空压站是公用工程中常见的动力系统,耗费了大量的电能,同时也存在一定程度的电能浪费。空压站的常规节能方式主要是安装变频器。即使在常规节能方式实施后,空压站仍有较大的节能空间——也就是本文优化节能技术的实施空间。优化节能是继管理节能、设备节能与工艺节能之后的新一代节能技术,即利用人工智能算法对多设备在负载可变的条件下进行能耗优化的技术。在优化节能的方法中,有多种因素可影响节能效果,如工艺、设备、控制系统等。本文以国内某卷烟厂空压站节能优化项目为背景,利用机器学习算法,对每台空压机的运行参数,如压力、电耗进行机器学习,通过不断学习并分析这些数据,后期针对空压机在某个时间点或时间段的运行状态信息,总能找到电耗最小的运行组合最节能的运行方式,并通过新增加的PLC反向智能的控制各台空压机的启停,在保证排气压力满足正常工作的需求下实现电耗的最小化。基于BP神经网络算法建立了空压机站的能耗预测模型,基于粒子群优化算法建立了空压机站的能耗优化模型。机器学习算法的最终控制点在于空压机组的组合调度,根据储气罐的气压和用气量的需求,结合人工智能的优化节能算法,选择合适的机器组合并实时调整空压机的加卸载和启停,实现空压机组的优化节能。在项目实施过程中,通过对数据的采集,人工智能优化算法可以自主的对于采集到的数据进行学习,进而可以比人更加了解每一台机器的实际情况。从而根据实际情况选择最适合的一台机器或者几台机器进行组合。通过运行结果分析,机器学习算法可以很好的对空压机站进行能耗的优化,具有良好的节能效果。