确定空压机的性能状态的方法、计算设备和计算机介质与流程

1.本发明概括而言涉及工业控制领域，更具体地，涉及一种确定空压机的性能状态的方法、计算设备和计算机可读存储介质。


背景技术：

2.空压机全称空气压缩机，是一种用于对气体进行压缩的设备，当前已广泛应用于建筑、钢铁、采矿和化学工厂中。在气体需求较大的情况下，通常采用包括多个空压机的空压站来向用气端提供压缩气体。用气端例如可以是工厂或者车间等。产气量是空压机的一个重要性能指标，它是指空压机在额定工作压力下，从进气口吸入压缩机的折算成标准状态的空气量，单位为立方米/分钟，而空压机比功率是指空压机运行功率与产气量的比值。比功率也是空压机运行的一个重要性能指标，它代表一台空压机的产气效率，对整个空压站的节能配比有重要的指导作用。
3.要知道空压机的比功率，需要先计算单台空压机的实际产气量。然而，在一个大的空压站里面，多台空压机同时工作，通过同一条母管把压缩气体传送到用气端，母管上可以安装流量计以测量多台空压机的产气量的汇总，然而，母管上的流量计不能检测出单台空压机的产气量。如果对每台空压机都安装一个流量计来测量该空压机的产气量，一方面成本会比较高，另一方面流量计的安装对于距离有特定要求，存在着不能后装的可能性。
4.理论上，可以让空压站中的每台空压机分别单独开机运行，通过母管的流量计数据来测量单台空压机的产气量，这样得到的单台空压机的产气量会相对比较准确。然而，实际情况中，一台空压机运转通常不能满足生产需求，若每台空压机单独开机进行测量的话，就需要停工测量，这在实际生产场景中很难实现。因此，在当前的技术背景下，想要不停工，在正常的生产过程中就能知道单台空压机的实际产气量，尤其是在工频空压机和变频空压机混用的情况下，基本是做不到的。无法确定每台空压机的实际产气量就无法计算空压机的比功率，从而也就无法确定空压机的性能状态以对每台空压机进行及时的处理或者适当的调度。


技术实现要素：

5.针对上述问题，本发明提供了一种利用lasso回归模型，基于母管流量和每个空压机的功率来确定空压机的比功率从而确定空压机的性能状态的方案。该方案可以在无需在每个空压机上安装流量计或者停工测量的情况下确定每个空压机的比功率从而确定其性能状态。
6.根据本发明的一个方面，提供了一种确定空压机的性能状态的方法。该方法包括：获取多个空压机在多个采样时间段的多组功率数据和连接所述多个空压机的母管在所述多个采样时间段的多组流量数据；基于所述多组功率数据确定每个空压机在每个采样时间段内的平均功率，并且基于所述多组流量数据确定所述母管在每个采样时间段内的排气量；基于所述多个采样时间段的多个平均功率和多个排气量对lasso回归模型进行训练以
获取所述多个空压机的系数向量，所述系数向量包括每个空压机的多个功率系数，其中每个空压机的多个功率系数分别针对所述空压机的平均功率和平均功率的高次幂；基于每个空压机的至少一个功率系数和所述空压机在检测时刻的功率值确定所述空压机在所述检测时刻的比功率；以及基于所述空压机在所述检测时刻的比功率确定所述空压机的性能状态。
7.在一些实施例中，获取多组功率数据包括：在所述多个采样时间段的每个采样时间段内获取所述多个空压机中的至少部分空压机的功率数据，并且在所述多个采样时间段内获取所述多个空压机中的所有空压机的功率数据。
8.在一些实施例中，获取多组功率数据包括：对于每个采样时间段，确定所述多个空压机中的每个空压机在所述采样时间段内是否处于运行状态；响应于确定所述空压机在所述采样时间段内处于运行状态，获取所述空压机的功率数据；以及响应于确定所述空压机在所述采样时间段内未处于运行状态，将所述空压机的功率数据设置为0。
9.在一些实施例中，基于所述多组功率数据确定每个空压机在每个采样时间段内的平均功率包括：对于工频空压机，对所述工频空压机在每个采样时间段内的多个采样时刻的功率数据进行算数平均以获取所述工频空压机在所述采样时间段内的平均功率；以及对于变频空压机，基于每个采样时间段内的多个采样时刻中的相邻采样时刻的时间差对所述变频空压机在所述多个采样时刻的功率数据进行加权平均以获取所述变频空压机在所述采样时间段内的平均功率。
