基于人工神经网络的加油站油罐管道泄漏监测方法

通过构建加油站油罐管道输送动力学模型,获取原始的流量和压力数据,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)的优势,建立了CNN-LSTM组合管道泄漏预测模型,输入原始数据进行深度学习,训练出可根据压力梯度预测流量的CNN-LSTM组合管道泄漏预测模型。若管道实际流量数据与预测流量数据之间的误差超过阈值即发生泄漏,根据压力曲线距离算法即可确定泄漏点位置。加油站油罐管道泄漏监测现场试验结果表明,在2种不同开阀方式下,基于CNN-LSTM组合模型的管道泄漏预测方法可以快速准确预测泄漏事件的发生,实时预警,报警时间最短,泄漏点定位误差最小,泄漏点定位误差低于2.4%。

基于数据特征融合的管网信息物理异常诊断方法

随着管网物理空间和信息网络的深度融合,系统面临着物理和信息空间异常带来的运行风险.本文根据管网系统数据量大、耦合性强的特点,提出一种基于数据特征融合的信息物理异常诊断方法.首先通过站场信息数据构建信息增维矩阵并且通过矩阵预分析实现信息传输中断异常的判断.然后基于不同站场信息构建的信息增维协方差矩阵,通过矩阵特征值分布的变化情况对物理异常以及信息传输错误异常进行区分.在此基础上,为了对管网物理异常分类实现系统运行状态的有效分析,将管网信息增维协方差矩阵最大特征向量映射的二维图像作为输入,采用卷积神经网络进行研究,进而实现对物理异常的准确判断.最后通过某实际管网数据进行仿真分析,验证所提方法的有效性.

变压器油中水分在线监测的神经网络计算模型

为了对变压器油中的微水含量进行在线监测和建模计算,介绍了变压器油纸绝缘中水分的分布和利用聚酰亚胺薄膜电容式湿度传感器在线监测变压器油中微水含量的原理并在变压器油中微水含量监测的相关理论基础上,提出了一种基于神经网络的在线监测计算模型以评估变压器油中的微水含量。比较油中微水含量的计算值与测量值证明,采用该模型能够发现变压器中导致油中水分异常变化的故障。实际测试结果表明该模型能很好地反映变压器油中水分的实际情况。

基于改进BP神经网络的管外测量原油含水率研究

为解决多种因素对电磁电导法原油含水率测量准确性的影响,利用改进的BP神经网络处理温度、矿化度、传感器输出电压与含水率之间的关系。在电磁电导法采集数据的基础上,分别用启发式改进方法和数值优化BP算法预测了原油含水率,两种改进的BP算法均提高了预测原油含水率的精度和算法的收敛速度,而Fletcher-Reeves修正算法比自适应学习率动量梯度算法具有更好的效果,为设计智能化管外在线测量原油含水率仪表提供了理论和实验依据。

高斯和声粗糙集BNN光纤管道泄漏监测

为解决长距离管道泄漏监测中干扰多,传统识别算法精度不高的问题,提出一种基于高斯改进和声搜索算法的粗糙集块神经网络。提出一种高斯改进和声搜索算法,利用高斯分布特性对其即兴创作过程进行改进,给出理论分析,保证改进算法的收敛性;利用粗糙集进行采集信号的特征提取预处理,使之适合神经网络处理,简化数据计算量;对粗糙集参数和块神经网络(block neural network,BNN)参数进行编码,利用改进和声搜索算法和实测数据对监控模型进行处理。仿真结果表明,该监控模型可有效对泄漏信号进行识别,精度高,满足实际需要。

基于线性神经网络的滑油金属含量预测

利用神经网络方法对某型航空发动机滑油监控系统中需重点监控的金属元素含量建立了网络 ,并根据该模型对其含量变化趋势进行了预测分析。某部队通过对不同实测数据的检验证明 。

基于无线传感网络的油气管道监测技术研究进展

油气管道是远距离大输量输送油、气介质的一种非常重要的方式,油气管道的运行监测技术是管道安全运行的重要保障。但是目前已有的管道监测技术由于各种问题在集输管道上并不能很好的发挥实时监控作用。无线传感网由于具有低成本、低功耗和无线连接等优点成为研究热点,将无线传感网技术用在油气输送的监测上面可以有效的提高监控水平。总结了目前已有管道监测技术的现状和缺点,介绍了国内外基于无线传感网技术的管道监测研究进展和应用案例,并研究了传感器技术的最新进展。最后指出基于无线传感网的管道监测技术可成为未来油气管道监测最有效的解决方案。

基于物联传感网压力波油管泄漏温差虚报警解决

输油管道进行长距离油品传输的过程中,传输管道内流体的温度随传输距离变化发生改变,造成压力波的不均衡,存在泄漏检测虚报警的问题;为此提出一种基于物联传感网的异常参数动态映射压力波提取算法,通过提取输油管道异常系数,建立压力波数据与输油管道空间位置的映射联系,进行管道异常定位,从而实现输油管道异常监测;根据实验结果分析可以得知,这种算法可以有效降低了虚报警,取得了令人满意的结果。

