CN117993306B - 一种对管网仿真参数进行率定的方法、***和介质 - Google Patents
一种对管网仿真参数进行率定的方法、***和介质 Download PDFInfo
- Publication number
- CN117993306B CN117993306B CN202410396911.4A CN202410396911A CN117993306B CN 117993306 B CN117993306 B CN 117993306B CN 202410396911 A CN202410396911 A CN 202410396911A CN 117993306 B CN117993306 B CN 117993306B
- Authority
- CN
- China
- Prior art keywords
- pressure
- coefficient
- flow
- pipe
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 167
- 238000013528 artificial neural network Methods 0.000 claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 10
- 238000012545 processing Methods 0.000 description 7
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 4
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 4
- 238000005303 weighing Methods 0.000 description 3
- 238000002940 Newton-Raphson method Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种对管网仿真参数进行率定的方法、***和介质。所述方法包括在管网中的监测节点中通过聚类处理确定中心节点;基于中心节点的流量或压力实测数据,利用管段压降方程和各节点的流量平衡方程,仿真计算其他监测节点的流量或压力;在其他监测节点的仿真计算流量或压力与其实测结果的误差比率不大于预定阈值时,确定符合工程要求,否则不符合工程要求;初步率定第一系数、第二系数和第三系数;利用训练好的神经网络对初步率定的第一系数、第二系数和第三系数进行修正,得到修正率定的第一系数、第二系数和第三系数;以及基于所述管网中监测节点的实测流量和压力,依次遍历各个管段,来确定非监测节点的修正仿真的流量和压力信息。
Description
技术领域
本申请涉及一种对管网的仿真方法,更具体地涉及一种对管网仿真参数进行率定的方法、***和介质。
背景技术
随着管网的运行,一方面,管道内壁随运行时间增加会发生腐蚀、磨损,但是其对管道摩擦阻力系数的影响难以估计; 另一方面,燃气管网中弯头、三通等的局部阻力难以精确计算。由此带来的相对误差必须通过阻力辨识的手段予以消减,才能为管网的智能调控以及泄漏检测等场景提供技术上的支持。管网***的实际情况和设计工况的误差往往通过管网仿真和设备监测的数据来反映,同时由于管网工况随时间动态波动,这就大大限制了管网仿真的准确性。
目前针对管网仿真误差有两种做法。第一种做法是采用MAPE方法分类评价仿真误差。具体说来,依据SCADA***中心数据、在线仿真***数据,对比分析实际环境中的数据质量、噪声水平、参数条件等因素造成的精度误差。对于同一时间层的N个测量数据和N个仿真数据,采用如下MAPE方法分类评价仿真误差:
式中,MAPE为平均绝对百分误差,为任意实测值,/>为对应的仿真值。
这种计算方式误差计算比较粗糙,实质是利用差值的思想计算阈值。
第二种做法是对管网模型的阻力进行辨识。但是,随着管网规模不断增大、老化,传统的数值算法在阻力辨识问题上逐渐失效。
发明内容
提出本申请意图解决现有技术中的问题。
本申请旨在提供一种对管网仿真参数进行率定的方法、***和介质,其能够将AI高效引入到管网的仿真,利用监测节点的流量或压力实测数据来仿真管网中的非监测节点的流量或压力,使得仿真结果合理时不过分调用AI算法,而仿真结果偏离合理时能够利用AI权衡和全面修正非监测节点的流量或压力,使得在计算负荷与仿真的动态准确性之间实现良好的权衡。
根据本申请的第一方面,提供一种对管网仿真参数进行率定的方法,所述方法包括如下步骤。在管网中多个具有流量或压力实测数据的监测节点中,通过聚类处理确定中心节点,所述管网除了监测节点还包括不具有流量或压力实测数据的非监测节点。基于中心节点的流量或压力实测数据,利用管段压降方程和各个节点的流量平衡方程,仿真计算其他监测节点的流量或压力以及非监测节点的流量或压力。在其他监测节点的仿真计算流量或压力与所述其他监测节点的实测流量或压力的误差比率不大于预定阈值时,确定非监测节点的仿真计算流量或压力符合工程要求而直接使用。在其他监测节点的仿真计算流量或压力与所述其他监测节点的实测流量或压力的误差比率大于预定阈值时,确定非监测节点的仿真计算流量或压力不符合工程要求。对于所述管网中的各个管段,根据起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数,