10.在一些实施例中，基于所述多组流量数据确定所述母管在每个采样时间段内的排气量包括：对所述母管在每个采样时间段内的流量数据进行线性插值以确定所述采样时间段内的多个时间节点的流量值；以及基于所述采样时间段内的多个时间节点的流量值确定所述母管在所述采样时间段内的排气量。
11.在一些实施例中，获取所述多个空压机的系数向量包括：初始化每个空压机的多个功率系数；基于所述母管的排气量、所述多个平均功率和相应的功率系数确定所述lasso回归模型的损失函数，其中所述损失函数包括所述系数向量的一阶范数；基于所述lasso回归模型和每个采样时间段内的多个空压机的平均功率以及相应的功率系数确定所述母管的排气量的预测值；以及利用平均绝对百分比误差方法，基于所述母管的排气量和所述预测值确定训练后的功率系数。
12.在一些实施例中，基于所述母管的排气量和所述预测值确定训练后的功率系数包括：对于多个采样时间段，分别确定所述母管在每个采样时间段的平均绝对百分比误差，其中所述平均绝对百分比误差指示对应的排气量和预测值之差与所述排气量的百分比的平均值；对所述lasso回归模型进行超参数优化以获得超参数不同取值下的平均绝对百分比误差值；以及选择与最小平均绝对百分比误差对应的系数向量作为每个空压机的训练后的功率系数。
13.在一些实施例中，确定所述空压机在所述检测时刻的比功率包括：基于每个空压机的至少一个功率系数和所述空压机在检测时刻的功率值确定所述空压机在所述检测时刻的产气量；以及基于所述空压机在所述检测时刻的功率值和所述产气量确定所述空压机的比功率。
14.在一些实施例中，确定所述空压机的性能状态包括：将所述空压机的比功率与预
定比功率进行比较，其中所述预定比功率包括最大比功率和所述空压机的额定比功率中的至少一个；响应于确定所述空压机的比功率小于所述预定比功率，确定所述空压机处于健康状态；以及响应于确定所述空压机的比功率大于或等于所述预定比功率，确定所述空压机处于折损状态。
15.根据本发明的另一个方面，提供了一种计算设备。该计算设备包括：至少一个处理器；以及至少一个存储器，该至少一个存储器被耦合到该至少一个处理器并且存储用于由该至少一个处理器执行的指令，该指令当由该至少一个处理器执行时，使得该计算设备执行根据上述方法的步骤。
16.根据本发明的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序代码，该计算机程序代码在被运行时执行如上所述的方法。
附图说明
17.通过参考下列附图所给出的本发明的具体实施方式的描述，将更好地理解本发明，并且本发明的其他目的、细节、特点和优点将变得更加显而易见。
18.图1示出了用于实现根据本发明的实施例的用于确定空压机的性能状态的系统的示意图。
19.图2示出了根据本发明的一些实施例的用于确定空压机的性能状态的方法的流程图。
20.图3示出了根据本发明一些实施例的用于对lasso回归模型进行训练的方法的流程图。
21.图4示出了适合实现本发明的实施例的计算设备的结构方框图。
具体实施方式
22.下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整的传达给本领域的技术人员。
23.在下文的描述中，出于说明各种发明的实施例的目的阐述了某些具体细节以提供对各种发明实施例的透彻理解。但是，相关领域技术人员将认识到可在无这些具体细节中的一个或多个细节的情况来实践实施例。在其它情形下，与本技术相关联的熟知的装置、结构和技术可能并未详细地示出或描述从而避免不必要地混淆实施例的描述。
24.除非语境有其它需要，在整个说明书和权利要求中，词语“包括”和其变型，诸如“包含”和“具有”应被理解为开放的、包含的含义，即应解释为“包括，但不限于”。
25.在整个说明书中对“一个实施例”或“一些实施例”的提及表示结合实施例所描述的特定特点、结构或特征包括于至少一个实施例中。因此，在整个说明书的各个位置“在一个实施例中”或“在一些实施例”中的出现不一定全都指相同实施例。另外，特定特点、结构或特征可在一个或多个实施例中以任何方式组合。
26.此外，说明书和权利要求中所用的第一、第二等术语，仅仅出于描述清楚起见来区分各个对象，而并不限定其所描述的对象的大小或其他顺序等。
