利用机器学习的并联泵送系统中的最佳效率操作的制作方法

利用机器学习的并联泵送系统中的最佳效率操作
[0001]
相关申请的交叉引用
[0002]
本申请要求2018年6月8日提交的临时专利申请no.62/682,429的优先权，该申请以整体内容通过引用并入于此。
技术领域
[0003]
本发明涉及一种泵送系统；并且更具体地，涉及一种具有控制器的泵送系统。


背景技术：

[0004]
实现最佳系统效率的泵控制算法是备受关注的。当前的泵送系统使用基于压力和流量的方法来控制在系统中运行的多个变速并联泵，以实现所需需求。这无法确保单个泵的最佳工作效率，因而无法确保泵送系统的最佳工作效率。
[0005]
泵送系统损耗将基于电机和变频驱动器(vfd)中的损耗而变化。电机和vfd的制造对于不同的泵送系统是不同的，因此，所有泵送系统都是独特的，并且具有不同损耗。


技术实现要素：

[0006]
总之，本发明针对在泵送系统中运行的多个离心式并联泵实时地计算效率，并且计算/预测以最佳效率运行的新的泵的组合/数目。
[0007]
根据本发明，控制器可以被配置为实施机器学习算法，该机器学习算法持续实时记录泵送系统功率、损耗和线到水效率(wire-to-water efficiency)并将其存储在控制器的内部数据库中，以创建特定于泵送系统的功率简档。机器学习算法还可以被配置为考虑泵/电机随时间的磨损而持续更新功率简档。相同的功率简档可以用于计算/预测泵送系统中的不同泵组合的新效率。
[0008]
在操作中，控制器计算泵送系统的当前线到水效率，并将其与运行不同泵组合时计算/预测的效率进行比较。例如，如果n个泵在产生h扬程和q流量的泵送系统中以效率e1运行，则机器学习算法使用在泵送系统中运行n-1和n+1个泵实现相同的h扬程和q流量时的功率简档来计算/预测新的效率。如果运行n-1个泵的计算/预测效率高于效率e1，则该机器学习算法停用泵送系统中的一个泵。备选地，如果n+1个泵的计算/预测效率高于效率e1，则该机器学习算法启动泵送系统中的一个泵。机器学习算法更新功率简档和监测系统，以推断出接近效率曲线上的最佳点操作泵送系统所需要的泵的数目。
[0009]
具体实施例
[0010]
根据一些实施例，本发明可以采用以具有信号处理器或处理模块的控制器为特征的装置的形式，信号处理器或处理模块被配置为：
[0011]
接收包含下述相关信息的信令：
[0012]
功率简档，该功率简档特定于具有n个并联泵的泵送系统并且基于与针对n个并联泵的泵送系统功率、损耗和线到水效率中的一项或多项实时相关的数据，n个并联泵被配置为在泵送系统中运行，以效率e产生扬程h和流量f，以及
[0013]
对实现相应/相同的扬程h和流量f的n-1和/或n+1个并联泵的至少一个组合/数目的至少一个相应效率的至少一次计算/预测；以及
[0014]
基于所接收的信令确定相应信令，相应信令包含根据效率e与至少一个相应效率的比较来控制泵送系统的操作的信息。
[0015]
装置还可以包括以下特征中的一项或多项特征：
[0016]
信号处理器或处理模块可以被配置为提供相应信令，作为控制泵送系统的操作的控制信令，泵送系统的操作例如包括将泵分级/去分级到泵送系统或从泵送系统分级/去分级。
[0017]
信号处理器或处理模块可以被配置为确定上述功率简档，该功率简档特定于具有n个并联泵的泵送系统并且基于与针对n个并联泵的泵送系统功率、损耗和线到水效率中的一项或多项实时相关的数据，n个并联泵被配置为在泵送系统中运行，以效率e产生扬程h和流量f。
[0018]
信号处理器或处理模块可以被配置为:
[0019]
计算/预测针对n-1和n+1个并联泵实现相应/相同的扬程h和流量f的相应效率；以及
[0020]
通过选择在针对n个并联泵的效率e与针对n-1和n+1个并联泵的相应效率之间的最高效率来确定相应信令。
[0021]
信号处理器或处理模块可以被配置为当从在泵送系统中运行的n个并联泵改变为n-1个或n+1个并联泵时，以停用或启动并联泵在泵送系统中的运行。
[0022]
信号处理器或处理模块可以被配置为实施机器学习算法来更新功率简档和监测系统，以推断出接近效率曲线上的最佳点来操作泵送系统所需要的n个并联泵的组合/数目。
