机器学习在天然气行业的应用

随着信息化的深入发展,机器学习方法迅速普及,也逐渐应用于天然气行业,为该行业研究带来新的发展。本文对机器学习在天然气行业产业链上游、中游和下游的应用进行详细梳理和对比,总结了机器学习在该行业发展的优势以及在数据准确性、模型解释性等方面的局限,进而提出了机器学习在天然气行业未来发展的推进方案。

天然气防冻堵加热系统能耗分析及改造方案

以北方地区某天然气门站为例,对天然气防冻堵加热设备进行能耗分析并提出节能改造方案。针对门站调压区、办公区共用1套加热系统的问题,提出节能改造方案,并给出2种不同的温度控制策略,预计节约能耗(以标准煤计)分别为181.86、232.50 t,碳减排量可达295.62、377.95 t,投资回收期约为0.33、0.26 a。控制1.6 MPa压力出口温度为0℃为最安全的策略,门站天然气消耗量比改造前降低42.9%,控制1.6 MPa压力出口温度为-5℃也可以保证运行安全,门站天然气消耗量比改造前降低54.9%。

碳中和背景下燃气企业办公建筑供暖热源对比

结合燃气企业服务站点办公建筑供暖热源实际,计算分析5种供暖热源的单位供暖面积能耗、碳排放。以某供暖面积1000 m^(2)服务站点办公建筑为例,计算5种供暖热源的综合费(为能源费与碳排放费之和)。电热泵机组能耗最小,其次是燃气机热泵机组,市政热源、燃气锅炉、直燃机组供暖热源的能耗均比较高。燃气机热泵机组的二氧化碳排放量最低,电热泵机组、燃气锅炉、直燃机组的二氧化碳排放量居中,市政热源的二氧化碳排放量最高。燃气机热泵机组的年综合费最低,市政热源的年综合费最高。在目前的碳交易价格水平下,碳排放费在综合费中占比不高,能源费仍是主导供暖热源经济性的因素。