基于深度学习结构网络的输气管道水力预测模型

为提高在役输气管网稳态水力预测与仿真的准确性,分析总结了输气管道水力计算的主要影响因素,结合流体力学特性建立了一个预测大型输气管网水力参数的深度学习结构网络模型。根据不同流量、不同温度和不同管网拓扑结构条件下大量具有代表性的输气管网水力数据来建立学习样本,并对该模型的精度进行了检验。结果表明:基于堆叠自编码器的预训练阶段平均每层迭代1 524次,整体微调迭代8 572次后精度满足要求;训练后深度学习结构网络模型的进站压力预测结果最大绝对误差为0.2 MPa,平均误差为1.5×10-2MPa,平均相对误差为0.25%。用所建立的深度学习结构网络得到的预测值与样本值吻合较好,具备泛化计算能力。

基于改进Faster R-CNN的石化装置火灾增强识别方法

为提高复杂石化装置场景下火灾发现速度和识别准确率,特别是强化对石化厂区监控图像内小微火焰、烟雾等事故初期关键目标信息的发现能力,以应对石化装置火灾事故演化所具有的典型多米诺效应,在事故发展初期快速准确发现异常、控制事故态势发展、降低事故危害,建立了基于深度学习的石化装置明火、烟雾识别方法,以改进的Faster R-CNN作为目标信息检测算法,利用K-Means++聚类方法优化锚框尺寸,结合基于递归策略的多尺度特征融合设计,显著改善了模型小微关键目标识别能力,实验测试数据表明,改进后的模型检测平均准确率(mAP)提升11.0%,小目标平均识别准确率(mAP(s))提升19.7%。

浅析网络对公安边防部队青年官兵的影响及对策

随着计算机网络技术的发展,特别是互联网的迅速普及,网络正以前所未有的速度向各个地域和领域延伸,公安边防部队不可避免地置身于网络环境之中,受到网络的影响。事实证明,网络在给青年官兵思想政治教育带来巨大机遇的同时,也使其面临前所未有的严峻挑战。

西部天然气管网稳态运行优化研究

基于现场报表数据反算校验的西部天然气管网SPS仿真模型,通过不同流量与运行压力级制分类搭建了管网运行方案库。结合深度学习模型对方案库数据进行训练与特征提取,建立了一种新的管网水力计算与压气站配置方法,在保证计算精度的基础上提高了大型天然气管网运行优化计算效率。利用动态规划算法对压气站最优出站压力变量进行选择,管网流量分配原则为系统总能耗最小。所建立的管网稳态运行优化模型同时具备计算的高效性与准确性,基于该优化模型编制了西部天然气管网稳态运行优化软件V1.0,经过现场实测数据验证,模型优化结果可以显著降低管网运行能耗,可为西部天然气管网的运行与调度提供有效参考。

煤气化装置水煤浆管线爆炸事故调查分析

在事故调查的基础上,对某公司煤气化装置水煤浆管线爆炸事故的发生过程、原因进行了剖析,对事故各阶段的关键参数进行了工艺计算,利用爆轰理论得出水煤浆管线爆炸的机理,并从材料力学角度,对爆炸压力进行核算,对爆炸机理予以印证。最后,根据分析结果,从设计角度提出了防止事故重复发生的技术措施,为本质安全设计提供依据。

基于动态规划法与改进遗传算法的管网稳态运行优化

为了降低天然气输送管网的运行费用,更好地实现节能降耗,应用输气理论与最优化方法,建立了以输气管网运行能耗费用最低为目标的稳态优化模型。利用动态规划与改进遗传算法对川气东送管道运行方案进行优化,并将算法优化结果与商业优化软件Syner GEE-Gas的优化方案进行对比。结果表明:在川气东送管道一期设计输量下,优化方案可实现全线运行能耗减少2.92 MW,降幅为4.4%,从而指导天然气管网安全、经济、可靠运行。

压缩机实际能头特性的深度学习网络预测方法

压缩机运行特性与原厂测试特性存在差异,为了指导压缩机的安全稳定运行,结合压缩机特性计算方法与部分实际特性,建立了基于深度学习网络的压缩机实际能头特性预测模型。将大量不同工况下的压缩机实际能头数据作为深度学习网络的训练样本,在训练完成后利用未训练样本对模型精度进行了检验,得到最大相对误差为2.60%、最小相对误差为0.32%、平均相对误差为0.78%。由深度学习网络所绘制的能头曲线与实际的能头曲线有着良好的一致性。深度学习网络模型改进了传统神经网络的缺陷,具有良好的预测精度与泛化计算能力,为压缩机性能的评估与预测提供了新方法。