CN111666709A - 输气管道的管输参数调整方法及装置 - Google Patents
输气管道的管输参数调整方法及装置 Download PDFInfo
- Publication number
- CN111666709A CN111666709A CN202010337537.2A CN202010337537A CN111666709A CN 111666709 A CN111666709 A CN 111666709A CN 202010337537 A CN202010337537 A CN 202010337537A CN 111666709 A CN111666709 A CN 111666709A
- Authority
- CN
- China
- Prior art keywords
- pipe transmission
- energy consumption
- pipe
- sample data
- data
- 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 abstract description 81
- 230000005540 biological transmission Effects 0.000 claims abstract description 758
- 238000005265 energy consumption Methods 0.000 claims abstract description 354
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000012546 transfer Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000007789 gas Substances 0.000 abstract description 128
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 abstract description 32
- 239000003345 natural gas Substances 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000012549 training Methods 0.000 abstract description 6
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D1/00—Pipe-line systems
- F17D1/02—Pipe-line systems for gases or vapours
-
- 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
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Pipeline Systems (AREA)
Abstract
本申请公开了一种输气管道的管输参数的调整方法及装置,涉及天然气管输技术领域。由于第一管输能耗模型是基于大量的历史样本数据训练得到的,因此通过第一管输能耗模型生成的目标管输能耗的准确性较高,可以确保匹配得到目标历史样本数据的准确性较高,从而可以确保采用目标历史样本数据中的管输参数的样本数据对输气管道进行调整后,可以有效降低输气管道的管输能耗,使得对输气管道的管输过程的优化效果较好,进而有效提高了输气管道在运行过程中的经济性和稳定性。
Description
技术领域
本申请涉及天然气管输技术领域,特别涉及一种输气管道的管输参数的调整方法及装置。
背景技术
在天然气管输过程中,为了实现输气管道对天然气的输送,一般需要对天然气进行加压处理,该加压处理的能耗较大,费用较高。因此,需要对输气管道的管输参数进行调整,以降低天然气管输过程的能耗(也即对天然气加压处理时产生的能耗),实现对天然气管输过程的优化。
相关技术中,对输气管道的管输参数的调整过程可以包括:工作人员先基于工作经验确定多组管输参数,并确定与该多组管输参数中的每组管输参数对应的管输能耗。之后,可以基于多个管输能耗中,最小的管输能耗对应的管输参数调整输气管道的管输参数,以优化天然气管输过程。其中,管输参数可以包括:机组运行数量,以及输气管道的计划输量等。
但是,相关技术中确定的管输参数的多组参数值的准确性较低,导致确定的最小的管输能耗的准确性较低,从而导致对天然气管输过程的优化效果较差。
发明内容
本申请提供了一种输气管道的管输参数的调整方法及装置,可以解决相关技术的确定的最小的管输能耗的准确性较低的问题。所述技术方案如下:
一方面,提供了一种输气管道的管输参数的调整方法,所述方法包括:
基于输气管道的多组历史样本数据确定第一管输能耗模型,每组所述历史样本数据包括:第一管输参数的样本数据、第二管输参数的样本数据和管输能耗的样本数据,所述第一管输参数与所述第二管输参数不同,且所述第一管输参数对所述管输能耗的影响程度大于所述第二管输参数对所述管输能耗的影响程度,所述第一管输能耗模型用于反映历史样本数据中第一管输参数与管输能耗的对应关系;
向所述第一管输能耗模型输入多组第一管输参数的目标数据,得到与所述多组第一管输参数的目标数据一一对应的多个管输能耗的目标数据;
对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,在所述多组历史样本数据中,将第一管输参数的样本数据与所述第一管输参数的目标数据匹配,且管输能耗的样本数据与所述管输能耗的目标数据匹配的历史样本数据,确定为目标历史样本数据;
基于所述目标历史样本数据中的第二管输参数的样本数据,以及所述第一管输参数的目标数据,调整所述输气管道的管输参数的数据。
可选的,所述对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,在所述多组历史样本数据中,将第一管输参数的样本数据与所述第一管输参数的目标数据匹配,且管输能耗的样本数据与所述管输能耗的目标数据匹配的历史样本数据,确定为目标历史样本数据,包括:
对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,基于所述第一管输参数的目标数据和对应的管输能耗的目标数据,以及所述每组历史样本数据的第一管输参数的样本数据和对应的管输能耗的样本数据,确定与所述每组历史样本数据对应的距离参数,所述距离参数用于反映所述第一管输参数的目标数据与所述第一管输参数的样本数据,以及所述管输能耗的目标数据和所述管输能耗的样本数据的接近程度;
在所述多组历史样本数据中将最小的距离参数对应的历史样本数据确定为所述目标历史样本数据。
可选的,所述第一管输参数包括输量,所述多组第一管输参数的目标数据中存在输量的数据属于不同输量区间的至少两组目标数据;在确定所述目标历史样本数据之前,所述方法还包括:
对于多个所述输量区间中的每个输量区间,基于所述输量区间内的多组第一管输参数的目标数据所对应的多个管输能耗的目标数据,获取多个管输能耗区间;
基于位于每个所述管输能耗区间内的管输能耗的目标数据的个数,将所述多个管输能耗区间中所述个数最多的管输能耗区间确定为待选管输能耗区间;
在所述多个管输能耗区间中筛选至少一个管输能耗区间作为目标管输能耗区间,所述目标管输能耗区间的最大端点值小于所述待选管输能耗区间的最小端点值;
基于位于所述目标能耗区间内的管输能耗的目标数据,以及与所述管输能耗的目标数据对应的第一管输参数的目标数据,获取第二管输能耗模型;
向所述第二管输能耗模型输入所述多组第一管输参数的目标数据,得到与所述多组第一管输参数的目标数据一一对应的更新后的多个管输能耗的目标数据。
可选的,所述第一管输参数还包括管存量;在所述对于多个所述输量区间中的每个输量区间,基于所述输量区间内的多组第一管输参数的目标数据所对应的多个管输能耗的目标数据,获取多个管输能耗区间之前,所述方法还包括:
基于所述多组第一管输参数的目标数据中每组所述目标数据的管存量的数据,获取多个管存区间;
基于管存量的数据位于每个所述管存区间内的第一管输参数的目标数据中输量的数据,获取多个输量区间。
可选的,所述第一管输能耗模型和所述第二管输能耗模型均为高斯过程模型。
可选的,在所述基于输气管道的多组历史样本数据确定第一管输能耗模型之前,所述方法还包括:
获取所述输气管道的多组历史样本数据;
基于所述多组历史样本数据,确定所述输气管道的多个管输参数中每个所述管输参数对管输能耗的权重,所述权重用于表征所述管输参数对所述管输能耗的影响程度;
将所述多个管输参数中权重大于权重阈值的管输参数确定为第一管输参数。
可选的,基于所述多组历史样本数据,确定所述输气管道的多个管输参数中每个所述管输参数对管输能耗的权重,包括:
采用梯度提升决策树算法,对所述多组历史样本数据进行处理,得到所述输气管道的多个管输参数中每个所述管输参数对管输能耗的权重。
可选的,所述第一管输参数包括:输量、管存量和下载量;若所述输气管道包括:多条输气管道,且多条所述输气管道中存在至少两条输气管道相交,则所述第一管输参数还包括:管道联络线转供量。
另一方面,提供了一种输气管道的管输参数的调整装置,所述装置包括:
第一确定模块,用于基于输气管道的多组历史样本数据确定第一管输能耗模型,每组所述历史样本数据包括:第一管输参数的样本数据、第二管输参数的样本数据和管输能耗的样本数据,所述第一管输参数与所述第二管输参数不同,且所述第一管输参数对所述管输能耗的影响程度大于所述第二管输参数对所述管输能耗的影响程度,所述第一管输能耗模型用于反映历史样本数据中第一管输参数与管输能耗的对应关系;
第一输入模块,用于向所述第一管输能耗模型输入多组第一管输参数的目标数据,得到与所述多组第一管输参数的目标数据一一对应的多个管输能耗的目标数据;
第二确定模块,用于对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,在所述多组历史样本数据中,将第一管输参数的样本数据与所述第一管输参数的目标数据匹配,且管输能耗的样本数据与所述管输能耗的目标数据匹配的历史样本数据,确定为目标历史样本数据;
调整模块,用于基于所述目标历史样本数据中的第二管输参数的样本数据,以及所述第一管输参数的目标数据,调整所述输气管道的管输参数的数据。
可选的,所述第二确定模块用于:
对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,基于所述第一管输参数的目标数据和对应的管输能耗的目标数据,以及所述每组历史样本数据的第一管输参数的样本数据和对应的管输能耗的样本数据,确定与所述每组历史样本数据对应的距离参数,所述距离参数用于反映所述第一管输参数的目标数据与所述第一管输参数的样本数据,以及所述管输能耗的目标数据和所述管输能耗的样本数据的接近程度;
在所述多组历史样本数据中将最小的距离参数对应的历史样本数据确定为所述目标历史样本数据。
可选的,所述第一管输参数包括输量,所述多组第一管输参数的目标数据中存在输量的数据属于不同输量区间的至少两组目标数据;所述装置还包括:
第一获取模块,用于对于多个所述输量区间中的每个输量区间,基于所述输量区间内的多组第一管输参数的目标数据所对应的多个管输能耗的目标数据,获取多个管输能耗区间;
第三确定模块,用于基于位于每个所述管输能耗区间内的管输能耗的目标数据的个数,将所述多个管输能耗区间中所述个数最多的管输能耗区间确定为待选管输能耗区间;
筛选模块,用于在所述多个管输能耗区间中筛选至少一个管输能耗区间作为目标管输能耗区间,所述目标管输能耗区间的最大端点值小于所述待选管输能耗区间的最小端点值;
第二获取模块,用于基于位于所述目标能耗区间内的管输能耗的目标数据,以及与所述管输能耗的目标数据对应的第一管输参数的目标数据,获取第二管输能耗模型;
第二输入模块,向所述第二管输能耗模型输入所述多组第一管输参数的目标数据,得到与所述多组第一管输参数的目标数据一一对应的更新后的多个管输能耗的目标数据。
可选的,所述第一管输参数还包括管存量;所述装置还包括:
第三获取模块,用于基于所述多组第一管输参数的目标数据中每组所述目标数据的管存量的数据,获取多个管存区间;
第四获取模块,用于基于管存量的数据位于每个所述管存区间内的第一管输参数的目标数据中输量的数据,获取多个输量区间。
可选的,所述第一管输能耗模型和所述第二管输能耗模型均为高斯过程模型。
可选的,所述装置还包括:
第五获取模块,用于获取所述输气管道的多组历史样本数据;
第四确定模块,用于基于所述多组历史样本数据,确定所述输气管道的多个管输参数中每个所述管输参数对管输能耗的权重,所述权重用于表征所述管输参数对所述管输能耗的影响程度;
第五确定模块,用于将所述多个管输参数中权重大于权重阈值的管输参数确定为第一管输参数。
可选的,所述第四确定模块用于:
采用梯度提升决策树算法,对所述多组历史样本数据进行处理,得到所述输气管道的多个管输参数中每个所述管输参数对管输能耗的权重。
可选的,所述第一管输参数包括:输量、管存量和下载量;若所述输气管道包括:多条输气管道,且多条所述输气管道中存在至少两条输气管道相交,则所述第一管输参数还包括:管道联络线转供量。
又一方面,提供了一种输气管道的管输参数的调整装置,所述装置包括:处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述方面所述的输气管道的管输参数的调整方法。
再一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述计算机可读存储介质在计算机上运行时,使得计算机执行如上述方面所述的输气管道的管输参数的调整方法。
再一方面,提供了一种包含指令的计算机程序产品,当所述计算机程序产品在所述计算机上运行时,使得所述计算机执行上述方面所述的输气管道的管输参数的调整方法。
本申请提供的技术方案带来的有益效果至少包括:
本申请提供了一种输气管道的管输参数的调整方法及装置,由于第一管输能耗模型是基于大量的历史样本数据训练得到的,因此通过第一管输能耗模型生成的目标管输能耗的准确性较高,可以确保匹配得到目标历史样本数据的准确性较高,从而可以确保采用目标历史样本数据中的管输参数的样本数据对输气管道进行调整后,可以有效降低输气管道的管输能耗,使得对输气管道的管输过程的优化效果较好,进而有效提高了输气管道在运行过程中的经济性和稳定性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种输气管道的管输参数的调整方法的流程图;
图2是本申请实施例提供的另一种输气管道的管输参数的调整方法的流程图;
图3是本申请实施例提供的一种确定目标历史样本数据的方法流程图;
图4是本申请实施例提供的一种输气管道的管输参数的调整装置的结构框图;
图5是本申请实施例提供的一种第二确定模块的结构框图;
图6是本申请实施例提供的另一种输气管道的管输参数的调整装置的结构框图;
图7是本申请实施例提供的又一种输气管道的管输参数的调整装置的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供了一种输气管道的管输参数的调整方法,该方法可以应用于上位机。参见图1,该方法可以包括:
步骤101、基于输气管道的多组历史样本数据确定第一管输能耗模型。
其中,该第一管输能耗模型可以用于反映历史样本数据中第一管输参数与管输能耗的对应关系。每组历史样本数据包括:第一管输参数的样本数据、第二管输参数的样本数据和管输能耗的样本数据。第一管输参数与第二管输参数不同,且该第一管输参数对管输能耗的影响程度大于第二管输参数对管输能耗的影响程度。该第一管输参数可以包括输量。
步骤102、向该第一管输能耗模型输入多组第一管输参数的目标数据,得到与多组第一管输参数的目标数据一一对应的多个管输能耗的目标数据。
其中,多组第一管输参数的目标数据中存在输量的数据属于不同输量区间的至少两组第一管输参数的目标数据。
步骤103、对于每组第一管输参数的目标数据和对应的管输能耗的目标数据,在多组历史样本数据中,将第一管输参数的样本数据与第一管输参数的目标数据匹配,且管输能耗的样本数据与管输能耗的目标数据匹配的历史样本数据,确定为目标历史样本数据。
对于每组第一管输参数的目标数据,上位机可以基于该第一管输参数的目标数据,以及与该第一管输参数的目标数据对应的管输能耗的目标数据,在多组历史样本数据中,确定第一管输参数的样本数据与该第一管输参数的目标数据的差值处于第一差值范围内,且该样本数据对应的管输能耗的样本数据与管输能耗的目标数据处于第二差值范围的历史样本数据,即第一管输参数的样本数据与第一管输参数的目标数据接近,且管输能耗的样本数据与管输能耗的目标数据接近的历史样本数据,并将该样本数据作为目标历史样本数据。
步骤104、基于目标历史样本数据中的第二管输参数的样本数据,以及第一管输参数的目标数据,调整输气管道的管输参数的数据。
在确定目标历史样本数据后,上位机可以将当前输气管道的第一管输参数的数据调整为第一管输参数的目标数据,并将输气管道的第二管输参数的数据调整为目标历史样本数据中第二管输参数的样本数据。
综上所述,本申请实施例提供了一种输气管道的管输参数的调整方法,由于第一管输能耗模型是基于大量的历史样本数据训练得到的,因此通过第一管输能耗模型生成的目标管输能耗的准确性较高,可以确保匹配得到目标历史样本数据的准确性较高,从而可以确保采用目标历史样本数据中的管输参数的样本数据对输气管道进行调整后,可以有效降低输气管道的管输能耗,使得对输气管道的管输过程的优化效果较好,进而有效提高了输气管道在运行过程中的经济性和稳定性。
图2是本申请实施例提供的另一种输气管道的管输参数的调整方法的流程图,该方法可以应用于上位机。参见图2,该方法可以包括:
步骤201、获取输气管道的多组历史样本数据。
每组历史样本数据可以包括:多个管输参数的样本数据以及与该多个管输参数的样本数据对应的管输能耗的样本数据。该多个管输参数中部分管输参数为第一管输参数,除第一管输参数之外的管输参数为第二管输参数,且第一管输参数对管输能耗的影响程度大于第二管输参数对管输能耗的影响程度。也即是,每组历史样本数据包括:第一管输参数的样本数据、第二管输参数的样本数据和管输能耗的样本数据。
其中,该多个管输参数可以包括:管存量、输量、下载量、输气管道的进出口温度、压力、机组运行台数以及运行时间。管存量是指输气管道中剩余的天然气的含量;输量可以是指输气管道每天输送的天然气的总量;下载量是指在天然气的输送途中,输送至除输送终点外的中继点处的天然气的含量。机组运行台数是指输气管道在输送天然气的过程中,处于工作状态的压缩机机组的数量。该压缩机可以包括:燃驱压缩机和电驱压缩机。
在本申请实施例中,上位机可以与用于存储大量的历史样本数据的数据库建立有通信连接,并可以从该数据库中获取多组历史样本数据。
需要说明的是,若该输气管道包括:多条输气管道,且多条输气管道中存在至少两条输气管道相交,即输气管网,则上位机获取的多组历史样本数据中每组历史样本数据包括的多个管输参数的样本数据中还可以包括:管道联络线转供量的样本数据。
其中,管道联络线转供量是指从一条输气管道输送至另外一条或多条输气管道的天然气的数量。
步骤202、基于多组历史样本数据,确定输气管道的多个管输参数中每个管输参数对管输能耗的权重。
其中,权重可以用于表征管输参数对管输能耗的影响程度。
在本申请实施例中,上位机在获取到多组历史样本数据后,可以采用梯度提升决策树(gradient boosting decision tree,GBDT)算法,对该多组历史样本数据进行处理,得到输气管道的多个管输参数中每个管输参数对管输能耗的权重。
可选的,上位机在基于多组历史样本数据,确定输气管道的多个管输参数中每个管输参数对管输能耗的权重之前,可以对获取的多组历史样本数据进行预处理,之后可以基于预处理后的多组历史样本数据,确定输气管道的多个管输参数中每个管输参数对管输能耗的权重。
在本申请实施例中,上位机对多组历史样本数据进行预处理的过程可以包括:首先,对于每组历史样本数据,上位机可以修正该组历史样本数据中的异常数据。之后,上位机可以对该多组历史样本数据进行归一化处理,即对于多组历史样本数据中的每组历史样本数据,去掉该历史样本数据中的每个管输参数的样本数据和管输能耗的样本数据的量纲,并对该多个样本数据中每个样本数据进行标准化,即将多个样本数据中每个样本数据均转换为大于0且小于1的数据。
可选的,上位机修正每组历史样本数据中的异常数据的过程可以包括:上位机可以检测该组历史样本数据包括的各个管输参数的样本数据是否位于对应的第一数据范围内,并可以检测该组历史样本数据包括的管输能耗的样本数据是否位于第二数据范围内。若检测到该组历史样本数据中的某个样本数据(即上述的管输参数的样本数据或管输能耗的样本数据)并未位于该数据的数据范围内,则可以确定该数据为异常数据,并发出提示信息以提示工作人员修正该异常数据。之后,工作人员可以输入该数据对应的正确数据,上位机可以响应于工作人员的输入该正确数据的操作,将该异常数据替换为正确数据,实现对异常数据的修正。
其中,第一数据范围第二数据范围均可以是上位机中预先存储的。
需要说明的是,不同管存区间(即以管输参数中的管存量的数据为基准划分的区间),不同输量区间(即以管输参数中的输量的数据为基准划分的区间)中,各个管输参数的样本数据对应的第一数据范围不同,管输能耗的样本数据对应的第二数据范围不同。
由于上位机可以在基于多组历史样本数据,确定输气管道的多个管输参数中每个管输参数对管输能耗的权重之前,对多组历史样本数据进行预处理,而该预处理后的历史样本数据中无异常数据,且均是归一化后的数据,因此有效提高了确定的输气管道的多个管输参数中每个管输参数对管输能耗的权重的准确性。
步骤203、将多个管输参数中权重大于权重阈值的管输参数确定为第一管输参数。
其中,该权重阈值可以是上位机中预先存储的。可选的,该权重阈值可以为90%。
在本申请实施例中,上位机在确定多个管输参数中每个管输参数对管输能耗的权重之后,可以比较该管输参数的权重和权重阈值。若该管输参数的权重大于权重阈值,则将该管输参数确定为第一管输参数。若该管输参数的权重不大于权重阈值,则将该管输参数确定为第二管输参数。
示例的,假设权重阈值为90%,输气管道为一条管道,上位机确定的上述各个管输参数中管存量、输量以及下载量对管输能耗的权重均大于95%,则上位机可以确定管输参数中的第一管输参数包括:管存量、输量以及下载量。
假设输气管道包括多条输气管道,且多条输气管道中存在至少两条输气管道相交,上位机确定的上述各个管输参数中管存量、输量、下载量以及管道联络线转供量对管输能耗的权重均大于95%,则上位机可以确定管输参数中的第一管输参数包括:管存量、输量、下载量以及管道联络线转供量。
步骤204、基于输气管道的多组历史样本数据确定第一管输能耗模型。
其中,该第一管输能耗模型可以用于反映历史样本数据中第一管输参数与管输能耗的对应关系。
在本申请实施例中,上位机在确定多组历史样本数据中的每组历史样本数据中的第一管输参数后,可以将每组历史样本数据中的第一管输参数的样本数据作为模型的输入,将每组历史样本数据中的管输能耗的样本数据作为模型的标签,训练得到第一管输能耗模型。
由于上位机是基于输气管道的多组历史样本数据中的每组样本数据的权重大于权重阈值的第一管输参数的样本数据,以及与第一管输参数的样本数据对应的管输能耗的样本数据,确定第一管输能耗模型,因此可以降低确定第一管输能耗模型的复杂度,提高第一管输能耗模型的训练效率。
可选的,上位机可以采用高斯函数对每组样本数据中的第一管输参数的样本数据和管输能耗的样本数据进行训练,得到第一管输能耗模型,相应的,训练得到的第一管输能耗模型为高斯过程模型。或者,上位机可以采用神经网络对每组历史样本数据中的第一管输参数的样本数据和管输能耗的样本数据进行训练,得到第一管输能耗模型,相应的,训练得到的第一管输能耗模型为神经网络模型。
由于采用高斯函数对多组历史样本数据中每种历史样本数据进行处理时,可以减小多组历史样本数据中每组历史样本数据的噪声,即可以减小每组历史样本数据中存在着错误或异常的数据,从而使得每组历史样本数据更加平滑,因此采用高斯函数对每组历史样本数据中的第一管输参数的样本数据和管输能耗的样本数据进行训练,可以进一步确保训练得到的第一管输能耗模型的可靠性。
步骤205、向该第一管输能耗模型输入多组第一管输参数的目标数据,得到与多组第一管输参数的目标数据一一对应的多个管输能耗的目标数据。
其中,第一管输参数的目标数据中存在输量的数据属于不同输量区间的至少两组第一管输参数的目标数据。若该输气管道包括一条输气管道,则该第一管输参数包括:管存量、输量和下载量。若该输气管道包括多条输气管道,且该多条输气管道中存在至少两条输气管道相交,则第一管输参数包括:管存量、输量、下载量和管道联络线转供量。
在本申请实施例中,上位机在获取第一管输能耗模型之后,可以获取多组第一管输参数的目标数据,并将该多组第一管输参数的目标数据输入至第一管输能耗模型中。该第一管输能耗模型即可对多组第一管输参数的目标数据进行处理,得到与多组第一管输参数的目标数据一一对应的多个管输能耗的目标数据。
其中,多组第一管输参数的目标数据中的每组第一管输参数的目标数据均可以是指输气管道的输气计划中所记录的数据。
步骤206、基于多组第一管输参数的目标数据中每组目标数据的管存量的数据,获取多个管存区间。
在本申请实施例中,上位机在确定与多组第一管输参数的目标数据一一对应的多个管输能耗的目标数据之后,可以基于每组第一管输参数的目标数据的管存量的数据,以及预先存储的划分后的管存区间,将该多个管存量的数据划分至对应的管存区间中,得到多个管存区间。每个管存区间可以包括:多组第一管输参数的目标数据,且该多组第一管输参数的目标数据中存在输量的数据属于不同输量区间的至少两组第一管输参数的目标数据。
示例的,该预先存储的划分后的管存区间可以如表1所示。从表1中可以看出,位于多个管存区间中的第一个管存区间内的第一管输参数的目标数据中管存量的数据均小于13000标准立方米(Nm3),位于第二个管存区间内的第一管输参数的目标数据中管存量的数据均大于或等于13000Nm3且小于13500Nm3,位于第三个管存区间内的第一管输参数的目标数据中管存量的数据均大于或等于13500Nm3且小于14500Nm3,位于第四个管存区间内的第一管输参数的目标数据中的管存量的数据均大于或等于14500Nm3。
表1
序号 | 管存区间(Nm<sup>3</sup>) |
1 | <13000 |
2 | 13000—13500 |
3 | 13500—14500 |
4 | >14500 |
步骤207、基于管存量的数据位于每个管存区间内的第一管输参数的目标数据中输量的数据,获取多个输量区间。
在本申请实施例中,对于每个管存区间内的多组第一管输参数的目标数据,即管存量的数据位于每个管存区间内的多组第一管输参数的目标数据,上位机可以基于每组第一管输参数的目标数据中输量的数据,以及预先存储的划分后的输量区间,将多个输量的数据划分至对应的输量区间内,得到多个输量区间。每个输量区间可以包括:多组第一管输参数的目标数据。
示例的,该预先存储的划分后的输量区间可以如表2所示。从表2中可以看出,位于多个输量区间中的第一个输量区间内的第一管输参数的目标数据中输量的数据均小于2800Nm3,位于第二个输量区间内的第一管输参数的目标数据中输量的数据均大于或等于2800Nm3且小于3200Nm3,位于第三个输量区间内的待第一管输参数的目标数据中输量的数据均大于或等于3200Nm3且小于3600Nm3,位于第四个输量区间内的第一管输参数中输量的数据均大于或等于3600Nm3且小于4000Nm3,位于第五个输量区间内的第一管输参数的目标数据中输量的数据均大于或等于4000Nm3且小于4400Nm3,位于第六个输量区间内的第一管输参数的目标数据中输量的数据均大于4400Nm3。
表2
序号 | 输量台阶(Nm<sup>3</sup>) |
1 | <2800 |
2 | 2800—3200 |
3 | 3200—3600 |
4 | 3600—4000 |
5 | 4000—4400 |
6 | >4400 |
步骤208、对于多个输量区间中的每个输量区间,基于该输量区间内的多组第一管输参数的目标数据所对应的多个管输能耗的目标数据,获取多个管输能耗区间。
在本申请实施例中,对于多个输量区间中的每个输量区间,上位机可以基于该输量区间内多组第一管输参数的目标数据所对应的多个管输能耗的目标数据,以及管输能耗的划分标准,获取多个管输能耗区间,每个管输能耗区间包含至少一个管输能耗的目标数据。
其中,管输能耗的划分标准可以基于多个管输能耗的目标数据中的最小的目标数据,以及最大的目标数据确定。
步骤209、基于位于每个管输能耗区间内的管输能耗的目标数据的个数,将多个管输能耗区间中管输能耗的目标数据的个数最多的管输能耗区间确定为待选管输能耗区间。
在本申请实施例中,上位机在获取多个管输能耗区间后,可以统计该多个管输能耗区间中每个管输能耗区间内管输能耗的目标数据的个数,得到多个个数。之后,上位机可以比较该多个个数,确定包括管输能耗的个数最大的管输能耗区间,并将该管输能耗区间确定为待选管输能耗区间。
步骤210、在多个管输能耗区间中筛选至少一个管输能耗区间作为目标管输能耗区间。
其中,目标管输能耗区间的最大端点值小于待选管输能耗区间的最小端点值。
在本申请实施例中,上位机在确定待选管输能耗区间之后,可以基于该待选管输能耗区间的下限值,即最小端点值,从多个管输能耗区间中筛选出至少一个管输能耗区间,并将该至少一个管输能耗区间作为目标管输能耗区间。也即是,若该多个管输能耗区间按照从小到大的顺序依次从左至右排布,则上位机可以将多个管输能耗区间中位于待选管输能耗区间的左边的至少一个管输能耗区间作为目标管输能耗区间。
步骤211、基于位于目标能耗区间内的管输能耗的目标数据,以及与管输能耗的目标数据对应的第一管输参数的目标数据,获取第二管输能耗模型。
在本申请实施例中,上位机在确定目标管输能耗区间后,可以对目标管输能耗区间内的管输能耗的目标数据,以及与管输能耗的目标数据对应的第一管输参数的目标数据进行训练,得到第二管输能耗模型。
可选的,上位机可以采用高斯函数对目标管输能耗区间内的管输能耗的目标数据,以及与管输能耗的目标数据对应的第一管输参数的目标数据进行训练,得到第二管输能耗模型,相应的,训练得到的第二管输能耗模型为高斯过程模型。或者,上位机可以采用神经网络对目标管输能耗区间内的管输能耗的目标数据,以及与管输能耗的目标数据对应的第一管输参数的目标数据进行训练,得到第二管输能耗模型,相应的,训练得到的第二管输能耗模型为神经网络模型。
步骤212、向第二管输能耗模型输入多组第一管输参数的目标数据,得到与该多组第一管输参数的目标数据一一对应的更新后的多个管输能耗的目标数据。
上位机在获取第二管输能耗模型之后,可以向第二管输能耗模型输入多组第一管输参数的目标数据。该第二管输能耗模型即可对该多组第一管输参数的目标数据中的每组第一管输参数的目标数据进行处理,得到与该多组第一管输参数的目标数据一一对应的多个更新后的管输能耗的目标数据。
也即是,上位机可以基于多组第一管输参数的目标数据,以及第二管输能耗模型对通过第一管输能耗模型得到的多个管输能耗的目标数据进行更新,以得到多个更新后的管输能耗的目标数据。
由于第二管输能耗模型是基于第一管输参数的目标数据,以及通过第一管输能耗模型得到的多个管输能耗的目标数据中属于目标管输能耗区间中的管输能耗的目标数据确定的,且该属于目标管输能耗区间中的管输能耗的目标数据出现的频率高且数值较小,因此通过第二管输能耗模型生成的更新后的管输能耗的目标数据的准确性较高,且更加接近输气管道的管输能耗的最小值,从而可以确保匹配得到目标历史样本数据的准确性较高,进而可以确保采用目标历史样本数据中的管输参数样本数据对输气管道进行调整后,可以进一步降低输气管道的管输能耗。
步骤213、对于每组第一管输参数的目标数据和对应的管输能耗的目标数据,在多组历史样本数据中,将第一管输参数的样本数据与第一管输参数的目标数据匹配,且管输能耗的样本数据和管输能耗的目标数据匹配的历史样本数据,确定为目标历史样本数据。
在本申请实施例中,对于每组第一管输参数的目标数据和对应的管输能耗的目标数据,上位机可以在多组历史样本数据中,确定第一管输参数的样本数据与第一管输参数的目标数据的差值处于第一差值范围内,且该样本数据对应的管输能耗的样本数据与管输能耗的目标数据处于第二差值范围的历史样本数据,即第一管输参数的样本数据与第一管输参数的目标数据接近,且管输能耗的样本数据与管输能耗的目标数据接近的历史样本数据,并将该样本数据作为目标历史样本数据。其中,该第一差值范围和第二差值范围均可以是上位机中预先存储的。
可选的,参见图3,上位机确定第一管输参数的样本数据与第一管输参数的目标数据接近,且管输能耗的样本数据与管输能耗的目标数据接近的历史样本数据的过程可以包括:
步骤2131、对于每组第一管输参数的目标数据和对应的管输能耗的目标数据,基于该第一管输参数的目标数据和对应的管输能耗的目标数据,以及每组历史样本数据的第一管输参数的样本数据和对应的管输能耗的样本数据,确定与该每组历史样本数据对应的距离参数。
其中,该距离参数用于反映第一管输参数的目标数据与第一管输参数的样本数据,以及管输能耗的目标数据和管输能耗的样本数据的接近程度。
在本申请实施例中,对于每组第一管输参数的目标数据,上位机可以基于该待第一管输参数的目标数据和对应的管输能耗的目标数据,确定多维空间中与该第一管输参数的目标数据以及管输能耗的目标数据对应的第一位置点。然后,对于多组历史样本数据中的每组历史样本数据,上位机可以基于该组历史样本数据的第一管输参数的样本数据和对应的管输能耗的样本数据,确定多维空间中与该组历史样本数据的第一管输参数的样本数据和管输能耗的样本数据对应的第二位置点,得到多个第二位置点。之后,上位机可以确定多维空间中的第一位置点,与多个第二位置点中每个第二位置点的距离,得到与多组历史样本数据中每组历史样本数据对应的距离参数。
其中,该多维空间的维数可以基于第一管输参数和管输能耗的总个数确定。例如,若第一管输参数的个数为3个,则该多维空间的维数为4,即该多维空间为4维空间。若该第一管输参数的个数为4个,则该多维空间的维数为5,即该多维空间为5维空间。
可选的,多维空间中的第一位置点,与多个第二位置点中每个第二位置点的距离可以欧氏距离。
步骤2132、在多组历史样本数据中将最小的距离参数对应历史样本数据确定为目标历史样本数据。
上位机在确定该组第一管输参数的目标数据和对应的管输能耗的目标数据,与每组历史样本数据对应的距离参数之后,可以比较多个距离参数,得到多个距离参数中最小的距离参数。之后,可以将该最小的距离参数对应的历史样本数据确定为目标历史样本数据。
需要说明的是,上位机在确定该组第一管输参数的目标数据和对应的管输能耗的目标数据,与每组历史样本数据对应的距离参数之后,可以对该多个距离参数进行按从小到大的顺序排序,并可以将排序后的前n个距离参数对应的历史样本数据均确定为目标历史样本数据,以提高调整输气管道的管输参数的可选性。
其中,n为正整数。示例的,n可以为4。也即是,上位机可以确定出4种调整输气管道的管输参数的方案。
步骤214、基于目标历史样本数据中的第二管输参数的样本数据,以及第一管输参数的目标数据,调整输气管道的管输参数的数据。
上位机在确定目标历史样本数据后,可以将当前输气管道的第一管输参数的数据调整为第一管输参数的目标数据,并将输气管道的第二管输参数的数据调整为目标历史样本数据中第二管输参数的样本数据,使得输气管道在运行过程中所消耗的能耗较小。
可选的,本申请实施例提供的输气管道的管输参数的调整方法的步骤的先后顺序可以进行适当调整,步骤也可以根据情况进行相应增减。例如,步骤206可和步骤207也可以在步骤205之前执行,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本申请的保护范围之内,因此不再赘述。
综上所述,本申请实施例提供了一种输气管道的管输参数的调整方法,由于第一管输能耗模型是基于大量的历史样本数据训练得到的,因此通过第一管输能耗模型生成的目标管输能耗的准确性较高,可以确保匹配得到目标历史样本数据的准确性较高,从而可以确保采用目标历史样本数据中的管输参数的样本数据对输气管道进行调整后,可以有效降低输气管道的管输能耗,使得对输气管道的管输过程的优化效果较好,进而有效提高了输气管道在运行过程中的经济性和稳定性。
本申请实施例提供了一种另输气管道的管输参数的调整装置,该装置可以设置在上位机中。参加图4,该装置300可以包括:
第一确定模块301,用于基于输气管道的多组历史样本数据确定第一管输能耗模型,每组历史样本数据包括:第一管输参数的样本数据、第二管输参数的样本数据和管输能耗的样本数据,第一管输参数与第二管输参数不同,且该第一管输参数对管输能耗的影响程度大于第二管输参数对该管输能耗的影响程度,第一管输能耗模型用于反映历史样本数据中第一管输参数与管输能耗的对应关系。
第一输入模块302,用于向第一管输能耗模型输入多组第一管输参数的目标数据,得到与多组第一管输参数的目标数据一一对应的多个管输能耗的目标数据。
第二确定模块303,用于对于每组第一管输参数的目标数据和对应的管输能耗的目标数据,在多组历史样本数据中,将第一管输参数的样本数据与第一管输参数的目标数据匹配,且管输能耗的样本数据与管输能耗的目标数据匹配的历史样本数据,确定为目标历史样本数据。
调整模块304,用于基于目标历史样本数据中的第二管输参数的样本数据,以及第一管输参数的目标数据,调整输气管道的管输参数的数据。
参见图5,该第二确定模块303可以包括:
第一确定子模块3031,用于对于每组第一管输参数的目标数据和对应的管输能耗的目标数据,基于第一管输参数的目标数据和对应的管输能耗的目标数据,以及每组历史样本数据的第一管输参数的样本数据和对应的管输能耗的样本数据,确定与每组历史样本数据对应的距离参数,距离参数用于反映第一管输参数的目标数据与第一管输参数的样本数据,以及管输能耗的目标数据和管输能耗的样本数据的接近程度。
第二确定子模块3032,用于在多组历史样本数据中将最小的距离参数对应的历史样本数据确定为目标历史样本数据。
可选的,第一管输参数包括输量,多组第一管输参数的目标数据中存在输量的数据属于不同输量区间的至少两组目标数据。参见图6,该装置300还可以包括:
第一获取模块304,用于对于多个输量区间中的每个输量区间,基于输量区间内的多组第一管输参数的目标数据所对应的多个管输能耗的目标数据,获取多个管输能耗区间。
第三确定模块305,用于基于位于每个管输能耗区间内的管输能耗的目标数据的个数,将多个管输能耗区间中个数最多的管输能耗区间确定为待选管输能耗区间。
筛选模块306,用于在多个管输能耗区间中筛选至少一个管输能耗区间作为目标管输能耗区间,目标管输能耗区间的最大端点值小于待选管输能耗区间的最小端点值。
第二获取模块307,用于基于位于目标能耗区间内的管输能耗的目标数据,以及与管输能耗的目标数据对应的第一管输参数的目标数据,获取第二管输能耗模型。
第二输入模块308,向第二管输能耗模型输入多组第一管输参数的目标数据,得到与多组第一管输参数的目标数据一一对应的更新后的多个管输能耗的目标数据。
可选的,第一管输参数还包括管存量;装置还包括:
第三获取模块309,用于基于多组第一管输参数的目标数据中每组目标数据的管存量的数据,获取多个管存区间。
第四获取模块310,用于基于管存量的数据位于每个管存区间内的第一管输参数的目标数据中输量的数据,获取多个输量区间。
可选的,第一管输能耗模型和第二管输能耗模型均为高斯过程模型。
可选的,参见图6.该装置300还可以包括:
第五获取模块311,用于获取输气管道的多组历史样本数据。
第四确定模块312,用于基于多组历史样本数据,确定输气管道的多个管输参数中每个管输参数对管输能耗的权重,权重用于表征管输参数对管输能耗的影响程度。
第五确定模块313,用于将多个管输参数中权重大于权重阈值的管输参数确定为第一管输参数。
可选的,该第四确定模块312可以用于:
采用梯度提升决策树算法,对多组历史样本数据进行处理,得到输气管道的多个管输参数中每个管输参数对管输能耗的权重。
可选的,第一管输参数包括:输量、管存量和下载量;若输气管道包括:多条输气管道,且多条输气管道中存在至少两条输气管道相交,则第一管输参数还包括:管道联络线转供量。
综上所述,本申请实施例提供了一种输气管道的管输参数的调整装置,由于第一管输能耗模型是基于大量的历史样本数据训练得到的,因此通过第一管输能耗模型生成的目标管输能耗的准确性较高,可以确保匹配得到目标历史样本数据的准确性较高,从而可以确保采用目标历史样本数据中的管输参数的样本数据对输气管道进行调整后,可以有效降低输气管道的管输能耗,使得对输气管道的管输过程的优化效果较好,进而有效提高了输气管道在运行过程中的经济性和稳定性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、各模块以及各子模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图7是本申请实施例提供的又一种输气管道的管输参数的调整装置的结构框图,参见图7,该装置400可以包括:处理器401、存储器402以及存储在该存储器402上并可在该处理器401上运行的计算机程序,该处理器401执行该计算机程序时可以实现如上述方法实施例提供的输气管道的管输参数的调整方法,例如图1或图2所示的方法。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当该计算机可读存储介质在计算机上运行时,使得计算机执行如上述方法实施例提供的输气管道的管输参数的调整方法,例如图1或图2所示的方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述方法实施例提供的输气管道的管输参数的调整方法,例如图1或图2所示的方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种输气管道的管输参数的调整方法,其特征在于,所述方法包括:
基于输气管道的多组历史样本数据确定第一管输能耗模型,每组所述历史样本数据包括:第一管输参数的样本数据、第二管输参数的样本数据和管输能耗的样本数据,所述第一管输参数与所述第二管输参数不同,且所述第一管输参数对所述管输能耗的影响程度大于所述第二管输参数对所述管输能耗的影响程度,所述第一管输能耗模型用于反映历史样本数据中第一管输参数与管输能耗的对应关系;
向所述第一管输能耗模型输入多组第一管输参数的目标数据,得到与所述多组第一管输参数的目标数据一一对应的多个管输能耗的目标数据;
对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,在所述多组历史样本数据中,将第一管输参数的样本数据与所述第一管输参数的目标数据匹配,且管输能耗的样本数据与所述管输能耗的目标数据匹配的历史样本数据,确定为目标历史样本数据;
基于所述目标历史样本数据中的第二管输参数的样本数据,以及所述第一管输参数的目标数据,调整所述输气管道的管输参数的数据。
2.根据权利要求1所述的方法,其特征在于,所述对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,在所述多组历史样本数据中,将第一管输参数的样本数据与所述第一管输参数的目标数据匹配,且管输能耗的样本数据与所述管输能耗的目标数据匹配的历史样本数据,确定为目标历史样本数据,包括:
对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,基于所述第一管输参数的目标数据和对应的管输能耗的目标数据,以及所述每组历史样本数据的第一管输参数的样本数据和对应的管输能耗的样本数据,确定与所述每组历史样本数据对应的距离参数,所述距离参数用于反映所述第一管输参数的目标数据与所述第一管输参数的样本数据,以及所述管输能耗的目标数据和所述管输能耗的样本数据的接近程度;
在所述多组历史样本数据中将最小的距离参数对应的历史样本数据确定为所述目标历史样本数据。
3.根据权利要求1所述的方法,其特征在于,所述第一管输参数包括输量,所述多组第一管输参数的目标数据中存在输量的数据属于不同输量区间的至少两组目标数据;在确定所述目标历史样本数据之前,所述方法还包括:
对于多个所述输量区间中的每个输量区间,基于所述输量区间内的多组第一管输参数的目标数据所对应的多个管输能耗的目标数据,获取多个管输能耗区间;
基于位于每个所述管输能耗区间内的管输能耗的目标数据的个数,将所述多个管输能耗区间中所述个数最多的管输能耗区间确定为待选管输能耗区间;
在所述多个管输能耗区间中筛选至少一个管输能耗区间作为目标管输能耗区间,所述目标管输能耗区间的最大端点值小于所述待选管输能耗区间的最小端点值;
基于位于所述目标能耗区间内的管输能耗的目标数据,以及与所述管输能耗的目标数据对应的第一管输参数的目标数据,获取第二管输能耗模型;
向所述第二管输能耗模型输入所述多组第一管输参数的目标数据,得到与所述多组第一管输参数的目标数据一一对应的更新后的多个管输能耗的目标数据。
4.根据权利要求3所述的方法,其特征在于,所述第一管输参数还包括管存量;在所述对于多个所述输量区间中的每个输量区间,基于所述输量区间内的多组第一管输参数的目标数据所对应的多个管输能耗的目标数据,获取多个管输能耗区间之前,所述方法还包括:
基于所述多组第一管输参数的目标数据中每组所述目标数据的管存量的数据,获取多个管存区间;
基于管存量的数据位于每个所述管存区间内的第一管输参数的目标数据中输量的数据,获取多个输量区间。
5.根据权利要求3所述的方法,其特征在于,所述第一管输能耗模型和所述第二管输能耗模型均为高斯过程模型。
6.根据权利要求1至5任一所述的方法,其特征在于,在所述基于输气管道的多组历史样本数据确定第一管输能耗模型之前,所述方法还包括:
获取所述输气管道的多组历史样本数据;
基于所述多组历史样本数据,确定所述输气管道的多个管输参数中每个所述管输参数对管输能耗的权重,所述权重用于表征所述管输参数对所述管输能耗的影响程度;
将所述多个管输参数中权重大于权重阈值的管输参数确定为第一管输参数。
7.根据权利要求6所述的方法,其特征在于,基于所述多组历史样本数据,确定所述输气管道的多个管输参数中每个所述管输参数对管输能耗的权重,包括:
采用梯度提升决策树算法,对所述多组历史样本数据进行处理,得到所述输气管道的多个管输参数中每个所述管输参数对管输能耗的权重。
8.根据权利要求1至5任一所述的方法,其特征在于,所述第一管输参数包括:输量、管存量和下载量;若所述输气管道包括:多条输气管道,且多条所述输气管道中存在至少两条输气管道相交,则所述第一管输参数还包括:管道联络线转供量。
9.一种输气管道的管输参数的调整装置,其特征在于,所述装置包括:
第一确定模块,用于基于输气管道的多组历史样本数据确定第一管输能耗模型,每组所述历史样本数据包括:第一管输参数的样本数据、第二管输参数的样本数据和管输能耗的样本数据,所述第一管输参数与所述第二管输参数不同,且所述第一管输参数对所述管输能耗的影响程度大于所述第二管输参数对所述管输能耗的影响程度,所述第一管输能耗模型用于反映历史样本数据中第一管输参数与管输能耗的对应关系;
第一输入模块,用于向所述第一管输能耗模型输入多组第一管输参数的目标数据,得到与所述多组第一管输参数的目标数据一一对应的多个管输能耗的目标数据;
第二确定模块,用于对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,在所述多组历史样本数据中,将第一管输参数的样本数据与所述第一管输参数的目标数据匹配,且管输能耗的样本数据与所述管输能耗的目标数据匹配的历史样本数据,确定为目标历史样本数据;
调整模块,用于基于所述目标历史样本数据中的第二管输参数的样本数据,以及所述第一管输参数的目标数据,调整所述输气管道的管输参数的数据。
10.根据权利要求9所述的装置,其特征在于,所述第二确定模块用于:
对于每组所述第一管输参数的目标数据和对应的管输能耗的目标数据,基于所述第一管输参数的目标数据和对应的管输能耗的目标数据,以及所述每组历史样本数据的第一管输参数的样本数据和对应的管输能耗的样本数据,确定与所述每组历史样本数据对应的距离参数,所述距离参数用于反映所述第一管输参数的目标数据与所述第一管输参数的样本数据,以及所述管输能耗的目标数据和所述管输能耗的样本数据的接近程度;
在所述多组历史样本数据中将最小的距离参数对应的历史样本数据确定为所述目标历史样本数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010337537.2A CN111666709B (zh) | 2020-04-26 | 2020-04-26 | 输气管道的管输参数调整方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010337537.2A CN111666709B (zh) | 2020-04-26 | 2020-04-26 | 输气管道的管输参数调整方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666709A true CN111666709A (zh) | 2020-09-15 |
CN111666709B CN111666709B (zh) | 2022-11-04 |
Family
ID=72382849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010337537.2A Active CN111666709B (zh) | 2020-04-26 | 2020-04-26 | 输气管道的管输参数调整方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666709B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633323A (zh) * | 2017-08-28 | 2018-01-26 | 平安科技(深圳)有限公司 | 核保难度预测的方法、装置、计算机设备及存储介质 |
CN108920863A (zh) * | 2018-07-20 | 2018-11-30 | 湖南大学 | 一种机器人伺服系统能耗估计模型的建立方法 |
CN110865666A (zh) * | 2019-12-09 | 2020-03-06 | Oppo广东移动通信有限公司 | 温度控制方法、装置、存储介质及电子设备 |
-
2020
- 2020-04-26 CN CN202010337537.2A patent/CN111666709B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633323A (zh) * | 2017-08-28 | 2018-01-26 | 平安科技(深圳)有限公司 | 核保难度预测的方法、装置、计算机设备及存储介质 |
CN108920863A (zh) * | 2018-07-20 | 2018-11-30 | 湖南大学 | 一种机器人伺服系统能耗估计模型的建立方法 |
CN110865666A (zh) * | 2019-12-09 | 2020-03-06 | Oppo广东移动通信有限公司 | 温度控制方法、装置、存储介质及电子设备 |
Non-Patent Citations (2)
Title |
---|
杨金威等: "中亚天然气管道的运行优化与能耗控制", 《油气储运》 * |
王杨等: "成品油管道调度与运行优化技术研究", 《化工管理》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111666709B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106368813B (zh) | 一种基于多元时间序列的异常报警数据检测方法 | |
CN104834651B (zh) | 一种提供高频问题回答的方法和装置 | |
CN101286065A (zh) | 一种原油掺炼多周期优化的原油调合调度方法 | |
CN110310114A (zh) | 对象分类方法、装置、服务器及存储介质 | |
CN109190776B (zh) | 汽车故障的复检方法、装置、终端设备及存储介质 | |
CN114970064B (zh) | 一种供水方案的获取方法、装置、电子设备及介质 | |
CN111666709B (zh) | 输气管道的管输参数调整方法及装置 | |
CN112053003B (zh) | 一种原油输送过程中间储罐的调度方法 | |
CN111401642A (zh) | 自动调整预测值的方法、装置、设备及存储介质 | |
US20230040648A1 (en) | String entropy in a data pipeline | |
CN114218174B (zh) | 基于区块链的工业互联网数据存储方法、系统及存储介质 | |
CN114880312A (zh) | 一种可柔性设置的应用系统业务数据稽核方法 | |
CN117786542A (zh) | 一种用于多源数据的多级实时分析处理方法 | |
CN111831286B (zh) | 一种用户投诉处理方法和设备 | |
US20230297956A1 (en) | System and method for managing invoice exceptions | |
CN107783896B (zh) | 一种数据处理模型的优化方法和装置 | |
CN114529255A (zh) | 一种基于风控评分卡的贷款自动审批方法及系统 | |
CN111275371A (zh) | 数据处理方法、数据处理设备和计算机可读存储介质 | |
CN114943339A (zh) | 基于互联网社区的文本推理方法、装置及存储介质 | |
CN110674122B (zh) | 一种基于数据交易的数据清洗系统 | |
CN113641823A (zh) | 文本分类模型训练、文本分类方法、装置、设备及介质 | |
CN113553038A (zh) | 基于可用性算法的规则引擎实现方法、装置及存储介质 | |
CN112131470A (zh) | 一种基于线性最优的发票三单匹配方法 | |
CN116743670B (zh) | 一种基于编码预制的同类信息快速自检查方法及系统 | |
US20230221711A1 (en) | A method and an apparatus for increasing efficiency of a food production plant |
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 |