[0023]
控制器可以包括内部数据库，内部数据库被配置为存储更新的功率简档，更新的功率简档包括与泵送系统功率、损耗和线到水效率中的一项或多项相关的数据。
[0024]
装置可以包括具有n个并联泵的泵送系统，或者采用具有n个并联泵的泵送系统的形式。
[0025]
信号处理器或处理模块可以被配置为运行机器学习算法以实现上述信号处理功能。
[0026]
方法
[0027]
根据一些实施例，本发明可以包括特征在于以下步骤的方法或采用该方法的形式：
[0028]
利用具有信号处理器或处理模块的控制器接收信令，所述信令包含关于以下的信息：
[0029]
功率简档，该功率简档特定于具有n个并联泵的泵送系统并且基于与针对n个并联泵的泵送系统功率、损耗和线到水效率中的一项或多项实时相关的数据，n个并联泵被配置为在泵送系统中运行，以效率e产生扬程h和流量f，以及
[0030]
对实现相应/相同的扬程h和流量f的n-1和/或n+1个并联泵的至少一个组合/数目的至少一个相应效率的至少一次计算/预测；以及
[0031]
利用具有信号处理器或处理模块的控制器，基于所接收的信令确定相应信令，相
应信令包含根据效率e与至少一个相应效率的比较来控制泵送系统的操作的信息。
[0032]
该方法还可以包括本文阐述的一项或多项特征。
附图说明
[0033]
附图不一定按比例绘制，包括以下附图：
[0034]
图1是根据本发明一些实施例的例如包括泵送系统的装置的框图。
[0035]
图2是根据本发明一些实施例的流量对扬程(ft)和流量(gpm)对效率(％)的性能曲线图，包括针对以100％速度运行的一个泵的泵曲线、针对以100％速度运行的两个泵的泵曲线、控制曲线、1泵效率曲线和2泵效率曲线，用于使用效率法比较在泵送系统中的泵的基于效率和速度的分级/去分级(staging/destaging)。
[0036]
图3是根据本发明一些实施例的流量(gpm)对扬程(ft)和流量(gpm)对效率(％)的性能曲线图，包括针对以95％速度运行的一个泵的泵曲线、针对以80％速度运行的两个泵的泵曲线、控制曲线、1泵效率曲线和2泵效率曲线，用于使用效率法比较在泵送系统中的泵的基于效率和速度的分级/去分级。
[0037]
图4是根据本发明一些实施例的流量(gpm)对扬程(ft)和流量(gpm)对效率(％)的性能曲线图，包括针对以76％速度运行的一个泵的泵曲线、以针对70％速度运行的两个泵的泵曲线、控制曲线、1泵效率曲线和2泵效率曲线，用于使用效率法比较在泵送系统中的泵的基于效率和速度的分级/去分级。
[0038]
图5是根据本发明一些实施例的流量(gpm)对功率(hp)曲线图，用于比较泵功率(公布数据)和从变频驱动器(vfd)输出到电机的电功率。
[0039]
图6是根据本发明一些实施例的流量(gpm)对扬程(ft)和流量(gpm)对效率(％)曲线图，包括100％速度的泵曲线、泵效率曲线(公布数据)和线到线效率曲线，用于比较泵效率(公布数据)和线到水效率。
[0040]
图7是根据本发明一些实施例的流程图，其具有通过实施机器学习算法以确定实现相应/相同的扬程h和流量f的n-1和/或n+1个并联泵的至少一个组合/数目的至少一个效率的至少一次计算/预测的步骤。
[0041]
为了保持一致，图中的相似部分或部件用相似的参考数字和标记来标记。每个元件的每个导线及其相关附图标记并未包含在附图的每个图中，以整体减少附图混乱。
具体实施方式
[0042]
图1
[0043]
根据一些实施例，本发明可以包括装置10或采用装置10的形式，装置10的特征在于具有信号处理器或处理模块10a的控制器，信号处理器或处理模块10a被配置为：
[0044]
接收信令，信令包含关于以下的信息：
[0045]
功率简档，该功率简档特定于具有n个并联泵的泵送系统并且基于与针对n个并联泵的泵送系统功率、损耗和线到水效率中的一项或多项实时相关的数据，n个并联泵被配置为在泵送系统中运行，以效率e产生扬程h和流量f，以及
[0046]
对实现相应/相同的扬程h和流量f的n-1和/或n+1个并联泵的至少一个组合/数目的至少一个相应效率的至少一次计算/预测；以及
