控制压缩机房间的方法及其装置与流程

本发明涉及压缩机领域，更特别地，涉及控制用于向消费者提供压缩空气或气体的压缩机系统。

背景技术：

1、已知压缩机用于在一个或多个压缩级中压缩空气或气体。然后将压缩空气或气体提供给一个或多个消费者。其分配是通过压缩空气或气体系统提供的。

2、由于消费者的数量可能很大并且在空间上分布在重要的区域，例如在工厂或医院中，因此通常安装中央枢纽(hub)以从中提供压缩空气或气体。

3、中央枢纽通常包括一个或多个压缩机房间，其中在每个房间中安装一个或多个压缩机。此外，类似地安装辅助设备，诸如阀门、过滤器、干燥器、容器、传感器、控制组件和/或用于管理和/或控制压缩机房间的其它设备。接下来，管道或通道从一个或多个压缩机房间开始离开以供应消费者。作为链中的最后一部分，压缩空气或气体被消费者用于各种应用。

4、此外，在压缩机和消费者之间还可能存在另一组设备，诸如安全阀、分配阀、控制传感器或其它用于控制和保护压缩空气或气体分配的设备。

5、所描述的设置将进一步指定为压缩空气或气体系统。因此，压缩空气或气体系统可以包括供应一个消费者的一个压缩机，但通常被认为是更广泛的，因此包括多个组件，从而构成几个彼此相互作用的元件的复杂系统。

6、为了利用压缩空气或气体系统，需要控制其不同部分。已知借助于独立的本地控制器单独控制压缩机，由此将不同的控制器设置在预定义的压力值，从而根据压缩空气的消耗顺序地打开或关闭压缩机。

7、还已知应用一种通过多个通信控制器来控制压缩空气或气体系统的方法，该通信控制器控制作为压缩空气或气体系统的一部分的组件，由此控制组件，使得没有控制器确定由其它控制器控制的任何组件的操作条件。在wo2008/009073中公开了这样的方法。

8、在wo2008/009072中，公开了用于控制压缩空气单元的另一种方法，该单元由具有至少一个共同可控组件的几个压缩空气或气体网络组成，由此，基于压缩空气或气体网络中的至少一个的测量数据，至少公共组件由至少一个控制器控制。

9、但是，这些控制方法的缺点是它们仅基于压缩空气或气体系统的当前状态操作，这意味着它们无法考虑任何类型的预测。这导致次优控制和更高的能量成本。

技术实现思路

1、本发明旨在弥补上述和其它缺点。为此，本发明涉及一种用于控制压缩空气或气体系统的方法，该系统包括被配置为向一个或多个消费者提供压缩空气或气体的一个或多个压缩机，压缩空气或气体由一个或多个过程变量定义，该方法包括以下步骤：

2、-基于观察到的数据估计压缩空气或气体系统的当前状态；

3、-基于当前状态预测未来过程变量曲线；

4、-通过具有基于压缩空气或气体系统的体积的采样频率的采样方法对未来过程变量曲线进行采样，从而获得经采样的未来过程变量曲线；

5、-通过模型预测控制mpc方法将经采样的未来过程变量曲线和当前状态变换成：

6、·动作曲线，包括分布在预定义的第一时间期限(time

7、horizon)内的一个或多个动作；以及

8、·分布在等于或大于预定义的第一时间期限的预定义的第二时间期限内的状态曲线；以及

9、-指示一个或多个压缩机根据动作曲线执行一个或多个动作，

10、从而控制压缩空气或气体系统。

11、压缩空气或气体系统包括如上所述的一个或多个压缩机。可选地，压缩空气或气体系统还可以包括一个或多个自主体(agents)，诸如鼓风机、风扇、氮气发生器、活塞、涡轮、变频驱动自主体、干燥器、阀门、润滑器、过滤器、压力调节器、流量开关或适用于压缩空气或气体系统的任何其它设备或组件。

12、压缩空气或气体由一个或多个过程变量定义，如流量、压力、压力露点、气体温度、氧气水平、热函水平、相对湿度、气体分压、溶解氧水平、油污染水平或适用于压缩空气或气体的任何其它参数。

13、在第一步骤中，估计压缩空气或气体系统的当前状态。状态指示自主体和/或压缩机的一部分的状态。估计是基于观察到的数据。该数据源自被配置为测量或观察一个或多个过程变量的传感器。然后基于直接测量的信号和/或基于处理测量或观察到的信号或数据来执行当前状态的估计。

14、可选地，估计还可以基于压缩空气或气体系统的模型(当存在时)。模型例如是一组方程、算法、黑盒方法或对压缩空气或气体系统建模的任何其它合适的方式。

15、当前状态指示压缩系统的状态，并且可以由一个或多个过程和/或工作变量表达，并且因此指示压缩空气或气体系统的当前状况。当前状态可以是标量，即由一个离散或连续值表示，但通常包括一串变量，每个变量都表达状态。在后者中，当前状态因此被表示为向量、矩阵、数组或任何其它合适的表示。

16、接下来，在第二步骤中，基于当前状态预测未来过程变量曲线。未来过程变量曲线包括在有限时间期限内的一系列预测的未来过程变量。此外，对于在第一步骤中估计的每个过程变量，可以预测这样的曲线。可选地且优选地，预测还可以基于对压缩空气或气体系统执行的测量的历史数据。预测系列可以构成连续图或离散范围的标量。然后可以通过当前状态和/或观察到的数据来更新历史数据。

