一种零气耗压缩空气吸附干燥智能控制方法及系统与流程

本发明涉及压缩空气干燥与智能控制，具体为一种零气耗压缩空气吸附干燥智能控制方法及系统。

背景技术：

1、压缩空气吸附干燥是工业气源处理的核心环节，其基本原理是利用吸附剂对压缩空气中的水蒸气进行选择性吸附，从而获得满足工艺要求的干燥压缩空气，典型的双塔吸附式干燥机采用“一塔吸附、一塔再生”的交替工作模式，其中再生过程的能耗占干燥系统总能耗的绝大部分，在双碳战略目标驱动下，如何最大限度地降低甚至消除再生过程的压缩空气消耗，实现所谓零气耗干燥，已成为压缩空气后处理领域亟待突破的技术瓶颈。

2、目前，压缩空气吸附干燥的控制方法主要分为两类，第一类是基于固定时序的切换控制方法，该方法依据预设的固定周期对双塔进行吸附-再生切换，不感知干燥剂的实时吸附状态，为保证最恶劣工况下的出口露点达标，通常采用极为保守的切换周期，导致再生频率过高、压缩空气浪费严重。第二类是基于出口露点反馈的负荷适应控制方法，该方法通过监测出口露点值动态调整切换周期或再生气量，虽能部分匹配负荷变化，但其本质上属于滞后响应模式，即在干燥剂已趋近饱和、出口露点即将上升时才进行被动调节，无法从根本上消除因过量再生导致的能源损耗。

技术实现思路

1、为实现上述目的，本发明提供如下技术方案：一种零气耗压缩空气吸附干燥智能控制方法，包括：

2、获取吸附塔的实时工况数据，将实时工况数据输入预构建的负荷预测模型，基于负荷预测模型对实时工况数据进行时序特征提取，得到未来预设时段内的再生负荷需求曲线；

3、获取与再生负荷需求曲线匹配的再生能耗函数，并以再生能耗函数的零值点为目标，对干燥机的工作参数进行反向寻优，生成第一工作参数；

4、获取压缩机的实时排气数据，基于实时排气数据构建压缩空气的可用能流谱图；

5、将第一工作参数和可用能流谱图输入预构建的动态匹配模型，由动态匹配模型计算第一工作参数与可用能流谱图的能量契合度，并基于能量契合度对第一工作参数进行循环修正，得到第二工作参数；

6、基于第二工作参数，将压缩空气的总流量划分为再生流路和干燥流路，并实时调节再生流路的流量与加热功率，使干燥机的再生排气露点温度维持在与第二工作参数对应的目标露点曲线上。

7、优选的，实时工况数据包括当前吸附塔的入口温度、入口压力、入口湿度和出口露点值；负荷预测模型包括时序编码网络和负荷解码网络；

8、基于负荷预测模型对实时工况数据进行时序特征提取，得到未来预设时段内的再生负荷需求曲线，包括：

9、将实时工况数据输入时序编码网络，提取实时工况数据在不同时间尺度下的工况隐状态特征向量；

10、将工况隐状态特征向量输入负荷解码网络，由负荷解码网络基于注意力机制，对未来预设时段内各时间步的再生负荷需求进行逐点预测，生成再生负荷需求曲线；其中，再生负荷需求曲线为未来预设时段内，表征将吸附剂恢复至目标再生度所需的理论最低热量随时间变化的函数曲线。

