CN110909502A - 基于误差迭代的时空分组流量软测量方法及系统 - Google Patents
基于误差迭代的时空分组流量软测量方法及系统 Download PDFInfo
- Publication number
- CN110909502A CN110909502A CN201911142611.9A CN201911142611A CN110909502A CN 110909502 A CN110909502 A CN 110909502A CN 201911142611 A CN201911142611 A CN 201911142611A CN 110909502 A CN110909502 A CN 110909502A
- Authority
- CN
- China
- Prior art keywords
- grid
- error
- flow
- iteration
- input matrix
- 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
Images
Landscapes
- Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
- Measuring Volume Flow (AREA)
Abstract
本发明提供了一种基于误差迭代的时空分组流量软测量方法及系统,包括:网格划分步骤、初始边界条件确定步骤、输入矩阵构建步骤、关系式建立步骤、其他网格单元确认步骤、迭代步骤、流量预估步骤。本发明的流量软测量方法不受气体中所带飞灰及腐蚀性气体的影响,具有很高的可靠性,降低了测量成本。
Description
技术领域
本发明涉及测量技术领域,具体地,涉及一种基于误差迭代的时空分组流量软测量方法及系统。
背景技术
流量信号是轧钢加热炉热工过程参数中非常重要的一个信号,它的准确测量对加热炉的安全、经济运行至关重要。目前,煤气流量的测量面临着诸多困难。首先,煤气气体中携带有大量的飞灰颗粒,高速流动时会对常规测量装置造成严重的磨损,同时飞灰也会沉积在测量装置的取压管路中造成堵塞,测量装置使用寿命难以保证;其次,气体中还包含有SO2、NOX等气体,温度降低到一定程度后这些气体会与管路中的水蒸汽发生化学反应生成腐蚀性液体,腐蚀测量装置并黏结烟尘,导致测量装置准确度降低或损坏。
所以,建立准确的流量测量模型是精确测量流量信号的基础。通常的建模方法是在经验或半经验理论基础上建立管道的流速分布模型,如根据普郎特混合长度理论得出的对数分布模型,根据卡门相似假设得出的对数–线性模型,以及尼古拉兹(Nikuradse)通过实验得出的指数分布模型,这些模型在工程实践中有着广泛地应用。但是,由于流量参数存在的非线性、随机性、不确定性和易受干扰等特点,管道条件也各不相同且长期使用易发生变化,因此这些建立在实验和假设基础上的测量模型很难确切反映流体参数的变化,且适用的范围有限,对管道条件要求高。因此,有必要探索一种新的煤气流量测量方法,以提高煤气流量测量的可靠性和准确度,并降低测量成本。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于误差迭代的时空分组流量软测量方法及系统。
根据本发明提供的一种基于误差迭代的时空分组流量软测量方法,包括:
网格划分步骤:对加热炉内部进行网格划分,得到多个网格单元;
初始边界条件确定步骤:逐个判断所述网格单元的流量计量是否准确,得到流量计量准确的所述网格单元,并作为初始的网格单元;
输入矩阵构建步骤:收集初始的网格单元的误差项、影响流量计量的多个影响因素在预定时刻的实时历史检测值,组成输入矩阵,并对所述输入矩阵进行均一化处理;
关系式建立步骤:根据均一化处理后的输入矩阵建立流量状态转移关系式,根据流量状态转移关系式求得状态转移矩阵;
其他网格单元确认步骤:将与初始的网格单元在同一列的同列网格单元的输入矩阵与流量计量历史值代入所述状态转移矩阵,计算得到同列网格单元的误差项的历史预估值,同理,考虑与同列网格单元相邻的其他网格单元,依据反向迭代的过程,更新其他网格单元的误差项的历史预估值;
迭代步骤:通过反复执行所述输入矩阵构建步骤、关系式建立步骤和所述其他网格单元确认步骤,将误差项不断迭代更新;
流量预估步骤:根据迭代后的误差项计算得到对应网格单元的流量预估值。
优选地,所述网格划分步骤包括:
在加热炉的长度方向上,根据不同燃烧控制段纵向划分为i列,i为燃烧控制段的数量,在加热炉的宽度方向上,将加热炉横向均等划分为2行,得到共2*i个所述网格单元。
优选地,影响流量计量的多个影响因素包括:总管道压力PM、支管管道压力PB、烧嘴温度TB、炉膛压力PF、阀门开度KV、炉膛温度TF和排烟管道阀门开度KG。
优选地,当时间间隔足够小时:
在某一网格单元,相邻时间间隔的误差项对于影响因子相同;