17、预测的未来过程变量曲线表达未来一组过程变量的预期曲线。其时间期限可以从几分钟、几小时甚至几天不等。还应该理解的是，该范围的大小取决于例如压缩空气或气体系统的复杂性或控制和管理压缩空气或气体系统的处理单元的能力。

18、在第三步骤中，在做出预测之后，通过采样方法对未来过程变量曲线进行采样，该采样方法的采样频率基于压缩空气或气体系统的体积，该体积是预先已知的或估计的。体积例如是容器的体积和/或整个压缩空气系统的体积，如气体体积。优选地，采样方法包括两个或更多个采样频率。例如，当未来过程变量曲线包括流量需求时，曲线将在流量变化快时以短的采样间隔进行采样，并且在流量变化慢时以较长的采样间隔进行采样。不同的表述是，当流量变化快时采样频率高，并且当流量变化平稳时采样频率低。因此，经采样的未来过程变量曲线将具有几个非等距样本。

19、接下来，通过模型预测控制(mpc)方法将采样的未来过程变量曲线和当前状态变换成另外两个曲线。

20、mpc方法生成的第一个曲线是动作曲线。动作曲线是在包括连续动作范围的第一时间期限内延伸的曲线。这些动作表达可以执行以控制压缩空气或气体系统的行为或操作。动作是例如打开或关闭压缩机，打开、部分打开或关闭阀门，重定向或调节压缩机流量、或可由压缩机和/或用于控制系统的自主体触发的任何其它动作。换句话说，通过动作可以将状态改变或操纵成期望的新状态，或者可以维持状态，由此动作然后被视为抵抗内部或外部效果或冲击的反应。

21、动作曲线分布在预定义的第一时间期限内，由此其大小同样取决于压缩空气或气体系统的复杂性、控制单元的处理能力，还取决于特定动作具有或将具有的反应。

22、mpc方法通过变换采样的未来过程变量曲线和当前状态生成的第二曲线是分布在预定义的第二时间期限内的状态曲线。该第二时间期限的大小等于或大于动作曲线的预定义的第一时间期限。

23、最后，该方法包括指示一个或多个压缩机根据动作曲线执行动作的步骤。

24、通过以一个或两个不同的采样频率自适应地对未来过程变量曲线进行采样，使得该曲线适合于用处理系统对其进行处理。此外，当使用两个或更多个采样频率时，具有非等距采样网格的样本在实时性能和存储器使用方面更高效。此外，有利的是，通过基于气体体积使用不同的采样频率，压缩空气或气体系统的特性被预先考虑。

25、另一个优点是同时生成动作和状态曲线，以便预先考虑彼此的相互作用。此外，不是仅依赖于预测或仅依赖于当前状态，而是以最佳方式考虑和处理动作和状态之间的相互作用和相关性。

26、另一个优点是考虑了切换和闲置成本，使得可以实现显著的节能，同时仍然减少压缩空气或气体系统内机器的磨损。这是因为预测允许提前优化安排最合适的压缩机，同时最小化空闲时间。此外，可以提高输送的压缩空气或气体的质量，例如，通过预热压缩机，使得干燥器更高效地运行并显著降低湿气浓度。

27、根据实施例，该方法还包括以下步骤：

28、-将采样的未来过程变量曲线与先前状态曲线进行比较，以识别采样的未来过程变量的在预定义偏差阈值内的一个或多个区域；

29、并且其中预测进一步基于一个或多个区域。

30、在预定义偏差阈值内的区域与先前的状态一致。不同的表述是，这些区域包括假定为正确或准确的预测。因此，对于这些区域，可以重新使用计算出的(computed)或计算的(calculated)数据。因此，通过使预测步骤基于这些区域，不必进行预测，而是可以重复使用先前的数据。此外，也可以考虑区域两侧的小重叠区间。通过在预测时考虑区域，预测步骤将更高效地执行。

31、此外，采样频率进一步基于以下组中的一个或多个：

32、-预测的不确定因素；

33、-压缩空气或气体系统的一个或多个工作参数；

34、-响应时间压缩机。

35、通过考虑预测的不确定性，不太准确的预测将导致较低的采样频率。这样，预测得到优化。

36、此外，除了压缩空气或气体系统的体积外，还可以考虑其它工作参数或机器特性，诸如压缩机、自主体、干燥器和/或膨胀机的反应时间。

37、根据第二方面，本发明涉及一种数据处理系统，包括用于执行根据第一方面的方法的部件。

38、根据第三方面，本发明涉及一种包括指令的计算机程序，当该程序由计算机执行时，所述指令使计算机执行根据第一方面的方法。可选地，该程序可以由第二计算机执行，由此第二计算机使得从第一计算机接收编码数据并且通过执行根据第一方面的方法的一个或多个步骤来解码接收到的数据。

39、换句话说，这些步骤可以在不同的计算机之间进行划分，由此这些计算机中的一个计算机与其它计算机相比可能位于不同的位置。

40、根据第四方面，本发明涉及一种其上存储有第三方面的计算机程序的计算机可读数据载体。