CN109523050A - 用于压缩机安排的系统和方法 - Google Patents
用于压缩机安排的系统和方法 Download PDFInfo
- Publication number
- CN109523050A CN109523050A CN201811087260.1A CN201811087260A CN109523050A CN 109523050 A CN109523050 A CN 109523050A CN 201811087260 A CN201811087260 A CN 201811087260A CN 109523050 A CN109523050 A CN 109523050A
- Authority
- CN
- China
- Prior art keywords
- compressibility
- compressor
- data
- mode input
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 35
- 230000006835 compression Effects 0.000 claims abstract description 76
- 238000007906 compression Methods 0.000 claims abstract description 76
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 210
- 239000003345 natural gas Substances 0.000 claims description 105
- 239000007789 gas Substances 0.000 claims description 44
- 238000003860 storage Methods 0.000 claims description 34
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000003862 health status Effects 0.000 claims description 7
- 238000002485 combustion reaction Methods 0.000 claims description 6
- 239000000567 combustion gas Substances 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 238000005119 centrifugation Methods 0.000 claims 1
- 239000000243 solution Substances 0.000 description 37
- 238000005516 engineering process Methods 0.000 description 13
- 230000036541 health Effects 0.000 description 12
- 238000005553 drilling Methods 0.000 description 9
- 150000003839 salts Chemical class 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000009795 derivation Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 230000005389 magnetism Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007850 degeneration Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005086 pumping Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 239000003949 liquefied natural gas Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000003129 oil well Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010000234 Abortion spontaneous Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005474 detonation Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- NMJORVOYSJLJGU-UHFFFAOYSA-N methane clathrate Chemical compound C.C.C.C.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O NMJORVOYSJLJGU-UHFFFAOYSA-N 0.000 description 1
- 208000015994 miscarriage Diseases 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 208000000995 spontaneous abortion Diseases 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/06—Control using electricity
- F04B49/065—Control using electricity and making use of computers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06314—Calendaring for a resource
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computer Hardware Design (AREA)
- Filling Or Discharging Of Gas Storage Vessels (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明提供了一种其上存储有计算机指令的有形非暂时性计算机可读介质,所述计算机指令在由处理器执行时使得所述处理器:检索与至少一个压缩系统关联的模型输入,所述模型输入指示机械系统数据、经济数据、合同数据、调控数据或其任何组合。而且,所述指令使得所述处理器检索模型,所述模型基于所述模型输入推导用于所述至少一个压缩系统的操作安排。接着,所述指令使所述处理器基于所述模型输入和所述模型推导用于所述至少一个压缩系统的操作安排;以及将所述操作安排应用到所述至少一个气体压缩系统。
Description
技术领域
本文中公开的主题涉及压缩机,并且更具体地涉及用于压缩机安排的系统和方法。
背景技术
压缩机站处的压缩系统通常可以用来压缩流体(例如天然气)以将被压缩的流体运输、储存和/或引导到各种接收者。压缩系统可以将天然气压缩到目标压力以促进天然气沿天然气运输系统流到各种接收者,例如储存设施、地下储层(例如盐矿)等等。通过压缩系统的压缩可以由操作安排控制。因此,可能期望提高压缩系统例如用于天然气压缩的压缩系统的操作安排。
发明内容
下文中概述了与最初要求保护的主题在范围上相当的某些实施例。这些实施例不旨在限制要求保护的主题的范围,相反,这些实施例旨在仅提供对主题的可能形式的简要概述。实际上,本主题可包含可与下文所阐述的实施例类似或不同的多种形式。
在一个实施例中,一种有形非暂时性计算机可读介质包括其上存储的计算机指令,所述计算机指令在由处理器执行时使得所述处理器:检索(retrieve)与至少一个压缩系统关联的模型输入,所述模型输入指示机械系统数据、经济数据、合同数据、调控数据或其任何组合。而且,所述指令使得所述处理器检索模型,所述模型基于所述模型输入推导用于至少一个压缩系统的操作安排。接着,所述指令使所述处理器基于所述模型输入和所述模型推导用于至少一个压缩系统的操作安排;以及将所述操作安排应用到至少一个气体压缩系统。
在另一实施例中,一种方法包括:检索与至少一个压缩系统关联的模型输入,所述模型输入指示机械系统数据、经济数据、合同数据、调控数据或其任何组合。另外,所述方法包括基于所述模型输入检索推导用于至少一个压缩系统的操作安排的模型;基于所述模型输入和所述模型推导用于至少一个压缩系统的操作安排;以及将所述操作安排应用到至少一个压缩系统。
在另一实施例中,一种控制器包括:处理器和存储器,所述存储器存储指令,所述指令使得所述处理器检索与至少一个压缩系统关联的模型输入,所述模型输入指示机械系统数据、经济数据、合同数据、调控数据或其任何组合。所述指令还使得所述处理器基于所述模型输入检索被配置成推导用于至少一个压缩系统的操作安排的模型;以及基于所述模型输入和所述模型推导用于至少一个压缩系统的操作安排。所述指令接着使得所述处理器将所述操作安排应用到至少一个压缩系统。
除了上述实施例之外,本文还提供以下技术方案:
技术方案1.一种其上存储有计算机指令的有形非暂时性计算机可读介质,所述计算机指令在由处理器执行时被配置成使得所述处理器:
检索与至少一个压缩系统关联的模型输入,所述模型输入指示机械系统数据、经济数据、合同数据、调控数据或其任何组合;
