[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113537644B - 一种多空压站动态协同优化调控系统及方法 - Google Patents

一种多空压站动态协同优化调控系统及方法 Download PDF

Info

Publication number
CN113537644B
CN113537644B CN202110967818.0A CN202110967818A CN113537644B CN 113537644 B CN113537644 B CN 113537644B CN 202110967818 A CN202110967818 A CN 202110967818A CN 113537644 B CN113537644 B CN 113537644B
Authority
CN
China
Prior art keywords
air
air compressor
regulation
compressor unit
load
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
Application number
CN202110967818.0A
Other languages
English (en)
Other versions
CN113537644A (zh
Inventor
胡堃
王大滨
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.)
CISDI Research and Development Co Ltd
Original Assignee
CISDI Research and Development Co Ltd
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 CISDI Research and Development Co Ltd filed Critical CISDI Research and Development Co Ltd
Priority to CN202110967818.0A priority Critical patent/CN113537644B/zh
Publication of CN113537644A publication Critical patent/CN113537644A/zh
Application granted granted Critical
Publication of CN113537644B publication Critical patent/CN113537644B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Educational Administration (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

本发明涉及一种多空压站动态协同优化调控系统及方法，属于工业生产能源管控领域。该系统包括：运行数据监测模块、数据采集及传输模块、优化调控分析计算模块以及应用终端；运行数据监测模块包括压缩空气管网运行监测子模块和空压机组运行监测子模块；优化调控分析计算模块利用智能寻优算法，通过调用压缩空气管网运行仿真子模块和空压机组能耗辨识子模块，以保障用气终端供气压力要求和减少空压机组能耗为目标，以机组负荷调节范围和负荷调节能力为约束建立空压机组优化调控模型，通过迭代求解得到各空压机组的负荷建议调节量。本发明根据压缩空气用气负荷的动态变化，实时优化各空压机组的供气负荷，从而降低企业压缩空气系统的运行成本。