27.图1示出了用于实现根据本发明的实施例的用于确定空压机的性能状态的系统1的示意图。如图1中所示，系统1包括多个空压机10（图1中示例性地示出了5个空压机10
‑
1、10
‑
2、10
‑
3、10
‑
4和10
‑
5）、母管20和用气端30，其中多个空压机10通过母管20向用气端30传送所产生的压缩气体。每个空压机10包括或者被配置有一个电表12，其用于测量空压机10在各个时刻的运行功率。母管20包括或者被配置有一个流量计22，其用于测量各个时刻流过母管20的流量数据。在本文中，流量数据是指流量计读数，其指示截止当前测量时刻为止母管20的总的累计排气量，其相当于各个空压机10的总的产气量。然而，本领域技术人员可以理解，本发明并不局限于此，流量计22获取的流量数据可以指示流过母管20的瞬时排气量或者给定时间段（例如从前一测量时刻至当前测量时刻）的排气量等。系统1还包括计算设备40，其可以经由有线或无线通信链路获取每个电表12测量的功率数据以及流量计22测量的流量数据。
28.计算设备40可以包括至少一个处理器42和与该至少一个处理器42耦合的至少一个存储器44，该存储器44中存储有可由该至少一个处理器42执行的指令46，该指令46在被该至少一个处理器42执行时执行如下所述的方法的至少一部分。计算设备40的具体结构例如可以如下结合图4所述。
29.图2示出了根据本发明的一些实施例的确定空压机的性能状态的方法200的流程图。方法200可以由图1中所示的系统1中的计算设备40执行。以下结合图1至图4对方法200进行描述。
30.如图2中所示，方法200包括步骤210，其中获取多个空压机10在多个采样时间段的多组功率数据和连接多个空压机10的母管20在这些采样时间段的多组流量数据。
31.取决于电表12和/或流量计22的额定采样频率或者上层配置，电表12和流量计22可以分别以某个采样间隔对相应的空压机10的功率和母管20的流量进行测量。例如，电表12可以每隔1分钟测量一次空压机10的功率，流量计22可以每隔3分钟测量一次母管20的流量。
32.在步骤210中，可以将每个采样时间段内获取的多个空压机10的功率作为获取的一组功率数据。例如，假设采样时间段为30分钟，每个电表12的采样间隔是1分钟，则在一个采样时间段内，可以获得每个空压机10的30个功率数据，在空压站包含5个空压机10的情况下，在该采样时间段内获取的一组采样数据将包括5个空压机10中的每个空压机10的30个功率数据。
33.类似地，可以将每个采样时间段获取的母管20的流量作为获取的一组流量数据。例如，假设采样时间段为30分钟，每个流量计22的采样间隔是3分钟，则在一个采样时间段内，可以获得母管20的10个功率数据，这10个功率数据可以作为母管20的一组采样数据。
34.这样的一组功率数据和流量数据（在处理后）可以作为后续对lasso回归模型进行训练的一个训练样本。然而，在实际生产中，在一个采样时间段内可能只有部分空压机10工作，因此，训练样本的数量应该保证所有空压机10都有对应的训练数据。
35.为此，在步骤210中，可以在每个采样时间段内仅获取多个空压机10中的至少部分空压机10的功率数据，并且在多个采样时间段（即所有采样时间段）内获取所有空压机10的功率数据。
36.具体地，对于每个采样时间段，可以确定多个空压机10中的每个空压机10在该采
样时间段内是否处于运行状态。
37.如果确定一个空压机10在该采样时间段内处于运行状态，则获取该空压机10的功率数据，如果确定该空压机10在该采样时间段内未处于运行状态，则将该空压机的功率数据设置为0。
38.例如，假设在第一至第六个采样时间段期间都只有空压机10
‑
1、10
‑
2、10
‑
3处于工作状态，则在这些采样时间段内只有空压机10
‑
1、10
‑
2、10
‑
3有对应的功率数据，而空压机10
‑
4和10
‑
5的功率数据为0；在第七个采样时间段期间只有空压机10
‑
3、10
‑
4、10
‑
5处于工作状态，则在该采样时间段内只有空压机10
‑
3、10
‑
4、10
‑
5有对应的功率数据，而空压机10
‑
1和10
‑
2的功率数据为0。在这种情况下，为了获得所有空压机10的训练数据，应当至少采集七个采样时间段的七组功率数据。当然，在实际情况下，采样时间段的数量应当远远大于七个，以使得针对所有空压机的训练数据足够多。