基于所述模型输入检索被配置成推导用于所述至少一个压缩系统的操作安排的模型;
基于所述模型输入和所述模型推导用于所述至少一个压缩系统的操作安排;以及
将所述操作安排应用到所述至少一个压缩系统。
技术方案2.根据技术方案1所述的计算机可读介质,其中,被配置成使所述处理器检索所述模型输入的计算机指令包括被配置成使所述处理器实时或者接近实时地检索所述模型输入的计算机指令。
技术方案3.根据技术方案1所述的计算机可读介质,其中,所述至少一个压缩系统包括压缩机和压缩机主驱动器,所述压缩机主驱动器联接到所述压缩机并被配置成驱动所述压缩机,其中,所述压缩机被配置成控制进入储存设施、气体储层、气体运输系统或其任何组合的气体流。
技术方案4.根据技术方案3所述的计算机可读介质,其中,所述压缩机是往复式压缩机或离心压缩机,并且所述压缩机主驱动器是内燃机(ICE)、燃气涡轮机或电动机。
技术方案5.根据技术方案1所述的计算机可读介质,其中:
所述机械系统数据包括:所述至少一个压缩系统中包括的压缩机的尺寸,所述压缩机的健康状况,所述压缩机的操作寿命预期,进入所述至少一个压缩系统的气体的压力,所述至少一个压缩系统中包括的压缩机驱动器的尺寸,所述压缩机驱动器的健康状况,所述压缩机驱动器的操作寿命预期,管道数据或其任何组合;
所述经济数据包括:天然气的价格,在阈值吸入压力值下操作产生的收入,国家之间的货币兑换率,绿色信用,能源未来值或其任何组合;
所述合同数据包括:传送到客户的天然气的阈值数量,天然气能够储存在储存设施中的最大时间或其任何组合;以及
所述调控数据包括:每年生产的天然气的吨数的上限,操作目标,天气预报数据,生产天然气的每百万份数的排放上限或其任何组合。
技术方案6.根据技术方案1所述的计算机可读介质,其中,所述模型包括:
技术方案7.根据技术方案1所述的计算机可读介质,其中,被配置成使所述处理器推导所述操作安排的计算机指令包括通过所述模型输入之间建立的关系计算用于所述至少一个压缩系统的质量流量。
技术方案8.根据技术方案1所述的计算机可读介质,其中,所述操作安排包括用于所述至少一个压缩系统的质量流量、所述至少一个压缩系统的操作时间或其任何组合。
技术方案9.一种方法,包括:
通过处理器检索与至少一个压缩系统关联的模型输入,所述模型输入指示工厂数据的余量、机械系统数据、经济数据、合同数据、调控数据或上述的任何组合;
通过所述处理器基于所述模型输入检索被配置成推导用于所述至少一个压缩系统的操作安排的模型;
通过所述处理器基于所述模型输入和所述模型推导用于所述至少一个压缩系统的操作安排;以及
通过所述处理器将所述操作安排应用到所述至少一个压缩系统。
技术方案10.根据技术方案9所述的方法,其中,推导所述操作安排包括执行计算以打开所述至少一个压缩系统的第一组,并使所述至少一个压缩系统的第二组保持关闭。
技术方案11.根据技术方案10所述的方法,其中,推导所述操作安排包括确定通过在所述至少一个压缩系统的所述第一组中的每个压缩机流动的天然气的质量流量。
技术方案12.根据技术方案11所述的方法,其中,确定所述质量流量包括执行计算,所述计算基于所述模型输入确定所述质量流量。
技术方案13.根据技术方案12所述的方法,其中,执行确定所述质量流量的计算包括通过以下执行计算:
技术方案14.根据技术方案9所述的方法,包括通过所述处理器迭代地推导所述操作安排,直到所述操作安排将产生的收入,气体流产量或其任何组合提高到相应的目标阈值。
技术方案15.根据技术方案9所述的方法,其中,应用所述操作安排包括以第一质量流量操作所述至少一个压缩系统的第一组,以第二质量流量操作所述至少一个压缩系统的第二组,以第三质量流量操作所述至少一个压缩系统的第三组。
技术方案16.一种控制器,包括:
处理器;和
存储器,所述存储器存储指令,所述指令被配置成使得所述处理器:
检索与至少一个压缩系统关联的模型输入,所述模型输入指示机械系统数据、经济数据、合同数据、调控数据或其任何组合;
基于所述模型输入检索被配置成推导用于所述至少一个压缩系统的操作安排的模型;
基于所述模型输入和所述模型推导用于所述至少一个压缩系统的操作安排;以及
将所述操作安排应用到所述至少一个压缩系统。
技术方案17.根据技术方案16所述的控制器,其中,所述机械系统数据包括:所述至少一个压缩系统中包括的压缩机的尺寸,所述压缩机的健康状况,所述压缩机的操作寿命预期,进入所述至少一个压缩系统的气体的压力,所述至少一个压缩系统中包括的压缩机驱动器的尺寸,所述压缩机驱动器的健康状况,所述压缩机驱动器的操作寿命预期或其任何组合;
所述经济数据包括:天然气的价格,在阈值吸入压力值下操作产生的收入,国家之间的货币兑换率,绿色信用,能源未来值或其任何组合;
所述合同数据包括:传送到客户的天然气的阈值数量,天然气能够储存在储存设施中的最大时间或其任何组合;以及
所述调控数据包括:每年生产的天然气的吨数的上限,生产天然气的每百万份数的排放上限或其任何组合。
技术方案18.根据技术方案16所述的控制器,其中,所述操作安排包括用于所述至少一个压缩系统的质量流量,用于所述至少一个压缩系统的操作时间或其任何组合。
技术方案19.根据技术方案16所述的控制器,所述压缩系统包括压缩机和压缩机主驱动器,所述压缩机主驱动器联接到所述压缩机并被配置成驱动所述压缩机,其中,所述压缩机被配置成控制进入储存设施、气体储层、气体运输系统或其任何组合的气体流。
技术方案20.根据技术方案16所述的控制器,其中,所述模型包括基于物理的模型,深度学习模型,神经网络模型,状态矢量机(SVM)模型,数据挖掘系统模型或其任何组合。
附图说明
当参考附图阅读以下详细描述时,本公开的这些和其它特征、方面和优点将变得更好理解,在所有附图中相同的标号表示相同的零件,在附图中:
图1是应用推导操作安排的技术的压缩系统的实施例的框图;
图2是压缩安排优化器系统的实施例的框图,压缩安排优化器系统确定应用到图1的压缩系统的操作安排;以及
图3是对于图1的压缩系统用于推导并应用操作安排的过程的实施例的流程图。
具体实施方式
下文将描述本发明的一个或多个特定实施例。在努力提供这些实施例的简明描述的过程中,实际实施方案的所有特征可能并不都在说明书中进行描述。应了解,在如任何工程或设计项目的任何此类实际实施方案的开发过程中,众多针对实施方案的决定必须实现开发者的具体目标,例如遵守可能在各个实施方案之间变化的相关系统约束和相关商业约束。此外,应当理解的是,这种开发工作可能复杂且耗时,但是对于受益于本公开的普通技术人员来说,这仍是常规的设计、生产和制造工作。
在介绍本发明的各种实施例的元件时,冠词“一(a/an)”和“所述”意图表示存在这些元件中的一个或多个。术语“包括(comprising/including)”和“具有”旨在为包括性的并且意味着可能存在除了所列元件之外的额外元件。
压缩系统可包括压缩机系统和给压缩系统提供动力的驱动器系统(例如马达)。使用中,压缩系统可压缩流体,例如天然气,且通过操作安排控制,操作安排确定压缩压力、压缩时间、要压缩的流体体积等等。以较大“加载”安排操作的压缩系统例如具有比以较小加载安排操作的同一压缩系统更高的操作小时数、压力、体积流量等,较小加载安排具有较少小时数、较小压力和/或较小的体积流量。实际上,在天然气运输系统中与压缩系统的操作关联的各种条件可影响子系统和部件的寿命。例如,压缩机和压缩机主驱动之间的传动系的部件可包括与轴向插入盘的橡胶元件的联接。在长期的操作中,橡胶元件可经历静态力和动态力,热变化以及其它应力因素。例如,橡胶元件可经历由于高操作时间和/或大数目的启动/停止事件(例如发动机启动和停止)造成的退化,其引起橡胶元件开裂。
如果部件没有得到适当维修,或者条件未被检测到,则退化因素可引起不期望的维修(例如成本),这可能导致效率降低、较低的可用性和收入损失。而且,天然气的价格在任何时段(例如一天、一星期、一个月或一年)的开始可能是低的,使得在该时段开始期间压缩天然气到各个接收者不可能优化收益,例如,特别是在天然气的价格在该时段后期下降时。作为另一实例,以大管道网络操作的压缩系统可以根据合同义务向客户运输基准体积的天然气,使得压缩系统满足周期性(例如每天、每周、每月或每年)对天然气的基准体积需求。因此,可以期望监测部件的某些特性以检测用于改进操作效率和可用性的条件,同时符合操作约束和利润计划(例如合同义务、排放规定、投资计划回报等)。
因此,本公开的一些实施例涉及基于对压缩安排优化器系统的模型输入,推导用于一个或多个压缩机驱动器系统的操作安排。对压缩安排优化器的模型输入可包括机械系统数据、指示管道网络和管道储存的数据(“例如管道数据”)、经济数据、合同数据和/或调控数据。可使用模型输入执行模型,所述模型执行计算和/或建立模型输入之间的关系以确定压缩系统的操作安排。例如,压缩安排优化器系统可接收模型输入,例如,管道的操作压力,沿着天然气运输系统的压缩机的位置,天然气的成分,在各个时间点天然气的价格,该天泵送的天然气的体积,天然气,井,生物气体,合成气(例如或可再生产生的,例如通过甲烷化,太阳能方法或风力方法)的产量及其它适合的模型输入(例如,包括适于确定设备老化的数据的机械系统数据,经济数据,合同数据和调控数据)。接着,压缩安排优化器系统可使用模型输入,将他们输入到模型中以推导用于天然气运输系统的操作安排。用于压缩机的操作安排可应用到一个或多个压缩系统以控制一个或多个压缩机和一个或多个压缩机主驱动器(例如用来驱动压缩机的马达,例如内燃机、电动机、涡轮发动机)的各个输出。例如,用于压缩机的操作安排可包括确定哪些压缩系统操作,操作压缩系统的持续时间,以及在哪些条件下(例如压力、温度、流速)操作压缩系统。通过推导改进的压缩安排,本文中描述的技术可以提供对使用的压缩资产的提高的效率和经济回报。
