CN115330203A - 一种基于博弈证据网络的液化天然气储罐健康状态评估方法 - Google Patents

Abstract

本发明公开了一种基于博弈证据网络的液化天然气储罐健康状态评估方法，包括以下步骤：步骤一，获取LNG储罐实测数据集；步骤二，构建LNG储罐健康状态指标评估体系；步骤三，构建指标参考值矩阵；步骤四，指标的置信分布；步骤五，基于博弈规则构建博弈证据网络；步骤六，获取LNG储罐健康状态评估结果；本发明通过利用证据推理规则能够有效联合多项不确定性特征指标，综合完整信息，实现对LNG储罐健康状态的全方位评估，使得评估结果更具说服力；同时，证据推理规则能够兼顾专家知识对评估的主观把握和对工程数据的客观把控，使评估结果更加可靠，在保证特征指标精确性的前提下，提高了评估过程的透明性、合理性与完备性。

Description

一种基于博弈证据网络的液化天然气储罐健康状态评估方法

技术领域

本发明涉及检测技术领域，具体为一种基于博弈证据网络的液化天然气储罐健康状态评估方法。

背景技术

在天然气生产过程中，液化天然气的存储工作一直是备受重点关注的安全问题，随着我国对天然气开采力度的不断加大，对液化天然气存储的安全性提出了更高的要求。目前LNG储罐常用结构有：立式LNG储罐、卧式LNG储罐、立式子母罐和常压储罐，其中，子母罐是多个子罐并联组成的内罐，以满足大容量储存需求。由于目前子母罐的使用需求日益剧增，在使用时更易发生故障，需要准确而快速地健康监测。由于温度、气压、天然气浓度等因素都会影响LNG储罐的存储状态的好坏，由单一因素评估LNG储罐的存储状态显然是缺乏可靠性的，而现有的检测技术无法兼顾多种因素来对LNG储罐的健康状态进行评估，因此急需一种高效合理LNG储罐健康状态评估方法。

发明内容

本发明的目的在于提供一种基于博弈证据网络的液化天然气储罐健康状态评估方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于博弈证据网络的液化天然气储罐健康状态评估方法，包括以下步骤：步骤一，获取LNG储罐实测数据集；步骤二，构建LNG储罐健康状态指标评估体系；步骤三，构建指标参考值矩阵；步骤四，指标的置信分布；步骤五，基于博弈规则构建博弈证据网络；步骤六，获取LNG储罐健康状态评估结果；

其中在上述步骤一中，通过多种传感器对LNG储罐的各项指标进行测量，整理得到实测数据集；

其中在上述步骤二中，对步骤一中所获取的实测数据集进行特征提取，结合专家知识提取影响LNG储罐健康状态的因素，以提取的特征构建指标评估体系；

其中在上述步骤三中，根据步骤二中所得到的评估指标体系，由专家根据对LNG储罐历史工程试验的分析和工作原理的了解，确定指标参考等级以及参考值，从而构建参考值矩阵；

其中在上述步骤四中，把评估指标体系中的每个指标都作为一条证据，确定各个证据指标的权重及可靠度，根据步骤三中所构建参考值矩阵，采用基于规则的信息转化方法，将指标数据转化成置信分布的形式；

其中在上述步骤五中，根据专家知识设置博弈规则，使用博弈规则将证据推理规则构建成博弈证据网络；

其中在上述步骤六中，将特征指标输入到博弈证据网络中生成博弈权重，通过证据推理规则对置信分布、证据权重、证据可靠度和博弈权重进行信息融合，得到LNG储罐健康状态评估结果，并将其以不同置信度和期望效用的形式来展示。

优选的，所述步骤一中，指标包括且不限于温度、气压和可燃气体浓度。

优选的，所述步骤四中，可采用标准差、熵值法或变异系数法来确定各个证据指标的权重；其中，熵值法的具体过程为：首先构建特征矩阵X_i(t)；然后计算指标在不同样本下所占的比重，进而计算各个指标的熵值，根据熵值计算指标的差异系数；最后采用归一化的方法确定指标权重，即每条证据的权重；其中，特征矩阵X_i(t)表示LNG储罐的可观测数据，假设共有I个指标，则矩阵X_i(t)可表示为：

其中，x₁(t₁)表示第一个特征指标在t₁时刻的取值。

优选的，所述步骤四中，采用基于距离的方法确定证据指标的可靠度，具体过程为：首先计算各个指标在监测的整体时间段内的平均值；然后计算各指标中所有时刻的指标值和平均值之间的距离，根据所有的距离计算指标平均距离；最后用平均距离比最大指标距离，得到指标可靠度，即每条证据的证据可靠度。

优选的，所述步骤四中，采用基于规则的信息转化方法，将指标数据转换成置信分布形式，输入指标的置信度计算方法如下：

其中，h_i,j(i＝1,2,...,I；j＝1,2,...,J)是特征指标X_i的对应不同评估等级的参考值，x_i,j是指标X_i的输入数据，J表示参考值的总数，并且满足h_i,j+1≥h_i,j。

优选的，所述步骤五中，博弈规则建模过程如下：首先，通过对LNG储罐的健康状态分析，获取不同专家构建的评价指标体系；其次，分别构建与之对应的ER模型，并分别设置对应不同ER模型的权重和可靠度；最后，根据博弈规则构建新的ER模型和连接权重，形成博弈证据网络。

优选的，所述步骤六中，证据推理的过程为：假设共收集T个时刻的监测指标数据，每条证据都包含I个指标信息，输入的指标数据x_i(i＝1,...,I)代表证据e_i(i＝1,...,I)，辨识框架H_n(n＝1,...,N)由N个评估等级组成，即Θ＝{H₁,...,H_N}，经过数据标准化处理之后，证据的置信分布被表示为：

e_i＝{(H_n,p_n,i),n＝1,...,N；(Θ,p_Θ,i)} (3)

其中p_n,i表示该评估方案在证据e_i下被评估为评估等级H_n的置信度，Θ是辨识框架包含所有的评估等级，p_Θ,i表示第i个指标相对于辨识框架Θ的置信度，即全局无知性，并且满足0≤p_n,i≤1，

证据可靠度r_i(i＝1,...,I)满足0≤r_i≤1，证据权重ω_i(i＝1,...,I)在归一化后满足0≤ω_i≤1，则证据e_i的加权置信分布可表示为：

其中P(Θ)表示幂集，

表示第i个指标在评估等级H_n下的联合概率质量，并且满足：

其中c_rw,i＝1/(1+ω_i-r_i)表示归一化系数，m_n,i表示第i个指标在等级H_n下的基本概率质量，且满足m_n,i＝ω_ip_n,i，

代表空集，对于任意的两个特征指标，即证据e_i和e_j，若其置信分布由公式(3)表示，则它们对评估等级H_n的联合支持p_n,e(2)为：

则I条证据对H_n的联合支持置信度p_n,e(I)的计算如下：

其中k＝3,4,...,I,m_n,e(k-1)和m_A,e(k-1)分别为前k-1个指标组合后分配给等级H_n和A的归一化组合概率质量；

为前k个指标融合后分配给幂集的未归一化概率质量，m_p(Θ),e(k-1)为前k个指标融合后分配给幂集的归一化概率质量；

和

分别为前k个指标组合后分配给等级H_n和D的未归一化组合概率质量；p_n,e(k)表示前k个指标融合后对应评估等级H_n的置信度，并且满足m_n,e(1)＝m_n,1和m_p(Θ),e(1)＝m_p(Θ),1，其中第1个指标的不可靠性m_p(Θ),1＝1-r₁，通过迭代以上公式，则综合评估结果可以表示为：

e(I)＝{(H_n,p_n,e(I)),n＝1,...,N,(Θ,p_Θ,e(I))} (13)

假设参考等级H_n的效用为u(H_n)，根据效用计算方法，可得到评估结果的期望效用：

其中u表示评估的期望效用。

与现有技术相比，本发明的有益效果是：本发明通过利用证据推理规则能够有效联合多项不确定性特征指标，综合完整信息，实现对LNG储罐健康状态的全方位评估，使得评估结果更具说服力；同时，证据推理规则能够兼顾专家知识对评估的主观把握和对工程数据的客观把控，使评估结果更加可靠，在保证特征指标精确性的前提下，提高了评估过程的透明性、合理性与完备性。

附图说明

图1为本发明的步骤图；

图2为本发明的方法流程图；

图3为本发明的证据权重确定方法示意图；

图4为本发明的证据可靠度确定方法示意图；

图5为本发明的证据推理方法示意图；

图6为本发明的博弈证据网络示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参阅图1-6，本发明提供的一种实施例：一种基于博弈证据网络的液化天然气储罐健康状态评估方法，包括以下步骤：步骤一，获取LNG储罐实测数据集；步骤二，构建LNG储罐健康状态指标评估体系；步骤三，构建指标参考值矩阵；步骤四，指标的置信分布；步骤五，基于博弈规则构建博弈证据网络；步骤六，获取LNG储罐健康状态评估结果；

其中在上述步骤一中，通过多种传感器对LNG储罐的各项指标进行测量，整理得到实测数据集；其中，指标包括且不限于温度、气压和可燃气体浓度；

其中在上述步骤二中，对步骤一中所获取的实测数据集进行特征提取，结合专家知识提取影响LNG储罐健康状态的因素，以提取的特征构建指标评估体系；

其中在上述步骤三中，根据步骤二中所得到的评估指标体系，由专家根据对LNG储罐历史工程试验的分析和工作原理的了解，确定指标参考等级以及参考值，从而构建参考值矩阵；

其中在上述步骤四中，把评估指标体系中的每个指标都作为一条证据，确定各个证据指标的权重及可靠度；可采用标准差、熵值法或变异系数法来确定各个证据指标的权重；其中，熵值法的具体过程为：首先构建特征矩阵X_i(t)；然后计算指标在不同样本下所占的比重，进而计算各个指标的熵值，根据熵值计算指标的差异系数；最后采用归一化的方法确定指标权重，即每条证据的权重；其中，特征矩阵X_i(t)表示LNG储罐的可观测数据，假设共有I个指标，则矩阵X_i(t)可表示为：

其中，x₁(t₁)表示第一个特征指标在t₁时刻的取值；

采用基于距离的方法确定证据指标的可靠度，具体过程为：首先计算各个指标在监测的整体时间段内的平均值；然后计算各指标中所有时刻的指标值和平均值之间的距离，根据所有的距离计算指标平均距离；最后用平均距离比最大指标距离，得到指标可靠度，即每条证据的证据可靠度；

根据步骤三中所构建参考值矩阵，采用基于规则的信息转化方法，将指标数据转换成置信分布形式，输入指标的置信度计算方法如下：

其中，h_i,j(i＝1,2,...,I；j＝1,2,...,J)是特征指标X_i的对应不同评估等级的参考值，x_i,j是指标X_i的输入数据，J表示参考值的总数，并且满足h_i,j+1≥h_i,j；

其中在上述步骤五中，根据专家知识设置博弈规则，使用博弈规则将证据推理规则构建成博弈证据网络；博弈规则建模过程如下：首先，通过对LNG储罐的健康状态分析，获取不同专家构建的评价指标体系；其次，分别构建与之对应的ER模型，并分别设置对应不同ER模型的权重和可靠度；最后，根据博弈规则构建新的ER模型和连接权重，形成博弈证据网络；

其中在上述步骤六中，将特征指标输入到博弈证据网络中生成博弈权重，通过证据推理规则对置信分布、证据权重、证据可靠度和博弈权重进行信息融合，得到LNG储罐健康状态评估结果，并将其以不同置信度和期望效用的形式来展示；其中，证据推理的过程为：假设共收集T个时刻的监测指标数据，每条证据都包含I个指标信息，输入的指标数据x_i(i＝1,...,I)代表证据e_i(i＝1,...,I，辨识框架H_n(n＝1,...,N)由N个评估等级组成，即Θ＝{H₁,...,H_N}，经过数据标准化处理之后，证据的置信分布被表示为：

e_i＝{(H_n,p_n,i),n＝1,...,N；(Θ,p_Θ,i)} (3)

其中p_n,i表示该评估方案在证据e_i下被评估为评估等级H_n的置信度，Θ是辨识框架包含所有的评估等级，p_Θ,i表示第i个指标相对于辨识框架Θ的置信度，即全局无知性，并且满足0≤p_n,i≤1，

证据可靠度r_i(i＝1,...,I)满足0≤r_i≤1，证据权重ω_i(i＝1,...,I)在归一化后满足0≤ω_i≤1，则证据e_i的加权置信分布可表示为：

其中P(Θ)表示幂集，

表示第i个指标在评估等级H_n下的联合概率质量，并且满足：

其中c_rw,i＝1/(1+ω_i-r_i)表示归一化系数，m_n,i表示第i个指标在等级H_n下的基本概率质量，且满足m_n,i＝ω_ip_n,i，

代表空集，对于任意的两个特征指标，即证据e_i和e_j，若其置信分布由公式(3)表示，则它们对评估等级H_n的联合支持p_n,e(2)为：

则I条证据对H_n的联合支持置信度p_n,e(I)的计算如下：

其中k＝3,4,...,I,m_n,e(k-1)和m_A,e(k-1)分别为前k-1个指标组合后分配给等级H_n和A的归一化组合概率质量；

为前k个指标融合后分配给幂集的未归一化概率质量，m_p(Θ),e(k-1)为前k个指标融合后分配给幂集的归一化概率质量；

和

分别为前k个指标组合后分配给等级H_n和D的未归一化组合概率质量；p_n,e(k)表示前k个指标融合后对应评估等级H_n的置信度，并且满足m_n,e(1)＝m_n,1和m_p(Θ),e(1)＝m_p(Θ),1，其中第1个指标的不可靠性m_p(Θ),1＝1-r₁，通过迭代以上公式，则综合评估结果可以表示为：

e(I)＝{(H_n,p_n,e(I)),n＝1,...,N,(Θ,p_Θ,e(I))} (13)

假设参考等级H_n的效用为u(H_n)，根据效用计算方法，可得到评估结果的期望效用：

其中u表示评估的期望效用。

基于上述，本发明的优点在于，该发明使用时，首先结合专家知识提取影响LNG储罐健康状态的因素，构建评估指标体系，根据评估指标体系，结合专家知识和参数优化方法设置不同的参考值和参考等级，形成参考值矩阵，使用标准差、熵值法或变异系数法来确定各个证据指标的权重，使用基于距离的方法确定证据指标的可靠度，使用基于规则的方法将指标数据转换成置信分布形式；其次，使用博弈规则将证据推理规则构建成博弈证据网络；然后，将特征指标输入到博弈证据网络中生成博弈权重；最后，使用证据推理规则融合博弈权重得到健康状态评估结果，评估结果将健康状态分等级显示，如优、良、差，以期望效用的形式展示评估状态；本发明通过专家知识设置参考值矩阵，实现专家对评估的主观把控，又使用客观的数学方法设置证据权重和证据可靠度兼顾实践工程的客观性；本发明通过上述方法实现对液化天然气储罐健康状态的动态评估，使得评估结果更加可靠、更加合理。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (7)

1.一种基于博弈证据网络的液化天然气储罐健康状态评估方法，包括以下步骤：步骤一，获取LNG储罐实测数据集；步骤二，构建LNG储罐健康状态指标评估体系；步骤三，构建指标参考值矩阵；步骤四，指标的置信分布；步骤五，基于博弈规则构建博弈证据网络；步骤六，获取LNG储罐健康状态评估结果；其特征在于：

其中在上述步骤一中，通过多种传感器对LNG储罐的各项指标进行测量，整理得到实测数据集；

其中在上述步骤二中，对步骤一中所获取的实测数据集进行特征提取，结合专家知识提取影响LNG储罐健康状态的因素，以提取的特征构建指标评估体系；

其中在上述步骤三中，根据步骤二中所得到的评估指标体系，由专家根据对LNG储罐历史工程试验的分析和工作原理的了解，确定指标参考等级以及参考值，从而构建参考值矩阵；

其中在上述步骤四中，把评估指标体系中的每个指标都作为一条证据，确定各个证据指标的权重及可靠度，根据步骤三中所构建参考值矩阵，采用基于规则的信息转化方法，将指标数据转化成置信分布的形式；

其中在上述步骤五中，根据专家知识设置博弈规则，使用博弈规则将证据推理规则构建成博弈证据网络；

其中在上述步骤六中，将特征指标输入到博弈证据网络中生成博弈权重，通过证据推理规则对置信分布、证据权重、证据可靠度和博弈权重进行信息融合，得到LNG储罐健康状态评估结果，并将其以不同置信度和期望效用的形式来展示。

2.根据权利要求1所述的一种基于博弈证据网络的液化天然气储罐健康状态评估方法，其特征在于：所述步骤一中，指标包括且不限于温度、气压和可燃气体浓度。

3.根据权利要求1所述的一种基于博弈证据网络的液化天然气储罐健康状态评估方法，其特征在于：所述步骤四中，可采用标准差、熵值法或变异系数法来确定各个证据指标的权重；其中，熵值法的具体过程为：首先构建特征矩阵X_i(t)；然后计算指标在不同样本下所占的比重，进而计算各个指标的熵值，根据熵值计算指标的差异系数；最后采用归一化的方法确定指标权重，即每条证据的权重；其中，特征矩阵X_i(t)表示LNG储罐的可观测数据，假设共有I个指标，则矩阵X_i(t)可表示为：

其中，x₁(t₁)表示第一个特征指标在t₁时刻的取值。

4.根据权利要求1所述的一种基于博弈证据网络的液化天然气储罐健康状态评估方法，其特征在于：所述步骤四中，采用基于距离的方法确定证据指标的可靠度，具体过程为：首先计算各个指标在监测的整体时间段内的平均值；然后计算各指标中所有时刻的指标值和平均值之间的距离，根据所有的距离计算指标平均距离；最后用平均距离比最大指标距离，得到指标可靠度，即每条证据的证据可靠度。

5.根据权利要求1所述的一种基于博弈证据网络的液化天然气储罐健康状态评估方法，其特征在于：所述步骤四中，采用基于规则的信息转化方法，将指标数据转换成置信分布形式，输入指标的置信度计算方法如下：

其中，h_i,j(i＝1,2,...,I；j＝1,2,...,J)是特征指标X_i的对应不同评估等级的参考值，x_i,j是指标X_i的输入数据，J表示参考值的总数，并且满足h_i,j+1≥h_i,j。

6.根据权利要求1所述的一种基于博弈证据网络的液化天然气储罐健康状态评估方法，其特征在于：所述步骤五中，博弈规则建模过程如下：首先，通过对LNG储罐的健康状态分析，获取不同专家构建的评价指标体系；其次，分别构建与之对应的ER模型，并分别设置对应不同ER模型的权重和可靠度；最后，根据博弈规则构建新的ER模型和连接权重，形成博弈证据网络。

7.根据权利要求1所述的一种基于博弈证据网络的液化天然气储罐健康状态评估方法，其特征在于：所述步骤六中，证据推理的过程为：假设共收集T个时刻的监测指标数据，每条证据都包含I个指标信息，输入的指标数据x_i(i＝1,...,I)代表证据e_i(i＝1,...,I)，辨识框架H_n(n＝1,...,N)由N个评估等级组成，即Θ＝{H₁,...,H_N}，经过数据标准化处理之后，证据的置信分布被表示为：

e_i＝{(H_n,p_n,i),n＝1,...,N；(Θ,p_Θ,i)} (3)

其中p_n,i表示该评估方案在证据e_i下被评估为评估等级H_n的置信度，Θ是辨识框架包含所有的评估等级，p_Θ,i表示第i个指标相对于辨识框架Θ的置信度，即全局无知性，并且满足0≤p_n,i≤1，

证据可靠度r_i(i＝1,...,I)满足0≤r_i≤1，证据权重ω_i(i＝1,...,I)在归一化后满足0≤ω_i≤1，则证据e_i的加权置信分布可表示为：

其中P(Θ)表示幂集，

表示第i个指标在评估等级H_n下的联合概率质量，并且满足：

其中c_rw,i＝1/(1+ω_i-r_i)表示归一化系数，m_n,i表示第i个指标在等级H_n下的基本概率质量，且满足m_n,i＝ω_ip_n,i，

代表空集，对于任意的两个特征指标，即证据e_i和e_j，若其置信分布由公式(3)表示，则它们对评估等级H_n的联合支持p_n,e(2)为：

则I条证据对H_n的联合支持置信度p_n,e(I)的计算如下：

其中k＝3,4,...,I,m_n,e(k-1)和m_A,e(k-1)分别为前k-1个指标组合后分配给等级H_n和A的归一化组合概率质量；

为前k个指标融合后分配给幂集的未归一化概率质量，m_p(Θ),e(k-1)为前k个指标融合后分配给幂集的归一化概率质量；

和

分别为前k个指标组合后分配给等级H_n和D的未归一化组合概率质量；p_n,e(k)表示前k个指标融合后对应评估等级H_n的置信度，并且满足m_n,e(1)＝m_n,1和m_p(Θ),e(1)＝m_p(Θ),1，其中第1个指标的不可靠性m_p(Θ),1＝1-r₁，通过迭代以上公式，则综合评估结果可以表示为：

e(I)＝{(H_n,p_n,e(I)),n＝1,...,N,(Θ,p_Θ,e(I))} (13)

假设参考等级H_n的效用为u(H_n)，根据效用计算方法，可得到评估结果的期望效用：

其中u表示评估的期望效用。

Images