“十三五”期间油气输送管道系统主要耗能设备节能监测分析

输油泵机组、加热炉、锅炉、天然气压缩机组是我国油气输送管道企业的关键设备,也是能源消耗的主要设备,总装机容量超过9 000 MW,总体耗能十分巨大,主要耗能设备的能效水平对管输企业生产运行成本影响巨大。通过分析“十三五”期间油气输送管道系统三类七种主要耗能设备的总体节能监测数量和依据标准的变化情况,确定各类耗能设备实际运行效率变化情况和主要能效指标参数合格率,详细说明七种主要耗能设备在运行过程中存在的常见问题和建议采取的措施。针对目前节能监测工作存在的不足和面临国家双碳政策发展机遇挑战,“十四五”期间重点应在智慧管网背景下,做好节能监测模式向信息化转变,开展主要耗能设备的能效实时监测系统开发应用,同时加大能效数据规律研究,盘活能效数据资产的价值,从而为管输企业节能、减排、降碳工作作出更大的技术支持。

成品油管网调度支持与异常诊断的移动应用设计

针对中国石化华东成品油管网调度运行的实际,充分利用移动互联网技术和大数据、智能化方法,在分析用户需求的基础上,基于Android studio开发平台和oracle数据库,对华东管网调度支持与异常诊断的移动应用(APP)进行了设计,对其系统架构、业务流程以及主要模块的设计原理和实现方法进行详述,并对关键技术数据库搭建、专家知识库设计、故障树模型的建立等进行了介绍。该系统集调度作业、风险识别、应急指导、管输异常诊断和培训于一体,促进了数据流动和共享,与多媒体工具联运可实现远程控制,对输油管网提质增效和安全运行具有重要作用。

基于光纤技术的管道油气泄漏共轭梯度ESN检测

在管道油气泄漏检测中最主要的难题是管道距离过长的问题,利用传统检测模式效果不好。提出一种基于光纤技术的管道油气泄漏共轭梯度回声状态网络(ESN)检测方法。首先,利用光纤探测技术对长距离油气管道的实时数据进行监测和采集,并利用数据串联方式,结合粗糙集算法对采集的泄露数据采样无标记数据的维度压缩方式,实现数据的降维和简化;其次,选取ESN对降维后的油气管道泄露数据进行分析和处理,并基于正则化方式对ESN的权重进行初步的优化,在此基础上利用Hessian矩阵的半正定性,对初步的权重结果进行深入的学习优化,实现ESN对油气管道泄露数据的识别能力;最后,通过实测的数据仿真验证,提出的油气管道的泄露监测模型具有更高的识别精度和计算效率。

BP神经网络在输油管道泄漏定位中的应用

为了更好地对输油管道泄漏进行定位,对标准BP神经网络算法进行改进,使用增加动量项和学习速率自适应调整算法加速了收敛速度及避免了陷入局部极小值,选用改进后的BF神经网络对输油管道工况进行模式识别,确保了管道安全可靠地运行。

油气管网安全状态监测传感系统构建与创新发展

油气管网是国家能源安全的生命线,其系统规模庞大,赋存环境复杂,介质高压易爆,安全运行面临诸多威胁。根据油气管网的特点,以管道本体、管道线路及管道站场为对象,以业务场景为切入点,系统梳理了安全监测技术的工程需求,总结了中国油气管网监测技术的应用现状及创新发展思考。面向国家能源安全新战略和“双碳”战略,剖析了油气管网安全监测面临的挑战与关键科学问题,提出管道本体精准检测、管道线路智能监测、管道站场多源监测以及构建面向智慧管网的一体化智能监测系统,介绍了“十四·五”国家重点研发计划重点项目“跨地域复杂油气管网安全高效运行状态监测传感系统及应用”的研究目标与攻关思路,为构建油气管网安全状态监测技术体系奠定了基础。

油气管道智能化运行解决方案的思考

基于管道行业自身业务特点,明确其智能化运行实质,寻找有效方法,提升管道行业的智能化水平,最终实现全网优化运行已经成为油气储运工程领域亟待解决的关键技术难题。通过深入分析其他工业领域的智能化实践,明确其共性,结合管道运输行业自身特点,提出了管道智能化运行的内涵。针对如何将智能化技术深度融合于实际管道运行中的问题,以用户用气规律预测为例,提出了基于深度学习和时间序列分析的方法,提高了预测精度;提出了基于神经网络算法,通过与现场运行数据相结合,为设备故障诊断提供了有效的工具;通过优化算法,实现了PID调节的突破。基于上述,提出建设虚拟的油气管道智能化测试平台,将信息流与管道业务深度融合,并引入智能算法,为管道智能化运行提供解决方案。

基于仿真技术的机坪管网微泄漏检测系统

基于模拟仿真技术的机坪管网微泄漏检测系统,通过建立模拟仿真模型,以压力和温度变化为输入,计算机坪管网泄漏率,判断是否发生微小泄漏。给出了管道温度压力噪声抑制、管道数据校准及管道泄漏率计算方法。基于实际运行环境,对机坪管网微泄漏模型进行测试。结果表明:该技术可在50 min内检测到泄漏率为0.04 L(/h·m3)的微小泄漏,检测速度、灵敏度和可靠性均达到国际同类产品的先进水平。(表1,图2,参4)