该空压站内，所使用的螺杆机个别服役年限已超过10年，螺杆式空压机在长时间运行易导致转子磨损，致使阴阳转子之间的间隙增大，造成了空压机的内泄露增大，再加上空压机维保不及时，空压机产气量会降低，单机能效降低，使得整体空压系统能效偏低。

该站配置了传统的微热式干燥机，根据其设计流程和技术原理，结合现场实际情况，其再生气耗约10-15%左右，导致整体后处理系统气损过大，造成气耗浪费，无法实现节能运行。

该空压站全部采用就地人工控制，无上位监控系统，无法实现空压站能效监控，系统用能及产气量缺乏数据采集，空压机运行效率无法实时分析确定。同时，缺少远程监控，无法快速感知异常运行，及时排除运行故障，且无法进行数字化、智能化支撑系统工况寻优。

在制取压缩空气的过程中，受生产工艺的制约，压缩空气必须降温后才能使用，因此要消耗大量的循环冷却水或低温冷冻水来给压缩空气降温，此过程中未将被冷却掉的热量进行回收，用于生产工艺加热或生活用热及冬季供暖使用，造成热能浪费。

智控方案

基于大数据分析及AI技术，从“供、配、用、储”全系统、全方位角度出发，结合空压系统数字孪生模型和多源数据融合技术对系统/设备进行能效拟合并持续优化自学习，应用一套空压系统边缘智控装置（E-DOMs™️），实现空压系统的远程监控管理，优化策略计算，运行节能降费。

空压系统边缘智控装置体系架构包括数据采集、数模匹配与控制策略管理、站用（软件）、数据存储以及平台等。

（1）采集系统层：

通过ModBus协议与PLC进行通信完成与终端设备数据接入；通过边缘侧管理系统管理采集系统与配置要求。

（2）数模匹配与控制策略管理层：

通过MQTT协议与采集系统进行通信，接收采集数据；

实现采集点位与设备实例的匹配；

通过MQTT协议下发策略到采集系统，采集系统下发命令到PLC；

通过MQTT同步实时数据到平台。

（3）站端用层，站用可视化、预测算法、优化算法和设备模型：

站用主要将优化算法策略下发到数模匹配与控制策略管理层；基于平台下发文件模型进行解析；预测算法和优化算法通过读取数据库进行训练和计算；设备模型构建实例，并基于接口同步到平台。

（4）数据存储及用平台层：

功能平台（大屏、运行监测等）；基于API实现物联平台与边缘测物联信息同步，基于MQTT实现站端与平台之间的采集数据的实时通信等功能。

建设效果

节能降本减碳：对空压系统所有设备进行集中监控管理，建立空压机、干燥机、冷却设备的能效模型，实时掌握空压系统的运行状态和各项参数，对进而生成日前优化调度策略和日内滚动优化调度策略，过程指标，从当前单耗0.158kWh/m³降低至单耗0.118kWh/m³。根据负荷预测的实时变化，对空压系统进行精准的调整和控制。

人力优化提效：基于标准化流程的数字化运维管理工具，保障运维服务质量，降低人员专业经验依赖，利用智能控制技术为空压站系统提供自主化的智能决策支持，帮助管理人员更高效地管理空压站，并科学地进行设备管理维护。

设备效率提升：提前感知系统/设备异常，降低故障发生率快速定位故障，设备运行异常预警，提升设备利用效率，提升使用寿命20%以上，降低故障检修停用时长10%。