公式(1)
其中,表示起点压力,/>表示终点压力,Q表示管段中的流量,A为第一系数,B为第二系数,C为第三系数。在各个管段的起点或终点为非监测节点且仿真计算流量或压力不符合工程要求的情况下,利用训练好的神经网络对初步率定的第一系数、第二系数和第三系数进行修正,得到修正率定的第一系数、第二系数和第三系数。以及,基于所述管网中监测节点的实测流量和压力,将公式(1)依次遍历应用于所述监测节点与非监测节点连接形成的各个管段以及非监测节点彼此连接形成的各个管段,来确定非监测节点的修正仿真的流量和压力信息。
根据本申请的第二方面,提供一种对管网仿真参数进行率定的***,该***包括处理器和存储器。处理器配置为执行根据本申请各个实施例的对管网仿真参数进行率定的方法。存储器配置为:存储训练好的神经网络,所述训练好的神经网络用于对初步率定的第一系数、第二系数和第三系数进行修正。
根据本申请的第三方面,提供一种计算机存储介质,其上存储有可执行指令。所述可执行指令由处理器执行时,实现一种根据本申请各个实施例所述的对管网仿真参数进行率定的方法。
利用根据本申请各个实施例的对管网仿真参数进行率定的方法、***和介质,其能够将AI高效引入到管网的仿真,利用监测节点的流量或压力实测数据来仿真管网中的非监测节点的流量或压力,使得仿真结果合理时不过分调用AI算法,而仿真结果偏离合理时能够利用AI权衡和全面修正非监测节点的流量或压力,使得在计算负荷与仿真的动态准确性之间实现良好的权衡。由此,即便管网工况随时间动态波动,依然能够在兼顾计算速度的情况下确保管网仿真的准确性。
附图说明
在不一定按比例绘制的附图中,相同的附图标记可以在不同的视图中描述相似的部件。附图大体上通过举例而不是限制的方式示出各种实施例,并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。这样的实施例是例证性的,而并非旨在作为本装置或方法的穷尽或排他实施例。
图1示出根据本申请实施例的对管网仿真参数进行率定的方法的流程图。
图2示出根据本申请实施例的管网拓扑结构的示意图。
图3示出根据本申请实施例的基于所述管网中监测节点的实测流量和压力,来确定非监测节点的修正仿真的流量和压力信息的流程图。
图4示出根据本申请实施例的对管网仿真参数进行率定的***的框架图。
图5示出根据本申请实施例的对管网进行仿真分析的方法的流程图。
具体实施方式
本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素,并不排除也涵盖其他要素的可能。本申请中使用的“A以上”包含A及比A大的数,使用的“B以下”不包含B而仅包含比B小的数。本申请中结合附图所描述的方法中各个步骤的执行顺序并不作为限定。只要不影响各个步骤之间的逻辑关系,可以将数个步骤整合为单个步骤,可以将单个步骤分解为多个步骤,也可以按照具体需求调换各个步骤的执行次序。
图1示出根据本申请实施例的对管网仿真参数进行率定的方法的流程图。如图1所示,该方法包括如下步骤。
在步骤101,在管网中多个具有流量或压力实测数据的监测节点中,通过聚类处理确定中心节点,所述管网除了监测节点还包括不具有流量或压力实测数据的非监测节点。具体说来,可以基于k-means聚类算法来选定要率定的管网,也就是目标管网,以及聚类得到的中心节点。所谓中心节点拓扑连接到大量监测节点和非监测节点。因此,中心节点可以作为仿真计算的起点。
在步骤102,基于中心节点的流量或压力实测数据,利用管段压降方程和各个节点的流量平衡方程,仿真计算其他监测节点的流量或压力以及非监测节点的流量或压力。聚类的中心点为已知流量或压力数据的有监测数据的管网中的节点,不包含气源节点、末端分输节点。这样,聚类的仿真计算数据来源于实测的真实数据,通过邻接矩阵连接关系和管段压降方程,可以计算出不同节点的流量、压力。此处计算的压力、流量取决于管段的阻抗信息。基于管网拓扑结构,提取节点参数、管段信息,包括管径、材质、壁厚、粗糙度,节点压力、流量等信息。结合管段压降方程、另外加入各节点流量平衡方程,形成管网方程组。例如,可以采用Newton - Raphson 方法进行求解,可求出各其他监测节点或者非监测节点的压力、流量、压降等。
在步骤103,在其他监测节点的仿真计算流量或压力与所述其他监测节点的实测流量或压力的误差比率不大于预定阈值时,确定非监测节点的仿真计算流量或压力符合工程要求而直接使用。请注意,监测节点自身还具有实测的流量或压力,仿真计算的其他监测节点的流量或压力可能与其实测的流量或压力存在偏差,偏差的大小可以验证全面仿真计算结果是否合理,是否符合工程要求。也就是说,其他监测节点的仿真计算流量或压力作为所有仿真计算结果中的抽检样本,与所述其他监测节点的实测流量或压力进行比较,就可以验证非监测节点的仿真计算流量或压力是否符合工程要求,进而估计包括非监测节点的各个节点的仿真计算流量或压力是否符合工程要求。在一些实施例中,所述预定阈值为4%到8%。例如,如果误差比率没有超出5%,可以认为符合工程要求,那么非监测节点的仿真计算流量或压力就符合工程要求,无需进一步的处理就可以直接使用了。