Description

一种多空压站动态协同优化调控系统及方法
技术领域
本发明属于工业生产能源管控领域，涉及一种多空压站动态协同调控系统及方法。
背景技术
压缩空气是工业生产中常用的气体能源介质，在许多工业领域中都有应用。生产过程中使用的压缩空气由空压机提供，空压机组是高耗电设备，在空压机组全生命周期成本中其电费占比可达80％以上，空压机组的节能降耗成为企业关注的重点。
在钢铁、石化等大型工业企业，压缩空气系统庞大而复杂，一般通过建立多个空压站以及联通的压缩空气管网进行压缩空气供应。由于压缩空气用户遍布于各生产单元，在实际生产过程中，各生产单元的生产变化也会引起用气负荷的变化。在压缩空气的调节过程中，需要根据用气负荷动态调整各空压站中各空压机组的供气负荷。由于调节过程中既要考虑供气压力满足各用气单元的要求，又要兼顾空压机组的运行效率，降低机组电耗，需要多空压站的动态协同优化。而目前空压系统调控只是基于单机组的PLC自动控制，空压站之间的调节主要依靠人的经验，容易出现调控不及时、不到位的问题，引起能源浪费。
发明内容
有鉴于此，本发明的目的在于提供一种多空压站动态协同优化调控系统及方法，基于对企业压缩空气管网及空压机组运行参数的监控，通过压缩空气管网运行仿真、空压机组能耗辨识，建立以保障用气终端供气压力要求和减少空压机组能耗为目标的空压机组优化调控模型，根据压缩空气用气负荷的动态变化，实时优化各空压机组的供气负荷，达到降低企业压缩空气系统运行成本的目的。
为达到上述目的，本发明提供如下技术方案：
一种多空压站动态协同优化调控系统，包括：运行数据监测模块、数据采集及传输模块、优化调控分析计算模块以及应用终端。
所述运行数据监测模块，用于通过仪表等检测装置分别监测压缩空气系统中压缩空气管网和空压机组的运行数据；
所述数据采集及传输模块，用于采集运行数据监测模块的监测数据，并传输到优化调控分析计算模块和应用终端；
所述优化调控分析计算模块，根据监测到的压缩空气系统运行数据调用压缩空气管网运行仿真子模块和空压机组能耗辨识子模块，并利用智能寻优算法计算得到空压机组的优化调控策略；
所述应用终端用于显示系统监测到的压缩空气系统运行数据以及优化调控分析计算模块计算得到的空压机组优化调控策略。
进一步，所述运行数据监测模块包括：压缩空气管网运行监测子模块和空压机组运行监测子模块；所述压缩空气管网运行监测子模块采用相应检测装置对压缩空气管网中各空压站出口端以及各用户端的压缩空气流量、压力和温度进行监测；所述空压机组运行监测子模块采用相应检测装置对各空压机组电耗、负荷率、主机温度、排气压力和运行/故障状态等进行监测。
进一步，所述优化调控分析计算模块利用智能寻优算法，通过调用压缩空气管网运行仿真子模块和空压机组能耗辨识子模块，以保障用气终端供气压力要求和减少空压机组能耗为目标，以机组负荷调节范围和负荷调节能力为约束建立空压机组优化调控模型，并通过迭代求解得到各空压机组的负荷建议调节量。
进一步，所述压缩空气管网运行仿真子模块是根据压缩空气管网的配置条件建立水力仿真计算模型，根据不同的空压机组调控方案计算得到该方案下各用气终端的供气压力；所述水力仿真计算模型基于管道流动的质量、动量及能量守恒方程以及管道与各空压站和各用气终端的连接关系方程建立；所述压缩空气管网的配置条件包括压缩空气管网中各段管道的长度、外径、壁厚、绝对粗糙度，以及各管道、空压站以及用气终端之间的连接关系。
进一步，所述空压机组能耗辨识子模块能定期根据各空压机组电耗、负荷率、主机温度、排气压力、运行/故障状态等历史监测数据采用机器学习的方法建立空压机组能耗模型，根据给定空压机组负荷计算在当前主机温度、排气压力等工况下的电耗预测。
进一步，所述应用终端通过建立软件系统对压缩空气管网和空压机组的运行数据进行实时监视，同时对优化调控分析计算模块计算得到的各空压机组的负荷建议调节量进行推送。
进一步，所述空压机组优化调控模型是以各空压机组的负荷Qj为待优化变量以保障用气终端供气压力要求和减少空压机组能耗为目标函数，以机组负荷调节范围和负荷调节能力为约束建立：