39.通过这种方式，每个空压机10都有对应的训练数据，从而在后续的模型训练过程中能够为其获得相应的功率系数。
40.在步骤220，可以基于步骤210获取的多组功率数据确定每个空压机10在每个采样时间段内的平均功率，并且基于获取的多组流量数据确定母管20在每个采样时间段内的排气量。
41.由于空压机10包括工频空压机和变频空压机，这两种类型的空压机的测量功率值有不同的变化规律，因此为了获取每个空压机10在一个采样时间段内的频率特征，应当对它们进行不同的处理。
42.具体地，对于工频空压机，由于其运行期间的功率基本上不变，因此采样时刻的偏差对测量得到的功率数据的影响不大。在这种情况下，可以对工频空压机在每个采样时间段内的多个采样时刻的功率数据进行算数平均以获取该工频空压机在该采样时间段内的平均功率。如前所述，假设采样时间段为30分钟，采样间隔为1分钟，并且采样时刻为每个整分钟处，则在30分钟的时间段内对于每个空压机10可以获取30个功率数据，可以对这30个功率数据进行算数平均以获取该工控空压机在该采样时间段内的平均功率。
43.对于变频空压机，其运行期间的功率会显著变化，因此其采样时刻的偏差对测量得到的功率数据的影响很大。在这种情况下，可以基于每个采样时间段内的多个采样时刻中的相邻采样时刻的时间差对变频空压机在这些采样时刻的功率数据进行加权平均以获取该变频空压机在该采样时间段内的平均功率。例如，理想情况下，采样间隔为1分钟的电表12在10:00至10:30的采样时间段内的采样时刻应当分别是10:01、10:02、10:03、
……
、10:28、10:29、10:30。然而，由于电表12的精度或者敏感度等原因，实际的采样时刻可能是9:59、10:01、10:02、
……
、10:28、10:29、10:31。对于工频空压机来说，采样时刻的这种偏差影响不大，而对于变频空压机来说，采样时刻的这种偏差对于测量的功率数据的影响非常大。因此，对于每个功率数据，可以以该功率数据的采样时刻与前一采样时刻的时间差为权重，来对该采样时间段内的所有功率数据进行加权平均以获取该变频空压机在该采样时间段内的平均功率。
44.另一方面，对于母管20来说，为了准确获取其在一个采样时间段内的排气量，至少需要准确确定其在该采样时间段的开始时刻和结束时刻的流量数据。例如，理想情况下，采样间隔为3分钟的流量计22在10:00至10:30的采样时间段内的采样时刻应当分别是10:03、
10:06、10:09、
……
、10:24、10:27、10:30。然而，由于流量计22的精度或者敏感度等原因，实际的采样时刻可能是10:01、10:04、10:08、
……
、10:22、10:27、10:31。
45.在这种情况下，可以对母管20在该采样时间段内的流量数据进行线性插值以确定该采样时间段内的多个时间节点的流量值。例如，可以对上述各个实际采样时刻10:01、10:04、10:08、
……
、10:22、10:27、10:31获取的流量数据进行线性差值以确定该采样时间段内的多个时间节点的流量值。该多个时间节点可以是10:00、10:03、10:06、10:09、
……
、10:24、10:27、10:30。或者，也可以是其他等间隔或者不等间隔的时间节点。
46.然后，可以基于母管20在该采样时间段内的多个时间节点的流量值确定母管20在该采样时间段内的排气量。更具体地，可以通过将该采样时间段内的结束时刻的流量值与开始时刻的流量值相减来确定该采样时间段内的排气量。
47.至此，得到了多个训练样本，每个训练样本包括一个采样时间段内的多个空压机10的平均功率和母管20的排气量。表1示出了根据本发明实施例的多个训练样本（表1中示例性地示出了16个采样时间段得到的16个训练样本）的一种实例。
48.如表1中所示，p
i,j
指示获取的空压机10
‑
j在采样时间段t
i
期间的平均功率，0指示对应的空压机在该采样时间段内处于非工作状态，y
i
指示母管20在该采样时间段t
i
期间的排气量。例如，在采样时间段t1获取的训练样本可以表示为(p
1,1
, p
1,2
, p
1,3
, 0, 0, y1)。