在步骤104,在其他监测节点的仿真计算流量或压力与所述其他监测节点的实测流量或压力的误差比率大于预定阈值时,确定非监测节点的仿真计算流量或压力不符合工程要求。在不符合工程要求的情况下,非监测节点的仿真计算流量或压力就需要执行步骤105-步骤107调整修正后,才能使用。
在步骤105,对于所述管网中的各个管段,根据起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数,
公式(1)
其中,表示起点压力,/>表示终点压力,Q表示管段中的流量,A为第一系数,B为第二系数,C为第三系数。
本申请中,将起点压力终点压力/>管段中的流量Q之间的影响参数梳理且提炼为三个系数A、B和C,下面结合图2所示的示例性管网拓扑结构的示意图,对三个系数A、B和C进行具体说明。
如图2所示,以节点1、2、3、4和5组成的子管网为例,如果节点1和2为已经具有实测压力和流量的监测节点,选取节点1、2之间的管段,工程标准状况下的体积流量为:
公式 (2)
其中,Q、D、、/>已知。
表示管段中分段的序号,H表示管段中分段的数量,/>是输气管中最后一段的终点与起点高差(此处设最后一分段的起点高差为0,则/>)对输气管输送能力的影响。是考虑管段中间各点(也就是各个分段的)相对高程对输气能力的影响,也就是管段纵断面特征对输气能力的影响。
,/>的数值是随各参数所用的单位而定的常数,/>为重力加速度,R表示摩尔气体常数。
表示管段直径,T表示温度,/>表示管段中分段的序号,/>表示管段中第i个分段的终点与起点的相对高差,/>表示管段中最后一个分段的终点和起点之间的高差,/>表示管段中第i个分段在水平方向投影的长度,Z表示与节点压力和温度T相关的压缩因子,/>表示管段的壁面粗糙度,/>表示管段的摩阻系数,L表示管段长度。
公式(2)可以转换为公式(3):
公式(3)
其中,实际上可以认为是管段的纵断面线与从起点开始所画的水平线之间所包含面积的代数和。
利用管网中各个管段的属性,提炼出各个管段的第一系数、第二系数和第三系数A、B和C分别为:
,公式(a)
,公式(b)
, 公式(c)
其中,表示管段直径,T表示温度,/>表示管段中分段的序号,H表示管段中分段的数量,/>表示管段中最后一个分段的终点与起点的相对高差,/>,/>表示管段中最后一个分段的终点和起点之间的高差对管道输送能力的影响,/>表示管段中第i个分段在水平方向投影的长度,Z表示与节点压力和温度T相关的压缩因子,/>表示管段的壁面粗糙度,表示管段的摩阻系数,L表示管道长度,/>的数值是随各参数所用的单位而定的常数,/>为重力加速度,R表示摩尔气体常数。
如此,可以将公式(3)简化为上面的公式(1):
公式(1)
也就是说,对于监测节点与非监测节点连接形成的各个管段而言,监测节点具有实测的压力和流量,如果已知了该管段的A、B和C,就可以仿真计算出该管段另一头的非监测节点的压力和流量;从该非监测节点出发,历经的另一个管段,则基于该非监测节点的仿真计算的压力和流量,如果已知了该管段的A、B和C,就可以仿真计算出该管段另一头的另一个非监测节点的压力和流量,如此遍历管段,如果各个管段的A、B和C是精确合理的,就可以仿真计算出管网各处的压力和流量,如下文中步骤107所述的。在瞬态模拟中,管网拓扑结构往往是一定的,、/>、Q是动态变化量。
在步骤104,如果确定非监测节点的仿真计算流量或压力不符合工程要求,就可以在步骤105,对于所述管网中的各个管段,根据起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数A、第二系数B和第三系数C。这里的第一系数A、第二系数B和第三系数C是初步率定的,通常未必是精确合理的。在一些实施例中,对于各个管段,根据起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数具体包括:根据该管段仿真计算或实测的3个时刻的起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数。
回到图2的管网拓扑结构,对于节点2、3之间的管段,t1时刻的起点压力、终点压力和流量分别为、/>和/>,t2时刻的起点压力、终点压力和流量分别为/>、/>和/>,t3时刻的起点压力、终点压力和流量分别为/>、/>和/>,公式(1)可以扩展为如下3个方程式:
至少3组数据即可求出A、B、C,这3组数据都是实测数据才能得到可靠的A、B和C,但如果这3组数据夹杂着仿真计算数据且非监测节点的仿真计算流量或压力又不符合工程要求,那么据此求解的A、B和C就可靠性不够,不能直接用来计算其他时刻的起点压力、终点压力和流量,但可以作为初步率定的A、B和C,也就是由以下步骤106中训练好的神经网络进行修正的基础。