转向图1,描绘了包括应用推导操作安排的技术的压缩系统的天然气运输系统10的实施例的框图。在图示的实施例中,天然气运输系统10包括压缩系统12。压缩系统12促进天然气14(例如常规气体、生物气体、深层天然气、页岩气、致密气、甲烷水合物、合成气等)从产油或产气钻机16或其它气体生成系统(例如生物气体站、甲烷化站)运输(例如流到)到终端用户。尽管图示的实施例包括作为钻机16的井架,但在一些实施例中,钻机16可以是移动钻机,自动化钻机,海底钻机或可从储层(reservoir)18提取天然气14的任何其它钻机。在一些实施例中,储层18可以定位在地壳表面下,使得竖直和/或水平钻探可促进从储层18和/或其它天然气生产设施提取天然气14。
各个压缩系统12可以沿天然气运输系统10(例如沿全球传输网络)设置以保持天然气14的目标流和压力。例如,天然气运输系统10可以长5000英里(或长度上的任何距离),并包括沿天然气运输系统10的各个压缩系统12,以满足消费者需求。即,包括可沿天然气运输系统10的长度以40英里间隔、50英里间隔、75英里间隔、100英里间隔或沿天然气运输系统10的任何适合的距离的压缩系统12。在一些实施例中,沿天然气运输系统10在一个站可以有超过一个压缩系统12。在一些实施例中,压缩系统12可暴露于环境空气,但在替代性实施例中,压缩系统12可容置在设施内。
在图示的实施例中,压缩系统12包括压缩机20。在一些实施例中,压缩机20可以是闪蒸气体压缩机、气举压缩机、回注压缩机、增压压缩机、蒸汽回收压缩机、套管头压缩机、往复式压缩机、齿轮压缩机、离心压缩机、轴向压缩机和/或任何其它适合的正位移、动态或动力压缩机。例如,压缩系统12可包括单级离心压缩机,其从一组旋转的叶轮片将能量传递到气体。
在图示的实施例中,压缩系统12还包括联接到压缩机20的压缩机主驱动器22(例如马达或发动机)。压缩机主驱动器22可将旋转力施加到压缩机20的部件,从而驱动压缩机20。例如,联接到单级离心压缩机的压缩机主驱动器22可驱动单级离心压缩机的一组旋转的叶轮片。在一些实施例中,由从石油钻机16接收的在压缩机主驱动器22(例如燃气发动机)中燃烧的天然气14对单级离心压缩机提供动力。
在一些实施例中,压缩机主驱动器22可以是内燃发动机(ICE)(例如往复式燃气发动机)、燃气涡轮发动机和/或电动机。例如,当压缩机主驱动器22为ICE时,ICE可包括四冲程活塞发动机,其被配置成驱动压缩机20以将由压缩机20排出的天然气14保持在目标压力。示范性发动机可包括通用电气公司(General Electric Company)的Jenbacher发动机(例如,Jenbacher型号2、型号3、型号4、型号6或J920FleXtra)或Waukesha发动机(例如,Waukesha VGF、VHP、APG、275GL)。
在钻机16从储层18经由钻机16的某些管路提取天然气14之后,响应于天然气运输系统10内由压缩机20引起的压力差,天然气14可沿天然气运输系统10行进。压缩机主驱动器22驱动压缩机20的部件(例如转子叶片),从而使压缩机20以目标参数例如以目标质量流速、压力、体积等等运输天然气14。
结果,在一个实施例中,压缩系统12可将天然气14运输到储存设施24。在一些实施例中,天然气14可储存在储存设施24中,例如地上气柜中。例如,压缩机20可将天然气14运输到地上气柜(例如或者任何其它适合的储存设施24),使得天然气14可保持以地区压力储存,以在高峰时期提供额外的天然气14来满足需求。在其它实施例中,储存设施24可包括管道,使得气体可以暂时地储存在用来运输天然气14的管道中。在其它实施例中,储存设施24可包括液化天然气(LNG)设施,其可储存已经被转换成液体的天然气14以利于天然气14的储存。
另外或替代性地,压缩系统12可将天然气14运输到地下储存设施26。在一个实施例中,地下储存设施26可包括矿井、枯竭储层(例如气体储层等)。例如,枯竭天然气储层可以是具有高孔隙度和渗透率的地下地层,以利于保存天然气14。在另一实施例中,地下储存设施26可包括含水储层,使得地下的多孔渗透岩层可用作可以保存天然气14的天然水储层。在另一实施例中,地下储存设施26可包括盐层(例如盐矿)。例如,盐层基本上阻止天然气14从盐层(例如盐矿)的壁泄漏,从而促进天然气14的地下水储存。尽管讨论的地下储存设施26包括枯竭气体储层,含水储层和/或盐层,但在一些实施例中,地下储存设施26可包括任何其它适合的地下储存系统。
而且,压缩系统12可将天然气14运输到全球传输网络(GTN)28。在一个实施例中,GTN 28包括促进天然气14在国内连接的管道上或者在国界线上传输和分配的系统。例如,压缩机驱动器系统12可将天然气排出到相邻国家,以满足出口到相邻国家的天然气的合同要求。
在图示的实施例中,压缩机20可(例如经由有线或无线连接)联接到压缩机控制器30。压缩机控制器30可接收自动化和/或用户输入(例如通过用户接口)以控制压缩机20。更详细地,所述压缩机控制器30可包括处理器32(例如可执行软件程序以执行公开的技术的微处理器)。此外,处理器32可以包括多个微处理器、一个或多个“通用”微处理器、一个或多个专用微处理器和/或一个或多个专用集成电路(ASIC)或其某一组合。举例来说,处理器32可包括一个或多个精简指令集(RISC)处理器。压缩机控制器30可包括存储器装置34,其可存储例如控制软件、模型、阈值、配置数据等的信息。存储器装置34可以包括有形的非暂时性机器可读介质,例如易失性存储器(例如,随机存取存储器(RAM))和/或非易失性存储器(例如,只读存储器(ROM)、闪存、硬盘驱动器、或任何其它合适的光学、磁性或固态存储介质、或其组合)。
而且,在图示的实施例中,压缩机主驱动器22(例如经由有线或无线连接)联接到主驱动器控制器40。主驱动器控制器40可接收自动化和/或用户输入(例如通过用户接口)以控制压缩机主驱动器22。更详细讲,所述主驱动器控制器40可包括处理器42(例如微处理器),其可以执行软件程序以执行所公开的技术。此外,处理器42可以包括多个微处理器、一个或多个“通用”微处理器、一个或多个专用微处理器和/或一个或多个专用集成电路(ASIC)或其某一组合。举例来说,处理器42可包括一个或多个精简指令集(RISC)处理器。主驱动器控制器40可包括存储器装置44,其可以存储例如控制软件、模型、阈值、配置数据等的信息。存储器装置44可以包括有形的非暂时性机器可读介质,例如易失性存储器(例如,随机存取存储器(RAM))和/或非易失性存储器(例如,只读存储器(ROM)、闪存、硬盘驱动器、或任何其它合适的光学、磁性或固态存储介质、或其组合)。
在图示的实施例中,站级控制系统50通信(例如经由有线或无线连接)联接到一个或多个压缩机驱动器系统12、压缩机控制器30和/或主驱动器控制器40。在一些实施例中,站级控制系统50可以远离压缩系统12定位。例如,站级控制系统50可从站操作者(例如个人)接收用户输入以独立地或者共同控制压缩机20、压缩机控制器30、压缩机主驱动器22和/或主驱动器控制器40。在一些实施例中,站级控制系统50可从压缩机20、压缩机控制器30、压缩机主驱动器22和/或主驱动器控制器40接收数据。在一些实施例中,由站级控制系统50执行的指令可以覆盖由压缩机控制器30和/或主驱动器控制器40执行的指令。如上面提到的,在一个站可以有超过一个压缩系统12,使得每个压缩系统可通信联接到对应的站级控制系统50。因此,在沿着天然气运输系统10在每个站可以有超过一个站级控制系统50。
在图示的实施例中,站级控制系统50包括处理器52(例如微处理器),其可以执行软件程序以执行所公开的技术。此外,处理器52可以包括多个微处理器、一个或多个“通用”微处理器、一个或多个专用微处理器和/或一个或多个专用集成电路(ASIC)或其某一组合。举例来说,处理器52可包括一个或多个精简指令集(RISC)处理器。站级控制系统50可包括存储器装置54,其可以存储例如控制软件、模型、阈值、配置数据等的信息。存储器装置54可以包括有形的非暂时性机器可读介质,例如易失性存储器(例如,随机存取存储器(RAM))和/或非易失性存储器(例如,只读存储器(ROM)、闪存、硬盘驱动器、或任何其它合适的光学、磁性或固态存储介质、或其组合)。
天然气运输系统10的各个内部部件和外部部件可包括与控制器30,40和/或50以有线或无线通信的一个或多个附接的传感器56(例如流量传感器、压力传感器、温度传感器、爆震传感器、振动传感器、加速度计、微机电系统(MEMS)、麦克风、速度传感器、位置传感器、电流传感器、间隙传感器(例如测量旋转部件和静止部件之间的距离))。而且,致动器58可包括任何适合的致动装置,例如液压致动器,气动致动器、电动致动器等。致动器58可从控制器30,40和/或50接收信号以驱动例如阀60的运动(例如在天然气运输系统10中引导天然气14的流动)。
传感器56、致动器58和控制器30,40和/或50可使用标准网络协议通过相应的通信部件(例如接收器和发射器)通信,所述标准网络协议例如DustZ-Wi-Fi和。可以使用的其它无线通信技术是红外和无线电。如图所示,传感器56可以定位在天然气运输系统10上的任何适合位置。例如,传感器56可以沿着或围绕石油钻机16、压缩机20、压缩机主驱动器22、储存设施24、地下储存设施26、GTN 28等定位在任何地方。而且,控制器30,40和50可从传感器或其它数据源接收天气预报、市场信息等的指示以促进执行下面公开的主题。
