[發明專利]基于深度學習的復雜管道運行控制方法

有效

• 申請號: 201711124821.6
• 申請日: 2017-11-14
• 公開（公告）號: CN107885085B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 陳特歡;蔡振宇
• 申請（專利權）人: 寧波大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 楊立超

1.基于深度學習的復雜管道運行控制方法，其特征在于，所述控制方法具體包括以下步驟：

步驟一、在SCADA系統中建立面向控制的復雜管道模型；

步驟二、SCADA系統根據實時監測到的復雜管網的流量信息、壓力信息、閥門以及泵的運行信息，結合用戶或工業上對管道的需求，確定需要運行控制的管網的位置或管段；

步驟三、根據步驟二中獲得的需要運行控制的位置或管段上的流量和壓力信息，判定采用基于深度學習方法的復雜管道開環控制策略還是采用基于深度學習方法的復雜管道閉環控制策略；

步驟四、根據步驟三中的判定結果執行基于深度學習方法的開環控制策略或者基于深度學習方法的閉環控制策略；

本步驟的執行過程具體包括：

步驟四一、執行復雜管道開環控制策略或者復雜管道閉環控制策略，具體步驟包括：

A1、建立面向控制的時空演化模型，給出邊界閥門，并寫入管道時空演化模塊中，具體步驟包括：

步驟A11、設定管道時空演化模型：

其中，l∈[0,L]，t∈[0,T]，l是空間變量，t是時間變量，L是管道總長度，T是管道運行控制的時間，p是管內壓降，q是管內流體流量，S是管道截面積，D是管道直徑，c表示波速，ρ指的是流體密度，f為達西-威斯巴哈摩阻系數；

步驟A12、所述時空演化模型的邊界條件為：

p(0,t)＝P,q(L,t)＝u(t) (4)

q(l,0)＝Q₀,p(l,0)＝P₀ (5)

其中，P是水庫或恒壓泵產生的壓力，u(t)是管道網絡中閥門的流量調節量，即，邊界閥門；Q₀是當前流量，P₀是當前壓力；

步驟A13、將公式(2)-(5)寫入管道時空演化模塊中；

A2、設定復雜管道開環控制的性能指標，并將其寫入開環控制的性能指標模塊；其中復雜管道開環控制的性能指標為：

設定復雜管道開環控制的性能指標：

Q_tar為期望的管道位置的流量值或是管道段內的流量值，P_tar為期望的管道位置的壓力值，為期望的管道段內的壓力值，ω₁，ω₂，ω₃分別代表開環控制性能指標權值；通過邊界閥門執行器的相應控制，使J最小；

A3、在開環控制的協態模塊中引入拉格朗日函數λ(l,t)、μ(l,t)，得到增廣的開環控制性能指標并通過變分方法得到開環控制的協態模型，將開環控制的協態模型寫入開環控制的協態模塊，得到的梯度形式寫入開環控制梯度模塊，其具體步驟包括：

步驟A31、在開環控制的協態模塊中引入拉格朗日函數λ(l,t)、μ(l,t)，得到增廣的開環控制性能指標δJ并通過變分方法得到式(7)：

由此，得到開環控制的協態模型：

協態模型的邊界條件：

協態模型的終端條件：

μ(l,T)＝λ(l,T)＝0 (10)

步驟A32、得到開環控制策略邊界控制的梯度形式：

其中，t_n是第n個離散時間；

步驟A33、將(8)-(10)的協態模型寫入開環控制的協態模塊，所述梯度形式(11)寫入開環控制梯度模塊；

A4、通過時間正向計算管道時空演化模塊，時間反向計算開環控制的協態模塊，從而得到開環控制的梯度模塊數值；然后，調用基于梯度的MATLAB軟件并根據給定的一控制序列初始猜測值，迭代得到開環控制的控制曲線；

步驟四二、進行深度學習：進行復雜管道開環控制策略或復雜管道閉環控制策略過程中初始猜測值和控制曲線的學習；

步驟五、融合開環控制策略、閉環控制策略和學習得到的控制策略的信息，協調完成復雜管網的運行控制。