[發明專利]基于數據驅動的成品油管道運行工況識別方法及系統

在審

• 申請號: 202111462058.4
• 申請日: 2021-12-02
• 公開（公告）號: CN114118289A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 梁永圖;鄭堅欽;杜漸;王昌;廖綺;于曉
• 申請（專利權）人: 中國石油大學（北京）
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/30;G01D21/02
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 劉美麗

本發明涉及一種基于數據驅動的成品油管道工況識別方法及系統，方法包括：構造成品油管道運行數據矩陣；基于管道運行數據矩陣，構建基于降噪自編碼器的矩陣降噪模型；對降噪后的管道運行數據進行數據聚類，獲得工況識別模型；通過工況識別模型完成對成品油管道的工況識別。本發明工況識別算法利用現場SCADA實時運行數據進行管道運行工況的實時監控，識別模型可驗證管道運行工況是否符合制定工況類型，預防管道運行中出現的異常工況變化，能夠很大程度上減少現場人員的工作量，提高成品油管道運行狀況識別的準確性，提高經濟效益，保障管道的正常運行，同時保障油品的穩定、連續供應，并且有助于實現對成品油管道的高效、安全管理。

技術領域

本發明涉及一種基于數據驅動的成品油管道工況識別方法及系統，涉及成品油管道識別技術領域。

背景技術

成品油管道運行時，由于各個站場泵、閥門等設備運行狀態的改變，管道運行工況會隨之發生變化。站場調度員根據壓力、流量等運行參數的變化趨勢來判斷工況的切換。由于長輸管道呈網絡化、智能化發展，監控點隨之成倍增長，對管道進行人為監測分析變得越來越困難。管道運行工況數據具備多維度、連續時間的特點，其變化情況較為復雜，工況切換較為頻繁。人為識別監控效率較低、耗時耗力，且容易對運行工況產生誤判。

目前，對管道運行工況的識別主要利用管道壓力信號。現有技術利用數據驅動方法對管道運行的壓力數據進行分析的方法僅僅考慮了管道運行狀況改變時的壓力差異，并沒有將流量密度等數據考慮進來，也忽略了管道沿線各站間的時間序列和物理空間特性；同時識別主要針對泄漏工況開展，所識別的工況種類較少，難以對運行狀況較為復雜的成品油管道進行準確的工況識別。

利用實驗數據進行降噪處理后開展管道運行工況識別研究，也是目前常用的方法之一。目前主流的降噪方法是小波分析法，同時為減小數據維度，主成分分析被用于特征降維。余東亮等選用局部投影降噪法并結合小波包分析技術對管道負壓波信號進行降噪處理并提取特征值，再對工況進行分析識別。李傳憲等利用環道裝置模擬出的5種管道運行工況，基于核的主成分分析法對時頻域特征進行降維，基于遺傳算法和粒子群算法優化的神經網絡對管道運行工況進行識別。Zhang等采用動量項梯度下降算法和自適應學習率優化后的BP算法對管道運行狀態進行識別等。利用實驗數據雖然能得到較好的識別效果，但是其與現場真實數據間仍存在較大差異。同時主流的小波去噪方法對閾值的依賴程度較高，通常需要多次實驗以得到合適的閾值；主成分分析法作為一種線性降維方法，難以對非線性的管道運行數據進行有效的特征降維。因此，對管道運行工況的準確識別開展研究是十分有必要的。

發明內容

針對上述問題，本發明的目的是提供一種能夠很大程度上減少現場人員的工作量，提高成品油管道運行狀況識別準確性的基于數據驅動的成品油管道工況識別方法及系統。

為實現上述目的，本發明采取以下技術方案：

第一方面，本發明提供的基于數據驅動的成品油管道工況識別方法，包括：

構造成品油管道運行數據矩陣；

基于管道運行數據矩陣，構建基于降噪自編碼器的矩陣降噪模型；

對降噪后的管道運行數據進行數據聚類，獲得工況識別模型；

通過工況識別模型完成對成品油管道的工況識別。

進一步地，基于管道運行數據矩陣，構建基于降噪自編碼器的矩陣降噪模型，包括：

對輸入的管道運行數據矩陣數據添加高斯噪聲；

將添加高斯噪聲的管道運行數據矩陣輸入至降噪自編碼器的編碼網絡中，編碼網絡通過每層神經網絡對輸入數據進行深層特征提取；

將編碼網絡的輸出結果輸入到降噪自編碼器的解碼網絡，解碼網絡通過逐漸擴大每層節點數的方法，對編碼網絡得到的深層潛在特征進行還原，使其恢復至與輸入數據相同的維度。