一种空压站节能升级数字化控制系统的制作方法

本发明涉及控制系统，特别涉及一种空压站节能升级数字化控制系统。

背景技术：

1、空压站在工业生产中扮演着核心角色，为各种机械设备提供必需的压缩空气。压缩空气被广泛用于驱动工具、控制自动化设备、处理产品等，因此，空压机的效率直接影响到整个生产过程的能效和成本。由于空压机在运行过程中消耗大量电力，并且会产生相当多的废热，因此提高其能效已成为许多工业企业的优先事项。为此，越来越多的企业寻求通过先进的控制系统和技术来改进空压站的运行效率。

2、然而，现有技术在监控和维护空压机的能效方面存在一定局限。虽然传统的监控系统能够提供关键运行数据的实时监控，但它们往往缺乏对这些数据进行深入分析和利用的能力。这种缺乏预测性维护和能效优化的能力意味着设备故障可能未被及时预见和防止，导致生产中断和高昂的维护费用。此外，现有系统在能源回收和再利用方面的效率也不理想，大量废热未被有效利用，造成能源浪费。

3、因此，研发一种新型的空压站节能升级数字化控制系统成为了行业的迫切需求。

技术实现思路

1、本技术提供一种空压站节能升级数字化控制系统，以提高空压站的能效和性能。

2、本技术提供一种空压站节能升级数字化控制系统，包括：

3、数据采集与分析模块，包括传感器和数据传输单元，所述传感器部署于空压站中，用于监测空压站中空压机的运行状态数据和环境参数；并将传感器监测到的监测数据通过数据传输单元传输至智能控制与优化模块和预测性维护模块；

4、智能控制与预测模块，用于接收所述数据采集与分析模块传输的监测数据；依据所述监测数据，通过使用一个训练过的神经网络模型，获得空压机的最佳运行参数，并预测空压机的潜在故障；根据获得的最佳运行参数，调整空压机的运行状态；根据识别出来的潜在故障，进行提前干预，以减少停机时间和维修成本；

5、能量回收与再利用模块，用于捕获空压机排放的废热能量，并将捕获到的废热能量通过热交换器和热能转换技术转换为热水或者蒸汽，以满足供暖和工业生产过程中的热能需求。

6、更进一步地，所述神经网络模型包括基础特征提取层、胶囊网络和图卷积神经网络；

7、所述基础特征提取层采用循环神经网络实现，用于对输入的监测数据进行特征提取，获得高级特征数据；

8、所述胶囊网络包括基础特征输入层、主胶囊层和参数输出层；其中，所述基础特征输入层用于接收所述基础特征提取层提供的高级特征数据，并将所述高级特征数据转换为胶囊网络能够进一步处理的中间特征表示；所述主胶囊层包括多个胶囊，每个胶囊由一组神经元组成，通过迭代路由过程优化特征组合的权重，从而学习输入数据的局部特征和全局特征之间的复杂关系；所述主胶囊层用于接收来自基础特征输入层的中间特征表示，并使用多个胶囊对于所述中间特征表示进行动态路由处理，获得动态路由处理后的特征；所述参数输出层使用全连接网实现，用于从主胶囊层接收经过动态路由处理后的特征，将经过动态路由处理后的特征映射为空压机的最佳运行参数；并输出空压机的最佳运行参数；

9、所述图卷积神经网络用于对接收所述基础特征提取层提供的高级特征数据进行处理，预测空压机的潜在故障；输出预测的潜在故障。

10、更进一步地，所述循环神经网络使用双向循环神经网络实现，所述双向循环神经用于从前向和后向同时捕获时间序列数据中的依赖性，以提高对空压机运行状态动态变化的识别精度。

11、更进一步地，所述胶囊网络的主胶囊层使用动态路由算法调整胶囊间的连接权重，以提升在识别不同空压机运行模式时的准确性和鲁棒性；其中，所述胶囊网络包括初级胶囊和高级胶囊；所述初级胶囊是指由基础特征输入层输出的特征向量转换成的胶囊，每个初级胶囊用于编码输入数据的不同基本特征组合；所述高级胶囊用于接收来自初级胶囊的信息，并通过动态路由过程进行处理，以形成对更高层次特征的表示；所述动态路由算法包括以下步骤：

12、初始化步骤s1：为初级胶囊到高级胶囊的每个可能连接设置初始连接权重；

13、迭代更新步骤s2：对于高级胶囊，按照如下的公式1，计算其与所有初级胶囊的耦合系数：

14、

15、对于高级胶囊，根据初级胶囊的输出向量，根据如下公式2计算其总输入向量：

16、

17、对于高级胶囊，使用如下的公式3，计算其输出向量：

18、

19、根据如下的公式4更新连接权重：

20、

21、输出步骤s3：在完成指定的迭代次数后，输出每个高级胶囊的输出向量作为最终识别的特征表示，用于后续过程中空压机运行模式的精细识别。

22、更进一步地，所述神经网络模型使用损失函数联合训练所述胶囊网络和图卷积神经网络，所述损失函数如下面的公式5所示：

23、

24、其中，为参数化损失；为预测性维护损失；为正则化项；、和为超参数，用于平衡不同损失部分的贡献；参数化损失如下面的公式6所示：

25、

26、其中，表示第个预测的运行参数；表示第个实际的运行参数；是第个运行参数的权重；是运行参数的总和；

27、预测性维护损失如下面的公式7所示：

28、

29、其中，是潜在故障类型的总数；是第种故障类型预测的实例数量；是第种故障类型中第个实例的预测概率；表示第种故障类型中第个实例的预测发生时间；表示第种故障类型中第个实例的实际发生时间；是第种故障类型的权重；

30、正则化项如下面的公式8所示：

31、

32、其中，表示所述神经网络模型的模型参数。

33、更进一步地，所述数据采集与分析模块中的传感器包括温度传感器、压力传感器和流量传感器，以提供全面的空压机运行状态监测。

34、更进一步地，所述数据传输单元采用有线通信技术，以便实时远程传输监测数据至智能控制与优化模块和预测性维护模块。

35、更进一步地，所述数据采集与分析模块包括一个数据缓冲存储单元，用于在网络连接不稳定时暂存监测数据，待网络恢复后再传输数据。

36、更进一步地，所述能量回收与再利用模块包括一个热能贮存单元，用于存储在需求低时期产生的热能，以备高需求时段使用。

37、更进一步地，所述数据采集与分析模块包括一个具备自适应采样频率功能的振动传感器，所述压力传感器的采样频率按照如下的公式9进行计算：

38、

39、其中，是基础采样频率，即在正常运行状态下的默认采样频率；是空压机的当前压力和压力安全阈值之间的差值；是空压机的当前温度和温度安全阈值之间的差值；表示空压机的典型压力值；表示空压机的典型温度值；和是权重因子；是调节系数；是阈值常数。

40、本技术有益的效果主要包括：（1）通过智能控制与优化模块使用神经网络模型自动调整空压机的运行参数，优化能源消耗，减少不必要的电力使用，从而直接降低运营成本。（2）通过实时监测和预测性维护模块，系统能够预测并识别潜在的设备故障，允许提前进行维护和修复，从而显著减少意外停机的风险和维修成本。这种提前预警能力确保了设备的高效运行和更长的使用寿命。（3）能量回收与再利用模块通过捕获并转换空压机排放的废热能量为热水或蒸汽，用于供暖和满足工业生产过程中的热能需求。这不仅进一步提高了能源使用效率，而且减少了外部能源需求，为企业带来额外的经济效益。