本技术涉及人工智能技术领域,本发明涉及一种离心式空压机热能管理方法及系统,包括:首先,基于历史数据中离心式空压机运行参数数据与排气口温度数据训练神经网络模型,得到训练好的神经网络模型,用于预测排气口温度数据;然后,对预测的排气口温度数据进行分类得到多个温度类别,从历史数据库中查找各温度类别对应的初始冷却水流速、冷却水冷却效率、冷却油流速和冷却油冷却效率;确定实时排气温度所属的温度类别,并根据实时排气温度和稳态温度之间的温度偏差动态调整冷却水和冷却油的流速,以确保系统温度达到预设的稳态温度。本发明解决了对离心式空压机热能的精准控制问题。
背景技术
随着工业技术的迅猛发展,离心式空压机作为一种高效的压缩设备,广泛应用于多个工业领域,包括石油、化工、冶金、电子、制药、食品加工和能源等领域。其主要作用是为各种工业领域提供稳定的压缩空气,确保生产流程的顺利进行。在这些领域中,离心式空压机的运行效率和可靠性直接影响到生产的连续性和产品的质量,因而受到工业界的高度重视。离心式空压机相比于其他类型的空气压缩机其工作具有更好的稳定性和可靠性,保障了机械系统之间的动力传递,为设备外部的其他连接装置提供了稳定的动力输出。然而,离心式空压机在运行过程中不可避免地会产生大量的热能。由于压缩空气的过程中存在显著的能量转化,大部分的电能会转化为热能,这些热能如果不能及时有效地散发出去,将导致空压机内部温度的不断升高。这种温度的升高不仅会影响空压机的工作效率,增加能耗,还可能对设备的关键部件造成过热损伤,从而缩短设备的使用寿命。因此,如何有效管理和控制离心式空压机在运行过程中的热能,成为工业应用中的一个关键技术问题。
传统的离心式空压机热能管理方法大多根据设计时的经验设定固定的冷却水流速和冷却油流速,以应对不同工况下的热量散发需求。这种固定的控制方法虽然在设计初期能够满足设备的基本运行需求,但随着实际工况的变化,尤其是面对复杂多变的工作环境,这种方法逐渐暴露出诸多不足,难以实现对离心式空压机热能的精准控制。
实现思路