目标函数：
Figure BDA0003224805170000021
约束条件：Qj，min＜Qj＜Qj，max；Vj，min＜Vj＜Vj，max
其中，i代表各用气终端；j代表各空压机组；Qj是各空压机组的负荷；z是空压机组负荷调控方案的综合成本，即调控目标是要求调控方案的综合成本最小；φi是各用气终端的供气压力偏差惩罚函数；Pci是以空压机组负荷方案通过管网水力仿真得到的各用气终端的供气压力；Psi是各用气终端的供气压力要求值；Ej是根据空压机组能耗模型按压缩机组的负荷方案计算得到的各空压机组的电耗；B是电价；Qj，min和Qj，max分别是各空压机组的负荷调节的上、下限；Vj是各空压机组的负荷调节速率；Vj，min和Vj，max分别是各空压机组的负荷调节速率的上、下限。
进一步，所述多空压站动态协同优化调控系统的调控方法，具体包括以下步骤：
S1：通过仪表等检测装置分别对压缩空气系统中压缩空气管网和空压机组的运行数据进行监测，并进行数据采集和传输；
S2：利用压缩空气系统运行监测数据，通过压缩空气管网运行仿真、空压机组能耗辨识，并利用智能寻优算法建立空压机组优化调控模型计算得到空压机组的优化调控策略；
S3：建立软件系统对压缩空气管网和空压机组的运行数据进行实时监视，对各空压机组的负荷建议调节量进行推送。
进一步，步骤S2中，利用智能寻优算法迭代计算得到各空压机组的负荷建议调节量，具体包括以下步骤：
S21：基于各机组的负荷的实时监测量形成寻优计算的初始优化方案集；
S22：按以下步骤进行迭代优化计算：
S221：以压缩空气管网的配置条件建立管网水力仿真计算子模型，并以各机组的负荷优化方案和当前各压缩空气用气终端的消耗量作为边界条件，计算得到各压缩机组负荷优化方案下各用气终端的供气压力；
S222：以各空压机组电耗、负荷率、主机温度、排气压力、运行/故障状态等历史监测数据采用机器学习的方法建立空压机组能耗辨识子模型，根据各空压机组负荷优化方案计算各空压机组在当前主机温度、排气压力等工况下的电耗；
S223：根据S221和S222步骤的计算结果按空压机组优化调控模型的目标函数计算各空压机组负荷优化方案的综合成本；
S224：根据S223计算得到各空压机组负荷优化方案的综合成本按智能优化算法更新优化方案集。
S225：重复按S221-S224的方法迭代计算，直到满足迭代退出的要求；输出迭代优化计算的调控方案。
本发明的有益效果在于：本发明根据压缩空气管网及空压机组的实际运行情况，根据压缩空气用气负荷的动态变化，实时优化调整各空压机组的供气负荷，以保障用气终端供气压力要求和减少空压机组能耗为目标实现多空压站的动态协同优化，帮助企业实现压缩空气系统的智能化调控，达到节能降耗的目的。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明多空压站动态协同优化调控系统结构图；
图2为实施例1中某钢铁企业压缩空气系统图；
图3为本发明的空压机组优化调控模型计算流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
请参阅图1～图3，如图1所示，本发明优选了一种多空压站动态协同优化调控系统，包括：运行数据监测模块、数据采集及传输模块、优化调控分析计算模块以及应用终端。
运行数据监测模块用于通过仪表等检测装置分别对压缩空气系统中压缩空气管网和空压机组的运行数据进行监测。数据采集及传输模块用于对运行数据监测模块的监测数据采集，并传输到优化调控分析计算模块和应用终端。优化调控分析计算模块用于根据监测到的压缩空气系统运行数据基于压缩空气管网运行仿真、空压机组能耗辨识，并利用智能寻优算法对计算得到空压机组的优化调控策略。应用终端用于显示系统监测到的压缩空气系统运行数据以及优化调控分析计算模块计算得到的空压机组优化调控策略。
实施例1：本实施例中，某钢铁企业的压缩空气系统共设有4个空压站，分布于全厂共28个用气终端，全部空压站和用气终端都通过压缩空气管控连通。全厂空压站共有17台空压机组，均为离心式空压机，其中一号空压站3台；二号空压站5台；三号空压站4台，四号空压站5台。整个系统结构如图2所示。
