所述数据分析模型在进行训练的过程中，运行数据预测值通过自回归滑动平均模型由前L次的预测值指数加权平均生成。

5.一种基于AI的压缩空气能源供应系统数据管控处理装置，其特征在于，包括：

确定模块，用于利用人工智能代理根据所述压缩空气能源供应系统的管网压力数据和管网流量数据确定是否存在异常数据；

第一生成模块，用于若存在所述异常数据且所述异常数据为所述管网压力数据，令所述人工智能代理从多个控制子模型中确定处理所述异常数据所对应的问题的至少一个目标控制子模型，所述目标控制子模型包括稳压模型和智能启停模型，令所述人工智能代理基于压力设定值生成针对所述稳压模型的第一任务信息；响应于超过预设的调整时长、所述管网压力数据不等于所述压力设定值且与所述压力设定值达到预计偏差，所述人工智能代理基于所述压力设定值生成针对所述智能启停模型的第二任务信息；

第二生成模块，用于令所述目标控制子模型接收所述第一任务信息和第二任务信息，对所述第一任务信息和第二任务信息进行理解，确定所述异常数据和任务设定值；令所述目标控制子模型按照第一阶段提示信息和所述异常数据生成针对所述问题的第一控制信息；响应于所述问题未解决，所述目标控制子模型按照第二阶段提示信息和所述异常数据生成针对所述问题的第二控制信息；其中，所述第一阶段提示信息和第二阶段提示信息是预先基于所述目标控制子模型负责解决的问题生成的；当所述第二控制信息中包括开启或停止的空气压缩机时，令所述目标控制子模型依据第二阶段提示信息对所述任务信息进行理解，确定是否需要调用空气压缩机数据库；所述空气压缩机数据库包括所述压缩空气能源供应系统中所有空气压缩机的属性特征信息、历史运行数据和当前工况状态；若需要调用所述空气压缩机数据库，则依据所述第二阶段提示信息从所述空气压缩机数据库中找到目标空气压缩机，生成包括控制所述目标空气压缩机的所述第二控制信息。

6.根据权利要求5所述的一种基于AI的压缩空气能源供应系统数据管控处理装置，其特征在于：

若所述异常数据为所述管网流量数据，所述目标控制子模型包括稳流模型，所述第一生成模块被用于：令所述人工智能代理基于流量设定值生成针对所述稳流模型的第三任务信息。

7.根据权利要求6所述的基于AI的压缩空气能源供应系统数据管控处理装置，其特征在于，还包括第三生成模块，用于：

通过数据分析模型分析所述压缩空气能源供应系统的实时运行数据， 判断待生成的分析报告类型；不同所述分析报告类型对应不同的报告提示信息，所述报告提示信息用于表征报告的信息维度；基于所述数据分析模型根据所述报告提示信息和所述实时运行数据生成分析报告。