基于XGBoost和DBN的长输供热管道动态风险评估方法

摘要: 本发明涉及供热管道安全管理,具体涉及一种基于xgboost和dbn的长输供热管道动态风险评估方法。背景技术:1、城市集中供热是能源消耗的重要组成部分,利用远端大...
基于XGBoost和DBN的长输供热管道动态风险评估方法

本发明涉及供热管道安全管理,具体涉及一种基于xgboost和dbn的长输供热管道动态风险评估方法。

背景技术:

1、城市集中供热是能源消耗的重要组成部分,利用远端大型清洁热源替代城市内部低效分散的小型供热锅炉,是实现低碳供热的重要技术路径;但这类大型清洁热源往往受资源条件、环境约束等因素影响,大多远离城市中心区域,热能需要通过长距离的管网来输送至城市。因此,长输供热管道作为衔接远端热源与城市集中供热系统的核心基础设施,其建设和安全运行具有重要的节能价值和民生保障意义。

2、近年来,长输供热项目的建设规模与落地数量呈现增长趋势,长输供热网络的供热面积不断扩大,输送距离不断增加、主干管径不断扩大,单线输送距离均已达到120公里,丹麦三角区域热网、瑞士阿勒河下游区域热网等项目的输送长度也已突破百公里。同时,主干管网普遍采用dn1400至dn1600的大口径设计,且工程参数的不断提高,拓展了传统城镇供热管网的供热半径,使得长输管道在跨区域大容量热能优化配置方面的具有显著优势。

3、然而,庞大的工程体量与复杂的运行条件也给长输供热管道的安全服役带来了严峻挑战。长输供热管道往往需要穿越复杂多变的地理环境,沿途需跨越平原、河流、丘陵等多种自然地貌,部分区段还需穿越城市地下空间,长距离、大范围的敷设使得管网的边界条件更加复杂。

4、对于长输油气管道,其输送介质多为原油、天然气等易燃易爆流体,管网整体空间跨度大,安全管控的核心方向集中于流体压力控制与泄漏风险防控。长输油气管道的风险评估体系已发展得较为成熟,现有大部分管道风险评估方法都源于油气管道,如国家标准gb32167-2015《油气输送管道完整性管理规范》,标准明确了数据采集、高后果区识别、风险评价、完整性检测、修复维护与管理评审等全流程技术要求,以指导运营方系统管控风险,保障管道长期安全运行。

5、而对于常规城镇供热管网,其多呈现为局部分支网络形态,运行压力与运行温度相对较低,管道口径偏小,敷设范围主要集中于城市建筑群地下,运行管理与风险管控的重点在末端水力平衡调节与管网流量分配。gb/t44548-2024《城市热力管道安全风险评估方法》,规定了城市热力管道安全风险评估的基本流程、风险识别分析方法、风险分级准则与管控要求,标准覆盖管道全运行周期的评估工作。

6、与上述两类管道相比,长输供热管道兼具高压、高温、长距离输送与复杂敷设环境的特征。由于输送介质为大流量的高温高压热水,管道不仅面临地质沉降影响与水力冲击风险,还需长期承受的热应力与热疲劳的影响;同时,管道保温层进一步改变了管体的受力与腐蚀边界,使得长输供热管道的失效机理更为复杂。当管道的机械应力或腐蚀作用超出材料耐受极限,极易引发管道爆裂事故,造成较大经济损失与安全风险。

7、然而,目前仍缺乏适用于长输供热管道的风险评估方法,且鲜有涉及全生命周期内长输供热管道的风险定量评价、失效动态预测方面的相关研究。

8、此外,从长输供热管道的风险评估方法与风险特征的角度出发,围绕长输供热管道风险评估的相关研究仍面临如下问题:

9、(1)现有贝叶斯网络模型的参数确定依赖主观经验,先验概率的赋值缺乏历史事故数据支撑;

10、(2)已有风险评估体系以静态评估为主,无法考察管道退化过程中风险随时间的动态变化规律;

11、(3)面对第三方破坏等突发事故时,现有动态概率模型响应滞后,准确性不足;

12、(4)已有研究方法无法同时实现风险因素的客观挖掘与时序动态预测。

13、因此,亟待提出一种可客观量化多因素风险权重、具备动态预测能力并实现机器学习模型和概率推理模型耦合的分析方法,以提高长输供热管道风险评估的准确性。

技术实现思路

1、本发明的主要目的在于克服现有技术中的不足,解决现有长输供热管道风险评估方法存在参数确定主观性强、评估体系静态化、突发事故响应滞后的问题,提供一种基于xgboost和dbn的长输供热管道动态风险评估方法。。

2、本发明的目的可以通过以下技术方案来实现:

3、基于xgboost和dbn的长输供热管道动态风险评估方法,包括以下步骤:

4、s1、数据预处理:获取长输供热管道的历史事故记录数据与多源监测数据,对原始数据进行预处理,构建标准化特征数据集;

5、s2、构建xgboost模型:将步骤s1构建的标准化特征数据集输入xgboost模型进行训练,利用xgboost模型内置的分裂增益机制计算各项失效因素的特征权重,所述“失效因素”包括腐蚀、材料与施工缺陷、运维与管理失误、第三方破坏、长输管道特有风险、自然灾害;

6、s3、基于dbn网络构建动态风险评估模型:将步骤s2确定的特征权重转化为动态贝叶斯网络节点的先验参数,构建机器学习和概率推理相耦合的动态风险评估模型;

7、s4、获取目标管道的最新检测数据,所述“检测数据”包括管道当前服役年限、剩余壁厚、腐蚀速率、运行工作压力、供热介质运行温度、距离上一次事故的间隔时长以及累计历史失效次数,并输入步骤s3构建的动态风险评估模型中,动态风险评估模型综合xgboost模型对突发事故的识别数据与dbn网络对腐蚀、管壁厚度减薄、材料性能老化持续损伤的动态预测数据,构建综合失效预测概率输出模型;并且,在长输供热管道系统发出高风险预警时,通过最大后验概率算法逆向推演基础事件的发生概率,输出失效核心致因;

8、s5、在事故抢修恢复期中,利用dbn网络跨时间片的条件概率传导机制,保留管道结构损伤的历史记忆,结合双模型输出目标管道的失效概率,完成长输供热管道动态风险评估。

9、进一步地,所述步骤1进行数据预处理时,为最大限度保留物理参数间的非线性关系并满足贝叶斯网络离散输入要求,所述步骤s1包括以下步骤:

10、s1-1、针对原始数据中部分事故样本存在的定量参数缺失问题,引入k近邻(knn)插补算法,其插补值基于特征空间中最邻近的无缺失样本进行距离加权计算,计算公式为:

11、;

12、其中,为权重函数,d(x, xi)为样本间的欧氏距离,单位为m;

13、s1-2、针对腐蚀厚度、管道服役年限、运行压力、管壁剩余壁厚、腐蚀速率连续变量:引入k-means聚类算法,将连续变量划分为k个离散状态簇,则优化目标为最小化簇内样本到质心的平方误差和,计算公式为:

14、;

15、其中,sj为第j个离散状态区间,µj为第j个离散状态区间的样本质心,j为区间内样本到对应质心的总平方误差损失,k为离散状态区间总个数。

16、进一步地,在所述步骤s2中,采用基于二阶泰勒展开式的分裂增益机制计算特征权重,包括以下步骤:

17、s2-1、构建xgboost模型节点分裂信息增益评价模型:

18、;

19、式中,gl和hl为节点分裂后左子树的一阶梯度与二阶梯度之和;gr和hr为节点分裂后右子树的一阶梯度与二阶梯度之和;λ和γ均为控制树复杂度的正则化惩罚系数。

20、s2-2、在xgboost模型的原始目标函数中引入损失函数的二阶泰勒展开式,并显式地加入叶子节点权重的l1/l2正则化惩罚项,优化后的目标函数为:

21、 ;

22、其中,obj(t)为训练第t棵决策树时的整体目标损失;ft(xi)为第t棵树对样本i的预测输出;γt为决策树叶子节点数量t的结构正则项;gi与hi分别为损失函数的一阶偏导数与二阶偏导数,γ与λ为正则化系数。

23、进一步地,引入等价均匀狄利克雷(bdeu)先验估计法,将特征权重转化为动态贝叶斯网络节点的先验参数,所述步骤s3包括以下步骤:

24、s3-1、定义先验超参数αijk为:

25、;

26、其中,n'为设定的等效样本量;qi为第i类风险因素对应的暴露基准量;ri为第i类风险因素的特征权重系数;

27、s3-2、向动态风险评估模型中输入长输供热管道的数据,基于贝叶斯定理更新后的后验条件概率估算公式为:

28、;

29、式中,nijk表示在训练数据集中,父节点组合处于状态j且子节点处于状态k的联合样本频次;nij表示父节点处于状态j的总样本频次;

30、进一步地,在所述步骤s4中,为解决dbn在遭遇第三方破坏等突发事故时导致准确率不足的问题,构建综合失效预测概率输出模型为:

31、;

32、式中,pxgb(t)为xgboost模型凭借非线性拟合能力针对突发事故的概率;pdbn(t)为dbn模型基于历史时间切片演化输出的平稳概率;当遭遇突发破坏时,pxgb(t)灵敏跃升主导输出结果,弥补dbn响应迟钝的缺陷;α为权重均衡系数。

33、进一步地,在所述步骤s4中,逆向推演基础事件的发生概率时,最大后验概率(map)算法为:

34、;

35、式中,efail为已知的顶事件高危预警状态,xcause为导致失效的基础诱因节点。

36、进一步地,在所述步骤s5中,保留管道结构损伤的历史记忆时,为解决单一机器学习模型缺乏数学关联并且难以考虑工况随时间的变化,引入切普曼-科尔莫戈罗夫方程进行跨时间片传导,包括以下步骤:在事故抢修恢复期或未来多步预测中,状态转移的传导机制为:

37、;

38、式中,p(xk|e0)为第k时刻状态的后验概率,p(xk|xk-1)为状态转移概率矩阵。

39、本发明的有益效果在于:一方面,本发明通过xgboost模型客观计算风险因素权重;另一方面,本发明构建动态贝叶斯网络实现动态预测;最终,融合机器学习特征挖掘与概率因果推理,形成耦合评估模型。本发明解决了传统长输供热管道风险评估存在参数确定主观性强、评估体系静态化、突发事故响应滞后的问题,提升了风险评估结果的客观性与准确性,有助于长输供热管道的全生命周期安全运维。