[发明专利]一种基于神经网络的氢气压缩模块控制方法及装置

说明书

本发明实施例提供一种基于神经网络的氢气压缩模块控制方法及装置，所述方法包括：以压缩参数及出口压力作为输入，进行神经网络模型训练，获取压力常量输入到模型，调节可调节参数，使得出口压力等于压力常量，得到压缩参数对应的参数组；以压缩参数、压缩模块输出流量及耗电量作为输入数据，进行神经网络模型模型训练；将参数组输入到模型，得到输出流量及耗电量，并根据实际压缩需求进行权值赋值，根据输出流量及权值、耗电量及权值计算得到的最大值对应的最佳参数组，并输出。采用本方法能够通过结合神经网络算法，按工况需求启动压缩机，在压缩机使用期间保证负荷分配的最优化，确保各压缩机运行在高效率负荷区间，以降低加氢站系统整体能耗。

技术领域

本发明涉及新能源技术领域，尤其涉及一种基于神经网络的氢气压缩模块控制方法及装置。

背景技术

氢气作为燃料电池车辆的燃料目前主要通过氢瓶储存，需要在加氢站中通过专门的加氢机加注氢气，利用加氢机的储氢罐内的高压氢气与车辆的氢瓶内的低压氢气的压力差，将氢气加注至氢瓶内，在加氢机控制中，从增压模块中出来的高压氢气，经过加氢站内预冷器的处理后，变成预冷后的低温高压氢气，在加氢站氢气加注过程中，增压模块是整套系统能耗最高的部分。

目前的现有技术中，并未有对加氢站内增压模块进行出力智能优化控制的方法和系统。现阶段对增压模块中压缩机控制限于通过对电磁阀的控制实现最基本的启停操作，运行时，各级压缩机或全启，或全停，没有任何的调整优化步骤。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种基于神经网络的氢气压缩模块控制方法及装置。

本发明实施例提供一种基于神经网络的氢气压缩模块控制方法，包括：

获取压缩模块历史工作记录中的压缩参数及压缩模块出口压力，以所述压缩参数及压缩模块出口压力作为输入数据，输入到单输出神经网络模型进行模型训练，得到压缩参数及压缩模块出口压力的单输出神经网络模型，所述压缩模块由N台连接的压缩机组成，所述压缩参数包括：压缩模块的入口温度、入口压力、环境温度及N台压缩机的启动情况、入口温度、入口压力、出口温度、出口压力、液压油压力、液压油流量、液压油温度；

获取压缩模块出口压力对应的压力常量，将所述压力常量输入到所述单输出神经网络模型，调节所述压缩参数中的可调节参数，使得所述单输出神经网络输出的压缩模块出口压力等于所述压力常量，并对调节后的压缩参数进行记录，得到对应的参数组，所述可调节参数包括：N台压缩机的启动情况、液压油压力、液压油流量；

获取压缩模块历史工作记录中的压缩模块输出流量及压缩模块耗电量，以所述压缩参数、压缩模块输出流量及压缩模块耗电量作为输入数据，输入到双输出神经网络模型进行模型训练，得到压缩参数、压缩模块输出流量及压缩模块耗电量的双输出神经网络模型；

将所述参数组输入到所述双输出神经网络模型，得到输出的压缩模块输出流量及压缩模块耗电量，对所述压缩模块输出流量及压缩模块耗电量进行归一化处理，得到归一化后的压缩模块输出流量及压缩模块耗电量；

获取实际压缩需求，根据所述实际压缩需求对所述压缩模块输出流量及压缩模块耗电量进行权值赋值，并根据压缩模块输出流量及对应权值、压缩模块耗电量及对应权值计算得到对应的压缩模块工作值，并选取所述压缩模块工作值中最大值对应的最佳参数组，输出所述最佳参数组。

在其中一个实施例中，所述方法还包括：

所述单输出神经网络模型、双输出神经网络模型包括输入层、隐层和输出层三层节点；

所述以压缩参数及压缩模块出口压力作为输入数据，输入到单输出神经网络模型进行模型训练，包括：