在步骤106,在各个管段的起点或终点为非监测节点且仿真计算流量或压力不符合工程要求的情况下,利用训练好的神经网络对初步率定的第一系数、第二系数和第三系数进行修正,得到修正率定的第一系数、第二系数和第三系数。这里训练好的神经网络可以配置为习得如何将管网各个管段的初步率定的A、B和C映射到精确合理的修正后的A、B和C。
该神经网络可以用来解决很多复杂非线性***的问题。具体说来,所述神经网络包括输入层、数个中间层和输出层,所述输入层配置为接收待修正率定的各个管段的第一系数、第二系数和第三系数,所述输出层配置为输出修正率定的各个管段的第一系数、第二系数和第三系数。
该神经网络每层具有若干神经元元素,在相邻层的元素之间有单向的输入层逐层向下一层传递信息,可以表示为公式(4):
公式(4)
其中,和j都表示管段的序号,/>为第m管段对应的待修正率定的第一系数、第二系数和第三系数/>,/>表示第j管段对第/>管段的待修正量/>的影响权重(也称为权重系数),/>,/>表示第m管段的修正率定的第一系数、第二系数和第三系数/>。
在一些实施例中,所述神经网络通过如下方式来训练。
利用管网中各个管段的起点的实测压力、终点的实测压力和实测流量的时序数据,确定各个管段的第一系数、第二系数和第三系数的地面真值。
利用管网中各个管段的属性,根据公式(a)-公式(b)来分别确定各个管段的第一系数、第二系数和第三系数的待修正率定值:
,公式(a)
,公式(b)
, 公式(c)
其中,表示管段直径,T表示温度,/>表示管段中分段的序号,H表示管段中分段的数量,/>表示管段中第i个分段的终点与起点的相对高差,/>表示管段中最后一个分段的终点与起点的相对高差,/>,/>表示管段中最后一个分段的终点和起点之间的高差对管道输送能力的影响,/>表示管段中第i个分段在水平方向投影的长度,Z表示与节点压力和温度T相关的压缩因子,/>表示管段的壁面粗糙度,/>表示管段的摩阻系数,L表示管段长度,的数值是随各参数所用的单位而定的常数,/>为重力加速度,R表示摩尔气体常数。
利用各个管段的第一系数、第二系数和第三系数的待修正率定值和地面真值,对各个中间层的权重系数进行修正。可以根据待修正率定值和地面真值的偏差计算损失函数,根据损失函数的值来调整各个中间层的权重系数,例如但不限于随机梯度下降法、批量梯度下降法等等,直到训练完成。
在步骤107,基于所述管网中监测节点的实测流量和压力,将公式(1)依次遍历应用于所述监测节点与非监测节点连接形成的各个管段以及非监测节点彼此连接形成的各个管段,来确定非监测节点的修正仿真的流量和压力信息。
利用根据本申请的对管网仿真参数进行率定的方法,能够将神经网络高效引入到管网的仿真,利用监测节点的流量或压力实测数据来仿真管网中的非监测节点的流量或压力,充分利用监测节点的准确的流量或压力实测数据来直观且客观高效地评估仿真结果是否合理,合理时直接适用,而仿真结果偏离合理时,则能够利用训练好的神经网络权衡和全面修正各个管段的第一系数A、第二系数B和第三系数C,进而据此全面修正各个非监测节点的流量或压力,使得在计算负荷与仿真的动态准确性之间实现良好的权衡。由此,即便管网工况随时间动态波动,依然能够在兼顾计算速度的情况下确保管网仿真的准确性。
图3示出根据本申请实施例的基于所述管网中监测节点的实测流量和压力,来确定非监测节点的修正仿真的流量和压力信息的流程图。
如图3所示,在步骤301,生成管网节点的邻接矩阵。在步骤302,对邻接矩阵中的监测节点进行编号。以图2中的节点1、2、3、4和5为例,其中节点2为监测节点。
在步骤303,从监测节点为搜索起点,采用遍历算法,在邻接矩阵中依次遍历出相邻节点、边、环并得出依次邻接的管段。例如,参见图2,如果节点2为监测节点,以其为搜索起点遍历可以得出相邻节点为1、3、4和5,邻接的管段包括2-1、2-3、2-4、2-5。
在步骤304,对于各个编号的监测节点,基于其的实测流量和压力,将公式(1)依次遍历应用于所述监测节点与非监测节点连接形成的各个管段(2-1、2-3、2-4、2-5)以及所连通的非监测节点彼此连接形成的各个管段,来确定非监测节点的修正仿真的流量和压力信息。这里,应用公式(1)时已经将对应管段的第一系数A、第二系数B和第三系数C进行了全面修正,所以计算的非监测节点的修正仿真的流量和压力信息是准确且合理的。
以上示例中,管段都是所述监测节点与非监测节点连接形成的,这仅仅作为示例,还可以拓展到非监测节点彼此连接形成的各个管段,如果节点3和5均为非监测节点,那么管段3-5就是非监测节点彼此连接形成的管段,通过将对应管段(例如但不限于管段3-5)的第一系数A、第二系数B和第三系数C进行全面修正,也可以基于节点3的仿真修正的流量和压力信息来计算出准确且合理的节点5的压力和流量信息,在此不赘述。
在一些实施例中,也可以以类似方式来基于中心节点的流量或压力实测数据,利用管段压降方程和各个节点的流量平衡方程,仿真计算其他监测节点的流量或压力以及非监测节点的流量或压力。具体如下。
依据管网拓扑结构图构成的节点、边连接关系,生成管网节点的邻接矩阵;对邻接矩阵中的监测节点进行编号;从监测节点为搜索起点,采用遍历算法,在邻接矩阵中依次遍历出相邻节点、边、环,应用一维牛顿节点法或一维牛顿环路法,确定非监测节点的流量和压力信息。
