[發明專利]基于混沌粒子群的化工生產管道實時瞬態模型的建立及計算方法

在審

• 申請號: 201911065382.5
• 申請日: 2019-11-04
• 公開（公告）號: CN111125867A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 蔡亦軍;劉蘊文;周猛飛;潘海天;林俊杰
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 陳升華

本發明公開了一種基于混沌粒子群的化工生產管道實時瞬態模型的建立及計算方法，包括：建立管道機理模型；將Brunone模型引入到動量平衡方程中，根據伯努利方程經過推導優化得到管道總長優化方程；采集化工生產管道首端、末端和中間位置的流量和壓力值；先設定初始值，得到化工生產管道的計算長度L，然后向管道機理模型輸入化工生產管道首端采集的流量和壓力值帶入，得到化工生產管道的沿程的壓頭H和化工生產管道的流速v，通過計算與實際值相對誤差和，如相對誤差和小于設定閾值；采用經過參數優化的管道機理模型實時計算化工生產管道的壓力和流量。本發明進一步提高了基于模型法在化工過程管道監測的可靠性。

技術領域

本發明涉及化工安全生產管道監控技術領域，具體涉及一種基于混沌粒子群的化工生產管道實時瞬態模型的建立及計算方法。

背景技術

管道是一種安全、高效、節能的輸送流體的方式之一，在國民經濟中發揮著越來越重要的作用。在化學工業中，管道常常由于老化、腐蝕、焊接不好、第三方破壞等因素產生泄漏問題，目前常規的管道泄漏檢測方法主要分為基于模型法和基于數據驅動法兩大類。基于數據驅動法主要依賴于數據收集來執行信號處理和用于泄漏檢測的統計分析，但它不需要任何關于系統的具體深入知識，只需要通過機器學習算法或人工智能算法，從采集的歷史數據中獲取管道泄漏特征和知識，由于這種方法強烈依賴于所采集的信號，而忽略了管道內部的機理信息，并且采用的機器學習算法需要對樣本進行訓練而限制了一些需要在線監測的情況；基于模型法的發展有效地利用了管道的物理信息，通過建立機理模型，利用采集的壓力和流量信號，有效地分析了管道在各個狀態中運行的情況，但是現有的管道機理模型大部分運用于石油運輸領域中，在化學工業領域還比較少。石油運輸的管道由于具有距離長，流量大等特點，其流體力學性質受到局部阻力單元的影響往往比具有短、分支多、彎頭多等特點的化工過程管道受到的影響很小。

為了提高模型的精度，傳統的管道機理模型在連續性方程和運動方程的基礎上，提出采用擬恒定摩阻改進了水力學模型，在一定程度上解決了瞬態過程中對流效應的影響，但在求解時對擬恒定摩阻項做了各階精度近似處理，模擬效果依然不盡人意。之后Brunone提出了IAB(Instantaneous Accelerationbased)經驗摩阻模型，考慮模型在瞬態過程中的瞬時加速度的影響，有效提高了模型建立的精度。但是，在現有的研究中，很多基于模型的算法還無法有效地結合化工過程管道的特點進行設計，導致在實際運用中，由于所建立的模型缺乏機理信息而導致在運用該方法進行管道泄漏檢測中存在較高的誤報率和漏報率，甚至在定位中，無法準確獲得泄漏位置，檢測效果不盡人意。

發明內容

針對現有基于模型法在化工過程管道運用中存在的問題，本發明提出了一種基于混沌粒子群的化工生產管道實時瞬態模型的建立及計算方法，能夠有效地解決化工領域中，管道存在較多彎頭和其他局部阻力附件的情況下，模型建立的精度問題，進一步提高了基于模型法在化工過程管道監測的可靠性。

一種基于混沌粒子群的化工生產管道實時瞬態模型的建立及計算方法，包括以下步驟：

步驟1.1：建立管道機理模型；

將Brunone模型引入到動量平衡方程中，得到動量平衡方程和Brunone模型組合，根據伯努利方程經過推導優化得到管道總長優化方程；

步驟1.2：采集化工生產管道首端、末端和中間位置的流量和壓力值，其中，化工生產管道首端的流量和壓力值作為優化管道機理模型的數據，化工生產管道末端和中間位置的流量和壓力值用于驗證經過優化后的管道機理模型模型參數ζ_B和α；