而且,在图示的实施例中,压缩安排优化器系统70包括处理器72(例如微处理器),其可以执行软件程序以执行所公开的技术。此外,处理器72可以包括多个微处理器、一个或多个“通用”微处理器、一个或多个专用微处理器和/或一个或多个专用集成电路(ASIC)或其某一组合。举例来说,处理器72可包括一个或多个精简指令集(RISC)处理器。压缩安排优化器系统70可包括存储器装置74,其可以存储例如控制软件、模型、阈值、配置数据等的信息。存储器装置74可以包括有形的非暂时性机器可读介质,例如易失性存储器(例如,随机存取存储器(RAM))和/或非易失性存储器(例如,只读存储器(ROM)、闪存、硬盘驱动器、或任何其它合适的光学、磁性或固态存储介质、或其组合)。
而且,压缩安排优化器系统70被配置成接收模型输入80。更具体来说,压缩安排优化器系统70可接收模型输入80,例如机械系统数据82、经济数据84、合同数据86、调控数据88、管道数据等。如下面更详细地描述的,在一个实施例中,压缩安排优化器系统70接收模型输入80和模型(例如指令和等式),所述模型可以将模型输入80相互关联,并执行计算以推导操作安排。例如,压缩安排优化器系统70可将控制信号传送到压缩机20、压缩机主驱动器22和/或任何其它适合的装置(例如致动器58、阀等)以基于模型输入80执行操作安排。在一些实施例中,压缩安排优化器系统70可将控制信号发送至压缩机控制器30和/或主驱动器控制器40,以分别控制压缩机20和/或压缩机主驱动器22。在其它实施例中,可以有优先方案,使得来自压缩安排优化器系统70的控制信号可覆盖来自其它控制器30,40的控制信号。
应当注意,任何前述控制器(例如压缩机控制器30、主驱动器控制器40、站级控制系统50和压缩安排优化器系统70)在本文后面称作“控制器30,40,50和70”,其可以相互合并或组合成任何数目的单元。例如,控制器30,40,50,70可组合成一个控制器,其被配置成控制压缩机20、压缩机主驱动器22、致动器58等。即,在一个实施例中,所有控制器可包括于压缩安排优化器系统70中,以确定并应用用于压缩机20的操作安排。控制器30,40,50和70可以与工作站(或其它计算装置,例如平板电脑、智能电话、膝上型计算机、云)无线或有线通信(例如以太网),并且能够在远距离上将数据传输到工作站。工作站可以位于与压缩系统12相同的站点、厂房、工厂等。控制器30,40,50和70能够与其位置以及其它位置和系统外部的工作站通过网络(例如互联网)通信。各个工作站、位置以及其它位置和系统全部可以相互通信,并且与每个系统有关的数据可通过网络存储在企业级。例如,在企业级,实体可通过监测从控制器30,40,50和70、工作站等接收的数据维护在任何数目的位置运行的发动机。而且,沿着天然气运输系统10每个站可以有超过一个压缩系统12,使得可以有超过一个控制器30,40,50,70。另外,沿着天然气运输系统10可以有超过一个站。
图2是确定应用于图1的压缩系统12的操作安排100的压缩安排优化器系统70的实施例的框图。在图示的实施例中,压缩安排优化器系统70可接收模型输入80,例如机械系统数据82、经济数据84、合同数据86和调控数据88。在一些实施例中,压缩安排优化器系统70可另外接收工厂数据的余量,其可包括与限定吸入压力且可定位在天然气运输系统10上游的阀关联的数据。而且,压缩安排优化器系统70可另外接收管道数据,其包括管道的操作压力,天然气的成分,该天泵送的天然气的体积,天然气、井,生物气体,合成气(例如或者可再生产生的,例如通过甲烷化、太阳能方法或风力方法)的生产率。
在一些实施例中,压缩安排优化器系统70接着可检索模型102,模型102执行计算以确定用于压缩系统12的操作安排。在一些实施例中,模型102可包括用于确定操作安排100(例如通过执行计算)的指令。而且,模型102可建立模型输入80之间的关系(例如通过等式)。在基于模型输入80和模型102确定操作安排100之后,压缩安排优化器系统70将操作安排100应用到压缩系统12。要理解,尽管将模型102描述为是基于等式的,但其它模型可包括适于处理输入80并用于输出操作安排100的深度学习模型102,例如神经网络、状态矢量机(SVM)、数据挖掘系统、专家系统等。
机械系统数据82包括与压缩系统12关联的可以被实时或接近实时地更新的任何数据以及日志数据(例如历史日志、维修日志、服务日志等)。在一个实施例中,机械系统数据82可包括上面提到的管道数据。在一个实施例中,机械系统数据82可包括由沿着天然气运输系统10定位的传感器56确定的测量值。例如,压缩机主驱动器22可包括传感器56以跟踪和测量压缩系统12已经操作的时间(例如操作小时数),测量进入和/或离开压缩系统12的天然气的压力等。因此,操作时间,压缩机20入口和压缩机20出口处的天然气压力可以是机械系统数据82的实例。在其它适合的机械系统数据82中,操作时间和进入和/或离开压缩机的天然气的压力可被实时或接近实时地更新,使得更新的机械系统数据82可实时或接近实时地发送至压缩安排优化器系统70。其它实例包括速度(例如压缩机20和/或压缩机主驱动器22速度)、间隙、压缩机20和/或压缩机主驱动器22的操作温度、环境温度、环境压力、湿度水平等。
在一些实施例中,用作输入的机械系统数据82可以是常数(例如不随时间变化)。例如,机械系统数据82可包括与压缩系统12的各个部件对应的制造商规格值,使得规格值不随时间变化。例如,压缩机20和压缩机主驱动器22各自可包括不随时间变化的制造商的工作寿命预期(例如预计压缩机20提供功能性使用的时间,例如5年、10年、20年)。使用某些机械系统数据82,例如,对于压缩系统和其各个部件,制造商的寿命预期,例如,压缩安排优化器系统70可基于机械系统数据82(例如压缩系统12和/或部件(例如压缩机20、驱动器22)的操作小时数)推导机械健康状况和/或退化。例如,可以使用绘制关于操作小时数的剩余寿命的寿命曲线,以确定部件20,22的预期寿命。类似地,可使用统计模型、AI模型等基于输入82推导寿命预期、退化或其组合。对于压缩机20,也可以基于输入82得出压缩机效率,例如等熵效率。
尽管上面提到的实例只公开了可以被实时或接近实时地更新或者随时间保持常数的机械系统数据82,但压缩安排优化器系统70可接收任何其它适合的机械系统数据以促进确定操作安排100。因此,在一些实施例中,机械系统数据82可包括规格(例如压缩机的尺寸)、在检查之后输入的总机械健康状况、对于压缩系统的各个部件的传感器数据、压力测量值、发动机效率等。
而且,压缩系统12的图示实施例包括第一压缩系统104、第二压缩系统106、第三压缩系统108和第n压缩驱动器系统110。而且,每个压缩系统12包括压缩机20和具有任何适合数目的相应部件(例如控制器30,40)的压缩机驱动器22。为了便于讨论,包括等式1,并在下面对其描述。
[xmi ynj]T (1)
使得x表示具有部件i的压缩机主驱动器m的机械健康指数,y表示具有部件j的压缩机n的机械健康指数。如上面提到的,指数可被推导(例如通过机械系统数据82)或者由用户输入。
例如,机械系统数据82可分别包括或用来推导具有部件i和j的第一压缩机主驱动器和第一压缩机(例如第一压缩系统104)的机械健康指数,表示为[x1i y1j]T。类似地,机械系统数据82可分别包括或用来推导具有部件i和j的第二压缩机主驱动器和第二压缩机(例如第二压缩系统106)的机械健康指数,表示为[x2i y2j]T。因此,机械系统数据82可分别包括或用来推导具有部件i和j的mth压缩机主驱动器的机械健康指数和nth压缩机(例如第n压缩系统110)的机械健康指数,分别表示具有部件i和j的nth压缩机,表示为[xmi ynj]T。
考虑下面所述,在一些实施例中,压缩安排优化器系统70可使用天然气运输系统10中的每个压缩系统的机械系统数据82作为输入,使得由压缩安排优化器系统70检索的机械系统数据82包括或推导相应的机械健康指数,[xmi ynj]T,如由用于每个压缩系统12中的每个压缩机主驱动器和压缩机的等式1定义的。
经济数据84可包括天然气14的价格,其可根据任何周期循环变化。例如,天然气的价格可每天、每两天、每周或以任何适合周期变化。而且,由压缩安排优化器系统70检索的经济数据84还可包括用于在阈值吸入压力值下操作压缩系统的商业激励(例如货币红利)。而且,经济数据84可包括与更换压缩系统的部件(例如由于连续操作)的成本关联的数据。经济数据84还可包括“绿色”信用、能源未来情况(例如能源的未来合同价格)、能源的市场评估等等。应当注意,经济数据84不局限于上面描述的实例,另外或者替代性地,经济数据84可包括与操作一个或多个压缩系统的收入和成本(例如国家之间的货币兑换率)关联的任何模型输入80。
在图示的实施例中,合同数据86可由压缩安排优化器系统70检索。在一些实施例中,合同数据86可包括天然气14的消费者和供应商之间通过压缩系统12的协议。例如,在一个实施例中,合同数据86可包括最小数量的天然气14应当周期性(例如每天、每周、每月、每年)地交付到某个消费者的指示。另外或替代性地,合同数据86可包括应当交付到客户的天然气的阈值数量,天然气能够储存在储存设施中的最大时间、储存成本等。应当注意,合同数据86可包括使用本文中描述的技术通过压缩系统在客户和生产者之间运输天然气14的任何合同协议。
调控数据88可包括这样的数据,其指示管理通过压缩系统12的天然气14生产、运输和交付的任何政府约束。在一些实施例中,调控数据88可包括排放标准,其设置在特定的时间帧上可从特定源(例如压缩系统12)释放的特定空气污染物的许可数量的定量限制。例如,排放标准可包括每年由一个压缩系统12可生产的天然气吨数的上限。作为另一实例,排放标准可包括用于通过压缩系统12生产天然气14的每百万份数的排放的上限。应当注意,调控数据88不局限于排放标准,还可包括机器性能调控数据、健康有关的调控数据、运营者目标、天气预报数据(例如湿度水平、温度、自然灾害影响等)或任何适合的调控数据。
在图示的实施例中,压缩安排优化器系统70可使用模型102,以用模型输入80执行推导。所述推导可使用模型输入80推导操作安排100。在一些实施例中,推导操作安排100包括对从压缩机20排出的天然气计算质量流量和/或目标压力。例如,推导操作安排100可包括使用模型102,确定等式2的计算,以执行计算来确定对于一个或多个压缩系统的每一个的操作安排100。在一个实施例中,等式2定义为:
使得表示天然气14的质量流量,ηj表示jth压缩机主驱动器的效率(例如等熵效率),Cj表示从对应的压缩机主驱动器22(例如内燃机)排出的jth组分浓度(例如排放物),f[x1i,…,xmi]是说明具有部件i的压缩机主驱动器m的机械健康指数的累积函数,g[y1i,…,ynj]是说明具有部件j的压缩机n的机械健康指数的累积函数,天然气经济(gaseconomics)表示上面讨论的天然气经济,表示其它适合的变量(例如合同数据86、调控数据88、气体管道条件、气体成分、气体压力和例如温度、季节、湿度的环境数据)。
图3是由压缩安排优化器系统70推导并应用操作安排的过程的实施例的流程图150。在流程图150中图示的过程可作为可通过处理器72执行并存储在存储器装置74中的计算机指令或代码实现。在一个实施例中,压缩安排优化器系统70检索数据(例如机械系统数据82、经济数据84、合同数据86和调控数据88)和模型,例如模型102,所述模型可包括用于执行计算以推导操作安排的某些等式(例如等式2)和指令。在一些实施例中,压缩安排优化器系统70可迭代地优化操作安排。在推导操作安排之后,操作安排被应用以控制天然气运输系统10中的一个或多个压缩系统。
流程图150包括检索数据(过程块152)。如上面更详细地描述的,所述数据可包括模型输入80,例如机械系统数据82、经济数据84、合同数据86和调控数据88和任何其它适合的数据(例如气体管道条件、气体成分、气体压力和例如温度、季节、湿度的环境数据)。在一些实施例中,所述数据(例如模型输入80)可通过沿天然气运输系统10设置、设置在各个压缩系统12(例如第一压缩系统104、第二压缩系统106、第三压缩系统108和第n压缩驱动器系统110)上或其周围的传感器检索。在一些实施例中,所述数据可被实时或接近实时地接收,从而连续地更新压缩安排优化器系统70推导操作安排所使用的数据。
另外或替代性地,所述数据中的一些可储存在存储器装置74中,并且在压缩安排优化器系统70确定新操作安排时或者之前由压缩安排优化器系统70访问。因此,检索数据可包括更新用于确定操作安排的模型输入80。
而且,图示的实施例包括检索模型102(过程块154)。在一些实施例中,模型102可包括将模型输入80相互关联的指令或等式(例如类似于等式2)。例如,模型输入80可以通过模型102(例如基于与等式2的那些计算类似的计算)相互关联。在一些实施例中,模型102可以是一个表,其基于各种模型输入繁衍。所述表可包括与每个模型输入80对应的列和与被周期性(例如,实时或接近实时地)繁衍并赋予位置戳的相应值对应的行。例如,当经济数据84是常数但机械系统数据82随时间变化时,模型102可实时或接近实时地更新该表,以反映可以加时间和位置戳的新值。因此,检索模型输入80和模型102可包括实时或者接近实时地更新模型输入80。在一些实施例中,可使用表中的模型输入80执行计算。
在压缩安排优化器系统70检索模型输入80和模型120(过程块154)之后,压缩安排优化器系统70推导用于一个或多个压缩系统的操作安排(过程块156)。在一些实施例中,压缩安排优化器系统70通过(例如实时或接近实时)将模型输入80应用到上面提到的等式2推导操作安排。基于用于模型输入80的值,压缩安排优化器系统70可确定更高效和/或有利润的操作安排。例如,在天然气的价格很高(例如基于经济数据84)的时期,压缩安排优化器系统70可提高与压缩系统对应的压缩机的质量流量,原因是压缩安排优化器系统70确定泵送天然气会在经济上更加优化。
在一些实施例中,推导用于一个或多个压缩系统12的操作安排100可包括基于优先方案操作压缩机20。例如,压缩安排优化器系统70可基于模型输入80确定优先方案。即,排放标准可对每年可生产的天然气的吨数设置上限,使得压缩安排优化器系统70可关闭包括内燃机的所有压缩机主驱动器22,仅操作包括电动机的压缩机主驱动器,从而降低产生的排放,同时符合其它模型输入80(例如合同数据86)。
在一些实施例中,推导操作安排(过程块156)可包括确定操作压缩系统12的压缩机20和/或压缩机主驱动器22的时间,关闭压缩系统12的压缩机20和/或压缩机主驱动器22的时间,与操作中的每个压缩机20关联的质量流量,在操作中的压缩机20的入口或出口的压力,由每个压缩机主驱动器22在操作中传送的动力(例如旋转动力)等。应当注意,操作安排100可包括与压缩系统12的操作关联的其它参数。
在推导操作安排100之后,压缩安排优化器系统70还可优化操作安排100(过程块158)。在一些实施例中,当利润(例如收入减去成本)已经被最大化时,确定操作安排100被改进(例如更优化)。在其它实施例中,当天然气14的目标数量被供应到客户,同时最小化压缩系统12的退化时,确定操作安排100是更优化的。例如,当等式1的健康指数保持不变或者由于操作压缩系统12造成的退化被最小改变时,确定操作安排100被进一步优化。
在其它实施例中,推导的操作安排是否可以被进一步优化的确定可基于优先方案。即,压缩安排优化器系统70可包括优先方案,其给寻求进一步优化的模型输入80分配优先权重。例如,优先方案可包括对上面的合同数据86和调控数据88(例如给他们分配较高的权重)、经济数据84和机械系统数据82评级,使得压缩安排优化器系统70可给模型输入80(例如合同数据86、调控数据88、经济数据84和机械系统数据82)中的某些赋予不同的权重,并确定当合同数据86和调控数据84被加权时要推导的操作安排。在其它实施例中,操作安排100的进一步的优化可基于任何适合的数学模型和/或优化方法(例如差分进化模型,模因算法模型,动态随机一般均衡模型,模型预测控制优化和实时优化模型)。
响应于推导的操作安排不被充分优化,压缩安排优化器系统70可执行另外的计算(过程块158)以迭代地推导新操作安排100,直到压缩安排优化器系统70已经确定操作安排100已经被充分优化。如果操作安排100被认为充分优化,则压缩安排优化器系统70接着可将操作安排100应用(过程块160)到一个或多个压缩系统12。
在一些实施例中,优化操作安排被应用(过程块160)到一个或多个压缩系统12以操作,从而执行将天然气运输和传送到接收者(例如客户、储存设施24、储层26、管路系统)。在一些实施例中,应用操作安排100可包括通过压缩安排优化器系统70致动与执行操作安排的上面提到的参数关联的致动器58。例如,压缩安排优化器系统70可将功率信号发送至压缩机主驱动器控制器42,发送至阀、其它泵等,以使得压缩机20以目标压力和/或质量流量(例如基于推导的操作安排100)运输气体。
本公开的技术效果包括对于适合压缩天然气的一个或多个压缩系统,改进控制操作安排的技术。具体讲,所述技术可包括使用存储在存储器装置中的模型,其由压缩安排优化器系统的处理器执行时,使得所述处理器接收数据(例如机械系统数据、经济数据、合同数据、调控数据、环境数据、气体管道条件)以推导用于一个或多个压缩系统的目标操作安排。例如,压缩安排优化器可接收以下各项数据:该天的天然气的价格(例如经济数据)、压缩机的效率和老化(例如,机械系统数据)、生产天然气的排放限制(例如调控数据)和供应商有合同义务生产的最小数量的天然气(例如合同数据),以推导与将天然气运输到消费者关联的压缩系统的操作安排。所述技术可迭代地执行计算以推导能降低生产成本、提高收入并改进压缩系统的使用的更优化的操作安排。
此书面说明书使用实例来公开本发明技术,包括最佳模式,并且还使得所属领域的技术人员能够实践本发明技术,包括制造和使用任何装置或系统并且执行任何所包括的方法。本公开的可获专利的范围由权利要求书限定,并且可以包括本领域的技术人员想到的其它示例。如果此类其它实例具有并非不同于权利要求书的字面语言的结构要素,或如果它们包括与权利要求书的字面语言无实质差异的等效结构要素,那么它们既定在权利要求书的范围内。
Claims (10)
1.一种其上存储有计算机指令的有形非暂时性计算机可读介质,所述计算机指令在由处理器执行时被配置成使得所述处理器:
检索与至少一个压缩系统关联的模型输入,所述模型输入指示机械系统数据、经济数据、合同数据、调控数据或其任何组合;
基于所述模型输入检索被配置成推导用于所述至少一个压缩系统的操作安排的模型;
基于所述模型输入和所述模型推导用于所述至少一个压缩系统的操作安排;以及
将所述操作安排应用到所述至少一个压缩系统。
2.根据权利要求1所述的计算机可读介质,其中,被配置成使所述处理器检索所述模型输入的计算机指令包括被配置成使所述处理器实时或者接近实时地检索所述模型输入的计算机指令。
3.根据权利要求1所述的计算机可读介质,其中,所述至少一个压缩系统包括压缩机和压缩机主驱动器,所述压缩机主驱动器联接到所述压缩机并被配置成驱动所述压缩机,其中,所述压缩机被配置成控制进入储存设施、气体储层、气体运输系统或其任何组合的气体流。
4.根据权利要求3所述的计算机可读介质,其中,所述压缩机是往复式压缩机或离心压缩机,并且所述压缩机主驱动器是内燃机(ICE)、燃气涡轮机或电动机。
5.根据权利要求1所述的计算机可读介质,其中:
所述机械系统数据包括:所述至少一个压缩系统中包括的压缩机的尺寸,所述压缩机的健康状况,所述压缩机的操作寿命预期,进入所述至少一个压缩系统的气体的压力,所述至少一个压缩系统中包括的压缩机驱动器的尺寸,所述压缩机驱动器的健康状况,所述压缩机驱动器的操作寿命预期,管道数据或其任何组合;
所述经济数据包括:天然气的价格,在阈值吸入压力值下操作产生的收入,国家之间的货币兑换率,绿色信用,能源未来值或其任何组合;
所述合同数据包括:传送到客户的天然气的阈值数量,天然气能够储存在储存设施中的最大时间或其任何组合;以及
所述调控数据包括:每年生产的天然气的吨数的上限,操作目标,天气预报数据,生产天然气的每百万份数的排放上限或其任何组合。
6.根据权利要求1所述的计算机可读介质,其中,所述模型包括:
天然气经济,等等)。
7.根据权利要求1所述的计算机可读介质,其中,被配置成使所述处理器推导所述操作安排的计算机指令包括通过所述模型输入之间建立的关系计算用于所述至少一个压缩系统的质量流量。
8.根据权利要求1所述的计算机可读介质,其中,所述操作安排包括用于所述至少一个压缩系统的质量流量、所述至少一个压缩系统的操作时间或其任何组合。
9.一种方法,包括:
通过处理器检索与至少一个压缩系统关联的模型输入,所述模型输入指示工厂数据的余量、机械系统数据、经济数据、合同数据、调控数据或上述的任何组合;
通过所述处理器基于所述模型输入检索被配置成推导用于所述至少一个压缩系统的操作安排的模型;
通过所述处理器基于所述模型输入和所述模型推导用于所述至少一个压缩系统的操作安排;以及
通过所述处理器将所述操作安排应用到所述至少一个压缩系统。
10.一种控制器,包括:
处理器;和
存储器,所述存储器存储指令,所述指令被配置成使得所述处理器:
检索与至少一个压缩系统关联的模型输入,所述模型输入指示机械系统数据、经济数据、合同数据、调控数据或其任何组合;
基于所述模型输入检索被配置成推导用于所述至少一个压缩系统的操作安排的模型;
基于所述模型输入和所述模型推导用于所述至少一个压缩系统的操作安排;以及
将所述操作安排应用到所述至少一个压缩系统。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/707,227 US10789657B2 (en) | 2017-09-18 | 2017-09-18 | System and method for compressor scheduling |
US15/707227 | 2017-09-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109523050A true CN109523050A (zh) | 2019-03-26 |
CN109523050B CN109523050B (zh) | 2023-11-14 |
Family
ID=65526672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811087260.1A Active CN109523050B (zh) | 2017-09-18 | 2018-09-18 | 用于压缩机安排的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10789657B2 (zh) |
CN (1) | CN109523050B (zh) |
DE (1) | DE102018122694A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704935A (zh) * | 2019-10-12 | 2020-01-17 | 中国石油天然气集团有限公司 | 一种sps软件的自动调试与输出方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018132994A1 (de) * | 2018-12-19 | 2020-06-25 | Francotyp-Postalia Gmbh | System und Verfahren zur Bezahlung von Dienstleistungen |
US11615010B2 (en) * | 2021-04-19 | 2023-03-28 | Micron Technology, Inc. | Managing consumables using artificial intelligence |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130103440A1 (en) * | 2011-10-21 | 2013-04-25 | Behzad Imani | Method and system for financial modeling of retrofitting cost of an energy system |
US20150007574A1 (en) * | 2013-07-08 | 2015-01-08 | General Electric Company | Systems and methods for control of a gas turbine |
CN104657900A (zh) * | 2013-11-19 | 2015-05-27 | 中国石油天然气股份有限公司 | 一种油气管道调控业务支持系统及其实现方法 |
CN105209983A (zh) * | 2013-05-15 | 2015-12-30 | Abb技术有限公司 | 具有机械变量的模型预测控制的电驱动系统 |
Family Cites Families (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US2867084A (en) * | 1954-03-22 | 1959-01-06 | Bendix Aviat Corp | Fuel feed and power control system for gas turbine engines having an engine temperature control |
US3423930A (en) * | 1967-06-19 | 1969-01-28 | Bendix Corp | Fuel control apparatus including put-and-take fuel bypass valve means for withdrawing controlled percentage of metered fuel |
US3529419A (en) * | 1968-07-23 | 1970-09-22 | Int Harvester Co | Gas turbine engine and control system |
US4486148A (en) * | 1979-10-29 | 1984-12-04 | Michigan Consolidated Gas Company | Method of controlling a motive power and fluid driving system |
US4640665A (en) * | 1982-09-15 | 1987-02-03 | Compressor Controls Corp. | Method for controlling a multicompressor station |
CA1256835A (en) | 1985-01-14 | 1989-07-04 | Naum Staroselsky | Method and apparatus for controlling a multicompressor station |
US5058537A (en) * | 1989-04-21 | 1991-10-22 | Paul Marius A | Optimized high pressure internal combustion engines |
US5769610A (en) * | 1994-04-01 | 1998-06-23 | Paul; Marius A. | High pressure compressor with internal, cooled compression |
DE19633602A1 (de) * | 1996-08-21 | 1998-02-26 | Ghh Borsig Turbomaschinen Gmbh | Verfahren zur ferngesteuerten Inbetriebnahme von Maschinenanlagen, insbesondere Verdichtern und Turbinen |
US6718751B2 (en) * | 1999-10-08 | 2004-04-13 | Jeffrey S. Melcher | Engine having external combustion chamber |
US20020053196A1 (en) * | 2000-11-06 | 2002-05-09 | Yakov Lerner | Gas pipeline compressor stations with kalina cycles |
US20060179824A1 (en) * | 2003-02-03 | 2006-08-17 | Chapeau, Inc. | Air flow regulation system for exhaust stream oxidation catalyst |
