一种地热水流量监测方法及系统与流程
本发明涉及电数字数据处理。更具体地,本发明涉及一种地热水流量监测方法及系统。
背景技术:
1、地热资源作为一种清洁、可再生且稳定性较高的能源形式,近年来在区域供暖、地源热泵系统及工业换热等领域得到了大量应用。地热井在长期运行过程中,其地热水流量会受到地层渗透能力衰减、井筒结垢沉积、热储压力变化以及人工调控策略调整等多种因素的共同影响,如果不能及时识别流量的异常波动与衰减趋势,往往会导致供热系统效率下降、运行能耗上升,甚至可能造成井下不可逆损害。因此,构建一种能够实时监测地热水流量并具备提前预警能力的智能监测方法与系统,已成为当前工程实践中的迫切需求。
2、现阶段较多研究依赖长短期记忆神经网络模型对地热水流量进行预测与监测,虽然长短期记忆神经网络模型在处理时间序列信息方面具有一定优势,但普遍采用固定长度的滑动时间窗口作为输入结构,即在每次预测时均以相同数量的历史数据作为模型的特征输入。
3、然而在实际运行中,地热井的流量变化并非平稳过程,而是呈现出显著的动态性与阶段性特征:在波动剧烈或发生突发性扰动时,较久远的历史数据往往不具备参考价值,固定窗口会引入大量与当前状态无关的信息,导致模型响应迟缓、预测偏移;而在系统处于平稳运行状态且存在缓慢衰减趋势时,又需要较长时间跨度的历史信息来累积趋势特征,但固定窗口无法扩大历史参考范围,使模型难以捕捉长期变化信号。此外,固定窗口无法根据运行状态变化进行自适应调整,既不能主动压制噪声影响,也难以有效突出关键变化特征,导致预测的鲁棒性和早期异常识别能力均受到明显限制,从而导致现有模型对地热水流量监测准确性与工程可靠性不高的问题。
技术实现思路
1、为解决上述背景技术中提出的现有模型对地热水流量监测准确性与工程可靠性不高的问题,本发明在如下的多个方面中提供方案。
2、在第一方面中,本发明提供了一种地热水流量监测方法,包括:获取当前时间节点地热井口处的目标地热水流量序列和目标井口压力序列;利用改进的机器学习模型输出下一时间节点的流量状态,并基于所述流量状态对地热水流量进行监测;其中,改进的机器学习模型包括滑动时间窗口,所述滑动时间窗口与当前时间节点的偏离程度呈反相关;所述偏离程度与当前时间节点的局部波动程度、目标地热水流量序列的一阶差分序列的标准差呈反相关;所述局部波动程度与目标地热水流量序列和目标井口压力序列的皮尔逊相关系数呈正相关,与目标地热水流量序列的中位数绝对偏差呈反相关。
3、上述技术方案通过多维特征驱动的自适应机制,不仅能够有效抑制短期噪声干扰,还能及时识别早期异常与缓慢衰减趋势,显著提升地热水流量监测的实时性、准确性和稳定性,为智能调控和预警提供可靠的动态数据支持。
4、进一步地,滑动时间窗口为:,为向下取整函数,、分别为预设最小滑动时间窗口、预设最大滑动时间窗口,为当前时间节点的偏离程度。
5、上述技术方案通过将滑动时间窗口长度与偏离程度建立非线性映射,实现了窗口长度的自适应调整,使模型能够根据地热井的实际运行状态动态选择参考历史数据的范围。当偏离程度较大时,窗口自动缩短,使模型更加关注近期数据,能够快速响应突发性波动和异常变化;当偏离程度较小且系统处于平稳或缓慢变化状态时,窗口自动拉长,使模型累积更多历史信息,从而更准确捕捉长期趋势和微小变化。通过这种自适应机制,既能抑制短期噪声的干扰,又能增强对持续趋势的感知能力,提高预测的实时性和精确性,从而为地热水流量监测与智能调控提供更稳定、可靠且具有场景感知能力的动态输入数据。
6、进一步地,当前时间节点的偏离程度为:,为当前时间节点的局部波动程度,为符号函数,为目标地热水流量序列的一阶差分序列的均值,为目标地热水流量序列的一阶差分序列的标准差,为预设超参数。
7、上述技术方案通过在局部波动程度的基础上引入流量变化趋势的方向性与稳定性构建偏离程度,使其能够同时反映系统的波动强弱、趋势走向及变化离散性。具体而言,局部波动越大,偏离程度自动被抑制,从而降低短期扰动或噪声的影响;同时,流量变化的平均方向决定偏离程度的正负符号,能够区分上升或下降趋势;而变化幅度的离散性被用于调节偏离度的敏感性,使偏离程度在平稳趋势下被放大、在无序波动下被抑制,实现对地热井潜在异常或长期趋势的更早、更准确的感知,从而提升监测的实时性、可靠性和预警能力。
8、进一步地,当前时间节点的局部波动程度为:,为目标井口压力序列与目标地热水流量序列的皮尔逊相关系数,为正常工况下所采集井口压力序列与地热水流量序列的皮尔逊相关系数,为目标地热水流量序列中第个地热水流量值,为目标地热水流量序列中的地热水流量均值,为目标地热水流量序列的中位数绝对偏差,为调节因子,为目标地热水流量序列中地热水流量值的总数。
9、上述技术方案通过同时引入压力–流量相关性的偏移量和目标地热水流量序列的局部波动特征,能够兼顾宏观耦合关系变化与微观瞬时扰动,从而更准确反映地热井的真实运行状态。既能在压力与流量耦合异常时迅速放大偏移信号,又能在出现早期波动或轻微不稳时敏锐捕捉变化,避免被随机噪声干扰,同时提升对潜在异常的提前感知能力。
10、进一步地,利用流量传感器获取目标地热水流量序列,利用压力传感器获取目标井口压力序列。
11、上述技术方案通过同时引入流量传感器与压力传感器对地热系统关键运行参数进行同步采集,可以实现对地热水输运状态与井口工况的多维度、实时化感知,使原本单一参数难以全面反映的运行特性得到有效补充,从而显著提升对系统动态变化的刻画能力与运行状态识别精度。
12、进一步地,基于所述流量状态对地热水流量进行监测,具体为:若流量状态输出为异常,则判定下一时间节点的地热水流量异常。
13、进一步地,所述目标地热水流量序列由截止到当前时间节点的多个历史时间节点的地热水流量所构建;所述目标井口压力序列由截止到当前时间节点的多个历史时间节点的井口压力所构建。
14、进一步地,所述机器学习模型为长短期记忆网络模型。
15、进一步地,还包括,对机器学习模型进行训练,具体为:将训练集输入至预先构建的机器学习模型内进行训练,在训练过程中,计算输出的预测值与标签之间的损失;用梯度下降法调整模型参数以最小化预测误差;迭代地调整机器学习模型的参数,直到损失小于设定值或达到设定的训练次数,最终得到训练好的机器学习模型。
16、上述技术方案通过对机器学习模型进行训练,使模型能够从历史地热水流量和井口压力数据中自动学习二者之间的复杂非线性关系及时间演变规律。在训练过程中,通过不断比较模型预测输出与实际观测标签之间的误差,并利用迭代优化方法调整模型参数,使模型逐步减少预测偏差,逐渐增强对关键特征的敏感性和对趋势变化的捕捉能力。经过充分训练后,模型能够在实时运行中准确识别流量的异常波动和潜在趋势变化,显著提升地热水流量监测的精度、鲁棒性和前瞻性,为后续流量状态预测、异常预警及智能调控提供可靠的基础支撑。
17、在第二方面中,本发明提供了一种地热水流量监测系统,包括存储器和处理器,所述存储器内存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现以上任意一项所述的一种地热水流量监测方法。
18、本发明的有益效果在于:
19、本发明通过将地热井流量与井口压力的耦合关系、流量局部波动及变化趋势引入改进的长短期记忆网络,并结合自适应滑动时间窗口,实现对地热水流量的动态监测。可根据异常波动自动调整参考历史数据长度,使模型在突发扰动时快速响应,在平稳阶段捕捉长期趋势,提升对微小异常和早期衰减的感知能力。通过传感器实时获取数据并输入训练优化后的模型,能够准确输出下一时间节点流量状态,实现高实时性、准确性和可靠性的监测,为智能调控和预警提供可靠支持。
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