一种管网多支路联动流温压协同调控方法及系统
本发明涉及人工智能管网调控,尤其涉及一种管网多支路联动流温压协同调控方法及系统。更具体地说,本发明利用人工智能与自动化控制技术,解决复杂管网中多支路联动的流量、温度、压力(流温压)的精确控制问题。
背景技术:
1、天然气管网作为现代能源输配体系的关键基础设施,其运行的安全性、稳定性和经济性至关重要。随着社会用能需求的增长,现代天然气管网的结构日趋复杂,呈现出输送距离长、覆盖范围广、并联支路众多、下游用户类型多样化的特点。例如,总管线需要分输至发电厂、城市燃气门站、大型工业用户等多个具有不同用气特性和压力需求的分支。在这样的复杂系统中,对天然气在管网内的流动状态进行精确调控,即协同管理其流量、压力和温度,是确保整个输配系统高效、安全运行的核心技术挑战。
2、在管网输配过程中,流量、压力和温度这三个关键物理量并非相互独立,而是通过流体力学和热力学定律紧密地耦合在一起。一方面,管线内的压力降是驱动天然气流动的直接原因,压力与流量之间存在着复杂的非线性关系;另一方面,当天然气流经阀门、调压器等节流元件时,会因焦耳-汤姆逊效应而产生显著的温度下降 。温度的变化又会反过来影响天然气的密度、粘度等物理性质,进而影响压力降的计算和流量的精确计量。这种多物理场的强耦合特性,决定了对管网的任何局部调控行为都可能引发全局状态的连锁变化,单一参数的孤立控制往往难以达到理想的整体运行效果。
3、现有的管网调控技术,在面对日益复杂的并联管路系统时,其局限性逐渐凸显。传统的控制策略多采用基于pid的单回路或串级控制方案,这种方法主要针对单一调节点或单一目标参数进行局部、被动的反馈调节。例如,a支路的调压阀专注于维持其下游压力设定值,而b支路的流量控制阀则专注于其流量目标。这种各自为政的调控模式缺乏全局视角,当某一支路进行调节时,其引起的压力和流量波动会传递至整个管网,对其他并联支路造成干扰,可能导致系统整体出现振荡、响应迟缓,甚至无法在多变工况下快速收敛至稳定状态。这种方式难以实现各支路间的协同与联动,无法从系统层面寻求全局最优的运行方案,从而造成不必要的能源损耗和安全隐患。
技术实现思路
1、本发明提供一种管网多支路联动流温压协同调控方法,该方法具体包括以下步骤:
2、获取管网的工程图纸,并对所述工程图纸进行信息识别与提取,以构建表征管网拓扑结构的结构化数据,所述信息识别与提取包括:识别所述工程图纸中的图形符号、管线和文本信息,并基于所述图形符号、管线和文本信息之间的信息关联,构建有向图;
3、基于所述结构化数据,进行管网结构数据到类神经网络模型的转化,所述转化包括:将所述有向图的节点定义为神经元,将所述有向图的边定义为连接;为所述神经元定义包含压力和温度的状态向量;将管网中可主动控制设备的操作参数定义为权重;并为所述连接定义基于压力传递函数和温度传递函数的激活函数;
4、设定所述类神经网络模型的边界条件和优化目标,并构建用于量化预测状态与优化目标差距的多目标损失函数; 通过迭代优化算法对所述权重进行求解,其中,每一次迭代包括:执行正向传播计算和反向传播,最终权重向作为能够使管网在满足所有约束条件下最接近目标的协同调控策略,直接输出至管网的操作指导手册中执行。
5、采用语义分割网络模型对所述图纸进行处理,以生成标识管道区域的二值化掩码图;对所述二值化掩码图进行骨架提取,以将所述管道区域提取为单像素宽度的中心线骨架;以及,对所述中心线骨架进行向量化转换,以提取每一段管线的端点坐标、长度和方向向量。
6、所述权重向量至少包括:第i个控制阀的阀门开度;以及膨胀机的出口压力。
7、所述压力传递函数用于计算下游节点k的压力,其具体计算方式为:
8、
9、其中,为上游节点s的压力;为沿程压力损失;为阀门的局部压力损失,为膨胀机产生的压力损失;和为指示函数。
10、所述温度传递函数用于计算下游节点k的温度,其具体计算方式为:
11、
12、其中,为上游节点的温度,为中间温度;为天然气的绝热指数;为节流降温;为沿程热交换温变。
13、所述多目标损失函数()包括:主要目标损失项;物理约束惩罚项;以及运行效率正则项。
14、所述正向传播计算中的迭代求解流量分配,具体包括:
15、a)对管网中各支路的流量分布进行初始化猜测;b)基于当前的流量分布和权重,计算各并联路径的总压力损失;c)计算并联路径间的压力不平衡量,并判断该不平衡量是否小于预设的收敛容差;d) 若未收敛,则根据所述压力不平衡量计算流量修正量,并更新各支路的流量分布,随后返回步骤b);e) 若已收敛,则将当前流量分布作为所述正向传播计算的稳态流量分布。
16、所述基于所述图形符号、管线和文本信息之间的信息关联,具体包括:对每一个可能的文本-图形配对,基于至少包括加权空间距离、方向与对齐性、语义匹配度以及引线检测在内的多维度特征,计算一个综合关联度得分;以及,选择所述综合关联度得分最高的配对,作为所述文本信息与所述图形符号或管线的绑定关系。