DE102006035273B4 (de) * | 2006-07-31 | 2010-03-04 | Siegfried Dr. Westmeier | Verfahren zum effektiven und emissionsarmen Betrieb von Kraftwerken, sowie zur Energiespeicherung und Energiewandlung |
US7967036B2 (en) * | 2007-02-16 | 2011-06-28 | Clean Energy Fuels Corp. | Recipicating compressor with inlet booster for CNG station and refueling motor vehicles |
US20100193742A1 (en) * | 2007-08-01 | 2010-08-05 | Zerogen Pty Ltd. | Power generation process and system |
US9360910B2 (en) * | 2009-10-30 | 2016-06-07 | Saudi Arabian Oil Company | Systems, computer readable media, and computer programs for enhancing energy efficiency via systematic hybrid inter-processes integration |
US9378313B2 (en) * | 2009-10-30 | 2016-06-28 | Saudi Arabian Oil Company | Methods for enhanced energy efficiency via systematic hybrid inter-processes integration |
US20100095915A1 (en) * | 2008-10-16 | 2010-04-22 | Lincoln Evans-Beauchamp | External compression two-stroke internal combustion engine with burner manifold |
CH700991A1 (de) * | 2009-05-13 | 2010-11-15 | Alstom Technology Ltd | Verfahren zum betrieb einer gasturbinenanlage mit einer verdichterstation für gasförmigen brennstoff. |
US8196395B2 (en) | 2009-06-29 | 2012-06-12 | Lightsail Energy, Inc. | Compressed air energy storage system utilizing two-phase flow to facilitate heat exchange |
US20120174622A1 (en) * | 2009-07-13 | 2012-07-12 | Alstom Technology Ltd | System for gas processing |
US8955334B2 (en) * | 2010-07-22 | 2015-02-17 | General Electric Company | Systems and methods for controlling the startup of a gas turbine |
WO2012024758A1 (en) | 2010-08-27 | 2012-03-01 | Sfn Biosystems Inc . | Extraction of co2 gas |
US9890707B2 (en) * | 2012-04-02 | 2018-02-13 | Powerphase Llc | Gas turbine efficiency and regulation speed improvements using supplementary air system continuous and storage systems and methods of using the same |
US9957920B2 (en) * | 2012-06-19 | 2018-05-01 | Econtrols, Llc | Highly accurate continuous-flow vaporized fuel supply for large dynamic power ranges |
WO2014086414A1 (en) | 2012-12-05 | 2014-06-12 | Blue Wave Co S.A. | Dual-fuel feed circuit system using compressed natural gas for dual-feed converted ship engines, and integration thereof in a cng marine transportation system |
US10208677B2 (en) * | 2012-12-31 | 2019-02-19 | General Electric Company | Gas turbine load control system |
JP5997626B2 (ja) * | 2013-02-12 | 2016-09-28 | 株式会社豊田自動織機 | 圧縮空気供給システムおよび方法 |
US9316178B2 (en) * | 2013-02-27 | 2016-04-19 | State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of Oregon State University | Internal combustion engine for natural gas compressor operation |
US20140182561A1 (en) * | 2013-09-25 | 2014-07-03 | Eghosa Gregory Ibizugbe, JR. | Onboard CNG/CFG Vehicle Refueling and Storage Systems and Methods |
US10030588B2 (en) * | 2013-12-04 | 2018-07-24 | General Electric Company | Gas turbine combustor diagnostic system and method |
US9957843B2 (en) * | 2013-12-31 | 2018-05-01 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US20150184549A1 (en) * | 2013-12-31 | 2015-07-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US9404426B2 (en) * | 2013-12-31 | 2016-08-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US10060359B2 (en) * | 2014-06-30 | 2018-08-28 | General Electric Company | Method and system for combustion control for gas turbine system with exhaust gas recirculation |
US20160147204A1 (en) * | 2014-11-26 | 2016-05-26 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US9869247B2 (en) * | 2014-12-31 | 2018-01-16 | General Electric Company | Systems and methods of estimating a combustion equivalence ratio in a gas turbine with exhaust gas recirculation |
US9926852B2 (en) * | 2015-03-03 | 2018-03-27 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US9960598B2 (en) * | 2015-03-03 | 2018-05-01 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US9932907B2 (en) * | 2015-03-03 | 2018-04-03 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US10287988B2 (en) * | 2015-03-27 | 2019-05-14 | General Electric Company | Methods and systems for enhancing operation of power plant generating units and systems |
US9909442B2 (en) * | 2015-07-02 | 2018-03-06 | General Electric Company | Method of controlling a position actuation system component for a gas turbine engine |
US10534328B2 (en) * | 2016-06-21 | 2020-01-14 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US10474113B2 (en) * | 2017-03-09 | 2019-11-12 | General Electric Company | Power generation system control through adaptive learning |
-
2017
- 2017-09-18 US US15/707,227 patent/US10789657B2/en active Active
-
2018
- 2018-09-17 DE DE102018122694.2A patent/DE102018122694A1/de not_active Withdrawn
- 2018-09-18 CN CN201811087260.1A patent/CN109523050B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130103440A1 (en) * | 2011-10-21 | 2013-04-25 | Behzad Imani | Method and system for financial modeling of retrofitting cost of an energy system |
CN105209983A (zh) * | 2013-05-15 | 2015-12-30 | Abb技术有限公司 | 具有机械变量的模型预测控制的电驱动系统 |
US20150007574A1 (en) * | 2013-07-08 | 2015-01-08 | General Electric Company | Systems and methods for control of a gas turbine |
CN104657900A (zh) * | 2013-11-19 | 2015-05-27 | 中国石油天然气股份有限公司 | 一种油气管道调控业务支持系统及其实现方法 |
Non-Patent Citations (1)
Title |
---|
骆辉等: "安全阀升力系数试验研究和数值模拟", 《中国科技论文在线》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704935A (zh) * | 2019-10-12 | 2020-01-17 | 中国石油天然气集团有限公司 | 一种sps软件的自动调试与输出方法 |
CN110704935B (zh) * | 2019-10-12 | 2023-10-17 | 中国石油天然气集团有限公司 | 一种sps软件的自动调试与输出方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109523050B (zh) | 2023-11-14 |
DE102018122694A1 (de) | 2019-03-21 |
US20190087917A1 (en) | 2019-03-21 |
US10789657B2 (en) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2007207497B2 (en) | Dynamic production system management | |
US11208876B2 (en) | Dynamic artificial lift | |
CN109523050A (zh) | 用于压缩机安排的系统和方法 | |
US11074522B2 (en) | Electric grid analytics learning machine | |
EP3339565B1 (en) | Systems and methods for assessing production and/or injection system startup | |
Bennett et al. | Techno-economic analysis of offshore isothermal compressed air energy storage in saline aquifers co-located with wind power | |
WO2015047594A1 (en) | System and method for integrated risk and health management of electric submersible pumping systems | |
Zeng et al. | Artificial lift infrastructure planning for shale gas producing horizontal wells | |
Ettehad et al. | Gas storage facility design under uncertainty | |
FR2956746B1 (fr) | Methode pour exploiter un milieu souterrain a partir de calage d'historique d'un modele geologique comportant un reseau de failles. | |
Tang et al. | Prediction of casing damage in unconsolidated sandstone reservoirs using machine learning algorithms | |
US20190186237A1 (en) | Method and control system for allocating steam to multiple wells in steam assisted gravity drainage (sagd) resource production | |
Prytula et al. | Mathematical modelling of operating modes of underground gas storage facilities | |
US20240068341A1 (en) | Phase Control For Subterranean Carbon Capture, Utilization And Storage | |
Alferov et al. | Artificial lift strategy selection within field development planning | |
Lin et al. | ERCOT WEST TEXAS LOAD STUDY | |
Fatnani et al. | Operations management dashboards: A production life cycle management study | |
Dakota | Power Forecast 2019: Williston Basin Oil and Gas Related Electrical Load Growth Forecast | |
SUPPLY | METHANE AND CO | |
Knudsen | Production optimization in shale gas reservoirs | |
Al-Khalifah | Field Production Facility Optimization Using Sequential Quadratic Programming | |
Suzuki et al. | Total evaluation on CCS system against geological uncertainty and troubles | |
Zubarev et al. | Intelligent Automation of Mature Field Development Process: Case Study From the Romashkinskoe Field Block | |
Kusuma et al. | Associated Gas Compression Optimization in Marginal Field | |
Müller et al. | A FINANCIAL DECISION TOOL FOR CO2 STORAGE |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200422 Address after: Delaware, USA Applicant after: Elpai American bidding Co. Address before: New York State, USA Applicant before: General Electric Co. |
|
TA01 | Transfer of patent application right | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |