CN117128162B - 智慧能源空压站节能控制系统及控制方法 - Google Patents

Abstract

本发明公开了一种智慧能源空压站节能控制系统，包括：能耗监测设备，用于实时监测和记录空压机的能耗数据；数据处理模块，用于将能耗监测设备记录到的能耗数据传输到节能控制系统中进行处理和分析；能耗模型建立模块，基于历史和实时的能耗数据，建立空压机的能耗模型；能耗分析模块，利用能耗模型对实时数据进行分析，评估当前的能耗情况；能耗优化模块，根据计划生产任务和能耗目标，优化空压机的运行策略；智能调度决策模块，通过决策模型进行智能调度决策；该智慧能源空压站节能控制系统能够对压力、温度和流量进行全方面监控，数据的利用效率和准确性高，能够帮助深入理解空压机的能源消耗规律和影响因素，为节能优化提供准确依据。

Description

智慧能源空压站节能控制系统及控制方法

技术领域

本发明涉及一种智慧能源空压站节能控制系统及控制方法。

背景技术

现代工业中压缩空气作为工厂中常用的三大动力源之一，具有来源广泛，压缩比高，输送方便等特点因而压缩空气在工业制造领域得到了广泛的应用。

空压站节能控制系统是针对空气压缩机运行过程中的能耗进行优化和节约的一种自动化系统，其核心目标是通过合理调整和控制空气压缩机的运行参数，以最小化能源消耗并提高系统的能效。

现有的空压站节能控制系统一般是采用压力调整控制，通过监测和调整空压机组的出口压力，以满足生产需求并尽量减少能耗。该系统可以根据实际需要，调整空压机组的运行状态，避免过高或过低的出口压力，从而达到节能的目的，这种节能系统主要依赖于压力监控来进行调整，缺少了对于温度和流量的监控，其数据的利用效率和准确性不高，难以深入理解空压机的能源消耗规律和影响因素，无法为节能优化提供准确依据。

发明内容

针对现有技术中的不足，本发明的目的是提供一种能够对压力、温度和流量进行全方面监控，数据的利用效率和准确性高，能够帮助深入理解空压机的能源消耗规律和影响因素，为节能优化提供准确依据的智慧能源空压站节能控制系统及控制方法。

本发明解决其技术问题所采用的技术方案是：

智慧能源空压站节能控制系统，包括：

能耗监测设备，用于实时监测和记录空压机的能耗数据；

数据处理模块，用于将能耗监测设备记录到的能耗数据传输到节能控制系统中进行处理和分析；

能耗模型建立模块，基于历史和实时的能耗数据，建立空压机的能耗模型；

能耗分析模块，利用能耗模型对实时数据进行分析，评估当前的能耗情况；

能耗优化模块，根据计划生产任务和能耗目标，优化空压机的运行策略；

智能调度决策模块，基于能耗分析和优化结果，通过决策模型进行智能调度决策。

作为优选，该能耗监测设备包括有安装在空压机的电源线路上的电力仪表，及安装在空压机的主气体管道上的压力传感器，及安装空压机的气体管道上的流量计，及安装在空压机的进气管道、排气管道、冷却器出口、冷却器回水管道的温度传感器。

本发明所要解决的另一技术问题为提供一种智慧能源空压站节能控制方法，包括以下步骤：

在空压站中安装能耗监测设备，实时监测和记录空压机的能耗数据；

将能耗监测设备采集到的数据传输到节能控制系统中进行处理和分析；

基于历史数据和实时数据，建立空压机的能耗模型；

利用能耗模型对实时数据进行分析，评估当前的能耗情况；

基于能耗分析和优化结果，通过决策模型进行智能调度决策；

基于智能调度决策结果进行自动启停、切换和调整空压机的运行状态和参数。

作为优选，在空压站中安装能耗监测设备的方法为：

在空压机的电源线路上安装电力仪表，用于实时监测和记录电能使用情况；

在空压机的主气体管道上安装压力传感器，用于实时监测管道内的空气压力；

在空压机的气体管道上安装流量计，用于实时测量空气的流量；

在空压机的进气管道、排气管道、冷却器出口、冷却器回水管道安装温度传感器。

作为优选，将能耗监测设备采集到的数据传输到节能控制系统中的方法为：

使用数据采集器或网关设备作为桥梁，将能耗监测设备的数据采集并传输到节能控制系统。

作为优选，建立空压机的能耗模型的方法为：

收集空压机的历史数据和实时数据，包括电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据；

从收集到的数据中选择适当的特征变量作为能耗模型的输入；

对收集到的数据进行预处理，包括数据清洗、异常值处理和缺失值填充；

使用历史数据对线性回归模型进行训练，并使用决定系数评估模型的性能；

使用实时数据对训练好的模型进行验证和调优，得到优化后的能耗模型。

作为优选，评估当前的能耗情况的方法为：

收集空压机的历史数据和实时数据，包括电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据；

对实时数据进行预处理，包括数据清洗、异常值检测和修正；

将预处理的实时数据作为输入，输入到建立好的能耗模型中；

使用能耗模型对实时数据进行预测，获得预测的能耗值；

将实际的能耗值与预测的能耗值进行比较，评估当前的能耗情况；

通过观察能耗的变化趋势，分析当前的能耗情况。

作为优选，基于能耗分析和优化结果，通过决策模型进行智能调度决策的方法为：

对收集到的电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据进行预处理，包括数据清洗、异常值处理和缺失值填充；

通过相关性分析从预处理后的电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据中选择适合的特征集；

将特征集划分为训练集和测试集，训练集用于模型的训练和参数调整，测试集用于评估模型的泛化能力；

使用训练集对神经网络模型进行训练；

使用训练好的神经网络模型对实时数据进行预测，并基于预测结果生成节能控制决策。

作为优选，通过相关性分析从预处理后的电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据中选择适合的特征集的方法为：

计算每个特征与节能指标之间的相关系数；

基于计算出的相关系数，可进行可视化探索，绘制相关性矩阵；

设定一个相关系数的阈值，以筛选出与目标变量显著相关的特征；

从各个特征中筛选出与目标变量相关性超过阈值的特征；

在选取特征集后，进行多重共线性检查。

作为优选，进行多重共线性检查的方法为：

收集用于分析的数据集，包括所有的特征和目标变量；

对数据进行预处理，包括数据清洗、缺失值填充、标准化。

选择一个目标特征作为因变量，其他特征作为自变量，拟合一个线性回归模型；

对于每个特征，计算其方差膨胀因子VIF，VIF计算公式如下：

VIF＝1/(1-R^2)

其中，R^2是该特征与其他自变量的线性关系的决定系数；

根据VIF的大小来判断特征之间的共线性，如果一个特征的VIF大于阈值10，则表示存在较高的共线性；

如果发现特征之间存在较高的共线性，则从高相关特征中选择其中一个，剔除其他相关特征；

根据处理后的特征集重新拟合线性模型，并计算更新后的VIF值，如果共线性问题得到解决，则VIF值应该低于阈值10；

如果仍然存在共线性问题，迭代执行上述步骤，直至满足模型的共线性要求。

本发明的有益效果是：

安装能耗监测设备可以实时监测和记录空压机的能耗数据，提供了对能耗情况的精确了解，为节能优化提供了基础数据，将能耗监测设备采集到的数据传输到节能控制系统中进行处理和分析，可以实现大量数据的集中管理和分析，提高数据的利用效率和准确性；通过分析能耗模型的结果，可以深入理解空压机的能源消耗规律和影响因素，为节能优化提供依据，利用能耗模型对实时数据进行分析，评估当前的能耗情况，通过实时监测和分析，可以及时发现能耗异常或高耗能状态，为后续决策提供参考，基于能耗分析和优化结果，利用决策模型进行智能调度决策。根据实时能耗情况和优化目标，通过自动启停、切换和调整空压机的运行状态和参数，实现能耗的最优化，通过实施智能调度决策，能够减少不必要的能源消耗和运行成本，提高空压机的能效。这将带来节能效果的提升，并降低企业的能源成本和环境影响；该方案利用先进的技术手段，实现了空压站的自动化控制和智能化管理，减少了人工干预和操作的需求，提高了工作效率和系统的可靠性。

附图说明

图1为本发明的智慧能源空压站节能控制系统的原理框图；

图2为本发明的智慧能源空压站节能控制方法的流程示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。在下列段落中以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

实施例

参阅图1所示，智慧能源空压站节能控制系统，包括：

能耗监测设备，用于实时监测和记录空压机的能耗数据；

数据处理模块，用于将能耗监测设备记录到的能耗数据传输到节能控制系统中进行处理和分析；

能耗模型建立模块，基于历史和实时的能耗数据，建立空压机的能耗模型；

能耗分析模块，利用能耗模型对实时数据进行分析，评估当前的能耗情况；

能耗优化模块，根据计划生产任务和能耗目标，优化空压机的运行策略；

智能调度决策模块，基于能耗分析和优化结果，通过决策模型进行智能调度决策。

通过能耗监测设备，系统可以实时监测和记录空压机的能耗数据，提供准确的能耗信息。这使得企业可以及时了解能源消耗情况，并针对性地采取相应措施。系统配备了数据处理模块，能够将能耗数据传输到节能控制系统中进行处理和分析。这样可以从海量数据中提取有用的信息，辅助企业进行能耗分析、评估和优化。

通过能耗模型建立模块，系统可以基于历史和实时的能耗数据，构建空压机的能耗模型。这个模型可以更好地理解能耗的变化规律，为后续的能耗分析和优化提供依据；能耗分析模块利用能耗模型对实时数据进行分析，能够评估当前的能耗情况。通过对能耗数据的综合分析，系统可以发现能耗异常、能耗高峰等问题，帮助企业及时调整运行策略。

能耗优化模块可以根据计划生产任务和能耗目标，优化空压机的运行策略。通过智能调度决策，系统可以根据能耗分析和优化结果，合理安排设备的开关机、负载分配等操作，以实现节能效果。

该能耗监测设备包括有安装在空压机的电源线路上的电力仪表，及安装在空压机的主气体管道上的压力传感器，及安装空压机的气体管道上的流量计，及安装在空压机的进气管道、排气管道、冷却器出口、冷却器回水管道的温度传感器。

对于电力仪表，将其安装在空压机的电源线路上；对于压力传感器，将其安装在主气体管道上；对于流量计，将其安装在气体管道上；对于温度传感器，将其安装在进气管道、排气管道、冷却器出口和冷却器回水管道上；将安装好的设备与监测系统进行连接。可以利用合适的接口和传输线缆，将电力仪表、压力传感器、流量计和温度传感器的输出信号接入到监测系统中，确保数据的传输和采集。

根据实际情况，配置监测系统的参数和设置。包括设定采样频率、数据存储方式、报警阈值等信息，以满足能耗监测的需要；对安装好的设备和配置好的监测系统进行测试和调试。确保各个设备能够正常采集数据，并与监测系统正确通信。进行一些测试用例，验证数据的准确性和稳定性。

根据监测系统的功能，对采集到的能耗数据进行展示和分析。可以通过监控界面或者专门的数据分析软件，对能耗数据进行统计、图表展示和趋势分析，帮助用户了解能源消耗情况

参阅图2所示，一种智慧能源空压站节能控制方法，包括以下步骤：

在空压站中安装能耗监测设备，实时监测和记录空压机的能耗数据；

将能耗监测设备采集到的数据传输到节能控制系统中进行处理和分析；

基于历史数据和实时数据，建立空压机的能耗模型；

利用能耗模型对实时数据进行分析，评估当前的能耗情况；

基于能耗分析和优化结果，通过决策模型进行智能调度决策；

基于智能调度决策结果进行自动启停、切换和调整空压机的运行状态和参数。

在空压站中安装能耗监测设备，包括电力仪表、压力传感器、流量计和温度传感器等。这些设备将实时监测和记录空压机的能耗数据；将能耗监测设备采集到的数据传输到节能控制系统中进行处理和分析。可以使用传感器和数据传输技术(如有线或无线网络)将数据传输至节能控制系统。

基于历史数据和实时数据，建立空压机的能耗模型。可以利用机器学习算法或统计方法对数据进行分析和建模，以预测和估计空压机的能耗情况；利用能耗模型对实时数据进行分析，评估当前的能耗情况。比较实际能耗和理论能耗，发现潜在的能耗问题和改进空间。

基于能耗分析和优化结果，利用决策模型进行智能调度决策。通过算法和规则，确定最佳的启停、切换和调整空压机的运行状态和参数，以实现节能目标；根据智能调度决策结果，自动控制和调整空压机的运行状态和参数。可以通过自动控制系统，实现自动启停、切换和调整，避免人工干预，提高节能效果。

在空压站中安装能耗监测设备的方法为：

在空压机的电源线路上安装电力仪表，用于实时监测和记录电能使用情况；

在空压机的主气体管道上安装压力传感器，用于实时监测管道内的空气压力；

在空压机的气体管道上安装流量计，用于实时测量空气的流量；

在空压机的进气管道、排气管道、冷却器出口、冷却器回水管道安装温度传感器。

对于电力仪表，将其安装在空压机的电源线路上；对于压力传感器，将其安装在主气体管道上；对于流量计，将其安装在气体管道上；对于温度传感器，将其安装在进气管道、排气管道、冷却器出口和冷却器回水管道上；将安装好的设备与监测系统进行连接。可以利用合适的接口和传输线缆，将电力仪表、压力传感器、流量计和温度传感器的输出信号接入到监测系统中，确保数据的传输和采集。

根据实际情况，配置监测系统的参数和设置。包括设定采样频率、数据存储方式、报警阈值等信息，以满足能耗监测的需要；对安装好的设备和配置好的监测系统进行测试和调试。确保各个设备能够正常采集数据，并与监测系统正确通信。进行一些测试用例，验证数据的准确性和稳定性。

根据监测系统的功能，对采集到的能耗数据进行展示和分析。可以通过监控界面或者专门的数据分析软件，对能耗数据进行统计、图表展示和趋势分析，帮助用户了解能源消耗情况。

将能耗监测设备采集到的数据传输到节能控制系统中的方法为：

使用数据采集器或网关设备作为桥梁，将能耗监测设备的数据采集并传输到节能控制系统。

建立空压机的能耗模型的方法为：

收集空压机的历史数据和实时数据，包括电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据；

从收集到的数据中选择适当的特征变量作为能耗模型的输入；

对收集到的数据进行预处理，包括数据清洗、异常值处理和缺失值填充；

使用历史数据对线性回归模型进行训练，并使用决定系数评估模型的性能；

使用实时数据对训练好的模型进行验证和调优，得到优化后的能耗模型。

通过建立空压机的能耗模型，可以更准确地估计和预测空压机的能耗情况。模型可以利用多个特征变量，并考虑它们之间的相互关系，从而提高预测的精确度；通过对能耗模型进行分析，可以识别出能耗问题和改进空间。基于模型的分析结果，可以制定相应的节能措施，优化空压机的运行状态和参数，以实现节能效果的最大化。

能耗模型不仅可以用于能耗的预测和评估，还可以作为智能调度决策的依据。基于模型的分析结果，可以制定相应的决策规则和算法，实现空压机的自动启停、切换和调整，减少人工干预，提高运行效率和节能效果；能耗模型可以根据实时数据进行验证和调优，保持模型的准确性和适应性。通过不断更新和优化模型，可以更好地适应不同工况和需求，实现实时的能耗控制和优化；能耗模型是基于收集到的历史数据和实时数据进行构建的，充分利用了数据的信息。通过数据驱动的方式进行能耗控制和优化，可以提高决策的科学性和准确性，更好地满足实际需求。

评估当前的能耗情况的方法为：

收集空压机的历史数据和实时数据，包括电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据；

对实时数据进行预处理，包括数据清洗、异常值检测和修正；

将预处理的实时数据作为输入，输入到建立好的能耗模型中；

使用能耗模型对实时数据进行预测，获得预测的能耗值；

将实际的能耗值与预测的能耗值进行比较，评估当前的能耗情况；

通过观察能耗的变化趋势，分析当前的能耗情况。

通过收集和评估实时数据，可以及时获得当前空压机的能耗情况。这有助于实时监控和管理能耗，避免能耗过高或异常情况的发生；该方案基于实际数据进行评估，提高了评估结果的准确性和可靠性。能耗模型利用多个特征变量进行预测，综合考虑了各种因素对能耗的影响，使评估更具有科学性。

通过将实际能耗值与预测能耗值进行比较，可以发现能耗偏差和异常情况。通过分析能耗的变化趋势，可以识别出能耗问题和改进空间，有针对性地采取措施来优化能耗；能耗评估不仅可以反映能耗情况，还可以间接反映出空压机的运行状态。通过对能耗的变化趋势进行分析，可以判断空压机是否正常运行，是否存在故障或负荷不平衡等问题；能耗评估结果可以为决策提供重要参考。根据能耗情况，可以制定相应的节能措施和运行策略，优化空压机的运行效率和能源利用效率。

基于能耗分析和优化结果，通过决策模型进行智能调度决策的方法为：

对收集到的电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据进行预处理，包括数据清洗、异常值处理和缺失值填充；

通过相关性分析从预处理后的电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据中选择适合的特征集；

将特征集划分为训练集和测试集，训练集用于模型的训练和参数调整，测试集用于评估模型的泛化能力；

使用训练集对神经网络模型进行训练；

使用训练好的神经网络模型对实时数据进行预测，并基于预测结果生成节能控制决策。

该方案通过对实时数据进行预处理和特征选择，构建了能耗模型。这个模型可以利用历史数据中隐藏的规律和关联性来预测未来的能耗情况。基于这些预测结果，可以生成智能调度决策，实现能耗的优化和节约；利用神经网络模型对实时数据进行预测，能够快速、准确地生成节能控制决策。通过深度学习算法的训练和参数调整，可以提高模型的准确性和泛化能力，从而使决策更加高效、精确。

通过智能调度决策，可以根据实时情况对空压机的运行状态和参数进行优化调整。比如调整电能输入、管道压力、流量等参数，以达到最佳的能耗效果。这可以提高空压机的运行效率，降低能耗，延长设备寿命；利用决策模型进行智能调度决策，可以实现对能耗的实时监测和管理。通过不断收集和分析实时数据，可以对能耗情况进行动态调整和优化，及时发现潜在的问题，并采取相应的措施进行调整，提高能源利用效率；通过该方案生成的节能控制决策，可以有效地降低能耗。通过优化空压机的运行参数和状态，避免能耗过高或无效的能耗，达到节能的目的。这有助于企业降低能源成本，提高经济效益

通过相关性分析从预处理后的电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据中选择适合的特征集的方法为：

计算每个特征与节能指标之间的相关系数；

基于计算出的相关系数，可进行可视化探索，绘制相关性矩阵；

设定一个相关系数的阈值，以筛选出与目标变量显著相关的特征；

从各个特征中筛选出与目标变量相关性超过阈值的特征；

在选取特征集后，进行多重共线性检查。

通过计算每个特征与节能指标之间的相关系数，可以量化不同特征与目标变量之间的相关性。这样做可以基于数据本身来选择特征，而不是主观判断。特征与目标变量的相关性高的特征更可能对节能指标有影响，因此选择这些特征作为最终的特征集；绘制相关性矩阵可以直观地展示各个特征之间以及特征与目标变量之间的相关性。通过可视化，可以更清楚地看到哪些特征与目标变量之间存在较强的相关关系，有助于理解数据的特征分布和相关性模式。

设定一个相关系数的阈值可以帮助筛选出与目标变量显著相关的特征。这样可以减少无关特征对特征集的干扰，使得特征集更加紧凑和有效；在选取特征集后，进行多重共线性检查可以排除特征间高度相关的情况。多重共线性可能导致模型不稳定，降低模型的可解释性和泛化能力。通过检查并处理多重共线性，可以提高特征集的质量和模型的性能；通过选择与目标变量相关性较高的特征集，可以减少无关特征对模型的干扰，提高模型的准确性和泛化能力。这样可以更好地预测和优化节能指标，达到节能的目的。

进行多重共线性检查的方法为：

收集用于分析的数据集，包括所有的特征和目标变量；

对数据进行预处理，包括数据清洗、缺失值填充、标准化。

选择一个目标特征作为因变量，其他特征作为自变量，拟合一个线性回归模型；

对于每个特征，计算其方差膨胀因子VIF，VIF计算公式如下：

VIF＝1/(1-R^2)

其中，R^2是该特征与其他自变量的线性关系的决定系数；

根据VIF的大小来判断特征之间的共线性，如果一个特征的VIF大于阈值10，则表示存在较高的共线性；

如果发现特征之间存在较高的共线性，则从高相关特征中选择其中一个，剔除其他相关特征；

根据处理后的特征集重新拟合线性模型，并计算更新后的VIF值，如果共线性问题得到解决，则VIF值应该低于阈值10；

如果仍然存在共线性问题，迭代执行上述步骤，直至满足模型的共线性要求。

多重共线性检查是一种常用的方法，简单易懂且易于实施。通过计算VIF值，可以快速判断特征之间的共线性程度；共线性会导致模型中存在高度相关的特征，这些特征之间携带了相似的信息，造成了冗余。通过剔除共线性特征，可以减少冗余信息，提高模型的简洁性和解释性。

共线性会导致模型不稳定，使得模型的预测结果对输入数据的微小变化非常敏感。通过解决共线性问题，可以提高模型的稳定性，使得模型对输入数据的变化更加鲁棒；共线性可能导致模型系数的不确定性，降低模型的解释性。通过处理共线性，可以使得模型系数更加可信和易于解释，有助于理解特征对目标变量的影响；多重共线性可能导致模型的系数估计不准确，增加预测误差；共线性还可能导致特征选择的不稳定性，不同的特征子集可能得到不同的模型，使得模型结果不可靠。通过多重共线性检查和处理，可以避免这些潜在问题，提高模型的质量和可靠性

本发明的有益效果是：

在本方案中利用计算机对超声波信号进行处理和分析，可以快速、准确地得到金属结构件中裂纹的相关信息，并结合应用力学的基本理论进行分析和计算，评估金属结构件的耐久性和安全性，为结构件的维护提供重要参考，同时还采用了有限元模型是利用计算机对金属结构件进行分析，以确定金属结构件的参数信息，最后通过裂纹扩展速率和疲劳循环次数等参数的评价，对金属结构件的耐久进行全面的评估。

本发明的上述实施例并不是对本发明保护范围的限定，本发明的实施方式不限于此，凡此种种根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，对本发明上述结构做出的其它多种形式的修改、替换或变更，均应落在本发明的保护范围之内。

Claims (7)

1.智慧能源空压站节能控制系统，其特征在于，包括：能耗监测设备，用于实时监测和记录空压机的能耗数据；

数据处理模块，用于将能耗监测设备记录到的能耗数据传输到节能控制系统中进行处理和分析；

能耗模型建立模块，基于能耗的历史数据和实时数据，建立空压机的能耗模型；

能耗分析模块，利用能耗模型对实时数据进行分析，评估当前的能耗情况；

能耗优化模块，根据计划生产任务和能耗目标，优化空压机的运行策略；

智能调度决策模块，基于能耗分析和优化结果，通过决策模型进行智能调度决策；

在空压站中安装能耗监测设备，实时监测和记录空压机的能耗数据；

将能耗监测设备采集到的数据传输到节能控制系统中进行处理和分析；

基于历史数据和实时数据，建立空压机的能耗模型；

利用能耗模型对实时数据进行分析，评估当前的能耗情况；

基于能耗分析和优化结果，通过决策模型进行智能调度决策；

基于智能调度决策结果进行自动启停、切换和调整空压机的运行状态和参数；

在空压站中安装能耗监测设备的方法为：在空压机的电源线路上安装电力仪表，用于实时监测和记录电能使用情况；

在空压机的主气体管道上安装压力传感器，用于实时监测管道内的空气压力；

在空压机的气体管道上安装流量计，用于实时测量空气的流量；

在空压机的进气管道、排气管道、冷却器出口、冷却器回水管道安装温度传感器；

建立空压机的能耗模型的方法为：收集空压机的历史数据和实时数据，包括电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据；

从收集到的数据中选择适当的特征变量作为能耗模型的输入；

对收集到的数据进行预处理，包括数据清洗、异常值处理和缺失值填充；

使用历史数据对线性回归模型进行训练，并使用决定系数评估模型的性能；

使用实时数据对训练好的模型进行验证和调优，得到优化后的能耗模型。

2.根据权利要求1所述的智慧能源空压站节能控制系统，其特征在于：该能耗监测设备包括有安装在空压机的电源线路上的电力仪表，及安装在空压机的主气体管道上的压力传感器，及安装空压机的气体管道上的流量计，及安装在空压机的进气管道、排气管道、冷却器出口、冷却器回水管道的温度传感器。

3.根据权利要求1所述的智慧能源空压站节能控制系统，其特征在于，将能耗监测设备采集到的数据传输到节能控制系统中的方法为：使用数据采集器或网关设备作为桥梁，将能耗监测设备的数据采集并传输到节能控制系统。

4.根据权利要求1或3所述的智慧能源空压站节能控制系统，其特征在于，评估当前的能耗情况的方法为：收集空压机的历史数据和实时数据，包括电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据；

对实时数据进行预处理，包括数据清洗、异常值检测和修正；

将预处理的实时数据作为输入，输入到建立好的能耗模型中；

使用能耗模型对实时数据进行预测，获得预测的能耗值；

将实际的能耗值与预测的能耗值进行比较，评估当前的能耗情况；

通过观察能耗的变化趋势，分析当前的能耗情况。

5.根据权利要求1或3所述的智慧能源空压站节能控制系统，其特征在于：基于能耗分析和优化结果，通过决策模型进行智能调度决策的方法为：对收集到的电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据进行预处理，包括数据清洗、异常值处理和缺失值填充；

通过相关性分析从预处理后的电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据中选择适合的特征集；

将特征集划分为训练集和测试集，训练集用于模型的训练和参数调整，测试集用于评估模型的泛化能力；

使用训练集对神经网络模型进行训练；

使用训练好的神经网络模型对实时数据进行预测，并基于预测结果生成节能控制决策。

6.根据权利要求5所述的智慧能源空压站节能控制系统，其特征在于，通过相关性分析从预处理后的电能数据、管道压力数据、管道流量数据、管道温度数据和冷却器温度数据中选择适合的特征集的方法为：计算每个特征与节能指标之间的相关系数；

基于计算出的相关系数，可进行可视化探索，绘制相关性矩阵；

设定一个相关系数的阈值，以筛选出与目标变量显著相关的特征；

从各个特征中筛选出与目标变量相关性超过阈值的特征；

在选取特征集后，进行多重共线性检查。

7.根据权利要求6所述的智慧能源空压站节能控制系统，其特征在于，进行多重共线性检查的方法为：收集用于分析的数据集，包括所有的特征和目标变量；

对数据进行预处理，包括数据清洗、缺失值填充、标准化；

选择一个目标特征作为因变量，其他特征作为自变量，拟合一个线性回归模型；

对于每个特征，计算其方差膨胀因子VIF，VIF计算公式如下：VIF＝1/(1-R^2)

其中，R^2是该特征与其他自变量的线性关系的决定系数；

根据VIF的大小来判断特征之间的共线性，如果一个特征的VIF大于阈值10，则表示存在较高的共线性；

如果发现特征之间存在较高的共线性，则从高相关特征中选择其中一个，剔除其他相关特征；

根据处理后的特征集重新拟合线性模型，并计算更新后的VIF值，如果共线性问题得到解决，则VIF值应该低于阈值10；

如果仍然存在共线性问题，迭代执行上述步骤，直至满足模型的共线性要求。