[0047]
基于所接收的信令确定相应信令，相应信令包含根据效率e与至少一个相应效率的比较来控制泵送系统的操作的信息。
[0048]
信号处理器或处理模块10a可以被配置为提供相应信令，作为控制泵送系统的操作的控制信令，泵送系统的操作例如包括将泵分级/去分级到泵送系统或从泵送系统分级/去分级。
[0049]
信号处理器或处理模块10a还可以被配置为：确定功率简档，该功率简档特定于具有n个并联泵的泵送系统并且该功率简档包括与针对n个并联泵的泵送系统功率、损耗和线到水效率中的一项或多项实时相关的数据，n个并联泵被配置为在泵送系统中运行，以效率e产生扬程h和流量f，例如，包括将所确定的功率简档存储在具有适当时间戳的适当数据库中。
[0050]
信号处理器或处理模块10a还可以被配置为：
[0051]
计算/预测n-1和n+1个并联泵实现相应/相同的扬程h和流量f的相应效率；以及
[0052]
通过选择在针对n个并联泵的效率e与针对n-1和n+1个并联泵的相应效率之间的最高效率来确定相应信令。
[0053]
信号处理器或处理模块10a可以被配置为当从在泵送系统中运行的n个并联泵改变为运行n-1个或n+1个并联泵时，停用或启动并联泵在泵送系统中的运行。
[0054]
信号处理器或处理模块10a可以被配置为实施机器学习算法来更新功率简档和监测系统以推断出接近效率曲线上的最佳点来操作泵送系统所需要的n个并联泵的组合/数目。
[0055]
控制器可以包括内部数据库，该内部数据库被配置为存储更新的功率简档，更新的功率简档包括与泵送系统功率、损耗和线到水效率中的一项或多项相关的数据。
[0056]
装置可以包括具有n个并联泵的泵送系统，或者采用具有n个并联泵的泵送系统的形式。
[0057]
比较基于效率和速度的分级/去分级
[0058]
作为示例，图2是示出具有在泵送系统中运行的一个泵和两个泵的泵送系统的性能曲线图。作为示例，泵送系统被设计为当两个泵都以100％速度运行时，达到270gpm和20英尺的扬程。图2包括系统扬程从10英尺到20英尺变化的控制曲线。图2还包括分别在副y轴上的一个泵和两个泵效率曲线。
[0059]
图3和表1：最佳效率分级
[0060]
作为进一步示例，图3和表1示出单泵系统和双泵系统的比较，以确定最佳效率分级。
[0061]
例如，表2示出以95％的速度运行、扬程约为14英尺、系统流量为165gpm、系统功率为1.03hp、系统效率为57％的一个泵的单泵系统；还示出以80％的速度运行、扬程约为14英尺、系统流量为165gpm、系统功率为0.94hp、系统效率为64％的两个泵的双泵系统，以进行效率比较，通过运行两个泵来实现相同的h扬程和q流量。
[0062]
表1
[0063][0064]
参考并且比较图3所示的曲线，包括针对以95％速度运行的一个泵的泵曲线、针对以80％速度运行的两个泵的泵曲线、控制曲线、1泵效率曲线和2泵效率曲线。
[0065]
表1的数据比较和图3的曲线比较清楚地示出，在泵送系统中运行两个泵以实现165gpm的流量和14英尺的h扬程比在泵送系统中运行一个泵更有效。
[0066]
图4和表2：最佳效率去分级
[0067]
作为更进一步的示例，图4和表2示出单泵系统和双泵系统的比较。
[0068]
例如，表2示出以76％的速度运行、扬程约为11英尺，系统流量为106gpm，系统功率为0.47hp，系统效率为65％的一个泵的单泵系统；还示出以70％的速度运行、扬程约为11英尺、系统流量为106gpm、系统功率为0.53hp、系统效率为58％的两个泵的双泵系统，以进行效率比较，通过运行两个泵来实现相同的h扬程和q流量。
[0069]
表2
[0070][0071]
参考并比较图4所示的曲线，包括针对以76％速度运行的一个泵的泵曲线、针对以70％速度运行的两个泵的泵曲线、控制曲线、1泵效率曲线和2泵效率曲线。
[0072]
表2的数据比较和图4的曲线比较清楚地示出，在泵送系统中运行一个泵以实现106gpm的流量和11英尺的h扬程比在泵送系统中运行两个泵更有效。
[0073]
控制特征：
[0074]
根据本发明，可以如下实现以下一项或多项控制特征：
[0075]
1.避免需求尖峰
[0076]
通过记录时间段内的需求，本文阐述的控制技术持续跟踪需求并生成需求曲线，其中所生成的需求曲线和历史数据峰值需求时间可以预测，并且可以采取必要的动作来避免需求尖峰。
[0077]
2.用户可调节控制变量
[0078]
用户可以：
[0079]
·
启用或禁用效率操作，
[0080]
·
设定阈值，控制将在效率低于阈值时生效，
[0081]
·
设置运行和验证定时器以稳定操作，以及
[0082]
·
设置流量和扬程变化的百分比，在做出泵分级/去分级决策之前，系统扬程和流量必须在该范围内持续给定时间。
[0083]
3.机器学习和功率简档
[0084]
因为泵的线到水效率低于其公布的水力效率，根据本发明，应当考虑泵的线到水
效率以获得最佳效率操作并节能。
[0085]
因为电机和vfd的损耗，例如包括所有泵送系统的损耗可能不同，甚至相同泵的损耗可以因电机和vfd的选择而变化等事实，泵的线到水效率通常较低。而且，因为泵送系统的磨损，泵送系统的损耗通常随着时间增加而增加。根据本发明，控制技术/系统在泵送系统运行并且产生功率简档期间持续记录不同流量范围的功率点。泵送系统的功率简档对于泵送系统来说是唯一的，并且在操作期间保持更新。这有助于决定最佳效率操作。
[0086]
参见图5至图6，其分别示出流量(gpm)对功率(hp)曲线图，用于比较泵功率(公布数据)和从变频驱动器(vfd)输出到电机的电功率；以及流量(gpm)对扬程(ft)和流量(gpm)对效率(％)曲线图，包括100％速度的泵曲线、泵效率曲线(公布数据)和线到线效率曲线，用于比较泵效率(公布数据)和线到水效率。
[0087]
计算
[0088]
作为示例，并且根据本发明的一些实施例，可以计算/预测使用在泵送系统中运行n-1个泵和n+1个泵、达到与运行n个泵时泵送系统达到的相同h扬程和q流量的功率简档的新效率。
[0089]
泵流量-压力曲线和流量-功率曲线可以用二阶多项式等式表示，y＝ax
2
+bx+c，其中a、b和c是等式的系数。
[0090]
使用二阶多项式等式的泵功率与流量之间的关系可以表达为：
[0091][0092]
使用二阶多项式等式的泵功率与流量之间的关系可以表达为：
[0093][0094]
其中w是速度比：
[0095]
s＝泵最大速度，
[0096]
s
c
＝泵当前速度，
[0097]
h＝当前系统压差，
[0098]
q＝当前系统总流量，
[0099]
p＝系统功耗，
[0100]
a1、b1和c1是最大速度时的扬程-流量二阶多项式等式的系数，该系数可以由多项式等式回归导出。
[0101]
a2、b2和c2是最大速度时的功率-流量二阶多项式等式的系数，该系数可以由多项式等式回归导出。
[0102]
步骤1：
[0103]
在步骤1中，计算系统中运行n个泵时的当前系统效率：
[0104][0105]
其中：
[0106]
η
current
＝当前系统效率，并且
[0107]
c＝常数。
[0108]
步骤2：
[0109]
在步骤2中，计算/预测在泵送系统中运行n
p
＝n+1个泵以实现与系统运行n个泵的情况下实现的相同的h扬程和q流量时的速度比w
calculated
。求解等式-1以得到w
calculated
。
[0110][0111]
步骤3：
[0112]
在步骤3中，计算/预测以w
calculated
速度比运行n
p
时的功率p
calculated
，使用等式2计算功率
[0113][0114]
步骤4：
[0115]
在步骤4中，计算/预测在泵送系统中运行n
p
个泵的新系统效率，如下：
[0116][0117]
其中
[0118]
η
calculated
＝计算的系统效率，并且
[0119]
c＝常数。
[0120]
步骤5：
[0121]
在步骤5中，对n-1和n+1个泵重复步骤1-4，并且比较η
calculated
和η
current
。
[0122]
如果计算/预测效率高于当前效率，即η
calculated
>η
current
，则改变运行的泵数目。
[0123]
图7
[0124]
参见图7，图7示出根据本发明一些实施例的流程图，该流程图总体上表示为50，具有使用效率法执行泵分级/去分级决策过程的步骤a至r，例如，其中步骤a至c计算具有n个泵的泵送系统在运行期间的系统效率，例如与上述步骤1至步骤4中所阐述的一致，其中步骤d至k计算具有n-1个泵的泵送系统在运行期间的系统效率以及步骤k中的可能的泵去分级，例如与上述步骤5中所阐述的一致，并且其中步骤l至r计算具有n+1个泵的泵送系统在运行期间的系统效率以及步骤k中的可能的泵分级，例如与上述步骤5中所阐述的一致。
[0125]
在图7中所示的流程图50可以包括具有用于根据一些实施例实现本发明的相关联步骤的机器学习算法，或者可以形成该机器学习算法的一部分。
[0126]
步骤a-步骤c
[0127]
特别地，在步骤b和步骤c中，信号处理器10a被配置为计算运行时间的系统效率，并且如果当前效率低于阈值效率，则信号处理器10a被配置为实施步骤d至步骤i，以确定在步骤k中是否需要使泵去分级，并且实施步骤i至步骤q，以确定在步骤r中是否需要使泵分级。阈值效率被理解为作为由泵送系统的操作者确定并且提供的泵送系统参数的效率，该效率将取决于特定的泵送系统、泵送系统的应用等。作为示例，阈值效率可以由操作者确定为60％、75％、90％等。然而，本发明的范围并非旨在限于任何特定的阈值效率。
[0128]
步骤d-步骤k：去分级
[0129]
在步骤e中，信号处理器10a被配置为预测利用n-1个泵实现相同的扬程h和流量q的速度。
[0130]
在步骤f中，信号处理器10a被配置为预测运行n-1个泵的功率。
[0131]
在步骤g中，信号处理器10a被配置为基于预测的功率和速度来预测效率。
[0132]
在步骤h中，信号处理器10a被配置为确定新效率是否大于当前效率，并且如果需要，在步骤k中使泵去分级。
[0133]
在步骤i中，信号处理器10a被配置为确定是否已经经过验证时间，如果是，则转到步骤e。
[0134]
步骤l-步骤r：分级
[0135]
在步骤m中，信号处理器10a被配置为预测利用n+1个泵实现相同的扬程h和流量q的速度。
[0136]
在步骤n中，信号处理器10a被配置为预测运行n+1个泵的功率。
[0137]
在步骤o中，信号处理器10a被配置为基于预测的功率和速度来预测效率。
[0138]
在步骤p中，信号处理器10a被配置为确定新效率是否大于当前效率，并且如果需要，在步骤r中使泵分级。
[0139]
在步骤q中，信号处理器10a被配置为确定是否已经经过验证时间，如果是，则转到步骤m。
[0140]
控制器
[0141]
作为示例，控制器的功能可以使用硬件、软件、固件或其组合来实现。在典型的软件实现中，控制器将包括一项或多项基于微处理器的体系结构，例如，类似于元件10a的至少一个信号处理器或微处理器。在无需过度试验的情况下，本领域技术人员将能够对这种基于微控制器(或微处理器)的实现进行编程，以执行本文描述的功能。本发明的范围并非旨在限于使用现在已知或将来开发的技术的任意特定实施方式。本发明的范围旨在包括将处理器10a的功能实现为独立的处理器或处理器模块、单独的处理器或处理器模块及其一些组合。
[0142]
装置10和/或控制器还可以包括其它信号处理器电路或部件10b，例如包括随机存取存储器(ram)和/或只读存储器(rom)、输入/输出设备和控制、以及连接这些设备的数据和地址总线和/或至少一个输入处理器和至少一个输出处理器。
[0143]
本发明的范围
[0144]
本文详细示出和描述的实施例仅通过示例方式提供；并且本发明的范围并非旨在限于本文所包含的这些部分或元件的特定构造、维度和/或设计细节。换句话说，本领域技术人员将理解，可以对这些实施例进行设计改变，并且使得所得到的实施例不同于本文所公开的实施例，但是仍落入本发明的总体主旨内。
[0145]
应当理解的是，除非本文另有说明，否则关于本文具体实施例描述的任何特征、特性、备选或修改也可以与本文描述的任何其它实施例一起应用、使用或结合。
[0146]
尽管已经参照本发明的示例性实施例描述和示出了本发明，但是在不脱离本发明的主旨和范围的情况下，可以在其中和对其进行前述及各种其它添加和省略。