49.继续图2，在步骤230，可以基于多个采样时间段的多个平均功率和多个排气量对lasso回归模型进行训练以获得多个空压机10的系数向量。这里，获取的系数向量包括每个空压机10的多个功率系数，其中每个空压机10的多个功率系数分别针对该空压机10的平均功率和平均功率的高次幂。
50.考虑到空压机10的运行功率与产气量之间的关系不一定是直接的线性关系，本发明中使用一次（即线性关系）和高次幂的组合来拟合每个空压机10的产气量与运行功率（即上文得到的平均功率）之间的关系。例如，可以使用一次（线性关系）和二次幂（即平方关系）的组合来拟合该关系，或者使用一次（即线性关系）、二次（平方关系）和三次幂（即立方关系）的组合来拟合该关系。在下文的描述中，以三次幂为例来描述本发明的具体方案，然而本领域技术人员可以理解，可以使用更高（如四次幂、五次幂等）或更低次幂（如二次幂）来进行拟合。在使用高次幂对该关系进行拟合时，每个空压机10可以具有与每个次幂分别对应的多个功率系数。例如，在使用三次幂进行拟合时，空压机10
‑
j的功率系数可以为(w
j1
, w
j2
, w
j3
)，从而空压机10
‑
j的产气量c
j
可以表示为c
j = w
j1
*p
j
w
j3
*p
j2 w
j3
*p
j3
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）其中p
j
表示步骤220得到的空压机10
‑
j的平均功率。
51.在对每个空压机10进行了高次幂拟合之后，考虑到并不能确定运行功率的每个次幂都对实际产气量有用，因此可以使用lasso回归算法来确定母管20的排气量与各个空压机10的运行功率之间的关系。
52.lasso（least absolute shrinkage and selection operator，最小绝对收缩和选择算子）回归模型是以缩小变量集（降阶）为思想的压缩估计方法，其与一般的线性回归算法的区别主要是在损失函数中增加了l1（一阶范数）正则项，以使得能够通过训练缩减一些系数。利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间的关系进行建模的一种回归分析。lasso回归模型可以简单表达为：y = w
t
x b，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）其中y表示输出值，在本文中即为上述得到的母管22的排气量，x表示输入值，在本文中即为上述得到的各个空压机10的多个平均功率及其高次幂拼接构成的功率向量，w表示该输入值的权重，在本文中即为上述各个空压机10的多个功率系数构成的系数向量，w
t
是w的转置向量，b是回归截距，其与w一起构成lasso回归模型的模型参数，并且可以与w一起通过训练获得其收敛值，在一些情况下，可以将b设置为0而不影响本发明的范围（以下以b为0的情况为例进行描述）。例如，在包含5个空压机10并且对每个空压机10使用三次幂拟合的情况下，系数向量w可以表示为：w=[w
11
, w
12
, w
13
, w
21
, w
22
, w
23
, w
31
, w
32
, w
33
, w
41
, w
42
, w
43
, w
51
, w
52
, w
53
]，输入值x可以表示为：x=[p1, p
12
, p
13
, p2, p
22
, p
23
, p3, p
32
, p
33
, p4, p
42
, p
43
, p5, p
52
, p
53
]。
[0053]
这里，系数向量w构成了lasso回归模型的模型参数，对lasso回归模型的训练即是获取收敛的各个功率系数。
[0054]
图3示出了根据本发明一些实施例的用于对lasso回归模型进行训练的方法300的流程图。
[0055]
如图3中所示，在步骤310，可以初始化每个空压机10的多个功率系数，即，初始化上述系数向量w。系数向量w的初始化可以任意，例如全部初始化为0，或者可以根据经验值设置初始化值。
[0056]
在步骤320，可以基于多个采样时间段中母管20的多个排气量、各个空压机10的多个平均功率和相应的功率系数确定lasso回归模型的损失函数。这里，该损失函数包括系数向量w的一阶范数（即l1正则项）。
[0057] lasso回归模型的损失函数可以表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）其中w表示各个空压机10的多个功率系数拼接构成的系数向量，w
t
表示w的转置；xi表示第i个训练样本中的输入值，例如各个空压机10的平均功率、平均功率的二次幂和平均功率的三次幂拼接构成的功率向量；yi表示第i个训练样本中的母管20的排气量；m表示训练样本的数量；表示系数向量w的一阶范数，即系数向量w中的每个功率系数的绝对值之和；λ是一个超参数，其可以由人工设置，也可以通过贝叶斯优化或者网格搜索进行选择。
[0058]
接下来，在步骤330，基于lasso回归模型和每个采样时间段内的多个空压机10的平均功率以及相应的功率系数确定母管20的排气量的预测值。
[0059]
如上述公式（2）所示，该预测值y'可以表示为：y
i
'=w
t
x
i
，其是在系数向量w未收敛的情况下根据各个空压机10的实际运行功率（即上述平均功率）确定的估计值。
[0060]
在步骤340，利用平均绝对百分比误差方法，基于母管20的排气量yi和步骤330确定的预测值y
i
'确定训练后的各个功率系数。
[0061]
在一些实施例中，对于上述多个采样时间段，可以分别确定母管20在每个采样时间段ti的平均绝对百分比误差（mape）。其中mape指示对应的排气量y
i
和预测值y
i
'之差与排气量y
i
的百分比的平均值。例如，mape可以表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）然后，可以对lasso回归模型进行超参数优化，以获得超参数λ不同取值下的mape值，并且选择与最小mape对应的系数向量作为每个空压机10的训练后的功率系数。这里，对lasso回归模型进行超参数优化的方法可以包括贝叶斯调参、网格搜索等方法，这里不再赘述。
[0062]
通过这种方式，可以获得每个空压机10
‑
j的训练好的功率系数，例如在使用三次幂的情况下降获得三个功率系数(w
j1
, w
j2
, w
j3
)。
[0063]
由于损失函数中l1正则项的存在使得更容易获得稀疏解，即每个空压机10的多个功率系数中有一部分可能为0或基本上为0。为此，在一些实施例中，还可以从训练后的功率
系数(w
j1
, w
j2
, w
j3
)中筛除基本为零的功率系数以获得每个空压机10的至少一个功率系数。通过这种方式，可以简化上述公式（1），即简化每个空压机10的产气量的计算。
[0064]
至此，通过对lasso回归模型进行训练，获取了适用于确定每个空压机10的产气量与工作功率之间的关系的一个或多个功率系数，从而可以在后续的检测时刻，能够利用该确定的功率系数确定每个空压机10的产气量并且进一步确定每个空压机10的比功率。
[0065]
继续图2，在步骤240，可以基于每个空压机10的至少一个功率系数和该空压机10在检测时刻的功率值确定该空压机10在该检测时刻的比功率。
[0066]
在一些实施例中，可以基于每个空压机10的至少一个功率系数（例如从上述步骤230获取的多个功率系数中筛除基本上为0的功率系数之后所得到的功率系数）和该空压机10在检测时刻的功率值确定该空压机在检测时刻的产气量。该产气量例如可以通过上述公式（1）或其简化形式计算。然后，可以基于该空压机10在检测时刻的功率值和产气量确定该空压机10的比功率。
[0067]
空压机10
‑
j的比功率例如可以表示为：p
j / c
j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）在步骤250，可以基于空压机10在检测时刻的比功率确定该空压机10的性能状态。
[0068]
在一些实施例中，可以将步骤240确定的该空压机10的比功率与预定比功率进行比较。这里，预定比功率可以是最大比功率（即所有类型的空压机中的常规比功率的最大值，如10kw/(m3/min)）或者该空压机10的额定比功率。
[0069]
如果确定该空压机10的比功率小于该预定比功率，则可以确定该空压机10处于健康状态。即，该空压机10在正常运行，不需要进行额外处理。
[0070]
如果确定该空压机10的比功率大于或等于该预定比功率，则可以确定该空压机10处于折损状态。即，该空压机10的运行状态不正常，需要检修或更换。
[0071]
图4示出了适合实现本发明的实施例的计算设备400的结构方框图。计算设备400例如可以是如上所述的系统1中的计算设备40。
[0072] 如图4中所示，计算设备400可以包括一个或多个中央处理单元（cpu）410（图中仅示意性地示出了一个），其可以根据存储在只读存储器（rom）420中的计算机程序指令或者从存储单元480加载到随机访问存储器（ram）430中的计算机程序指令，来执行各种适当的动作和处理。在ram 430中，还可存储计算设备400操作所需的各种程序和数据。cpu 410、rom 420以及ram 430通过总线440彼此相连。输入/输出（i/o）接口450也连接至总线440。
[0073]
计算设备400中的多个部件连接至i/o接口450，包括：输入单元460，例如键盘、鼠标等；输出单元470，例如各种类型的显示器、扬声器等；存储单元480，例如磁盘、光盘等；以及通信单元490，例如网卡、调制解调器、无线通信收发机等。通信单元490允许计算设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0074] 上文所描述的方法200例如可由一个或多个计算设备400的cpu 410执行。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包括于机器可读介质，例如存储单元480。在一些实施例中，计算机程序的部分或者全部可以经由rom 420和/或通信单元490而被载入和/或安装到计算设备400上。当计算机程序被加载到ram 430并由cpu 410执行时，可以执行上文描述的方法200的一个或多个操作。此外，通信单元490可以支持有线或无线通信功能。
[0075]
本领域技术人员可以理解，图4所示的计算设备400仅是示意性的。在一些实施例中，计算设备400可以包含比图4所示的更多或更少的部件。
[0076]
利用本发明的方案，通过利用lasso回归模型，基于多个空压机的功率和母管流量确定每个空压机的功率与产气量之间的关系，使得可以在不需要单独的流量计或者停产的情况下即可确定空压机的比功率，并且进一步确定空压机的健康状态。
[0077]
以上结合附图对根据本发明的确定空压机的性能状态的方法200以及可用来实现该方法200的计算设备400进行了描述。然而本领域技术人员可以理解，方法200的步骤的执行并不局限于图中所示和以上所述的顺序，而是可以以任何其他合理的顺序来执行。此外，计算设备400也不必须包括图4中所示的所有组件，其可以仅仅包括执行本发明中所述的功能所必须的其中一些组件，并且这些组件的连接方式也不局限于图中所示的形式。
[0078]
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
[0079]
在一个或多个示例性设计中，可以用硬件、软件、固件或它们的任意组合来实现本发明所述的功能。例如，如果用软件来实现，则可以将所述功能作为一个或多个指令或代码存储在计算机可读介质上，或者作为计算机可读介质上的一个或多个指令或代码来传输。
[0080]
本文公开的装置的各个单元可以使用分立硬件组件来实现，也可以集成地实现在一个硬件组件，如处理器上。例如，可以用通用处理器、数字信号处理器（dsp）、专用集成电路（asic）、现场可编程门阵列（fpga）或其它可编程逻辑器件、分立门或者晶体管逻辑、分立硬件组件或用于执行本文所述的功能的任意组合来实现或执行结合本发明所描述的各种示例性的逻辑块、模块和电路。
[0081]
本领域普通技术人员还应当理解，结合本发明的实施例描述的各种示例性的逻辑块、模块、电路和算法步骤可以实现成电子硬件、计算机软件或二者的组合。
[0082]
本发明的以上描述用于使本领域的任何普通技术人员能够实现或使用本发明。对于本领域普通技术人员来说，本发明的各种修改都是显而易见的，并且本文定义的一般性原理也可以在不脱离本发明的精神和保护范围的情况下应用于其它变形。因此，本发明并不限于本文所述的实例和设计，而是与本文公开的原理和新颖性特性的最广范围相一致。