[發明專利]一種煉化裝置管網完整性管理水平智能評估方法

在審

• 申請號: 202111348627.2
• 申請日: 2021-11-15
• 公開（公告）號: CN114065624A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 孫佳明;趙斌;高殿奎
• 申請（專利權）人: 遼寧石油化工大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F113/14;G06F119/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種煉化裝置管網完整性管理水平智能評估方法；包括如下步驟：步驟1煉化裝置管網完整性管理體系的構造，步驟2煉化裝置管網完整性管理評估指標體系的確定，步驟3智能算法的設計；利用以上構造的智能算法優化的模糊超小波神經網絡能夠確定煉化裝置管網完整性管理水平，具有較高的評估精度和評估效率。該模型能夠提高煉化裝置管網完整性管理水平評估的智能性，能夠精準地獲得煉化裝置管網完整性管理水平的實際情況，從而為完善煉化裝置管網完整性管理體系提供有利的理論支持。

技術領域

本發明涉及一種管網完整性管理水平評估方法，尤其涉及一種煉化裝置管網完整性管理水平的智能算法優化的模糊超小波神經網絡評估方法。

背景技術

管網的完整性管理已經得到了廣泛關注，完善的完整性管理體系能夠有效地減少事故發生率，提高管網的使用壽命，并且能夠合理配置管網維護費用。我國管網完整性管理的研究已經有了長足的發展，構建的管網完整性管理體系得到了工業化的應用。煉化裝置管網在國家經濟發展過程中起到非常重要的作用，管網的安全管理模式的開發得到了普遍關注。而關于煉化裝置管網的完整性管理系統還不多見，同時煉化裝置管網完整性管理評估的研究并不多，因此，有必要構建一個智能化的煉化裝置管網完整性管理的評估模型，從管網完整性數據、檢測、風險控制、效能評估等方面進行全面的評估，為煉化裝置管網完整性管理安全管控模式的構建提供有效的理論依據，從而能夠提高煉化裝置管網完整性管理的智能化水平，極大地提升煉化裝置管網維修維護的有效性。

石化企業依據煉化裝置管網運行的影響因素的變化規律，對煉化裝置管網運行過程中的風險因素進行評估，并且制定出行之有效的風險控制措施，通過完善煉化裝置管網運行中存在的風險影響因素，將煉化裝置管網運營的風險水平控制在可接受的范圍內。煉化裝置管網完整性管理是保證管網安全可靠運行的重要手段，煉化裝置管網完整性管理涉及許多影響因素，呈現較強的非線性特征，應該選擇一種行之有效的評估方法對其進行準確的評估。目前，管網完整性管理評估的主要方法是神經網絡，常用的是BP神經網絡、深度神經網絡，BP神經網絡具有結構簡單和自學習能力強的特點，但是也存在泛化能力差和易于陷入局部最小值的缺陷。深度神經網絡是一種由多層隱含層組成的感知器，能夠有效地映射復雜的非線性關系，但是深度神經網絡隱含層神經元數量的增加將導致模型趨于復雜，從而導致計算量增加，計算效率不高，容易導致梯度消失和收斂效率低的缺陷。小波神經網絡是一種前饋神經網絡，具有較強的學習能力，但是也存在如下缺陷，多維變量輸入將導致神經網絡結構的龐大，收斂效率較低。神經網絡的自由參數包括權值和超小波參數，網絡的訓練過程比較復雜，梯度下降算法是常用的網絡學習算法，在訓練過程中，網絡收斂效率較低，為了能夠滿足預設的評估精度，需要更多的隱層神經單元以及更長的訓練時間，梯度下降算法可調參數少，不易控制，容易產生數值振蕩。

發明內容

本發明針對上述現有技術中存在的問題，提供一種煉油裝置管網完整性管理水平智能評估方法。為了能提高神經網絡的評估有效性，依據小波神經網絡的基本原理，將超小波理論和神經網絡融合起來構造超小波神經網絡，由于超小波不僅具備小波網絡的尺度和位置，而且具有方向性，因此，超小波神經網絡在高維奇異性問題的處理上具有更大的優勢，能夠提高神經網絡的評估性能。由于煉化裝置管網完整性管理的影響因素存在一些模糊性，因此，可以將模糊理論與超小波神經網絡結合起來構造模糊超小波神經網絡，從而使網絡模型具備模糊推理能力。在充分了解煉化裝置管網完整性管理特點的基礎上，構建完善的評估指標體系，并且利用模糊超小波神經網絡對管網完整性管理水平進行評估，選擇先進的人工智能算法訓練模糊超小波神經網絡權值和超小波參數，提高網絡模型的性能，能夠獲得較小的誤差和較快的收斂速度。

本發明的技術方案包括如下步驟：