在某一时刻,相邻网格之间的误差项对于影响因子相同;
在某一时刻,相邻网格之间的影响因子相同。
优选地,所述其他网格单元确认步骤中,通过最小二乘法计算得到同列网格单元的误差项的历史预估值。
根据本发明提供的一种基于误差迭代的时空分组流量软测量系统,包括:
网格划分模块:对加热炉内部进行网格划分,得到多个网格单元;
初始边界条件确定模块:逐个判断所述网格单元的流量计量是否准确,得到流量计量准确的所述网格单元,并作为初始的网格单元;
输入矩阵构建模块:收集初始的网格单元的误差项、影响流量计量的多个影响因素在预定时刻的实时历史检测值,组成输入矩阵,并对所述输入矩阵进行均一化处理;
关系式建立模块:根据均一化处理后的输入矩阵建立流量状态转移关系式,根据流量状态转移关系式求得状态转移矩阵;
其他网格单元确认模块:将与初始的网格单元在同一列的同列网格单元的输入矩阵与流量计量历史值代入所述状态转移矩阵,计算得到同列网格单元的误差项的历史预估值,同理,考虑与同列网格单元相邻的其他网格单元,依据反向迭代的过程,更新其他网格单元的误差项的历史预估值;
迭代模块:通过反复执行输入矩阵构建、关系式建立和所述其他网格单元确认,将误差项不断迭代更新;
流量预估模块:根据迭代后的误差项计算得到对应网格单元的流量预估值。
优选地,所述网格划分模块包括:
在加热炉的长度方向上,根据不同燃烧控制段纵向划分为i列,i为燃烧控制段的数量,在加热炉的宽度方向上,将加热炉横向均等划分为2行,得到共2*i个所述网格单元。
优选地,影响流量计量的多个影响因素包括:总管道压力PM、支管管道压力PB、烧嘴温度TB、炉膛压力PF、阀门开度KV、炉膛温度TF和排烟管道阀门开度KG。
优选地,当时间间隔足够小时:
在某一网格单元,相邻时间间隔的误差项对于影响因子相同;
在某一时刻,相邻网格之间的误差项对于影响因子相同;
在某一时刻,相邻网格之间的影响因子相同。
优选地,所述其他网格单元确认模块中,通过最小二乘法计算得到同列网格单元的误差项的历史预估值。
与现有技术相比,本发明具有如下的有益效果:
本发明的流量软测量方法不受气体中所带飞灰及腐蚀性气体的影响,具有很高的可靠性,降低了测量成本。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明对加热炉的划分示意图;
图2为本发明的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供的一种基于误差迭代的时空分组流量软测量方法,包括:
网格划分步骤:对加热炉内部进行网格划分,得到多个网格单元。
初始边界条件确定步骤:逐个判断所述网格单元的流量计量是否准确,得到流量计量准确的所述网格单元,并作为初始的网格单元。
输入矩阵构建步骤:收集初始的网格单元的误差项、影响流量计量的多个影响因素在预定时刻的实时历史检测值,组成输入矩阵,并对所述输入矩阵进行均一化处理;
关系式建立步骤:根据均一化处理后的输入矩阵建立流量状态转移关系式,根据流量状态转移关系式求得状态转移矩阵。
其他网格单元确认步骤:将与初始的网格单元在同一列的同列网格单元的输入矩阵与流量计量历史值代入所述状态转移矩阵,计算得到同列网格单元的误差项的历史预估值,同理,考虑与同列网格单元相邻的其他网格单元,依据反向迭代的过程,更新其他网格单元的误差项的历史预估值。
迭代步骤:通过反复执行所述输入矩阵构建步骤、关系式建立步骤和所述其他网格单元确认步骤,将误差项不断迭代更新。
流量预估步骤:根据迭代后的误差项计算得到对应网格单元的流量预估值。
这是一种对简单几何形状中的流量问题最容易也是最有效的一种数值方法,它是将求解区域用与坐标轴平行的一系列网格线的交点所组成的点的集合来代替,在每个节点上,将控制方程中的每一个导数用相应的差分表达式来代替,从而在每一个节点上形成一个代数方程,每一个方程中包括了本节点及其附近一些节点上的未知值,求解这些代数方程就获得了所需的数据值。
借助有限差分法的思想,将加热炉内的燃烧控制范围进行网格划分,将物理上连续的加热炉燃烧控制区域网格化成为各自独立、相互连接的网格,每个网格覆盖唯一一个流量计计量单元。通常,每个流量计计量覆盖单位为加热炉的一个燃烧控制段。因此,加热炉内实际的网格划分为如图1形式。
其中,i为加热炉内沿炉长方向燃烧控制段数,同时,在炉宽方向均等的划分为2个网格。
流量计量过程随着时间而发生变化。而描述加热炉燃烧过程的偏微分方程具有这样的性质:若初始时刻t=t0的解已给定,则t>t0时刻的解完全取决于初始条件和某些边界条件。利用差分法解这类问题,就是从初始值出发,通过差分格式沿时间增加的方向,逐步求出微分方程的近似解。
结合现场实际操作的经验与理论计算分析,可以总结影响流量的因素为:
1.总管道压力(PM);2.支管管道压力(PB);3.烧嘴温度(TB);4.炉膛压力(PF);5.阀门开度(KV);6.炉膛温度(TF);7.排烟管道阀门开度(KG)。
由于加热炉是一个非稳态系统,存在某些相关影响流量计量的因素,其具有如下特点:
1.影响流量计量程度较小。
2.非全时域出现。
因此,将此类影响因素统一归结为误差项,用α表示。
考虑到轧钢加热炉炉内燃烧过程为大惯性、超滞后的燃烧过程,因此,当时间计算间隔足够小时,我们可以得出如下边界条件:
1.在某一网格,相邻时间间隔,误差项对于流量计量的影响因子是相同的。
2.在某一时刻,相邻网格之间,误差项对于流量计量的影响因子是相同的。
3.在某一时刻,相邻网格之间,流量影响因子基本相同。
Ti时刻,若网格Z11区域流量计计量准确,则以Z11为初始边界条件,若Z11区域计量不准确,则以考虑Z12,同理,若Z12计量不准确,则考虑Z21,依此循环往复,直到确定准确的计量区域为止。为了便于计算,假设Z11区域计量准确。收集影响流量计量的七个影响因素实时检测历史值(T1至Ti时刻)以及误差项(误差项初始状态默认为1)组成输入矩阵
同时(Ti时刻),考虑炉宽方向对称侧网格Z12,由初始边界条件“在某一时刻,相邻网格之间,流量影响因子基本相同”可知:网格Z12区域的将Z12区域七个影响因素与误差项组成的输入矩阵与流量计量历史值代入到流量状态转移关系式中,
其中(:,8)表示矩阵第8列所有行数据
所有网格通过此方法计算,可将误差项的影响因子不断迭代更新,从而逼近真实误差影响因子。
Ti+1时刻,选取T2至Ti+1时刻历史数据重复迭代训练,当Ti+n(n>30)时刻时,经过迭代更新后的误差影响因子即可认为训练寻优后的误差影响因子。
Ti+n+1时刻,将训练后的误差影响因子与Ti+n+1时刻的其他常规影响因子共同组成新的流量状态输入矩阵,由于Z11区域为真实测量区域,因此可以依据Ti+n+1时刻流量历史值,计算出真实的流量影响因子通过流量影响因子向量与误差影响因子即可依据常规影响因子预估临近网格内的理论流量预估值,其计算过程如下:
在上述一种基于误差迭代的时空分组流量软测量方法的基础上,本发明还提供一种基于误差迭代的时空分组流量软测量系统,包括:
网格划分模块:对加热炉内部进行网格划分,得到多个网格单元。
初始边界条件确定模块:逐个判断所述网格单元的流量计量是否准确,得到流量计量准确的所述网格单元,并作为初始的网格单元。
输入矩阵构建模块:收集初始的网格单元的误差项、影响流量计量的多个影响因素在预定时刻的实时历史检测值,组成输入矩阵,并对所述输入矩阵进行均一化处理;
关系式建立模块:根据均一化处理后的输入矩阵建立流量状态转移关系式,根据流量状态转移关系式求得状态转移矩阵。
其他网格单元确认模块:将与初始的网格单元在同一列的同列网格单元的输入矩阵与流量计量历史值代入所述状态转移矩阵,计算得到同列网格单元的误差项的历史预估值,同理,考虑与同列网格单元相邻的其他网格单元,依据反向迭代的过程,更新其他网格单元的误差项的历史预估值。
迭代模块:通过反复执行输入矩阵构建、关系式建立和所述其他网格单元确认,将误差项不断迭代更新。
流量预估模块:根据迭代后的误差项计算得到对应网格单元的流量预估值。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于误差迭代的时空分组流量软测量方法,其特征在于,包括:
网格划分步骤:对加热炉内部进行网格划分,得到多个网格单元;
初始边界条件确定步骤:逐个判断所述网格单元的流量计量是否准确,得到流量计量准确的所述网格单元,并作为初始的网格单元;
输入矩阵构建步骤:收集初始的网格单元的误差项、影响流量计量的多个影响因素在预定时刻的实时历史检测值,组成输入矩阵,并对所述输入矩阵进行均一化处理;
关系式建立步骤:根据均一化处理后的输入矩阵建立流量状态转移关系式,根据流量状态转移关系式求得状态转移矩阵;
其他网格单元确认步骤:将与初始的网格单元在同一列的同列网格单元的输入矩阵与流量计量历史值代入所述状态转移矩阵,计算得到同列网格单元的误差项的历史预估值,同理,考虑与同列网格单元相邻的其他网格单元,依据反向迭代的过程,更新其他网格单元的误差项的历史预估值;
迭代步骤:通过反复执行所述输入矩阵构建步骤、关系式建立步骤和所述其他网格单元确认步骤,将误差项不断迭代更新;
流量预估步骤:根据迭代后的误差项计算得到对应网格单元的流量预估值。
2.根据权利要求1所述的基于误差迭代的时空分组流量软测量方法,其特征在于,所述网格划分步骤包括:
在加热炉的长度方向上,根据不同燃烧控制段纵向划分为i列,i为燃烧控制段的数量,在加热炉的宽度方向上,将加热炉横向均等划分为2行,得到共2*i个所述网格单元。
3.根据权利要求1所述的基于误差迭代的时空分组流量软测量方法,其特征在于,影响流量计量的多个影响因素包括:总管道压力PM、支管管道压力PB、烧嘴温度TB、炉膛压力PF、阀门开度KV、炉膛温度TF和排烟管道阀门开度KG。
4.根据权利要求1所述的基于误差迭代的时空分组流量软测量方法,其特征在于,当时间间隔足够小时:
在某一网格单元,相邻时间间隔的误差项对于影响因子相同;
在某一时刻,相邻网格之间的误差项对于影响因子相同;
在某一时刻,相邻网格之间的影响因子相同。
5.根据权利要求1所述的基于误差迭代的时空分组流量软测量方法,其特征在于,所述其他网格单元确认步骤中,通过最小二乘法计算得到同列网格单元的误差项的历史预估值。
6.一种基于误差迭代的时空分组流量软测量系统,其特征在于,包括:
网格划分模块:对加热炉内部进行网格划分,得到多个网格单元;
初始边界条件确定模块:逐个判断所述网格单元的流量计量是否准确,得到流量计量准确的所述网格单元,并作为初始的网格单元;
输入矩阵构建模块:收集初始的网格单元的误差项、影响流量计量的多个影响因素在预定时刻的实时历史检测值,组成输入矩阵,并对所述输入矩阵进行均一化处理;
关系式建立模块:根据均一化处理后的输入矩阵建立流量状态转移关系式,根据流量状态转移关系式求得状态转移矩阵;
其他网格单元确认模块:将与初始的网格单元在同一列的同列网格单元的输入矩阵与流量计量历史值代入所述状态转移矩阵,计算得到同列网格单元的误差项的历史预估值,同理,考虑与同列网格单元相邻的其他网格单元,依据反向迭代的过程,更新其他网格单元的误差项的历史预估值;
迭代模块:通过反复执行输入矩阵构建、关系式建立和所述其他网格单元确认,将误差项不断迭代更新;
流量预估模块:根据迭代后的误差项计算得到对应网格单元的流量预估值。
7.根据权利要求6所述的基于误差迭代的时空分组流量软测量系统,其特征在于,所述网格划分模块包括:
在加热炉的长度方向上,根据不同燃烧控制段纵向划分为i列,i为燃烧控制段的数量,在加热炉的宽度方向上,将加热炉横向均等划分为2行,得到共2*i个所述网格单元。
8.根据权利要求6所述的基于误差迭代的时空分组流量软测量系统,其特征在于,影响流量计量的多个影响因素包括:总管道压力PM、支管管道压力PB、烧嘴温度TB、炉膛压力PF、阀门开度KV、炉膛温度TF和排烟管道阀门开度KG。
9.根据权利要求6所述的基于误差迭代的时空分组流量软测量系统,其特征在于,当时间间隔足够小时:
在某一网格单元,相邻时间间隔的误差项对于影响因子相同;
在某一时刻,相邻网格之间的误差项对于影响因子相同;
在某一时刻,相邻网格之间的影响因子相同。
10.根据权利要求6所述的基于误差迭代的时空分组流量软测量系统,其特征在于,所述其他网格单元确认模块中,通过最小二乘法计算得到同列网格单元的误差项的历史预估值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142611.9A CN110909502B (zh) | 2019-11-20 | 2019-11-20 | 基于误差迭代的时空分组流量软测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142611.9A CN110909502B (zh) | 2019-11-20 | 2019-11-20 | 基于误差迭代的时空分组流量软测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909502A true CN110909502A (zh) | 2020-03-24 |
CN110909502B CN110909502B (zh) | 2023-06-02 |
Family
ID=69817988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911142611.9A Active CN110909502B (zh) | 2019-11-20 | 2019-11-20 | 基于误差迭代的时空分组流量软测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909502B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5402333A (en) * | 1992-06-15 | 1995-03-28 | E. I. Du Pont De Nemours & Co., Inc. | System and method for improving model product property estimates |
US6052520A (en) * | 1998-02-10 | 2000-04-18 | Exxon Production Research Company | Process for predicting behavior of a subterranean formation |
CN105677964A (zh) * | 2016-01-07 | 2016-06-15 | 江苏神通阀门股份有限公司 | 一种基于cfd仿真和网格自适应的阀门流量系数计算方法 |
US20160321384A1 (en) * | 2013-12-19 | 2016-11-03 | University of Louisville Reasearch Foundation, Inc. | Multi-scale mesh modeling software products and controllers |
CN108266176A (zh) * | 2018-01-08 | 2018-07-10 | 中国海洋石油集团有限公司 | 一种基于井筒模型的天然气井口流量计算方法 |
CN109190226A (zh) * | 2018-08-24 | 2019-01-11 | 东北大学 | 一种磨矿系统溢流粒度指标软测量方法 |
CN109307855A (zh) * | 2018-08-02 | 2019-02-05 | 西北工业大学 | 基于网格误差模型的无网格稀疏近似最小方差doa估计方法 |
CN109408838A (zh) * | 2017-08-16 | 2019-03-01 | 中国石油化工股份有限公司 | 一种对缝洞型油藏剩余油进行快速分析的方法及系统 |
CN109471192A (zh) * | 2018-12-19 | 2019-03-15 | 湖南航天机电设备与特种材料研究所 | 一种全自动重力测试仪高精度动态数据处理方法 |
CN109489745A (zh) * | 2018-11-23 | 2019-03-19 | 宁波水表股份有限公司 | 一种基于数据迭代的流量计量方法 |
-
2019
- 2019-11-20 CN CN201911142611.9A patent/CN110909502B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5402333A (en) * | 1992-06-15 | 1995-03-28 | E. I. Du Pont De Nemours & Co., Inc. | System and method for improving model product property estimates |
US6052520A (en) * | 1998-02-10 | 2000-04-18 | Exxon Production Research Company | Process for predicting behavior of a subterranean formation |
US20160321384A1 (en) * | 2013-12-19 | 2016-11-03 | University of Louisville Reasearch Foundation, Inc. | Multi-scale mesh modeling software products and controllers |
CN105677964A (zh) * | 2016-01-07 | 2016-06-15 | 江苏神通阀门股份有限公司 | 一种基于cfd仿真和网格自适应的阀门流量系数计算方法 |
CN109408838A (zh) * | 2017-08-16 | 2019-03-01 | 中国石油化工股份有限公司 | 一种对缝洞型油藏剩余油进行快速分析的方法及系统 |
CN108266176A (zh) * | 2018-01-08 | 2018-07-10 | 中国海洋石油集团有限公司 | 一种基于井筒模型的天然气井口流量计算方法 |
CN109307855A (zh) * | 2018-08-02 | 2019-02-05 | 西北工业大学 | 基于网格误差模型的无网格稀疏近似最小方差doa估计方法 |
CN109190226A (zh) * | 2018-08-24 | 2019-01-11 | 东北大学 | 一种磨矿系统溢流粒度指标软测量方法 |
CN109489745A (zh) * | 2018-11-23 | 2019-03-19 | 宁波水表股份有限公司 | 一种基于数据迭代的流量计量方法 |
CN109471192A (zh) * | 2018-12-19 | 2019-03-15 | 湖南航天机电设备与特种材料研究所 | 一种全自动重力测试仪高精度动态数据处理方法 |
Non-Patent Citations (2)
Title |
---|
宋小伟;: "基于最小二乘法的电力系统网络参数误差估计" * |
彭天强;张文林;常宁;: "高精度参数估计问题" * |
Also Published As
Publication number | Publication date |
---|---|
CN110909502B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110108328B (zh) | 一种供水管网漏损区域漏水量的获取方法 | |
Priyanka et al. | Online monitoring and control of flow rate in oil pipelines transportation system by using PLC based Fuzzy‐PID Controller | |
CN102968529B (zh) | 一种供水管网模型计算结果不确定性区间的量化方法 | |
CA3031517C (en) | Method and apparatus for model-based control of a water distribution system | |
CN109583585B (zh) | 一种电站锅炉壁温预测神经网络模型的构建方法 | |
CN102521989B (zh) | 一种动态数据驱动的高速公路出口流量预测方法 | |
EP3580427B1 (en) | Method for assessing and managing sensor uncertainties in a virtual flow meter | |
CN103336891A (zh) | 一种用于配电网状态估计的伪量测生成方法 | |
JP2012128800A (ja) | プロセスの状態予測方法及びそれを用いたプロセス制御装置 | |
Xu et al. | De saint-venant equations-based model assessment in model predictive control of open channel flow | |
WO2015171196A1 (en) | Virtual flow measurement system | |
CN105821170A (zh) | 一种高炉多元铁水质量指标软测量系统及方法 | |
Fetisov et al. | Aggregative simulation method for implementing mathematical models for gas transmission systems | |
Gupta et al. | Forecasting of Fouling in Air Pre-Heaters Through Deep Learning | |
Li et al. | Accurate and real-time network calculation for mine ventilation without wind resistance measurement | |
CN110909502B (zh) | 基于误差迭代的时空分组流量软测量方法及系统 | |
Anjana et al. | A particle filter based leak detection technique for water distribution systems | |
JP6909425B2 (ja) | 空気予熱器差圧上昇予測装置 | |
US10456704B2 (en) | Method of real-time prognosis of flooding phenomenon in packed column | |
Wang et al. | Short-term prediction of power consumption for large-scale public buildings based on regression algorithm | |
CN108195417A (zh) | 一种天然气输送管道清管安全模拟监测系统及监测方法 | |
Aleem et al. | System identification of distributory canals in the indus basin | |
Debouza et al. | Assessment of black powder concentrations in natural gas pipeline networks | |
Sravani et al. | Prediction of flow by linear parameter varying model under disturbance | |
WO2019031371A1 (ja) | 状態分析装置、状態分析方法及び記録媒体 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |