CN109784673A - 一种基于用户优先级的天然气管网智能运行调度方法 - Google Patents
一种基于用户优先级的天然气管网智能运行调度方法 Download PDFInfo
- Publication number
- CN109784673A CN109784673A CN201811590657.2A CN201811590657A CN109784673A CN 109784673 A CN109784673 A CN 109784673A CN 201811590657 A CN201811590657 A CN 201811590657A CN 109784673 A CN109784673 A CN 109784673A
- Authority
- CN
- China
- Prior art keywords
- user
- gas
- layer
- natural gas
- distributing system
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户优先级的天然气管网智能运行调度方法:首先分析天然气管网中各用户以及管道间的关系,通过用户与管道之间连接关系确定邻接矩阵,绘制拓扑图,以便后期节点流量平衡的求取;再对不同天然气管网中的用户进行专家打分,利用层次分析法求取用户重要度,再检验其一致性,最终对重要度进行确定;最后在综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据,提出天然气管网资源优化分配模型,通过计算得出管网系统的最优运行方案,为生产运行调度提供了重要依据。
Description
技术领域
本发明涉及天然气调度技术领域,特别是涉及一种基于用户优先级的天然气管网智能运行调度方法。
背景技术
天然气输配系统在运行过程中经常会受到多种因素的干扰,如气源供应不足、设备故障、自然灾害发生、用户用气需求增加等。为了维护系统平衡、保障供应安全,管网运行调度部门必须限制或中断某些用户的天然气供应。而如何选择需要继续供应或者中断的用户对运营部门来说是一个难点,在综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据的基础上本发明基于用户优先级的天然气管网智能运行调度方法:根据用户重要性制定供气计划,对天然气用户分级有序限气、停气,确保居民生活用气和重要行业、重要场所、重要单位用气,提高天然气的有效利用率,优化配置用户的用气量,降低因天然气供应紧急、短缺带来的不利影响;在求取各节点流量平衡上,引入邻接矩阵的方法,使计算机自动识别各节点连接关系,保证节点及总体流量平衡;在用户重要度的确定上,采用了层次分析法进行求取,并且对结果进行一致性检验,保证各用户间重要程度合理,并且满足逻辑。在优化算法设计上,综合考虑管网运行特性和用户用气需求的基础上,确定了约束条件和目标函数,并且设计了相应的优化算法。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于用户优先级的天然气管网智能运行调度方法。
本发明的目的是这样实现的:
一种基于用户优先级的天然气管网智能运行调度方法,包括如下步骤:
S1:选择若干对天然气管网运行有影响的控制参数,构成一组决策变量X=[x1,x2,···,xM],M为所选控制参数的个数;选定天然气工业现场,采集N组决策变量X1,X2,···,XN及其对应的气源用户流量以及边界条件,根据所选控制参数,首先确定用户的节点数目,用户节点之间管道的相互连接关系,再确定用户之间的管道数量;
S2:对采集的N组决策变量X1,X2,···,XN绘制管网拓扑图;
S3:对天然气管网中的不同用户分别进行专家打分,利用层次分析法求取用户重要度,再检验其一致性,最终对重要度进行确定;
S4:设计优化算法:
综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据,确定优化目标函数及约束条件,并且根据这些条件,设计优化算法,据此调整管网用户负荷结构,实现天然气供应与用户需求的最佳配置与协调。
优选地,步骤S1中,所述控制参数包括天然气用户基础数据、天然气管道基础数据。
优选地,步骤S1中,所述天然气用户基础数据包括各用户的最高用气量、最低用气量、最高压力、最低压力;所述天然气管道基础数据包括管外径、壁厚、最大应许力、管道长度。
优选地,步骤S2中,所述管网拓扑图的绘制方法为:以天然气管道基础数据作为输入,利用matlab自动生成邻接矩阵,再根据邻接矩阵以及用户节点的管道连接关系绘制管网拓扑图。
优选地,步骤S3中,利用层次分析法求取用户重要度包括以下步骤:
S31:建立层次结构模型:在深入分析实际问题的基础上,将有关的各个因素按照不同属性自上而下地分解成若干层次,同一层的诸因素从属于上一层的因素或对上层因素有影响,同时又支配下一层的因素或受到下层因素的作用;最上层为目标层,最下层为方案层或对象层,中间为准层则或指标层;
S32:构造成对比较阵:从层次结构模型由上到下的第2层开始,对于从属于/影响上一层每个因素的同一层诸因素,用成对比较法和比较尺度构造成对比较阵,直到最下层;
S33:计算权向量并做一致性检验:对于每一个成对比较阵计算最大特征根及对应特征向量,利用一致性指标、随机一致性指标和一致性比率做一致性检验;若检验通过,特征向量即为权向量:若不通过,需重新构造成对比较阵;
S34:计算组合权向量并做组合一致性检验:计算最下层对目标的组合权向量,并根据公式做组合一致性检验,若检验通过,则可按照组合权向量表示的结果进行决策,否则,重新建立层次结构模型或重新构造一致性比率较大的成对比较阵。
优选地,步骤S3还包括S35:计算单排序权向量并进行一致性检验,步骤如下:
若A为一致矩阵,则:
(i)A必为正互反矩阵;
(ii)A的转置矩阵AT也是一致矩阵;
(iii)A的任意两行成比例,比例因子大于零,从而rank(A)=1,同样,A的任意两列也成比例;
(iv)A的最大特征值λmax=n,其中n为矩阵A的阶;A的其余特征根均为零。
优选地,步骤S4中,目标函数及约束条件确定方法包括:
S41:目标函数:
式中,vd为管网系统中天然气用户的集合;Mi为用户i的负荷重要度,ri为用户i的负荷系数,通过下面式子定义:
ri=qi/qi,max
式中qi为用户i的供气量m3/d;qi,max为用户i天然气最大需求量,m3/d。
S42:最优运行方案应满足管网资源分布、用户压力和用气量需求;在综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据,确定约束条件为:
qi,min≤qi≤qi,max
pi,min≤pi≤pi,max
上式中,qi,min、qi,max为用户i的天然气最小、最大需求量,m3/d,pi为用户i的供气压力;MPa;pi,min、pi,max为用户i的允许最小、最大供气压力,MPa;Hi,min、Hi,max为天然气运营企业为城市燃气、工业燃气等大类用户的最小、最大供气总量m3/d;Fi,j为通过i、j节点间管元件或非管元件的流量,aij为系数,若天然气从节点i流向j时,即i→j时,aij=1,j→i时,aij=-1,无连接时,aij=0;max(pi,pj)为i、j节点间管道的最大运行压力,MPa;e为壁厚mm;[σ]为管材屈服极限最小值,MPa,d为管径;t为温度折减系数;F为设计系数;C0=0.03848(m2·S·K1/2·kg-1),T管线平均温度,K;L管道长度,m;λ水力摩阻系数;Z天然气压缩系数;Δ*同一温度、压力下,天然气的相对密度;S0阀门系数,与阀门结构有关;
S43:选择遗产算法最为优化算法。
由于采用了上述技术方案,本发明具有如下有益效果:
本发明首先分析天然气管网中各用户以及管道间的关系,通过用户与管道之间连接关系确定邻接矩阵,绘制拓扑图,以便后期节点流量平衡的求取;再对不同天然气管网中的用户进行专家打分,利用层次分析法求取用户重要度,再检验其一致性,最终对重要度进行确定;最后在综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据,提出天然气管网资源优化分配模型,通过计算得出管网系统的最优运行方案,为生产运行调度提供了重要依据。
附图说明
图1为本发明的方法流程图;
图2为用户流量优化前后对比图;
图3为对流量进行优化后的供气压力对比图;
图4为兴3#站管网关系图;
图5为兴3#站管网拓扑图。
具体实施方式
如图1所示,一种基于用户优先级的天然气管网智能运行调度方法,包括如下步骤:
S1:选择对天然气管网运行有较大影响的控制参数,构成决策变量X=[x1,x2,···,xM],M为所选参数的个数;选定天然气工业现场,采集N组决策变量X1,X2,···,XN(需要优化的N个天然气用户)及其对应的天然气用户基础数据(包含每个用户最高和最低用气量,和最高、最低压力),天然气管道基础数据(包含相互连接关系,管外径、壁厚、最大应许力,管道长度),气源用户流量及边界条件(气源用户流量及边界条件均属于优化算法里面的约束条件,优化算法求解最优解时,必须满足这些条件下找到最优解),根据所选参数,首先确定用户的节点数目,再确定用户之间的管道数量。
本实施例是通过统计天然气管网运行过程中对供气量变化有影响的原始变量,并从中确定对其变化影响大的控制参数作为决策变量X。
本实施例通过对实际天然气管网运行过程中测量参数进行统计,得到对供气量变化影响较大变量为:每个用户最高和最低用气量x1、x2、最高压力x3,最低压力x4,管外径x5、壁厚x6、最大应许力x7,管道长度x88个控制参数作为决策变量。
S2:首先对采集的N组决策变量X1,X2,···,XN(需要优化的N个天然气用户)进行管网拓扑图绘制,管网拓扑图起着非常重要的作用,它可以直观明了的展示各节点(用户与管道)之间的连接关系,对后期优化约束条件中节点流量平衡起着决定性作用。根据S1选定的样本数据中的天然气用户基础数据,利用matlab自动生成邻接矩阵,再根据邻接矩阵绘制管网拓扑图(即:以用户为节点,以管道连接关系为管网,绘制拓扑图。)。
在本实施例中,采集西南油气田分公司蜀南气矿兴3#站管网运营数据,部分数据样本如下表1所示。
表1部分数据样本
节点名称 | x<sub>1</sub> | x<sub>2</sub> | x<sub>3</sub> | x<sub>4</sub> |
气源S | 30 | 12 | 1.3 | 0.8 |
兴3井站 | 38 | 18 | 1.3 | 0.8 |
卷洞桥配气站 | 25 | 7 | 1.2 | 0.7 |
孔6井站 | 2.7 | 1 | 1.6 | 0.7 |
孔6井阀室 | 6.5 | 2 | 1.6 | 0.7 |
百花站 | 2.5 | 1 | 1.6 | 0.7 |
用户1 | 14 | 0.3 | 1.3 | 0.8 |
用户2 | 3 | 1.5 | 0.4 | 0.2 |
用户3 | 1.2 | 0.7 | 0.4 | 0.2 |
用户4 | 1.7 | 0.9 | 0.4 | 0.3 |
11 | …… | …… | …… | …… |
确定表1中各用户节点数,并绘制图形,如图4所示,为兴3#站管网关系图。
步骤S2中包括如下步骤:
根据表(或者上图)所选用户数据中的各个节点的连接关系,用matlab生成,根据配对关系,确定邻接矩阵(如表2),邻接矩阵中1表示两节点相互连接,0表示未连接,节点与节点本身用0表示,再通过邻接矩阵绘制拓扑图,如图5所示为兴3#站管网拓扑图
表2
步骤S3中用户重要度对优化目标函数起着决定性作用,它将直接影响优化结果,即为每个用户提供的最优天然气流量。首先不同天然气管网中的用户进行专家打分(人工进行打分),利用层次分析法求取用户重要度,再检验其一致性,最终对重要度进行确定。
步骤S3中层次分析法具体包括如下步骤:
S31:建立层次结构模型:在深入分析实际问题的基础上,将有关的各个因素按照不同属性自上而下地分解成若干层次,同一层的诸因素从属于上一层的因素或对上层因素有影响,同时又支配下一层的因素或受到下层因素的作用。最上层为目标层,通常只有1个因素,最下层通常为方案或对象层,中间可以有一个或几个层次,通常为准则或指标层。当准则过多时(譬如多于9个)应进一步分解出子准则层。
S32:构造成对比较阵:从层次结构模型的第2层开始,对于从属于(或影响)上一层每个因素的同一层诸因素,用成对比较法和1—9比较尺度构造成对比较阵,直到最下层。(如下表所示)
表3比较尺度定义表
表4:兴3#站对比较阵
表4表示通过和企业商量,利用表3规则,构造的各用户对比打分的比较矩阵。
S33:计算权向量并做一致性检验:对于每一个成对比较阵计算最大特征根及对应特征向量,利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过,特征向量(归一化后)即为权向量:若不通过,需重新构造成对比较阵。
S34:计算组合权向量并做组合一致性检验:计算最下层对目标的组合权向量,并根据公式做组合一致性检验,若检验通过,则可按照组合权向量表示的结果进行决策,否则需要重新考虑模型或重新构造那些一致性比率较大的成对比较阵。
S35:综合全部比较结果时,其中难免包含一定程度的非一致性。因此需要计算单排序权向量并进行一致性检验。首先进行特征向量计算,步骤如下:若A为一致矩阵,则:
(i)A必为正互反矩阵。
(ii)A的转置矩阵AT也是一致矩阵。
(iii)的任意两行成比例,比例因子大于零,从而rank(A)=1(同样,A的任意两列也成比例)。
(iv)A的最大特征值λmax=n,其中n为矩阵A的阶。A的其余特征根均为零。
S4:步骤S4中,结合步骤S1、S2、S3综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据,确定优化目标函数及约束条件,并且根据这些条件,设计优化算法,目标函数及约束条件包括以下内容:
S41:目标函数:
式中,vd为管网系统中天然气用户的集合;Mi为用户i的负荷重要度(由步骤S3确定,为0~1的量纲值;负荷重要度等价于用户重要度,做出专家打分比较阵表格后,直接用层析分析法求出),ri为用户i的负荷系数,通过下面式子定义:
ri=qi/qi,max
式中qi为用户i的供气量m3/d;qi,max为用户i天然气最大需求量,m3/d
S42:最优运行方案应满足管网资源分布、用户压力和用气量需求。在综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据,确定约束条件为:
qi,min≤qi≤qi,max
pi,min≤pi≤pi,max
上式中,qi,min、qi,max为用户i的天然气最小、最大需求量,m3/d,pi为用户i的供气压力;MPa;pi,min、pi,max为用户i的允许最小、最大供气压力,MPa;Hi,min、Hi,max为天然气运营企业为城市燃气、工业燃气等大类用户的最小、最大供气总量m3/d;Fi,j为通过i、j节点间管元件或非管元件的流量,aij为系数,若天然气从节点i流向j时,即i→j时,aij=1,j→i时,aij=-1,无连接时,aij=0;max(pi,pj)为i、j节点间管道的最大运行压力,MPa;e为壁厚mm;[σ]为管材屈服极限最小值,MPa,d为管径;t为温度折减系数;F为设计系数;C0=0.03848(m2·S·K1/2·kg-1),T管线平均温度,K;L管道长度,m;λ水力摩阻系数;Z天然气压缩系数;Δ*同一温度、压力下,天然气的相对密度;S0阀门系数,与阀门结构有关。
S43:算法设计,根据S41和S42步骤之后,设计优化算法,优选遗产算法最为优化算法。其原理如下:
遗传算法是一种元启发式自然选择的过程,属于进化算法(EA)大类。遗传算法通常是利用生物启发算子,如变异、交叉和选择来生成高质量的优化和搜索问题的解决方案。借鉴生物进化理论,遗传算法将问题模拟成一个生物进化过程,通过遗传、交叉、突变、自然选择等操作产生下一代的解,并逐步淘汰适应度函数值低的解,增加适应度函数高的解。这样进化N代后就很有可能会进化出适应度函数值很高的个体。
本申请的上述实施例中,提供了一种基于用户优先级的天然气管网智能运行调度方法:首先分析天然气管网中各用户以及管道间的关系,通过用户与管道之间连接关系确定邻接矩阵,绘制拓扑图,以便后期节点流量平衡的求取;再对不同天然气管网中的用户进行专家打分,利用层次分析法求取用户重要度,再检验其一致性,最终对重要度进行确定;最后在综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据,提出天然气管网资源优化分配模型,通过计算得出管网系统的最优运行方案,为生产运行调度提供了重要依据。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (7)
1.一种基于用户优先级的天然气管网智能运行调度方法,其特征在于,包括如下步骤:
S1:选择若干对天然气管网运行有影响的控制参数,构成一组决策变量X=[x1,x2,···,xM],M为所选控制参数的个数;选定天然气工业现场,采集N组决策变量X1,X2,···,XN及其对应的气源用户流量以及边界条件,根据所选参数,首先确定用户的节点数目,用户节点之间管道的相互连接关系,再确定用户之间的管道数量;
S2:对采集的N组决策变量X1,X2,···,XN绘制管网拓扑图;
S3:对天然气管网中的不同用户分别进行专家打分,利用层次分析法求取用户重要度,再检验其一致性,最终对重要度进行确定;
S4:设计优化算法:
综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据,确定优化目标函数及约束条件,并且根据这些条件,设计优化算法,据此调整管网用户负荷结构,实现天然气供应与用户需求的最佳配置与协调。
2.根据权利要求1所述的基于用户优先级的天然气管网智能运行调度方法,其特征在于,步骤S1中,所述控制参数包括天然气用户基础数据、天然气管道基础数据。
3.根据权利要求2所述的基于用户优先级的天然气管网智能运行调度方法,其特征在于,步骤S1中,所述天然气用户基础数据包括各用户的最高用气量、最低用气量、最高压力、最低压力;所述天然气管道基础数据包括管外径、壁厚、最大应许力、管道长度。
4.根据权利要求2或3所述的基于用户优先级的天然气管网智能运行调度方法,其特征在于,步骤S2中,所述管网拓扑图的绘制方法为:以天然气管道基础数据作为输入,利用matlab自动生成邻接矩阵,再根据邻接矩阵以及用户节点的管道连接关系绘制管网拓扑图。
5.根据权利要求1所述的基于用户优先级的天然气管网智能运行调度方法,其特征在于,步骤S3中,利用层次分析法求取用户重要度包括以下步骤:
S31:建立层次结构模型:在深入分析实际问题的基础上,将有关的各个因素按照不同属性自上而下地分解成若干层次,同一层的诸因素从属于上一层的因素或对上层因素有影响,同时又支配下一层的因素或受到下层因素的作用;最上层为目标层,最下层为方案层或对象层,中间为准层则或指标层;
S32:构造成对比较阵:从层次结构模型由上到下的第2层开始,对于从属于/影响上一层每个因素的同一层诸因素,用成对比较法和比较尺度构造成对比较阵,直到最下层;
S33:计算权向量并做一致性检验:对于每一个成对比较阵计算最大特征根及对应特征向量,利用一致性指标、随机一致性指标和一致性比率做一致性检验;若检验通过,特征向量即为权向量:若不通过,需重新构造成对比较阵;
S34:计算组合权向量并做组合一致性检验:计算最下层对目标的组合权向量,并根据公式做组合一致性检验,若检验通过,则可按照组合权向量表示的结果进行决策,否则,重新建立层次结构模型或重新构造一致性比率较大的成对比较阵。
6.根据权利要求5所述的基于用户优先级的天然气管网智能运行调度方法,其特征在于,步骤S3还包括S35:计算单排序权向量并进行一致性检验,步骤如下:
若A为一致矩阵,则:
(i)A必为正互反矩阵;
(ii)A的转置矩阵AT也是一致矩阵;
(iii)A的任意两行成比例,比例因子大于零,从而rank(A)=1,同样,A的任意两列也成比例;
(iv)A的最大特征值λmax=n,其中n为矩阵A的阶;A的其余特征根均为零。
7.根据权利要求1所述的基于用户优先级的天然气管网智能运行调度方法,其特征在于,步骤S4中,目标函数及约束条件确定方法包括:
S41:目标函数:
式中,vd为管网系统中天然气用户的集合;Mi为用户i的负荷重要度,ri为用户i的负荷系数,通过下面式子定义:
ri=qi/qi,max
式中qi为用户i的供气量m3/d;qi,max为用户i天然气最大需求量,m3/d。
S42:最优运行方案应满足管网资源分布、用户压力和用气量需求;在综合考虑管网运行特性和用户用气需求的基础上,以用户重要度作为配置天然气供应量的依据,确定约束条件为:
qi,min≤qi≤qi,max
pi,min≤pi≤pi,max
上式中,qi,min、qi,max为用户i的天然气最小、最大需求量,m3/d,pi为用户i的供气压力;MPa;pi,min、pi,max为用户i的允许最小、最大供气压力,MPa;Hi,min、Hi,max为天然气运营企业为城市燃气、工业燃气等大类用户的最小、最大供气总量m3/d;Fi,j为通过i、j节点间管元件或非管元件的流量,aij为系数,若天然气从节点i流向j时,即i→j时,aij=1,j→i时,aij=-1,无连接时,aij=0;max(pi,pj)为i、j节点间管道的最大运行压力,MPa;e为壁厚mm;[σ]为管材屈服极限最小值,MPa,d为管径;t为温度折减系数;F为设计系数;C0=0.03848(m2·S·K1/2·kg-1),T管线平均温度,K;L管道长度,m;λ水力摩阻系数;Z天然气压缩系数;Δ*同一温度、压力下,天然气的相对密度;S0阀门系数,与阀门结构有关;
S43:选择遗产算法最为优化算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811590657.2A CN109784673A (zh) | 2018-12-25 | 2018-12-25 | 一种基于用户优先级的天然气管网智能运行调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811590657.2A CN109784673A (zh) | 2018-12-25 | 2018-12-25 | 一种基于用户优先级的天然气管网智能运行调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109784673A true CN109784673A (zh) | 2019-05-21 |
Family
ID=66497599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811590657.2A Pending CN109784673A (zh) | 2018-12-25 | 2018-12-25 | 一种基于用户优先级的天然气管网智能运行调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784673A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222230A (zh) * | 2021-04-29 | 2021-08-06 | 中国石油大学(北京) | 事故工况下天然气管网的流量分配方法及装置 |
CN114266170A (zh) * | 2021-12-31 | 2022-04-01 | 深圳市爱路恩济能源技术有限公司 | 一种燃气输配管网中气源供应范围识别方法和装置 |
CN115560249A (zh) * | 2022-09-15 | 2023-01-03 | 中海石油(中国)有限公司海南分公司 | 一种供气调配方法、装置、服务器及计算机可读存储介质 |
CN116070470A (zh) * | 2023-04-06 | 2023-05-05 | 山东捷瑞数字科技股份有限公司 | 基于三维引擎编辑器的管路连接验证方法、装置和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360455A (zh) * | 2011-10-21 | 2012-02-22 | 南京航空航天大学 | 基于专家知识和神经网络的太阳翼展开可靠性评估方法 |
CN105930557A (zh) * | 2016-04-08 | 2016-09-07 | 辽宁石油化工大学 | 天然气管网输送仿真方法及实现系统 |
CN107274081A (zh) * | 2017-06-07 | 2017-10-20 | 中国石油大学(北京) | 天然气管网的性能评价方法及装置 |
-
2018
- 2018-12-25 CN CN201811590657.2A patent/CN109784673A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360455A (zh) * | 2011-10-21 | 2012-02-22 | 南京航空航天大学 | 基于专家知识和神经网络的太阳翼展开可靠性评估方法 |
CN105930557A (zh) * | 2016-04-08 | 2016-09-07 | 辽宁石油化工大学 | 天然气管网输送仿真方法及实现系统 |
CN107274081A (zh) * | 2017-06-07 | 2017-10-20 | 中国石油大学(北京) | 天然气管网的性能评价方法及装置 |
Non-Patent Citations (1)
Title |
---|
徐源等: "基于重要用户优先服务策略的天然气管网优化调度方法研究", 《辽宁石油化工大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222230A (zh) * | 2021-04-29 | 2021-08-06 | 中国石油大学(北京) | 事故工况下天然气管网的流量分配方法及装置 |
CN113222230B (zh) * | 2021-04-29 | 2024-09-24 | 中国石油大学(北京) | 事故工况下天然气管网的流量分配方法及装置 |
CN114266170A (zh) * | 2021-12-31 | 2022-04-01 | 深圳市爱路恩济能源技术有限公司 | 一种燃气输配管网中气源供应范围识别方法和装置 |
CN114266170B (zh) * | 2021-12-31 | 2023-11-03 | 深圳市爱路恩济能源技术有限公司 | 一种燃气输配管网中气源供应范围识别方法和装置 |
CN115560249A (zh) * | 2022-09-15 | 2023-01-03 | 中海石油(中国)有限公司海南分公司 | 一种供气调配方法、装置、服务器及计算机可读存储介质 |
CN116070470A (zh) * | 2023-04-06 | 2023-05-05 | 山东捷瑞数字科技股份有限公司 | 基于三维引擎编辑器的管路连接验证方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784673A (zh) | 一种基于用户优先级的天然气管网智能运行调度方法 | |
CN109959123A (zh) | 一种基于遗传算法和长短期记忆循环神经网络的空调节能方法 | |
CN105186525B (zh) | 风电接入下无功电压控制分区方法 | |
CN109214549B (zh) | 一种基于图论的供水管网辅助dma分区方法和系统 | |
CN106600094A (zh) | 一种基于供水管网动态模型的管道水质风险评价方法 | |
CN105825437B (zh) | 一种复杂水库群共同供水任务分配方法 | |
CN108564592A (zh) | 基于动态多种群集成差分进化算法的图像分割方法 | |
CN112668909B (zh) | 基于遗传算法的水资源优化配置方法及系统 | |
Yan | Research on green suppliers' evaluation based on AHP & genetic algorithm | |
US20140039849A1 (en) | Method for the construction of a water distribution model | |
CN110400234A (zh) | 一种基于bp神经网络的城市供水调度方法及系统 | |
CN104636834B (zh) | 一种改进的联合概率规划模型系统优化方法 | |
CN104050547A (zh) | 一种油田开发规划方案非线性优选决策方法 | |
CN105868867A (zh) | 一种供热锅炉集群优化运行方法及系统 | |
Yang et al. | The stochastic decision making framework for long-term multi-objective energy-water supply-ecology operation in parallel reservoirs system under uncertainties | |
Li et al. | Prediction of grain yield in Henan Province based on grey BP neural network model | |
CN108717584A (zh) | 一种供水管网多目标分区方法 | |
CN116757544A (zh) | 一种配电网电能质量附加损耗综合评估方法及系统 | |
CN106845696B (zh) | 一种智能优化水资源配置方法 | |
CN111626539A (zh) | 一种基于q强化学习的电网运行断面动态生成方法 | |
Fan et al. | A model coupling water resource allocation and canal optimization for water distribution | |
CN110492504A (zh) | 一种低压配电台区三相不平衡优化换相方法 | |
CN107180286A (zh) | 基于改进型花粉算法的制造服务供应链优化方法及系统 | |
CN109919401A (zh) | 一种多能互补系统的多维能效分析方法 | |
CN116502377A (zh) | 供水管网漏损测压点的优化布设方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |