CN112163722A - 天然气管网的供气状态预测方法及装置 - Google Patents
天然气管网的供气状态预测方法及装置 Download PDFInfo
- Publication number
- CN112163722A CN112163722A CN202011186477.5A CN202011186477A CN112163722A CN 112163722 A CN112163722 A CN 112163722A CN 202011186477 A CN202011186477 A CN 202011186477A CN 112163722 A CN112163722 A CN 112163722A
- Authority
- CN
- China
- Prior art keywords
- natural gas
- pipe network
- gas pipe
- state
- gas supply
- 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
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 410
- 239000003345 natural gas Substances 0.000 title claims abstract description 205
- 239000007789 gas Substances 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 44
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 11
- 238000004088 simulation Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种天然气管网的供气状态预测方法及装置。所述方法包括：基于动量守恒方程建立天然气管网的管道动态模型，以及基于质量守恒方程建立所述天然气管网的节点动态模型；对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型；所述状态空间模型用于模拟天然气管网的供气状态；根据预设算法，给出天然气管网的观测方程；所述观测方程用于根据多个节点的实测数据计算天然气管网的供气状态；根据所述状态空间模型和所述观测方程预测天然气管网的供气状态，从而提高天然气管网的供气状态预测的准确性。
Description
技术领域
本说明书实施例涉及天然气运输技术领域，特别涉及一种天然气管网的供气状态预测方法及装置。
背景技术
近年来，天然气在我国能源消费中所占比例快速升高，天然气管网建设步伐不断加快。如何保障天然气管网的安全、可靠供气已成为关乎经济发展、社会稳定的重要课题。然而，受用户需求波动、系统操作策略改变以及单元意外失效等多种作用影响，天然气管网的供气状态(或管网内天然气的输送状态)往往呈现出“非稳态”。这种非稳态的存在时间跨度长、空间广度大。要想保障系统对用户的可靠供气，必须能够比较准确地把握由非稳态工况导致的管网供气状态的波动情况。
一般地，操作员可以借助软件通过离线模拟特定的非稳态工况，进而根据结果做出判断。具体的，操作员可以输入初始条件(压力、流量资料)、固定的边界条件(需求波动、气源供气能力的波动、管网中特定节点的压力等)以及详细的系统参数，进而根据输出结果做出判断。
然而，管网的运行状态由传感器采集并传回，但是这些数据包括了噪声数据。其次，作为非稳态模拟的边界条件，在模拟时间内的系统边界变化情况需要一次性输入，但是，在实际运行中，系统某一边界的变化往往是不完全确定的。
上述问题导致在非稳态工况下，离线模拟往往很难实现准确、高效地为操作者和管理者提供天然气管网的运行与供气信息，进而影响判断和决策，降低系统的供气安全可靠性。
发明内容
本说明书实施例的目的是提供一种天然气管网的供气状态预测方法及装置，以提高天然气管网的供气状态预测的准确性。
为解决上述问题，本说明书实施例提供一种天然气管网的供气状态预测方法，所述天然气管网包括多条管道和多个节点，所述方法包括：基于动量守恒方程建立天然气管网的管道动态模型，以及基于质量守恒方程建立所述天然气管网的节点动态模型；对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型；所述状态空间模型用于模拟天然气管网的供气状态；根据预设算法，给出天然气管网的观测方程；所述观测方程用于根据多个节点的实测数据计算天然气管网的供气状态；根据所述状态空间模型和所述观测方程预测天然气管网的供气状态。
为解决上述问题，本说明书实施例还提供一种天然气管网的供气状态预测装置，所述天然气管网包括多条管道和多个节点，所述装置包括：建立模块，用于基于动量守恒方程建立天然气管网的管道动态模型，以及基于质量守恒方程建立所述天然气管网的节点动态模型；整合模块，用于对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型；所述状态空间模型用于模拟天然气管网的供气状态；观测模块，用于根据预设算法，给出天然气管网的观测方程；所述观测方程用于根据多个节点的实测数据计算天然气管网的供气状态；预测模块，用于根据所述状态空间模型和所述观测方程预测天然气管网的供气状态。
由以上本说明书实施例提供的技术方案可见，本说明书实施例中，可以基于动量守恒方程建立天然气管网的管道动态模型，以及基于质量守恒方程建立所述天然气管网的节点动态模型；对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型；所述状态空间模型用于模拟天然气管网的供气状态；根据预设算法，给出天然气管网的观测方程；所述观测方程用于根据多个节点的实测数据计算天然气管网的供气状态；根据所述状态空间模型和所述观测方程预测天然气管网的供气状态。本说明书实施例提供的天然气管网的供气状态预测方法，建立了可以应用于较复杂的天然气管网的在线状态预测模型，实现了根据传感器传回的带噪声数据，准确地估计出管网供气状态，并且基于少量传感器传回的实时数据，对整个管网的动态估计与预测，打破了一般的离线模拟对“边界条件”的严格限制，提高天然气管网的供气状态预测的准确性。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书中记载的一些实施例，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为本说明书实施例一种天然气管网的供气状态预测方法的流程图；
图2为本说明书实施例天然气管网拓扑结构示意图；
图3为本说明书实施例用户的需求变化情况示意图；
图4为本说明书实施例气源供气量估计结果示意图；
图5为本说明书实施例管道1的压力、流量波动示意图；
图6为本说明书实施例管道2上游节点的压力、流量波动示意图；
图7为本说明书实施例一种天然气管网的供气状态预测装置的功能模块示意图。
具体实施方式
下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
在本说明书实施例中，所述天然气管网是由多个天然气管道和节点组成的网状结构。所述天然气管道是指将天然气(包括油田生产的伴生气)从开采地或处理厂输送到城市配气中心或工业企业用户的管道，又称输气管道。所述节点可以是需求点、供气点和连接点。所述需求点可以是用户的位置；所述供气点可以是天然气气源、储气设施的位置；所述连接点可以是是天然气管道之间的连接点。
用户所使用的天然气可以通过天然气管网运输。受用户需求波动、系统操作策略改变以及单元意外失效等多种作用影响，天然气管网的供气状态往往呈现出“非稳态”，即天然气管网的供气状态并不是一个稳定的状态，而是会随着外界因素的变化而发生变化的状态。这种非稳态的存在时间跨度长、空间广度大。要想保障系统对用户的可靠供气，必须能够比较准确地把握由非稳态工况导致的管网供气状态的波动情况。
现有技术通常可以借助软件通过离线模拟特定的非稳态工况，进而根据结果确定天然气管网的供气状态。具体的，操作员可以输入初始条件(压力、流量资料)、固定的边界条件(需求波动、气源供气能力的波动、管网中特定节点的压力等)以及详细的系统参数，进而根据输出结果做出判断。然而，管网的运行状态由传感器采集并传回，但是这些数据包括了噪声数据。其次，作为非稳态模拟的边界条件，在模拟时间内的系统边界变化情况需要一次性输入，但是，在实际运行中，系统某一边界的变化往往是不完全确定的，使得离线模拟往往很难实现准确、高效地为操作者和管理者提供天然气管网的运行与供气信息，进而影响判断和决策，降低系统的供气安全可靠性。考虑到如果能够建立天然气管网系统的在线状态预估模型，通过天然气管网系统的在线状态预估模型来对天然气管网的供气状态进行预测，则有望解决现有技术中通过离线模拟导致的准确性低等问题，提高天然气管网的供气状态预测的准确性。
图1为本说明书实施例一种天然气管网的供气状态预测方法的流程图。如图1所示，所述天然气管网的供气状态预测方法可以包括以下步骤。
S110：基于动量守恒方程建立天然气管网的管道动态模型，以及基于质量守恒方程建立所述天然气管网的节点动态模型。
在一些实施例中，所述管道动态模型可以表征天然气管网中管道的天然气的流动状态；所述节点动态模型可以表征天然气管网中节点的天然气流入与流出状态。
在本说明书实施例中，天然气管网在运输天然气的过程中遵守质量守恒定律和动量守恒定律。具体的，可以对天然气管网建立以下关系模型。
质量守恒方程：
动量守恒方程：
真实气体方程：
其中，ρ表示天然气密度，ν表示天然气流速，t表示时间，x表示管道的空间坐标，g表示重力加速度，D表示管道内径，α表示管道倾角，λ表示摩擦系数，p表示节点处压力，Z表示天然气压缩因子，R表示气体常数，T表示温度。
公式(2)中，从左到右各项分别代表惯性、对流、压力、剪切力以及重力对管道内气体的作用。其中，剪切力项可以通过以下公式计算：
其中，τw表示剪切应力，f表示摩擦因子。
在一些实施例中，流体的流动状态可以包括层流和湍流。具体的，流体在运动过程中，各质点完全沿着管轴方向直线运动，质点之间互不掺混、互不干扰的流动状态称为层状流动，简称层流；若运动着的质点不仅沿着管轴方向的直线运动，还伴有横向扰动，质点之间彼此混杂，流线杂乱无章，这种流动状态称为湍流。
在一些实施例中，对于湍流而言，摩擦因子f可以通过以下公式计算得到：
其中，r表示，Re表示雷诺数。
在一些实施例中，雷诺数的表达式如下：
其中，η表示动力粘度。
由公式(5)可以看出，公式(5)是摩擦因子f的隐式表达式，求解f需要进行迭代。对此，可以通过以下公式求解f：
在一些实施例中，由于实际运行过程中，天然气管道都存在不同程度的形变，公式(7)并未考虑到天然气管道形变的影响。考虑到天然气管道形变的影响，摩擦因子f还具有以下关系：
其中，φe表示效率因子，fe表示有效摩擦因子。
在一些实施例中，公式(3)中的天然气压缩因子Z与气压和温度相关，可以通过以下公式计算得到：
其中，pc表示标准压力，Tc表示标准温度。
从公式(1)-(9)可以看出，天然气的管流过程非常复杂，仅能通过数值方法求解。一个复杂、大型天然气管网系统往往包含数以百计的管道、节点以及其它单元，这意味着模拟其动态过程需要求解规模庞大的偏微分方程组。为了降低计算负担，我们需要基于合理的假设对上述方程作出简化：忽略温度变化对天然气管流过程的影响，即假设天然气温度时刻与一个被假设为常数的环境温度相等；忽略对流项，因为在动量方程中，与其它几项相比，对流项较小，尤其在气体流速较低的情况下(v≤15m/s)，对流项可以忽略不计。
在一些实施例中，所述管道中天然气的流动遵循动量守恒定律。因此，基于以上假设，可以根据以下方式建立天然气管网的管道动态模型。
在一些实施例中，可以将公式(2)和(3)进行简化，得到：
其中，Q表示天然气流量，S表示管道横截面积，c表示声速，ηe表示管道效率，α表示管道倾角，g表示重力加速度。
在一些实施例中，对公式(10)采用有限差分法，得到管道i的流量Qi随时间t的变化率与管道i两端节点压力pk和pr以及当前流量Q的关系：
其中，pk和pr分别为管道i两端的节点k和节点r的压力，
为管道i的平均压力，Δx表示管道离散长度。
为了方便整理和计算，可以对公式(11)采用泰勒公式线性化，将公式(11)转换公式(13)：
ΔQi＝Qi-Qi0 (14)
Δpk＝pk-pk0 (15)
Δpr＝pr-pr0 (16)
其中，Qi0、pk0和pr0分别为相应物理量在系统平衡状态时的取值，ΔQi表示管道i的流量增量，Δpk表示管道i的端部节点k处的压力增量，Δpr表示管道i的端部节点r处的压力增量，F(Qi,pk,pr)表示管道流量变化率，F(Qi0,pk0,pr0)表示在系统平衡状态时F的值。
在一些实施例中，由于
为常数，对公式(12)进行简化，可以得到管道动态模型：
其中：
其中，Kqi、Kpk和Kpr为系数。
在一些实施例中，对于节点而言，其特点是天然气的流入流出量保持守恒。因此，可以基于质量守恒方程建立节点的动态模型。在天然气管网中，节点包括包括三类：需求点、供气点以及连接点。对于供气点，又可以划分为一般气源、LNG站以及储气库。不同节点的特点不同，但是均可以采用质量守恒方程表达为统一的形式。只是在应用模型时，需要根据其差别调整相关参数或者参数对干扰的响应方式。基于上述假设，质量守恒方程和真实气体方程可化为以下形式：
在一些实施例中，质量守恒方程反映了压力变化速率与流量变化的关系。在节点处，管道离散长度Δx＝0。于是，在节点j处的流量Qj变化可表示为：
其中，Qj,n表示与节点j连接的管道n的流量，当Qj,n为正时表示天然气流入节点，反之则天然气流出节点；Lj表示节点j向管网上传或下载的天然气量；当节点为供气节点时，Lj<0；当节点为需求点时，Lj>0；当节点为连接点时，Lj＝0；Sj,n表示与节点j连接的管道n的横截面积；Δxj,n表示与节点j连接的管道n的管道离散长度，k表示管道数量。
在一些实施例中，根据公式(22)和公式(23)可以得到：
其中，pj表示节点j处的压力。
在一些实施例中，为了与公式(18)保持一致，可以对公式(24)做以下变形：
其中，pj0，Qj,n0，Lj0为相应物理量在系统平衡状态时的取值。
在一些实施例中，根据公式(25)可以得到节点动态模型：
其中：
Δpj＝pj-pj0 (27)
ΔQj,n＝Qj,n-Qj,n0 (28)
ΔLj＝Lj-Lj0 (29)
ΔQj,n表示与节点j连接的管道n的流量增量，Δpj表示与节点j连接的管道n的压力增量，ΔLj表示节点j的天然气量变化量。
S120：对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型。
在一些实施例中，所述天然气管网的状态空间模型可以表征天然气管网中天然气的流动状态。
在一些实施例中，为了将节点动态模型和管道动态模型整合为天然气管网的状态空间模型，可以将天然气管网描述为由节点和有向弧组成的网络模型。其中，连接点、气源、储气设施以及用户被抽象为节点；管道被描述为有向弧。于是，可以采用邻接矩阵表示天然气管网的拓扑结构：
其中，AI为邻接矩阵，ai,j为邻接矩阵AI中的元素，其取值表示节点i和管道单元j间天然气的流动方向，m表示天然气管网中管道数量，n表示天然气管网中节点数量。
在一些实施例中，对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型可以包括以下步骤。
S121：根据所述管道动态模型计算管道有向邻接矩阵。
在一些实施例中，描述管道的动态过程时，需要借助AI的转置矩阵BI：
其中，BI为邻接矩阵AI的转置，bj,i为邻接矩阵BI中的元素，其取值表示节点i和管道单元j间天然气的流动方向。
在一些实施例中，可以将天然气管网中的非管道单元(压力站、阀室等)表达为邻接矩阵中边的形式。具体的，为便于区分管道与非管道单元，可以将BI拆分：
BI＝[BIP|BIN] (32)
其中，BIP表示管道单元的邻接矩阵转置，BIN表示非管道单元的邻接矩阵转置。
在一些实施例中，可以将公式(18)通过公式(32)整合得到管道有向邻接矩阵：
其中，向量
表示天然气管网中所有管道的流量变化量对时间的导数；向量Δp表示天然气管网中所有节点处压力变化量Δpi(i＝1,2,…n)；向量ΔQ表示天然气管网中所有管道的流量变化量ΔQj(j＝1,2…m)；Kp表示系数矩阵，表征节点的物理性质，可以由公式(20)、公式(21)和公式(32)计算得到，即将公式(20)和公式(21)的计算结果一一对应放入BIP与之相应的位置；KQ表示系数矩阵，体现管道的物理性质。
其中，Kq1…Kqn为公式(19)计算所得的系数，表示各段管道流量性质的系数；非管道单元对应的对角线元素为0。
S122：根据所述节点动态模型计算节点有向邻接矩阵。
在一些实施例中，可以将节点动态模型公式(26)通过公式(30)整合得到节点有向邻接矩阵：
其中，
其中，
表示天然气管网中所有节点的压力变化量对时间的导数
；向量ΔL表示天然气管网中所有节点处天然气的流入/流出量ΔLi(i＝1,2…n)；Φ表示系数矩阵；Sn,N表示与节点n连接的管道N的横截面积；Δxn,N表示与节点n连接的管道N的离散空间步长；K1…Kn表示与各节点连接的管道数量。
S123：将所述管道有向邻接矩阵和所述节点有向邻接矩阵进行耦合，得到所述天然气管网的状态空间模型。
在一些实施例中，可以将公式(33)和公式(35)进行耦合，得到：
其中，
表示天然气管网中所有节点的压力变化量对时间的导数；向量
表示天然气管网中所有管道的流量变化量对时间的导数；O表示零矩阵。
进一步的，可以对公式(40)进行简化，得到所述天然气管网的状态空间模型：
其中：
其中，
表示天然气管网的状态变化对时间的导数，A(m+n)×(m+n)表示天然气管网的状态矩阵；X(m+n)×1表示天然气管网的状态变量矩阵。
S130：根据预设算法，给出天然气管网的观测方程；所述观测方程用于根据多个节点的实测数据计算天然气管网的供气状态。
在一些实施例中，天然气管网的节点中可以设置检测设备，用于检测节点处的天然气流量、压力等数据。所述检测设备可以是流量传感器、压力传感器等设备。所述检测设备的检测数据通常包括噪声数据。其中，所述噪声数据是指检测数据数据中存在着错误或异常(偏离期望值)的数据，这些数据对数据的分析造成了干扰。
在一些实施例中，所述预设算法可以包括卡尔曼滤波算法。所述卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。
在一些实施例中，根据卡尔曼滤波算法可以得到天然气管网的观测方程：
Zt＝HtXt+Vt (44)
其中，Zt表示实测数据；Ht表示测量矩阵，可以根据实测数据对应的节点位置确定；Vt表示测量误差向量，与检测设备的检测精度有关；Xt表示天然气管网的状态向量。
在一些实施例中，可以基于所述观测方程，可以根据检测设备检测的天然气流量、压力等数据计算得到天然气管网的供气状态的观测值。
S140：根据所述状态空间模型和所述观测方程预测天然气管网的供气状态。
在一些实施例中，可以根据以下步骤预测天然气管网的供气状态。
S141：根据所述状态空间模型和所述观测方程建立天然气管网的供气状态预测模型。
在一些实施例中，可以根据天然气管网的状态空间模型确定用于模拟天然气管网的供气状态的状态方程：
Xt+1＝(I-Δt·A)-1Xt+Wt (45)
其中，I表示单位矩阵；Δt表示时间步长；A表示天然气管网的状态矩阵，由式(42)给出；Wt表示系统噪声向量，与系统性质有关；Xt+1表示天然气管网的下一状态向量；下标t表示当前时刻，下标t+1表示当前时刻t的下一时刻。
在一些实施例中，根据公式(43)和公式(44)可以建立天然气管网的供气状态预测模型。
具体的，可以根据预测误差的协方差矩阵，计算Kalman增益：
其中，Kt表示Kalman增益；
表示预测误差的协方差矩阵；Ht表示测量矩阵，其确定取决于传感器的位置；Rt表示测量误差的协方差矩阵。
结合当前状态t的预测值，再收集当前状态的观测值，基于Kalman增益可以得到当前状态修正后的最优估计结果：
其中，
和
分别表示当前状态下的状态向量修正后的最优估计值向量和预测值向量；zt为传感器的实测值，即观测值。
为能实时处理观测数据以及模型的自适应修正，还需要更新当前状态下最优估计误差的协方差矩阵：
其中，I表示单位矩阵；Pt表示最优估计误差的协方差矩阵。
有了当前状态的最优估计结果后，利用系统的状态方程，可以实现对系统下一状态t+1的预测：
其中，Δt表示时间步长；
表示下一状态下的状态向量修正后的预测值向量。
对系统下一状态的预测完成后，还需要对预测误差的协方差矩阵进行更新：
其中，Qt为系统噪声的协方差矩阵；
表示更新后的预测误差的协方差矩阵。
S142：将多个节点的实测数据输入所述供气状态预测模型中，得到输出结果。
S143：根据所述输出结果预测天然气管网的供气状态。
本说明书实施例提供的天然气管网的供气状态预测方法，可以基于动量守恒方程建立天然气管网的管道动态模型，以及基于质量守恒方程建立所述天然气管网的节点动态模型；对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型；所述状态空间模型用于模拟天然气管网的供气状态；根据预设算法，给出天然气管网的观测方程；所述观测方程用于根据多个节点的实测数据计算天然气管网的供气状态；根据所述状态空间模型和所述观测方程预测天然气管网的供气状态。本说明书实施例提供的天然气管网的供气状态预测方法，建立了可以应用于较复杂的天然气管网的在线状态预测模型，实现了根据传感器传回的带噪声数据，准确地估计出管网供气状态，并且基于少量传感器传回的实时数据，对整个管网的动态估计与预测，打破了一般的离线模拟对“边界条件”的严格限制，提高天然气管网的供气状态预测的准确性。
下面结合图2-图6说明本说明书实施例提供的天然气管网的供气状态预测方法的一个具体实施例。
在本说明书实施例中，采用一个简单的三角管网作为天然气管网进行分析，如图2所示，所示天然气管网包括三个节点和三条管道。所述三角管网的参数如表1所示：
表1
在本说明书实施例中，节点1为气源，节点2和节点3为用户。在气源处采用压力控制法，即将气源输出压力设置为目标值；在用户处采用流量控制阀，即通过调整流量满足用户需求。
在本说明书实施例中，可以在用户处施加扰动，即改变用户对于天然气的需求。图3给出了节点2和节点3处的用户对于天然气的需求随时间的变化。
在本说明书实施例中，可以将节点2和节点3处传感器检测的带噪声的实时数据输入至天然气管网的供气状态预测模型中，即可预测出各管道中的天然气流量和气源供气量随时间的变化情况，返回的结果如图4-图6所示。其中，图4表示气源供气量的变化情况，由于输出天然气(用户需求)为正值，所以图4中输入天然气量(供气)为负值。期间，预测三角管网的供气状态所用时间很短(<0.1s)，基本可以实现与系统变化同步。
从图4-图6可以看出，通过对比本说明书实施例提供的天然气管网的供气状态预测方法所得到的预测结果、商用软件TGNET的模拟结果以及采集到的实际结果，可以得出本说明书实施例提供的天然气管网的供气状态预测方法可以根据少量带噪声的输入数据准确的预测出天然气管网的供气状态。
参阅图7，在软件层面上，本说明书实施例还提供了一种天然气管网的供气状态预测装置，该装置具体可以包括以下的结构模块。
建立模块710，用于基于动量守恒方程建立天然气管网的管道动态模型，以及基于质量守恒方程建立所述天然气管网的节点动态模型；
整合模块720，用于对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型；所述状态空间模型用于模拟天然气管网的供气状态；
观测模块730，用于根据预设算法，给出天然气管网的观测方程；所述观测方程用于根据多个节点的实测数据计算天然气管网的供气状态；
预测模块740，用于根据所述状态空间模型和所述观测方程预测天然气管网的供气状态。
在一些实施例中，所述预测模块740可以包括：建立单元，用于根据所述状态空间模型和所述观测方程建立天然气管网的供气状态预测模型；输入单元，用于将多个节点的实测数据输入所述供气状态预测模型中，得到输出结果；预测单元，用于根据所述输出结果预测天然气管网的供气状态。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。尤其，对于装置实施例和设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域技术人员在阅读本说明书文件之后，可以无需创造性劳动想到将本说明书列举的部分或全部实施例进行任意组合，这些组合也在本说明书公开和保护的范围内。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (10)
1.一种天然气管网的供气状态预测方法，其特征在于，所述天然气管网包括多条管道和多个节点，所述方法包括：
基于动量守恒方程建立天然气管网的管道动态模型，以及基于质量守恒方程建立所述天然气管网的节点动态模型；
对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型；所述状态空间模型用于模拟天然气管网的供气状态；
根据预设算法，给出天然气管网的观测方程；所述观测方程用于根据多个节点的实测数据计算天然气管网的供气状态；
根据所述状态空间模型和所述观测方程预测天然气管网的供气状态。
2.根据权利要求1所述的方法，其特征在于，所述节点包括需求点、供气点和连接点中的至少一种。
3.根据权利要求1所述的方法，其特征在于，对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型包括：
根据所述管道动态模型计算管道有向邻接矩阵；
根据所述节点动态模型计算节点有向邻接矩阵；
将所述管道有向邻接矩阵和所述节点有向邻接矩阵进行耦合，得到所述天然气管网的状态空间模型。
4.根据权利要求1所述的方法，其特征在于，所述预设算法包括卡尔曼滤波算法。
5.根据权利要求1所述的方法，其特征在于，所述实测数据包括天然气流量和天然气压力中的至少一种。
6.根据权利要求1所述的方法，其特征在于，所述观测方程包括：
Zt＝HtXt+Vt
其中，Zt表示实测数据，Ht表示测量矩阵，Vt表示测量误差向量，Xt表示天然气管网的状态向量。
7.根据权利要求1所述的方法，其特征在于，所述根据所述状态空间模型和所述观测方程预测天然气管网的供气状态包括：
根据所述状态空间模型和所述观测方程建立天然气管网的供气状态预测模型；
将多个节点的实测数据输入所述供气状态预测模型中，得到输出结果；
根据所述输出结果预测天然气管网的供气状态。
8.根据权利要求7所述的方法，其特征在于，所述供气状态预测模型包括：
其中，Kt表示Kalman增益；
表示预测误差的协方差矩阵；Ht表示测量矩阵，其确定取决于传感器的位置；Rt表示测量误差的协方差矩阵；
和
分别表示当前状态下的状态向量修正后的最优估计值向量和预测值向量；zt为传感器的实测值，即观测值；I表示单位矩阵；Pt表示最优估计误差的协方差矩阵；Δt表示时间步长；
表示下一状态下的状态向量修正后的预测值向量；Δt表示时间步长；
表示下一状态下的状态向量修正后的预测值向量；A表示天然气管网的状态矩阵；下标t表示当前时刻，下标t+1表示当前时刻t的下一时刻。
9.一种天然气管网的供气状态预测装置，其特征在于，所述天然气管网包括多条管道和多个节点，所述装置包括：
建立模块，用于基于动量守恒方程建立天然气管网的管道动态模型，以及基于质量守恒方程建立所述天然气管网的节点动态模型；
整合模块，用于对所述管道动态模型和所述节点动态模型进行整合，得到所述天然气管网的状态空间模型；所述状态空间模型用于模拟天然气管网的供气状态；
观测模块，用于根据预设算法，给出天然气管网的观测方程；所述观测方程用于根据多个节点的实测数据计算天然气管网的供气状态；
预测模块，用于根据所述状态空间模型和所述观测方程预测天然气管网的供气状态。
10.根据权利要求9所述的装置，其特征在于，所述预测模块包括：
建立单元，用于根据所述状态空间模型和所述观测方程建立天然气管网的供气状态预测模型；
输入单元，用于将多个节点的实测数据输入所述供气状态预测模型中，得到输出结果；
预测单元，用于根据所述输出结果预测天然气管网的供气状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011186477.5A CN112163722A (zh) | 2020-10-30 | 2020-10-30 | 天然气管网的供气状态预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011186477.5A CN112163722A (zh) | 2020-10-30 | 2020-10-30 | 天然气管网的供气状态预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112163722A true CN112163722A (zh) | 2021-01-01 |
Family
ID=73865234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011186477.5A Pending CN112163722A (zh) | 2020-10-30 | 2020-10-30 | 天然气管网的供气状态预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112163722A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113047818A (zh) * | 2021-03-29 | 2021-06-29 | 西南石油大学 | 一种海上油田伴生气的储存与利用方法 |
| CN114611418A (zh) * | 2021-12-16 | 2022-06-10 | 中国科学院计算机网络信息中心 | 天然气管道流动状态预测方法 |
| CN114611418B (zh) * | 2021-12-16 | 2024-06-04 | 中国科学院计算机网络信息中心 | 天然气管道流动状态预测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105912844A (zh) * | 2016-04-07 | 2016-08-31 | 中国石油大学(北京) | 一种天然气管网供气可靠性的评价方法及装置 |
| CN109002419A (zh) * | 2017-06-07 | 2018-12-14 | 中国石油大学(北京) | 天然气管网的动态分析方法及装置 |
| CN110361418A (zh) * | 2019-07-03 | 2019-10-22 | 华电通用轻型燃机设备有限公司 | 天然气实时热值预测分析装置及方法 |
| CN110532517A (zh) * | 2019-08-28 | 2019-12-03 | 北京理工大学 | 基于改进的arukf的燃气管道参数估计方法 |
| CN110619487A (zh) * | 2019-10-12 | 2019-12-27 | 东北大学 | 一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法 |
-
2020
- 2020-10-30 CN CN202011186477.5A patent/CN112163722A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105912844A (zh) * | 2016-04-07 | 2016-08-31 | 中国石油大学(北京) | 一种天然气管网供气可靠性的评价方法及装置 |
| CN109002419A (zh) * | 2017-06-07 | 2018-12-14 | 中国石油大学(北京) | 天然气管网的动态分析方法及装置 |
| CN110361418A (zh) * | 2019-07-03 | 2019-10-22 | 华电通用轻型燃机设备有限公司 | 天然气实时热值预测分析装置及方法 |
| CN110532517A (zh) * | 2019-08-28 | 2019-12-03 | 北京理工大学 | 基于改进的arukf的燃气管道参数估计方法 |
| CN110619487A (zh) * | 2019-10-12 | 2019-12-27 | 东北大学 | 一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张宗杰 等: "干线天然气管道供气可靠性评价方法", 《油气储运》, vol. 33, no. 9, pages 945 - 949 * |
| 苏怀 等: "大型天然气管网可靠性评价方法研究进展", 《油气储运》, vol. 35, no. 1, pages 7 - 15 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113047818A (zh) * | 2021-03-29 | 2021-06-29 | 西南石油大学 | 一种海上油田伴生气的储存与利用方法 |
| CN114611418A (zh) * | 2021-12-16 | 2022-06-10 | 中国科学院计算机网络信息中心 | 天然气管道流动状态预测方法 |
| CN114611418B (zh) * | 2021-12-16 | 2024-06-04 | 中国科学院计算机网络信息中心 | 天然气管道流动状态预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109344436B (zh) | 一种大型复杂天然气管网系统在线仿真方法 | |
| Kiuchi | An implicit method for transient gas flows in pipe networks | |
| Behrooz et al. | Modeling and state estimation for gas transmission networks | |
| Doshmanziari et al. | Gas pipeline leakage detection based on sensor fusion under model-based fault detection framework | |
| WO2018175230A1 (en) | Apparatus and method for creating inferential process flow measurements using flow restrictor and upstream and downstream pressure measurements | |
| CN113551744A (zh) | 一种超声流量计性能在线监测方法及系统 | |
| CN105808366A (zh) | 一种基于四变量模型的系统安全分析方法 | |
| CA2988965A1 (en) | Control system in a gas pipeline network to satisfy pressure constraints | |
| Bisgaard et al. | A finite element method for transient compressible flow in pipelines | |
| Fetisov et al. | Aggregative simulation method for implementing mathematical models for gas transmission systems | |
| Schmidt et al. | A primal heuristic for nonsmooth mixed integer nonlinear optimization | |
| CN112163722A (zh) | 天然气管网的供气状态预测方法及装置 | |
| Chen et al. | Robust Kalman Filter‐Based Dynamic State Estimation of Natural Gas Pipeline Networks | |
| Lu et al. | A hybrid Kalman filtering approach based on federated framework for gas turbine engine health monitoring | |
| CN112784381A (zh) | 用于管线网络的管理的模拟方法和系统 | |
| CN115982918B (zh) | 阻力特性辨识方法、装置、设备及存储介质 | |
| US20230280000A1 (en) | Management system and management method, and computer-readable storage medium | |
| CN116734968A (zh) | 一种流量系数的校验方法、装置、设备及存储介质 | |
| US20200333506A1 (en) | Well flow simulation system | |
| CN115935566A (zh) | 天然气管网的模拟仿真方法、系统、存储介质和电子设备 | |
| Gace | On the performance of a Coriolis Mass Flowmeter (CMF): experimental measurement and FSI simulation | |
| Espinoza-Moreno et al. | Real time leak detection and isolation in pipelines: A comparison between sliding mode observer and algebraic steady state method | |
| CN110705187B (zh) | 通过最小二乘算法即时在线仪表校验和诊断方法 | |
| Kowalczuk et al. | Analytical steady-state model of the pipeline flow process | |
| CN110705186B (zh) | 通过rbf粒子群优化算法即时在线仪表校验和诊断方法 |
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 |