本实施例中，运行数据监测模块中压缩空气管网运行监测子模块采用流量计、压力计、温度计监测以下数据：4个空压站出口管道中压缩空气的供气流量、压力和温度；28个用气终端入口管道中压缩空气的用气流量、压力和温度；空压机组运行监测子模块直接利用各空压机组自带的检测设备/仪表对各空压机组电耗、负荷率、主机温度、排气压力、运行/故障状态进行监测。
压缩空气管网上流量计、压力计、温度计的监测数据通过仪表网络接口进行采集，并由数据采集及传输模块通过网络进行传输；各空压机组电耗、负荷率、主机温度、排气压力、运行/故障状态的监测数据由机组PLC网络接口采集，并由数据采集及传输模块通过网络进行传输。以上所有采集数据由数据采集及传输模块根据需要分别传输给优化调控分析计算模块和应用终端。
优化调控分析计算模块应用智能寻优算法，通过调用压缩空气管网运行仿真子模块和空压机组能耗辨识子模块，以保障用气终端供气压力要求和减少空压机组能耗为目标，以机组负荷调节范围和负荷调节能力为约束建立空压机组优化调控模型，并通过迭代求解得到各空压机组的负荷建议调节量。
其中，压缩空气管网运行仿真子模块用于根据压缩空气管网的配置条件建立水力仿真计算模型，可根据不同的空压机组调控方案计算得到该方案下各用气终端的供气压力。水力仿真计算模型基于管道流动的质量、动量及能量守恒方程以及管道与各空压站和各用户端的连接关系方程建立。所述的管网配置条件包括压缩空气管网中各段管道的长度、外径、壁厚、绝对粗糙度，以及各管道、空压站以及用气终端之间的连接关系。
其中，空压机组能耗辨识子模块可定期根据各空压机组电耗、负荷率、主机温度、排气压力、运行/故障状态等历史监测数据采用机器学习的方法建立空压机组能耗模型，用于根据给定空压机组负荷计算在当前主机温度、排气压力等工况下的电耗预测计算。
本实施例中，优化调控分析计算模块优选粒子群算法进行压缩空气系统的优化调控，其流程如图3所述，具体步骤如下：
首先，根据当前各空压机组运行负荷形成初代优化调控方案集[Qj]p,0。具体地，按照当前各空压机组运行负荷Qj在各空压站可调负荷范围内进行随机变化形成初代优化调控方案集。
然后，按照以下步骤进行一轮优化计算：
1)按照各优化调控方案集结合当前的各压缩空气用户点的用气负荷作为边界条件调用压缩空气管网运行仿真子模块计算得到各优化调控方案下各用气终端的用气压力仿真值；
2)按照各优化调控方案集结合当前各空压机组的主机温度、排气压力监测值调用空压机组能耗辨识子模块计算得到各优化调控方案下各空压机组的电耗预测值；
3)根据步骤1)和2)得到的按各优化调控方案计算得到的各用气终端的用气压力仿真值和各空压机组的电耗预测值，按公式
Figure BDA0003224805170000061
计算各优化调控方案的综合成本，综合成本最低的调控方案即为本轮迭代的最优调控方案。
进行一轮优化计算后，判断是否达到优化目标，优选地，可按以下两种方式确定：
1)迭代次数p是否超过预设的最大迭代次数N；
2)本轮迭代的最优调控方案的综合成本与上一轮迭代的最优调控方案的综合成本之差小于预设残差ε。
若判断计算未达到上述条件之一，则在约束条件：Qj，min＜Qj＜Qj，max；Vj，min＜Vj＜Vj，max范围内更新优化调控方案集，优选地，可根据本轮计算各优化调控方案的综合成本按梯度下降法更新各优化调控方案；之后按上述迭代优化计算方案重新进行一轮优化计算。
若判断计算达到上述条件之一，则停止迭代计算，输出历次迭代计算中综合成本最低的调控方案。
本实施例中，应用终端通过建立软件系统对压缩空气管网和空压机组的运行数据进行实时监视，同时对优化调控分析计算模块计算得到的各空压机组的负荷建议调节量进行推送。
优选地，可按照压缩空气系统管网图建立管网可视化监控画面，在画面对应的空压站点及压缩空气用户点显示相应的压缩空气流量、压力实时监测结果。按照各空压站机组组成建立空压机组可视化监控画面，在画面对应机组旁对应显示该机组的电耗、负荷率、主机温度、排气压力、运行/故障状态等实时监测信息，同时根据优化调控计算显示推送当前建议的机组负荷调整值。
相应地，本发明还提供一种多空压站动态协同调控方法，具体包括以下步骤：
S1：通过仪表等检测装置分别对压缩空气系统中压缩空气管网和空压机组的运行数据进行监测，并进行数据采集和传输；
S2：利用压缩空气系统运行监测数据，通过压缩空气管网运行仿真、空压机组能耗辨识，并利用智能寻优算法建立空压机组优化调控模型计算得到空压机组的优化调控策略；
S3：建立软件系统对压缩空气管网和空压机组的运行数据进行实时监视，对各空压机组的负荷建议调节量进行推送。
空压机组优化调控模型是以各空压机组的负荷Qj为待优化变量以保障用气终端供气压力要求和减少空压机组能耗为目标函数，以机组负荷调节范围和负荷调节能力为约束建立：
目标函数：
Figure BDA0003224805170000071
约束条件：Qj，min＜Qj＜Qj，max；Vj，min＜Vj＜Vj，max
其中，i代表各用气终端；j代表各空压机组；Qj是各空压机组的负荷；z是空压机组负荷调控方案的综合成本，即调控目标是要求调控方案的综合成本最小；φi是各用气终端的供气压力偏差惩罚函数；Pci是以空压机组负荷方案通过管网水力仿真得到的各用气终端的供气压力；Psi是各用气终端的供气压力要求值；Ej是根据空压机组能耗模型按压缩机组的负荷方案计算得到的各空压机组的电耗；B是电价；Qj，min和Qj，max分别是各空压机组的负荷调节的上、下限；Vj是各空压机组的负荷调节速率；Vj，min和Vj，max分别是各空压机组的负荷调节速率的上、下限。
步骤S2利用智能寻优算法迭代计算得到各空压机组的负荷建议调节量，其具体步骤包括：
S21：基于各机组的负荷的实时量形成寻优计算的初始优化方案集；
S22：按以下步骤进行迭代优化计算：
S221：以压缩空气管网的配置条件建立管网水力仿真计算子模型，并以各机组的负荷优化方案和当前各压缩空气用气终端的消耗量作为边界条件，计算得到各压缩机组负荷优化方案下各用气终端的供气压力；
S222：以各空压机组电耗、负荷率、主机温度、排气压力、运行/故障状态等历史监测数据采用机器学习的方法建立空压机组能耗辨识子模型，根据各空压机组负荷优化方案计算各空压机组在当前主机温度、排气压力等工况下的电耗；
S223：根据S221和S222步骤的计算结果按空压机组优化调控模型的目标函数计算各空压机组负荷优化方案的综合成本；
S224：根据S223计算得到各空压机组负荷优化方案的综合成本按智能优化算法更新优化方案集。
S225：重复按S221-S224的方法迭代计算，直到满足迭代退出的要求。输出迭代优化计算的调控方案。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种多空压站动态协同优化调控系统，其特征在于，该系统包括：运行数据监测模块、数据采集及传输模块、优化调控分析计算模块；
所述运行数据监测模块，用于监测压缩空气系统中压缩空气管网和空压机组的运行数据；
所述数据采集及传输模块，用于采集运行数据监测模块的监测数据，并传输到优化调控分析计算模块；
所述优化调控分析计算模块，根据监测到的压缩空气系统运行数据调用压缩空气管网运行仿真子模块和空压机组能耗辨识子模块，并利用智能寻优算法计算得到空压机组的优化调控策略；
利用智能寻优算法迭代计算得到各空压机组的负荷建议调节量，具体包括以下步骤：
S1：基于各机组的负荷的实时监测量形成寻优计算的初始优化方案集；
S2：按以下步骤进行迭代优化计算：
S21：以压缩空气管网的配置条件建立管网水力仿真计算子模型，并以各机组的负荷优化方案和当前各压缩空气用气终端的消耗量作为边界条件，计算得到各压缩机组负荷优化方案下各用气终端的供气压力；
S22：以各空压机组电耗、负荷率、主机温度、排气压力、运行/故障状态的历史监测数据采用机器学习的方法建立空压机组能耗辨识子模型，根据各空压机组负荷优化方案计算各空压机组在当前主机温度、排气压力下的电耗；
S23：根据S21和S22步骤的计算结果按空压机组优化调控模型的目标函数计算各空压机组负荷优化方案的综合成本；
S24：根据S23计算得到各空压机组负荷优化方案的综合成本按智能优化算法更新优化方案集；
S25：重复按S21-S24的方法迭代计算，直到满足迭代退出的要求；输出迭代优化计算的调控策略。
2.根据权利要求1所述的多空压站动态协同优化调控系统，其特征在于，所述运行数据监测模块包括：压缩空气管网运行监测子模块和空压机组运行监测子模块；所述压缩空气管网运行监测子模块采用相应检测装置对压缩空气管网中各空压站出口端以及各用户端的压缩空气流量、压力和温度进行监测；所述空压机组运行监测子模块采用相应检测装置对各空压机组电耗、负荷率、主机温度、排气压力和运行/故障状态进行监测。
3.根据权利要求2所述的多空压站动态协同优化调控系统，其特征在于，所述优化调控分析计算模块利用智能寻优算法，通过调用压缩空气管网运行仿真子模块和空压机组能耗辨识子模块，以保障用气终端供气压力要求和减少空压机组能耗为目标，以机组负荷调节范围和负荷调节能力为约束建立空压机组优化调控模型，并通过迭代求解得到各空压机组的负荷建议调节量。
4.根据权利要求1或3所述的多空压站动态协同优化调控系统，其特征在于，所述压缩空气管网运行仿真子模块是根据压缩空气管网的配置条件建立水力仿真计算模型，根据不同的空压机组调控方案计算得到该方案下各用气终端的供气压力；所述水力仿真计算模型基于管道流动的质量、动量及能量守恒方程以及管道与各空压站和各用气终端的连接关系方程建立；所述压缩空气管网的配置条件包括压缩空气管网中各段管道的长度、外径、壁厚、绝对粗糙度，以及各管道、空压站以及用气终端之间的连接关系。
5.根据权利要求1或3所述的多空压站动态协同优化调控系统，其特征在于，所述空压机组能耗辨识子模块能定期根据各空压机组电耗、负荷率、主机温度、排气压力、运行/故障状态的历史监测数据采用机器学习的方法建立空压机组能耗模型，根据给定空压机组负荷计算在当前主机温度、排气压力下的电耗预测。
6.根据权利要求3所述的多空压站动态协同优化调控系统，其特征在于，所述空压机组优化调控模型是以各空压机组的负荷Qj为待优化变量以保障用气终端供气压力要求和减少空压机组能耗为目标函数，以机组负荷调节范围和负荷调节能力为约束建立：
目标函数：
Figure FDA0003652227240000021
约束条件：Qj，min＜Qj＜Qj，max；Vj，min＜Vj＜Vj，max
其中，i代表各用气终端；j代表各空压机组；Qj是各空压机组的负荷；z是空压机组负荷调控方案的综合成本，即调控目标是要求调控方案的综合成本最小；φi是各用气终端的供气压力偏差惩罚函数；Pci是以空压机组负荷方案通过管网水力仿真得到的各用气终端的供气压力；Psi是各用气终端的供气压力要求值；Ej是根据空压机组能耗模型按压缩机组的负荷方案计算得到的各空压机组的电耗；B是电价；Qj，min和Qj，max分别是各空压机组的负荷调节的上、下限；Vj是各空压机组的负荷调节速率；Vj，min和Vj，max分别是各空压机组的负荷调节速率的上、下限。
7.根据权利要求1所述的多空压站动态协同优化调控系统，其特征在于，该系统还包括应用终端，用于显示系统监测到的压缩空气系统运行数据以及优化调控分析计算模块计算得到的空压机组优化调控策略。
CN202110967818.0A 2021-08-23 2021-08-23 一种多空压站动态协同优化调控系统及方法 Active CN113537644B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110967818.0A CN113537644B (zh) 2021-08-23 2021-08-23 一种多空压站动态协同优化调控系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110967818.0A CN113537644B (zh) 2021-08-23 2021-08-23 一种多空压站动态协同优化调控系统及方法

Publications (2)

Publication Number Publication Date
CN113537644A CN113537644A (zh) 2021-10-22
CN113537644B true CN113537644B (zh) 2022-07-08

Family

ID=78091314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110967818.0A Active CN113537644B (zh) 2021-08-23 2021-08-23 一种多空压站动态协同优化调控系统及方法

Country Status (1)

Country Link
CN (1) CN113537644B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114065669B (zh) * 2021-11-26 2023-04-25 成都千嘉科技股份有限公司 一种基于燃气管网拓扑的燃气调度方法
CN114718855B (zh) * 2022-03-28 2024-09-06 山东莱钢永锋钢铁有限公司 一种压缩空气介质智能系统预测系统
CN115343967B (zh) * 2022-10-19 2023-01-10 蘑菇物联技术（深圳）有限公司 用于对空压站进行仿真控制的方法、设备和介质
CN117128162B (zh) * 2023-08-28 2024-07-09 广东超级龙节能环保科技有限公司 智慧能源空压站节能控制系统及控制方法

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102230466A (zh) * 2011-04-20 2011-11-02 长春工业大学 一种空压机负荷优化控制系统及方法
CN104460727A (zh) * 2014-10-20 2015-03-25 西安工程大学 压缩空气系统稳压控制装置及稳压控制方法
CN104635684A (zh) * 2014-12-25 2015-05-20 冶金自动化研究设计院 一种空压机集群优化控制系统
EP3035140A1 (en) * 2014-12-19 2016-06-22 Rolls-Royce Deutschland Ltd & Co KG Equipment health monitoring method and system
CN105720890A (zh) * 2016-04-15 2016-06-29 华中科技大学 一种压缩空气储能系统的物理模拟系统
CN105736344A (zh) * 2016-04-07 2016-07-06 红云红河烟草(集团)有限责任公司 一种空压机组优化控制系统
CN106523336A (zh) * 2016-11-09 2017-03-22 河南中烟工业有限责任公司 一种空压系统群控控制方法
CN106677848A (zh) * 2016-12-29 2017-05-17 西安交通大学 一种以空气及水为储能工质的联合储能系统及方法
CN107276121A (zh) * 2017-06-23 2017-10-20 广东工业大学 一种计及不确定性因素的家庭并网协同经济调度优化方法
CN107590313A (zh) * 2017-08-14 2018-01-16 天津大学 基于遗传算法和变异分析的优化测试向量生成方法
CN107975472A (zh) * 2017-11-23 2018-05-01 宁波杭州湾新区祥源动力供应有限公司 一种高低压空气压缩联用系统
CN108005893A (zh) * 2018-01-17 2018-05-08 万洲电气股份有限公司 一种节能降耗的空压机分析诊断系统及其控制方法
CN108915870A (zh) * 2018-06-14 2018-11-30 河南柴油机重工有限责任公司 一种一体化空气压缩系统
CN109164704A (zh) * 2018-08-07 2019-01-08 大连理工大学 一种基于混合模型的空压机群组优化调度方法
CN109243652A (zh) * 2018-09-18 2019-01-18 中广核工程有限公司 一种核电站系统压缩空气流量数据有效性判断系统及方法
CN109324511A (zh) * 2018-11-19 2019-02-12 中冶赛迪重庆信息技术有限公司 一种钢铁企业煤气管网运行优化系统
CN109386307A (zh) * 2018-11-21 2019-02-26 华中科技大学 一种压缩空气储能系统的释能发电装置及方法
CN109630415A (zh) * 2018-12-11 2019-04-16 武汉理工大学 一种快速压载系统及其空压机组节能控制方法
CN109783916A (zh) * 2019-01-02 2019-05-21 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
CN110348606A (zh) * 2019-06-14 2019-10-18 浙江大学 一种考虑系统不确定性的微能源网随机区间协同调度方法
CN110689199A (zh) * 2019-09-30 2020-01-14 上海电力大学 一种基于混合潮流模型的分布式协同调控方法
CN111502969A (zh) * 2020-04-08 2020-08-07 上海优耐特斯压缩机有限公司 一种空压站恒压控制系统及方法
CN111735178A (zh) * 2020-07-15 2020-10-02 西安木牛能源技术服务有限公司 基于精英主义和svr回归算法的空调节能系统及优化方法
CN112054555A (zh) * 2020-08-27 2020-12-08 国网福建省电力有限公司 一种电网运行监测与源网荷储的智能协同控制方法及系统
CN112232980A (zh) * 2020-09-14 2021-01-15 浙江大学 一种区域能源供热系统热泵机组调控方法
CN112283068A (zh) * 2020-10-12 2021-01-29 国网江苏省电力有限公司镇江供电分公司 一种压缩空气储能供能装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8485792B2 (en) * 2009-01-23 2013-07-16 Warren Rupp, Inc. Method for increasing compressed air efficiency in a pump
US9730593B2 (en) * 2013-09-25 2017-08-15 Bardy Diagnostics, Inc. Extended wear ambulatory electrocardiography and physiological sensor monitor

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102230466A (zh) * 2011-04-20 2011-11-02 长春工业大学 一种空压机负荷优化控制系统及方法
CN104460727A (zh) * 2014-10-20 2015-03-25 西安工程大学 压缩空气系统稳压控制装置及稳压控制方法
EP3035140A1 (en) * 2014-12-19 2016-06-22 Rolls-Royce Deutschland Ltd & Co KG Equipment health monitoring method and system
CN104635684A (zh) * 2014-12-25 2015-05-20 冶金自动化研究设计院 一种空压机集群优化控制系统
CN105736344A (zh) * 2016-04-07 2016-07-06 红云红河烟草(集团)有限责任公司 一种空压机组优化控制系统
CN105720890A (zh) * 2016-04-15 2016-06-29 华中科技大学 一种压缩空气储能系统的物理模拟系统
CN106523336A (zh) * 2016-11-09 2017-03-22 河南中烟工业有限责任公司 一种空压系统群控控制方法
CN106677848A (zh) * 2016-12-29 2017-05-17 西安交通大学 一种以空气及水为储能工质的联合储能系统及方法
CN107276121A (zh) * 2017-06-23 2017-10-20 广东工业大学 一种计及不确定性因素的家庭并网协同经济调度优化方法
CN107590313A (zh) * 2017-08-14 2018-01-16 天津大学 基于遗传算法和变异分析的优化测试向量生成方法
CN107975472A (zh) * 2017-11-23 2018-05-01 宁波杭州湾新区祥源动力供应有限公司 一种高低压空气压缩联用系统
CN108005893A (zh) * 2018-01-17 2018-05-08 万洲电气股份有限公司 一种节能降耗的空压机分析诊断系统及其控制方法
CN108915870A (zh) * 2018-06-14 2018-11-30 河南柴油机重工有限责任公司 一种一体化空气压缩系统
CN109164704A (zh) * 2018-08-07 2019-01-08 大连理工大学 一种基于混合模型的空压机群组优化调度方法
CN109243652A (zh) * 2018-09-18 2019-01-18 中广核工程有限公司 一种核电站系统压缩空气流量数据有效性判断系统及方法
CN109324511A (zh) * 2018-11-19 2019-02-12 中冶赛迪重庆信息技术有限公司 一种钢铁企业煤气管网运行优化系统
CN109386307A (zh) * 2018-11-21 2019-02-26 华中科技大学 一种压缩空气储能系统的释能发电装置及方法
CN109630415A (zh) * 2018-12-11 2019-04-16 武汉理工大学 一种快速压载系统及其空压机组节能控制方法
CN109783916A (zh) * 2019-01-02 2019-05-21 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
CN110348606A (zh) * 2019-06-14 2019-10-18 浙江大学 一种考虑系统不确定性的微能源网随机区间协同调度方法
CN110689199A (zh) * 2019-09-30 2020-01-14 上海电力大学 一种基于混合潮流模型的分布式协同调控方法
CN111502969A (zh) * 2020-04-08 2020-08-07 上海优耐特斯压缩机有限公司 一种空压站恒压控制系统及方法
CN111735178A (zh) * 2020-07-15 2020-10-02 西安木牛能源技术服务有限公司 基于精英主义和svr回归算法的空调节能系统及优化方法
CN112054555A (zh) * 2020-08-27 2020-12-08 国网福建省电力有限公司 一种电网运行监测与源网荷储的智能协同控制方法及系统
CN112232980A (zh) * 2020-09-14 2021-01-15 浙江大学 一种区域能源供热系统热泵机组调控方法
CN112283068A (zh) * 2020-10-12 2021-01-29 国网江苏省电力有限公司镇江供电分公司 一种压缩空气储能供能装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"选煤厂空压机组智能控制系统";武树恩 等;《设备管理与维修》;20170706;第103-105页 *

Also Published As

Publication number Publication date
CN113537644A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN113537644B (zh) 一种多空压站动态协同优化调控系统及方法
CN100495272C (zh) 基于综合数据来源的钢铁能源的自动优化调度系统及方法
CN107844869B (zh) 燃气分布式能源系统的在线智能学习决策优化方法及系统
CN113723834B (zh) 一种输气管网的智能高阶调度与运维系统及方法
CN109214709B (zh) 一种钢铁企业制氧系统优化分配的方法
CN102156467A (zh) 基于钢铁生产计划的能源预测方法
CN110220288A (zh) 基于大数据云平台的集中空调系统智能优化控制方法及装置
GB2503056A (en) Technical platform
CN102418703A (zh) 智能水泵系统在线匹配控制装置
CN116933952B (zh) 基于物联网可视化的园区低碳能源调度系统
CN113778215A (zh) 基于大数据实现数据中心pue预测以及降耗策略的方法
CN201732089U (zh) 基于无线传感网络技术的污水处理监控装置
CN111427268B (zh) 一种煤矿能源优化控制系统和优化控制方法
CN115903712A (zh) 适用于工业制冷系统的节能优化方法及其优化控制系统
CN115933398A (zh) 一种基于物联网的空压系统联动控制节能方法及系统
CN215719402U (zh) 一种多空压站动态协同优化调控装置
CN1687852A (zh) 中央空调数字化控制节能方法
CN108734419A (zh) 一种基于知识迁移的高炉煤气调度系统建模方法
CN117514727B (zh) 数字能源空压站
CN112432269A (zh) 一种制冷机房冷冻水泵压差设定值优化的方法和系统
CN2802332Y (zh) 中央空调数字化控制节能系统
CN114091784B (zh) 一种面向钢铁企业氧气系统的不确定优化调度方法及系统
CN112558560B (zh) 数据中心制冷系统冷量输配动态优化与节能调控系统
KR20230057100A (ko) 공기 압축기의 에너지 최적화 시스템 및 그의 최적화 제어방법
CN103528294B (zh) 一种制冷系统的能效处理方法及系统

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
GR01 Patent grant
GR01 Patent grant