基于人工智能的多级压缩系统能耗管理方法与流程

本发明涉及电数字数据处理，具体涉及基于人工智能的多级压缩系统能耗管理方法。

背景技术：

1、一个氢循环试验系统包括供气系统、增压系统以及管路系统等部件，供气系统的主要部件多级压缩系统，一般由多级压缩机逐级串联构成。并且多级压缩机相较于单级压缩机的效率更高，能耗更小。

2、但是，在传统方法中对多级压缩机的运行判断主要是靠储氢罐中压力的阈值范围来进行判断。并且对多级压缩机仅有进行运行和暂停两种操作。这种方式使得多级压缩机在有负载的情况下，多次进行启动或停止操作，增加多级压缩系统整体能耗。并且使用储氢罐压力的阈值未考虑到外界环境对储氢罐的影响，对当前系统的负载判断存在误差，对多级压缩机运行和暂停的控制时长存在误差，进一步增加了多级压缩系统整体能耗。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的多级压缩系统能耗管理方法，以解决上述问题。为了实现上述目的，本发明采取的技术方案如下：

2、本申请提供了一种基于人工智能的多级压缩系统能耗管理方法，所述方法包括：实时获取每个储氢罐的压力数据；对每个所述储氢罐的所述压力数据进行曲线转化，得到每个所述储氢罐对应的压力曲线，所述压力曲线的纵坐标为压力值，横坐标为时间；根据每个所述压力曲线的极值点进行分段处理，得到多个分段区间曲线；基于每个所述分段区间曲线内的压力值变化计算，得到每个所述分段区间曲线对应在温度影响下的评价值；基于每个所述分段区间曲线对应的评价值判断，得到每个所述储氢罐的当前负载状态；根据每个所述储氢罐的当前负载状态对储氢罐对应的压缩机进行进气速率调整，降低多级压缩系统能耗。

3、在一种可能的实现方式中，对根据每个所述压力曲线的极值点进行分段处理，得到多个分段区间曲线，包括：通过预设的道格拉斯普克算法分别对每个压力曲线进行光滑处理，得到多个平滑压力曲线；逐一对每个所述平滑压力曲线进行分割，得到每个所述压力曲线对应的多个分段区间曲线，相邻两个所述分段区间曲线之间的分割点为极值点。

4、在一种可能的实现方式中，基于每个所述分段区间曲线内的气压变化计算，得到每个所述分段区间曲线对应的评价值，包括：基于所述分段区间曲线内压力值随时间的变化情况计算，得到每个时间点对应的压力曲线斜率；在所述分段区间曲线提取得到压力最大值和压力最小值；基于所述分段区间曲线对应压力最大值、压力最小值以及所述分段区间曲线内压力曲线斜率计算得到所述分段区间曲线对应的评价值；对所述分段区间曲线对应的评价值进行归一化，并更新评价值为归一化后的结果。

5、在一种可能的实现方式中，基于每个所述分段区间曲线对应的评价值判断，得到每个所述储氢罐的负载状态，包括：当所述分段区间曲线对应的评价值大于预设负载阈值时，所述分段区间曲线对应的储氢罐为负载状态，否则所述分段区间曲线对应的储氢罐为无负载状态。

6、在一种可能的实现方式中，所述预设负载阈值为-0.5。

7、在一种可能的实现方式中，当前负载状态包括负载状态或无负载状态，当前负载状态包括有负载或无负载，根据每个所述储氢罐的当前负载状态对储氢罐对应的压缩机进行进气速率调整，降低多级压缩系统能耗，包括：当储氢罐的当前负载状态为无负载状态时，设置所述储氢罐对应的压缩机进气速率为第一预设速率。

8、在一种可能的实现方式中，当前负载状态包括负载状态或无负载状态，根据每个所述储氢罐的当前负载状态对储氢罐对应的压缩机进行进气速率调整，降低多级压缩系统能耗，包括：当储氢罐的当前负载状态为负载状态时，设置所述储氢罐对应的压缩机进气速率为第二预设速率，所述第二预设速率由储氢罐对应的第一分段区间曲线、第二分段区间曲线、第一评价值和第二评价值计算得到，所述第一评价值和所述第二评价值分别为第一分段区间曲线和第二分段区间曲线对应的评价值，所述第一分段区间曲线的截止时间为当前时刻，所述第二分段区间曲线与所述第一分段区间曲线相邻。

9、在一种可能的实现方式中，第二预设速率的计算方法包括：根据第n级储氢罐对应的第一分段区间曲线、第二分段区间曲线、第一评价值和第二评价值计算得到第一分段区间曲线对应的整体负载评估值，所述第n级储氢罐为多级压缩系统内末级压缩机对应的储氢罐，n大于零的自然数；根据第m级储氢罐对应的第一分段区间曲线、第二分段区间曲线、第一评价值和第二评价值计算得到第一分段区间曲线对应的第m级负载评估值，m为小于或等于n的自然数；根据第一分段区间曲线对应的第m级负载评估值和整体负载评估值计算得到第二预设速率。

10、在一种可能的实现方式中，所述储氢罐的个数为三。

11、在一种可能的实现方式中，每个所述储氢罐的压力数据获取时间间隔为10秒。

12、本发明具有如下有益效果：

13、在本发明中通过监测每级储氢罐压力值的变化情况，依据压力变化分析得到储氢罐在外界气温影响下的评估值，并依据评估值的大小判断得到每级储氢罐对应的压缩机负载状态，并根据压缩机的负载状态对各级压缩机的进气速率进行修改，使得多级压缩系统的整体压缩速率满足负载的需要，达到节能的目的；克服了现有技术中仅仅是设定储氢罐压力阈值，而不能实时根据氢循环试验系统的氢气需求对压缩机的压缩速率进行调整的缺点。

技术特征：

1.一种基于人工智能的多级压缩系统能耗管理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于人工智能的多级压缩系统能耗管理方法，其特征在于，对根据每个所述压力曲线的极值点进行分段处理，得到多个分段区间曲线，包括：

3.根据权利要求1所述的基于人工智能的多级压缩系统能耗管理方法，其特征在于，基于每个所述分段区间曲线内的气压变化计算，得到每个所述分段区间曲线对应的评价值，包括：

4.根据权利要求1所述的基于人工智能的多级压缩系统能耗管理方法，其特征在于，基于每个所述分段区间曲线对应的评价值判断，得到每个所述储氢罐的负载状态，包括：

5.根据权利要求4所述的基于人工智能的多级压缩系统能耗管理方法，其特征在于，所述预设负载阈值为-0.5。

6.根据权利要求1所述的基于人工智能的多级压缩系统能耗管理方法，其特征在于，当前负载状态包括负载状态或无负载状态，当前负载状态包括有负载或无负载，根据每个所述储氢罐的当前负载状态对储氢罐对应的压缩机进行进气速率调整，降低多级压缩系统能耗，包括：

7.根据权利要求1所述的基于人工智能的多级压缩系统能耗管理方法，其特征在于，当前负载状态包括负载状态或无负载状态，根据每个所述储氢罐的当前负载状态对储氢罐对应的压缩机进行进气速率调整，降低多级压缩系统能耗，包括：

8.根据权利要求7所述的基于人工智能的多级压缩系统能耗管理方法，其特征在于，第二预设速率的计算方法包括：

9.根据权利要求1所述的基于人工智能的多级压缩系统能耗管理方法，其特征在于，所述储氢罐的个数为三。

10.根据权利要求1所述的基于人工智能的多级压缩系统能耗管理方法，其特征在于，每个所述储氢罐的压力数据获取时间间隔为10秒。

技术总结
本发明涉及电数字数据处理技术领域，具体涉及基于人工智能的多级压缩系统能耗管理方法，包括获取每个储氢罐的压力数据并转化得到每个所述储氢罐对应的压力曲线；对所述压力曲线进行分段得到多个分段区间曲线；基于每个所述分段区间曲线内的压力值变化计算得到每个所述分段区间曲线对应的评价值；基于每个所述分段区间曲线对应的评价值判断得到每个所述储氢罐的当前负载状态；根据每个所述储氢罐的当前负载状态对储氢罐对应的压缩机进行进气速率调整。在本发明中通过监测每级储氢罐压力值的变化情况，依据压力变化分析计算得到各级压缩机的进气速率，以此达到多级压缩系统的整体压缩速率恰好满足负载的需要，起到减少能源消耗的效果。

技术研发人员：赵亚杰
受保护的技术使用者：北京星翼空间技术有限公司
技术研发日：
技术公布日：2024/11/4