图4示出根据本申请实施例的对管网仿真参数进行率定的***的框架图
如图4所示,该***包括处理器401和存储器402。
所述处理器401配置为:执行根据本申请各个实施例的对管网仿真参数进行率定的方法。该方法具体包括如下步骤。
在步骤101,在管网中多个具有流量或压力实测数据的监测节点中,通过聚类处理确定中心节点,所述管网除了监测节点还包括不具有流量或压力实测数据的非监测节点。具体说来,可以基于k-means聚类算法来选定要率定的管网,也就是目标管网,以及聚类得到的中心节点。所谓中心节点拓扑连接到大量监测节点和非监测节点。因此,中心节点可以作为仿真计算的起点。
在步骤102,基于中心节点的流量或压力实测数据,利用管段压降方程和各个节点的流量平衡方程,仿真计算其他监测节点的流量或压力以及非监测节点的流量或压力。聚类的中心点为已知流量或压力数据的有监测数据的管网中的节点,不包含气源节点、末端分输节点。这样,聚类的仿真计算数据来源于实测的真实数据,通过邻接矩阵连接关系和管段压降方程,可以计算出不同节点的流量、压力。此处计算的压力、流量取决于管段的阻抗信息。基于管网拓扑结构,提取节点参数、管段信息,包括管径、材质、壁厚、粗糙度,节点压力、流量等信息。结合管段压降方程、另外加入各节点流量平衡方程,形成管网方程组。采用Newton - Raphson 方法进行求解,可求出各其他监测节点或者非监测节点的压力、流量、压降等。
在步骤103,在其他监测节点的仿真计算流量或压力与所述其他监测节点的实测流量或压力的误差比率不大于预定阈值时,确定非监测节点的仿真计算流量或压力符合工程要求而直接使用。请注意,监测节点自身还具有实测的流量或压力,仿真计算的其他监测节点的流量或压力可能与其实测的流量或压力存在偏差,偏差的大小可以验证全面仿真计算结果是否合理,是否符合工程要求。也就是说,其他监测节点的仿真计算流量或压力作为所有仿真计算结果中的抽检样本,与所述其他监测节点的实测流量或压力进行比较,就可以验证非监测节点的仿真计算流量或压力是否符合工程要求,进而估计包括非监测节点的各个节点的仿真计算流量或压力是否符合工程要求。在一些实施例中,所述预定阈值为4%到8%。例如,如果误差比率没有超出5%,可以认为符合工程要求,那么非监测节点的仿真计算流量或压力就符合工程要求,无需进一步的处理就可以直接使用了。
在步骤104,在其他监测节点的仿真计算流量或压力与所述其他监测节点的实测流量或压力的误差比率大于预定阈值时,确定非监测节点的仿真计算流量或压力不符合工程要求。在不符合工程要求的情况下,非监测节点的仿真计算流量或压力就需要执行步骤105-步骤107调整修正后,才能使用。
在步骤105,对于所述管网中的各个管段,根据起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数,
公式(1)
其中,表示起点压力,/>表示终点压力,Q表示管段中的流量,A为第一系数,B为第二系数,C为第三系数。
在步骤104,如果确定非监测节点的仿真计算流量或压力不符合工程要求,就可以在步骤105,对于所述管网中的各个管段,根据起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数A、第二系数B和第三系数C。这里的第一系数A、第二系数B和第三系数C是初步率定的,通常未必是精确合理的。在一些实施例中,对于各个管段,根据起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数具体包括:根据该管段仿真计算或实测的3个时刻的起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数。
在步骤106,在各个管段的起点或终点为非监测节点且仿真计算流量或压力不符合工程要求的情况下,利用训练好的神经网络对初步率定的第一系数、第二系数和第三系数进行修正,得到修正率定的第一系数、第二系数和第三系数。这里训练好的神经网络可以配置为习得如何将管网各个管段的初步率定的A、B和C映射到精确合理的修正后的A、B和C。
在步骤107,基于所述管网中监测节点的实测流量和压力,将公式(1)依次遍历应用于所述监测节点与非监测节点连接形成的各个管段以及非监测节点彼此连接形成的各个管段,来确定非监测节点的修正仿真的流量和压力信息。
利用根据本申请的对管网仿真参数进行率定的方法,能够将神经网络高效引入到管网的仿真,利用监测节点的流量或压力实测数据来仿真管网中的非监测节点的流量或压力,充分利用监测节点的准确的流量或压力实测数据来直观且客观高效地评估仿真结果是否合理,合理时直接适用,而仿真结果偏离合理时,则能够利用训练好的神经网络权衡和全面修正各个管段的第一系数A、第二系数B和第三系数C,进而据此全面修正各个非监测节点的流量或压力,使得在计算负荷与仿真的动态准确性之间实现良好的权衡。由此,即便管网工况随时间动态波动,依然能够在兼顾计算速度的情况下确保管网仿真的准确性。
所述存储器402配置为:存储训练好的神经网络,所述训练好的神经网络用于对初步率定的第一系数、第二系数和第三系数进行修正。
