CN112560193B 一种基于神经网络算法的压缩机组运行控制方法 （宋印东）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN112560193B(45)授权公告日2025.07.15

(21)申请号202011421248.7

(22)申请日2020.12.08

(65)同一申请的已公布的文献号申请公布号CN112560193A

(43)申请公布日2021.03.26

(73)专利权人宋印东

地址212000江苏省镇江市京口区梦溪路2

号

(72)发明人宋印东

(74)专利代理机构南京禹为知识产权代理事务所(特殊普通合伙)32272

专利代理师王晓东

(51)Int.CI.

GO6F30/17(2020.01)

GO6F30/27(2020.01)

GO6N3/047(2023.01)

GO6N3/08(2023.01)

GO6F111/08(2020.01)

GO6F119/14(2020.01)

(56)对比文件

王水安；郑国；黄积业；龙新峰；楼波.燃煤电厂压缩空气系统加卸载节能运行仿真与试验.液压与气动.2020,(第06期),第165-170页.

冯志鹏，宋希庚，薛冬新，郑爱萍，孙玉明.基于广义回归神经网络的时间序列预测研究.振

动、测试与诊断.2003,(第02期),第105-109页.

刘航铭；周元华；易先中；徐梦卓；刘欢.大型天然气压缩机组节能优化软件设计.计算机应用与软件.2018,(第03期),第38-60页.

审查员齐先婷

权利要求书3页说明书10页附图3页

(54)发明名称

一种基于神经网络算法的压缩机组运行控制方法

(57)摘要

CN112560193B本发明公开了一种基于神经网络算法的压缩机组运行控制方法，根据压缩空气用气量和最高用气压力设备的压力需求值初步选定空气压缩机的类型种类和台数，根据初步选定的空气压缩机种类及参数获取其功率计算数学模型，建立神经网络模型，合理选取模型输入变量，其输出量为空气压缩机组排气量及各空气压缩机轴功率，通过训练学习建立输入输出量之间的非线性

CN112560193B

数据集

数据集

归一化处理

确定平滑参数

GRNN训练

误差是否满足精度要求

是

得到预测结果

否

CN112560193B权利要求书1/3页

2

1.一种基于神经网络算法的压缩机组运行控制方法，其特征在于：包括，

根据实际情况设定空气压缩机的种类及数量，建立空压机组运行控制模型；

根据空压机组种类及数量，利用广义回归神经网络建立空压机组控制数学模型，以概率密度函数替代固有的方程形式，广义回归神经网络建立在非参数核回归基础上，以空压机组在实际供气系统运行过程中收集到的不同位置不同时间的各点压力变化率、空气流量、温度、湿度、管网设定压力值、压缩机组输入空气量作为样本数据，收集大量多组样本数据，以样本数据为后验条件，从样本数据里求得自变量和因变量之间的联结概率密度函数之后，直接计算出因变量对自变量的回归值；

上述每组样本数据分为训练样本与验证样本，训练样本用于建立广义回归神经网络输入输出非线性关系，验证样本用于评价及确定平滑参数σ最终值；

采用多个压力传感器测量输气管线不同位置点的压力变化，将各点压力变化率、空气流量、温度、湿度、管网设定压力值作为神经网络输入量，将各压缩机排气量及功率作为输

出量。

2.如权利要求1所述的基于神经网络算法的压缩机组运行控制方法，其特征在于：选定空气压缩机包括离心式空气压缩机和螺杆式空气压缩机，离心式空气压缩机和螺杆式空气压缩机的种类分别为A,和B,,且种类A?和B,对应的台数分别为a和b;台。

3.如权利要求2所述的基于神经网络算法的压缩机组运行控制方法，其特征在于：若需要微调输气量时，则采用螺杆式空气压缩机；

若需要粗调输气量时，则采用离心式空气压缩机。

4.如权利要求1或2所述的基于神经网络算法的压缩机组运行控制方法，其特征在于：建立空气压缩机数学模型，

选取单台变频螺杆式空气压缩机或离心式空气压缩机进行压缩机的能耗分析，压缩机所需驱动功可表示为：

其中，W为单个压缩机所需理论驱动功，J;V为吸气结束时齿槽间的体积，m3;p为管网压力，Pa;V?为压缩结束时齿槽间的体积，m3;P为吸气压力，Pa;P?为压缩终了压力，Pa,n为气体多变指数；

理论驱动功率：

实际消耗