[發明專利]油氣管道內漏流量的預測方法及裝置

在審

• 申請號: 201711456590.9
• 申請日: 2017-12-28
• 公開（公告）號: CN108388685A
• 公開（公告）日: 2018-08-10
• 發明（設計）人: 張海峰;李柏松;譚東杰;張興;楊喜良;楊曉崢;任小龍;林嵩;張麗穩
• 申請（專利權）人: 中國石油天然氣股份有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N99/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 周莉

1.一種油氣管道內漏流量的預測方法，其特征在于，所述方法包括：

獲取所述油氣管道在N種內漏工況中每一種內漏工況下對應的一組參數集合，其中，任一種內漏工況下對應的一組參數集合包括所述油氣管道在所述任一種內漏工況下的實際內漏流量以及內漏特征參數，所述內漏特征參數為影響油氣管道內漏流量的特征參數，N為大于1的整數；

采用M種回歸預測方法分別對n1種內漏工況對應的共n1組參數集合進行模型訓練，得到所述M種回歸預測方法中每一種回歸預測方法對應的一個訓練模型，其中，n1為不大于N的正整數，M為大于1的整數；

對于M種回歸預測方法對應的共M個訓練模型，將所述n1組參數集合分別輸入至每個訓練模型，得到所述n1種內漏工況中每一種內漏工況在每個訓練模型下的預測內漏流量；

對于M個訓練模型中的每個訓練模型，確定n1個預測誤差，其中第j個訓練模型的第i個預測誤差為：所述第i種內漏工況在所述第j個訓練模型下的預測內漏流量與所述第i種內漏工況下的實際內漏流量的差值，i為不大于n1的正整數，j為不大于M的正整數；

根據每個訓練模型對應的n1個預測誤差，確定每個訓練模型的權重值，各個訓練模型的權重值與預測方差負相關，其中，每個訓練模型的預測方差為其所對應的n1個預測誤差的方差；

根據M個訓練模型中的每個訓練模型的權重值，確定油氣管道內漏流量的預測模型；

采用所述預測模型，對油氣管道的內漏流量進行預測。

2.根據權利要求1所述的方法，其特征在于，所述根據每個訓練模型對應的n1個預測誤差，確定每個訓練模型的權重值，包括：

將每個訓練模型對應的n1個預測誤差劃分為K組，并計算每一組預測誤差的方差，得到每個訓練模型對應的K個方差，K為不小于2的正整數；

根據所述每個訓練模型對應的K個方差，計算得到每個訓練模型對應的K個信度值，其中第j個訓練模型對應的第k個信度值m_k(P_j)滿足：

其中，為第j個訓練模型對應的K個方差中第k個方差，k為不大于K的正整數；

對于所述M個訓練模型中的每個訓練模型，計算第一個信度值與第二個信度值的初始合成信度，其中，第j個訓練模型的初始合成信度滿足：

其中，L²滿足：m₂(P_j')為第j'個訓練模型對應的第2個信度值，j'為不大于M的正整數；

若K＝2，則將每個訓練模型的初始合成信度確定為其權重值；

若K≥2，對于每個訓練模型，當3≤k≤K時，依次計算中間合成信息，其中，第k個中間合成信度滿足：

其中，L^k滿足：m_k-1(P_j')為第j'個訓練模型對應的第k-1個信度值；

將每個訓練模型的第K個中間合成信度確定為其權重值。

3.根據權利要求1所述的方法，其特征在于，所述內漏特征參數包括：聲發射特征參數和管道閥門參數；

所述獲取所述油氣管道在N種內漏工況中每一種內漏工況對應的一組參數集合，包括：

采集所述油氣管道在每一種內漏工況下的聲發射信號；

計算所述聲發射信號的聲發射特征參數，所述聲發射特征參數包括：所述聲發射信號的均方根值、有效電壓值、能量、熵值、峰值頻率和頻率峰值中的至少一種；

采集所述油氣管道在每一種內漏工況下的管道閥門參數，所述管道閥門參數包括：閥門的類型、尺寸和壓差中的至少一種。

4.根據權利要求1至3任一所述的方法，其特征在于，所述預測模型滿足：

其中，P_j為第j個訓練模型，ω_j為第j個訓練模型的權重值。