17、所述构建有向图,具体包括: 将除管道之外的图形符号定义为所述有向图的节点,并将管道线段定义为所述有向图的边;为所述节点预定义端口模板,并通过将所述边的端点与所述节点的端口模板进行匹配,来建立所述边与所述节点之间的连接关系;以及,从唯一的总入口节点开始执行图遍历算法,以确定所述有向图中所有边的方向。
18、本说明书实施例还提出了一种管网多支路联动流温压协同调控系统,该系统包括:
19、有向图构建模块:获取管网的工程图纸,并对所述工程图纸进行信息识别与提取,以构建表征管网拓扑结构的结构化数据,所述信息识别与提取包括:识别所述工程图纸中的图形符号、管线和文本信息,并基于所述图形符号、管线和文本信息之间的信息关联,构建有向图;
20、类神经网络构建模块:基于所述结构化数据,进行管网结构数据到类神经网络模型的转化,所述转化包括:将所述有向图的节点定义为神经元,将所述有向图的边定义为连接;为所述神经元定义包含压力和温度的状态向量;将管网中可主动控制设备的操作参数定义为权重;并为所述连接定义基于压力传递函数和温度传递函数的激活函数;
21、优化模块:设定所述类神经网络模型的边界条件和优化目标,并构建用于量化预测状态与优化目标差距的多目标损失函数; 通过迭代优化算法对所述权重进行求解,其中,每一次迭代包括:执行正向传播计算和反向传播,最终权重向作为能够使管网在满足所有约束条件下最接近目标的协同调控策略,直接输出至管网的操作指导手册中执行。
22、一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种管网多支路联动流温压协同调控方法。
23、一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述一种管网多支路联动流温压协同调控方法。
24、本发明所提出的管网多支路联动流温压协同调控方法及系统,旨在克服现有技术中存在的局部控制、缺乏协同、模型简化以及无法实现全局优化等问题,
25、本发明通过将实体管网向类神经网络模型进行转化的核心思想,将一个复杂的多变量强耦合的非线性流体控制问题,转化为一个结构化可微分能够运用成熟优化理论系统性求解的优化问题。从根本上改变了传统管网调控依赖于孤立、单点反馈控制的模式。本发明不再将管网视为若干独立控制回路的集合,而是将其作为一个完整的系统进行整体建模和分析。这种全局化的视角,使得对管网的调控从被动、局部的响应,转变为主动、整体的协同规划,能够预见并统筹调节任一局部操作对全网状态的连锁影响,从而实现真正意义上的多支路、多参数的联动协同控制,显著提升了整个管网系统的运行平稳性和协调性。
26、更为重要的是,在管网数字化阶段,本方案并非对图纸进行全局的、无差别的像素分类,而是首先利用目标检测模型精确识别图纸中的阀门、三通等关键图形符号作为拓扑节点。随后,以这些已定位的节点为锚点,在二值化图像上执行一种基于成本引导的像素路径识别,以主动追踪并识别连接各节点的管线路径。
27、这种由点及线的识别策略,将管线的几何识别与管网的拓扑构建两个任务高度耦合,在识别路径的同时直接确立了节点间的连接关系,从根本上提升了拓扑结构生成的直接性和准确性。更重要的是,该方法有效规避了训练像素级语义分割模型所需的大规模、精细化数据集标注工作,大幅降低了模型部署的技术门槛和实施成本。
28、在此高精度构建的拓扑数据基础上,本发明在构建类神经网络模型时,基于明确的流体力学和热力学第一性原理构建激活函数。这保证了模型在正向传播过程中的每一个计算步骤都具有清晰的物理意义和现实对应,使得模型的推断结果不仅准确,而且具有高度的可解释性和可靠性。
29、本发明在优化求解阶段,展现了其在满足复杂约束条件下寻找全局最优解的强大能力。通过构建一个包含主要目标、物理约束和运行效率的多目标损失函数,本发明将管网的输配任务、安全红线与经济效益整合于统一的优化框架之下。这使得优化过程不仅以满足出口流温压目标为导向,更能主动规避超压、低温等危险工况,并倾向于选择能耗更低的调控方案,例如优先利用膨胀机而非阀门进行降压。此外,在正向传播计算中,本发明设计了迭代求解流量分配的内循环,模拟了并联管路中流量根据下游阻力自适应分配的物理现实,确保了梯度计算的准确性。通过梯度下降优化算法的迭代寻优,本发明能够输出一套覆盖全网所有可控设备的最优参数组合,为管网的实际操作提供了具体、可行且全局最优的协同调控策略,从而在保障安全的前提下,最大限度地提升了复杂管网的输配效率和经济效益。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com