11、优选的，时序编码网络由多个并行的一维卷积层和一个双向长短期记忆网络层构成；

12、将实时工况数据输入时序编码网络，提取实时工况数据在不同时间尺度下的工况隐状态特征向量，包括：

13、利用多个不同卷积核尺寸的一维卷积层，并行捕捉实时工况数据的短期波动特征和长期趋势特征，得到多尺度特征图；

14、将多尺度特征图沿特征维度拼接后，输入双向长短期记忆网络层，提取包含前向依赖和后向依赖的时序关联特征，作为工况隐状态特征向量。

15、优选的，负荷解码网络包括注意力权重生成单元、负荷状态解码单元和曲线拟合输出单元；

16、将工况隐状态特征向量输入负荷解码网络，由负荷解码网络基于注意力机制，对未来预设时段内各时间步的再生负荷需求进行逐点预测，生成再生负荷需求曲线，包括：

17、由注意力权重生成单元，基于当前解码时间步的隐藏状态与工况隐状态特征向量，计算工况隐状态特征向量中各时间步状态对当前预测时刻的注意力权重；

18、利用注意力权重对工况隐状态特征向量进行加权求和，得到当前解码时间步的上下文向量；

19、将上下文向量与上一解码时间步的负荷预测值进行拼接，输入负荷状态解码单元，得到当前解码时间步的负荷隐状态；

20、将负荷隐状态输入曲线拟合输出单元，计算当前解码时间步的再生负荷预测值；

21、迭代执行上述步骤，生成未来预设时段内所有时间步的再生负荷预测值，并将所有再生负荷预测值按时间序列组合，得到再生负荷需求曲线。

22、优选的，基于实时排气数据构建压缩空气的可用能流谱图，包括：

23、以实时排气数据中的排气温度为第一维度，排气质量流量为第二维度，构建二维能量分布矩阵；

24、对二维能量分布矩阵中各元素对应的排气压力进行可用能转换计算，得到各元素的热量可用势值；

25、基于各元素的热量可用势值，生成以温度和流量为坐标、以热量可用势值为强度的可用能流谱图。

26、优选的，动态匹配模型包括契合度计算层和参数修正层；

27、将第一工作参数和可用能流谱图输入预构建的动态匹配模型，由动态匹配模型计算第一工作参数与可用能流谱图的能量契合度，并基于能量契合度对第一工作参数进行循环修正，得到第二工作参数，包括：

28、将第一工作参数中的目标再生温度和再生流量，映射至可用能流谱图的坐标空间中，得到一个能量需求点；

29、由契合度计算层计算能量需求点与可用能流谱图中高热可用势值区域的距离损失，并基于距离损失输出能量契合度；

30、当能量契合度低于预设契合阈值时，由参数修正层沿可用能流谱图的能量梯度方向，对第一工作参数中的目标再生温度和再生流量进行迭代调整，直至调整后的能量需求点的能量契合度达到预设契合阈值，将调整后的工作参数输出为第二工作参数。

31、优选的，由参数修正层沿可用能流谱图的能量梯度方向，对第一工作参数中的目标再生温度和再生流量进行迭代调整，包括：

32、保持再生总量不变，以再生负荷需求曲线为约束边界，在可用能流谱图中搜索与当前能量需求点的热量可用势值之差最小的目标点；

33、将目标点对应的温度值和流量值，作为调整后的目标再生温度和再生流量。

34、优选的，基于第二工作参数，将压缩空气的总流量划分为再生流路和干燥流路，并实时调节再生流路的流量与加热功率，使干燥机的再生排气露点温度维持在与第二工作参数对应的目标露点曲线上，包括：

35、根据第二工作参数中的目标再生流量，调节再生流路的流量控制阀开度；

36、根据第二工作参数中的目标再生温度，调节再生流路的加热器功率；

37、获取再生排气出口处的实时露点温度和实时排气流量，计算实时露点温度与目标露点曲线上对应点的偏差值；

38、以偏差值作为反馈量，对加热器功率进行微调，使再生排气露点温度收敛于目标露点曲线。

39、一种零气耗压缩空气吸附干燥智能控制系统，其适用于上述的一种零气耗压缩空气吸附干燥智能控制方法，包括：

40、负荷预测模块，用于获取吸附塔的实时工况数据，将实时工况数据输入预构建的负荷预测模型，基于负荷预测模型对实时工况数据进行时序特征提取，得到未来预设时段内的再生负荷需求曲线；

41、反向寻优模块，用于获取与再生负荷需求曲线匹配的再生能耗函数，并以再生能耗函数的零值点为目标，对干燥机的工作参数进行反向寻优，生成第一工作参数；

42、能流谱图构建模块，用于获取压缩机的实时排气数据，基于实时排气数据构建压缩空气的可用能流谱图；

43、动态匹配模块，用于将第一工作参数和可用能流谱图输入预构建的动态匹配模型，由动态匹配模型计算第一工作参数与可用能流谱图的能量契合度，并基于能量契合度对第一工作参数进行循环修正，得到第二工作参数；

44、闭环执行模块，用于基于第二工作参数，将压缩空气的总流量划分为再生流路和干燥流路，并实时调节再生流路的流量与加热功率，使干燥机的再生排气露点温度维持在与第二工作参数对应的目标露点曲线上。

45、与现有技术相比，本发明的有益效果是：

46、本发明通过构建负荷预测模型，对吸附塔的实时工况数据进行时序特征提取，生成未来预设时段内的再生负荷需求曲线，从而提前预知干燥剂吸附负荷的变化趋势，从根本上避免了因响应滞后导致的干燥剂过度饱和或再生不及时问题，提升了干燥系统的运行可靠性；获取与再生负荷需求曲线匹配的再生能耗函数，并以再生能耗函数的零值点为直接目标，对干燥机的工作参数进行反向寻优，将零气耗转化为可数学求解的显式控制目标，使干燥机的工作参数朝着理论最低能耗方向优化；

47、本发明通过构建了压缩空气的可用能流谱图，将压缩机排气携带的温度、流量、压力等多维参数抽象为一种动态变化的能量场，并通过动态匹配模型计算再生工作参数与该能流谱图的能量契合度，以此对工作参数进行循环修正，将上游压缩机的实时可用余热正式纳入干燥机再生能量供给的优化决策框架，实现了从单机独立控制到系统能量协同优化的跨越，以废热替代高品质压缩空气进行再生，降低系统综合能耗。