在一些实施例中,本申请还提供一种计算机存储介质,其上存储有可执行指令,所述可执行指令由处理器执行时,实现一种根据本申请任何一个实施例所述的对管网仿真参数进行率定的方法,或者根据本申请任何一个实施例对管网进行仿真分析的方法的各个步骤或其组合。
图5示出根据本申请实施例的对管网进行仿真分析的方法的流程图。如图5所示,可以对各个单个管段提取两端的数据,检查该管段是否具备实测的和Q,如果这3个变量都具备,就不再进行AI训练,直接计算邻接矩阵中的值,从而仿真计算邻近节点的压力和流量。如果只具备2个变量,就执行本申请各个实施例的对管网仿真参数进行率定的方法,训练好神经网络并对监测节点的仿真数据和实测数据的误差进行辨识,如果小于5%,则直接采用MAPE法修正或者不修正,否则就依次对A、B和C进行修正。接下来的步骤可以参考本申请其他实施例来执行,在此不赘述。
本申请中的处理器401可以是包括一个以上通用处理设备的处理设备,诸如微处理器、中央处理单元(CPU)、图形处理单元(GPU)等。更具体地,该处理器401可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、运行其他指令集的处理器或运行指令集的组合的处理器。该处理器401还可以是一个以上专用处理设备,诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、片上***(SoC)等。处理器401可以通信地耦合到存储器并且被配置为执行存储在其上的计算机可执行指令。
此外,尽管已经在本文中描述了示例性实施例,其范围包括任何和所有基于本申请的具有等同元件、修改、省略、组合(例如,各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释,并不限于在本说明书中或本申请的实施期间所描述的示例,其示例将被解释为非排他性的。因此,本说明书和示例旨在仅被认为是示例,真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。
以上描述旨在是说明性的而不是限制性的。例如,上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外,在上述具体实施方式中,各种特征可以被分组在一起以简单化本申请。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反,本申请的主题可以少于特定的公开的实施例的全部特征。从而,以下权利要求书作为示例或实施例在此并入具体实施方式中,其中每个权利要求独立地作为单独的实施例,并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
以上实施例仅为本申请的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (10)
1.一种对管网仿真参数进行率定的方法,其特征在于,所述方法包括:
在管网中多个具有流量或压力实测数据的监测节点中,通过聚类处理确定中心节点,所述管网除了监测节点还包括不具有流量或压力实测数据的非监测节点;
基于中心节点的流量或压力实测数据,利用管段压降方程和各个节点的流量平衡方程,仿真计算其他监测节点的流量或压力以及非监测节点的流量或压力;
在其他监测节点的仿真计算流量或压力与所述其他监测节点的实测流量或压力的误差比率不大于预定阈值时,确定非监测节点的仿真计算流量或压力符合工程要求而直接使用;
在其他监测节点的仿真计算流量或压力与所述其他监测节点的实测流量或压力的误差比率大于预定阈值时,确定非监测节点的仿真计算流量或压力不符合工程要求;
对于所述管网中的各个管段,根据起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数,
公式(1)
其中,表示起点压力,/>表示终点压力,Q表示管段中的流量,A为第一系数,B为第二系数,C为第三系数;
在各个管段的起点或终点为非监测节点且仿真计算流量或压力不符合工程要求的情况下,利用训练好的神经网络对初步率定的第一系数、第二系数和第三系数进行修正,得到修正率定的第一系数、第二系数和第三系数;以及
基于所述管网中监测节点的实测流量和压力,将公式(1)依次遍历应用于所述监测节点与非监测节点连接形成的各个管段以及非监测节点彼此连接形成的各个管段,来确定非监测节点的修正仿真的流量和压力信息。
2.根据权利要求1所述的方法,其特征在于,所述中心节点不包含气源节点或末端分输节点。
3.根据权利要求1所述的方法,其特征在于,基于所述管网中监测节点的实测流量和压力,来确定非监测节点的修正仿真的流量和压力信息具体包括:生成管网节点的邻接矩阵;对邻接矩阵中的监测节点进行编号;从监测节点为搜索起点,采用遍历算法,在邻接矩阵中依次遍历出相邻节点、边、环并得出依次邻接的管段;对于各个编号的监测节点,基于其的实测流量和压力,将公式(1)依次遍历应用于所述监测节点与非监测节点连接形成的各个管段以及所连通的非监测节点彼此连接形成的各个管段,来确定非监测节点的修正仿真的流量和压力信息。
4.根据权利要求1所述的方法,其特征在于,所述神经网络包括输入层、数个中间层和输出层,所述输入层配置为接收待修正率定的各个管段的第一系数、第二系数和第三系数,所述输出层配置为输出修正率定的各个管段的第一系数、第二系数和第三系数。
5.根据权利要求4所述的方法,其特征在于,所述神经网络通过如下方式来训练:
利用管网中各个管段的起点的实测压力、终点的实测压力和实测流量的时序数据,确定各个管段的第一系数、第二系数和第三系数的地面真值;
利用管网中各个管段的属性,根据公式(a)-公式(c)来分别确定各个管段的第一系数、第二系数和第三系数的待修正率定值:
,公式(a)
,公式(b)
, 公式(c)
其中,表示管段直径,T表示温度,/>表示管段中分段的序号,/>表示管段中第i个分段的终点与起点的相对高差,H表示管段中分段的数量,/>表示管段中最后一个分段的终点与起点的相对高差,/>,/>表示管段中最后一个分段的终点和起点之间的高差对管道输送能力的影响,/>表示管段中第i个分段在水平方向投影的长度,Z表示与节点压力和温度T相关的压缩因子,/>表示管段的壁面粗糙度,/>表示管段的摩阻系数,L表示管道长度,/>的数值是随各参数所用的单位而定的常数,/>为重力加速度,R表示摩尔气体常数;
利用各个管段的第一系数、第二系数和第三系数的待修正率定值和地面真值,对各个中间层的权重系数进行修正。
6.根据权利要求1所述的方法,其特征在于,所述预定阈值为4%到8%。
7.根据权利要求1所述的方法,其特征在于,基于中心节点的流量或压力实测数据,利用管段压降方程和各个节点的流量平衡方程,仿真计算其他监测节点的流量或压力以及非监测节点的流量或压力具体包括:依据管网拓扑结构图构成的节点、边连接关系,生成管网节点的邻接矩阵;对邻接矩阵中的监测节点进行编号;从监测节点为搜索起点,采用遍历算法,在邻接矩阵中依次遍历出相邻节点、边、环,应用一维牛顿节点法或一维牛顿环路法,确定非监测节点的流量和压力信息。
8.根据权利要求1所述的方法,其特征在于,对于各个管段,根据起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数具体包括:
根据该管段仿真计算或实测的3个时刻的起点压力、终点压力和管段中的流量,利用公式(1)来初步率定第一系数、第二系数和第三系数。
9.一种对管网仿真参数进行率定的***,其特征在于,包括:
处理器,其配置为:执行根据权利要求1-8中任何一项所述的对管网仿真参数进行率定的方法;以及
存储器,其配置为:存储训练好的神经网络,所述训练好的神经网络用于对初步率定的第一系数、第二系数和第三系数进行修正。
10.一种计算机存储介质,其上存储有可执行指令,所述可执行指令由处理器执行时,实现一种根据权利要求1-8中任何一项所述的对管网仿真参数进行率定的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396911.4A CN117993306B (zh) | 2024-04-03 | 2024-04-03 | 一种对管网仿真参数进行率定的方法、***和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396911.4A CN117993306B (zh) | 2024-04-03 | 2024-04-03 | 一种对管网仿真参数进行率定的方法、***和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117993306A CN117993306A (zh) | 2024-05-07 |
CN117993306B true CN117993306B (zh) | 2024-06-04 |
Family
ID=90900849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410396911.4A Active CN117993306B (zh) | 2024-04-03 | 2024-04-03 | 一种对管网仿真参数进行率定的方法、***和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117993306B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118171500B (zh) * | 2024-05-14 | 2024-07-16 | 上海叁零肆零科技有限公司 | 天然气管网的稳态溯源监测分析方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682369A (zh) * | 2017-02-27 | 2017-05-17 | 常州英集动力科技有限公司 | 供热管网水力仿真模型辨识修正方法及***、操作方法 |
CN112818495A (zh) * | 2021-02-22 | 2021-05-18 | 成都四为电子信息股份有限公司 | 一种新型管道压降测算算法参数的动态修正方法 |
CN116305489A (zh) * | 2023-04-11 | 2023-06-23 | 北京云庐科技有限公司 | 一种建筑的结构损伤监测方法、***和介质 |
CN116611309A (zh) * | 2023-04-04 | 2023-08-18 | 华为技术有限公司 | 物理场仿真方法、***、介质和电子设备 |
CN117521313A (zh) * | 2024-01-08 | 2024-02-06 | 北京云庐科技有限公司 | 用于对管道网络进行泄漏检测的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3088463A1 (fr) * | 2018-11-09 | 2020-05-15 | Adagos | Procede de construction de reseau de neurones pour la simulation de systemes reels |
-
2024
- 2024-04-03 CN CN202410396911.4A patent/CN117993306B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682369A (zh) * | 2017-02-27 | 2017-05-17 | 常州英集动力科技有限公司 | 供热管网水力仿真模型辨识修正方法及***、操作方法 |
CN112818495A (zh) * | 2021-02-22 | 2021-05-18 | 成都四为电子信息股份有限公司 | 一种新型管道压降测算算法参数的动态修正方法 |
CN116611309A (zh) * | 2023-04-04 | 2023-08-18 | 华为技术有限公司 | 物理场仿真方法、***、介质和电子设备 |
CN116305489A (zh) * | 2023-04-11 | 2023-06-23 | 北京云庐科技有限公司 | 一种建筑的结构损伤监测方法、***和介质 |
CN117521313A (zh) * | 2024-01-08 | 2024-02-06 | 北京云庐科技有限公司 | 用于对管道网络进行泄漏检测的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117993306A (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117993306B (zh) | 一种对管网仿真参数进行率定的方法、***和介质 | |
CN115111537B (zh) | 用于确定燃气管网中泄漏点的位置的方法、装置和介质 | |
CN115166618B (zh) | 一种非平稳输出的电流互感器误差评估方法 | |
CN108846200B (zh) | 一种基于迭代法的准静态桥梁影响线识别方法 | |
CN111666684B (zh) | 输送管道的环焊缝风险预估方法、装置及可读存储介质 | |
CN109272217A (zh) | 一种数据处理方法及相关设备 | |
CN115047064A (zh) | 管道缺陷量化方法、处理器和管道缺陷量化装置 | |
CN106447144A (zh) | 一种目标对象的评估方法及装置 | |
CN114626769A (zh) | 一种电容式电压互感器运维方法及*** | |
CN104111887A (zh) | 基于Logistic模型的软件故障预测***及方法 | |
CN113607601A (zh) | 基于辨识模型与深度学习相结合的矿浆浓度智能检测方法 | |
CN112241808A (zh) | 路面技术状况预测方法、装置、电子设备及存储介质 | |
CN117034808A (zh) | 一种基于图注意力网络的天然气管网压力估计方法 | |
CN110411721A (zh) | 一种海洋立管损伤定位方法及*** | |
CN115878986A (zh) | 一种变工况轴承的退化趋势评估方法 | |
CN113063100A (zh) | 管道泄漏的检测方法及装置 | |
CN104331775A (zh) | 一种计量资产全寿命周期质量分析方法 | |
CN115754875A (zh) | 一种电压互感器误差评估方法及装置 | |
CN109101759A (zh) | 一种基于正逆响应面法的参数识别方法 | |
CN111859744B (zh) | 基于监测数据的节点刚域识别方法、装置及设备 | |
CN113887026A (zh) | 一种基于集成学习的输油管道水力预测方法 | |
WO2019232737A1 (zh) | 一种基于迭代法的准静态桥梁影响线识别方法 | |
CN115952853B (zh) | 矿浆密度检测模型构建方法、装置及矿浆密度检测*** | |
CN109308262A (zh) | 一种软件缺陷定位方法以及装置 | |
CN110705186A (zh) | 通过rbf粒子群优化算法即时在线仪表校验和诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |