CN116307553A - 用于天然气管网系统的气体分配方法、存储介质及处理器 - Google Patents
用于天然气管网系统的气体分配方法、存储介质及处理器 Download PDFInfo
- Publication number
- CN116307553A CN116307553A CN202310201018.7A CN202310201018A CN116307553A CN 116307553 A CN116307553 A CN 116307553A CN 202310201018 A CN202310201018 A CN 202310201018A CN 116307553 A CN116307553 A CN 116307553A
- Authority
- CN
- China
- Prior art keywords
- gas
- reliability
- station
- network system
- natural gas
- 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 308
- 239000007789 gas Substances 0.000 title claims abstract description 286
- 239000003345 natural gas Substances 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000009826 distribution Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 70
- 230000006835 compression Effects 0.000 claims abstract description 36
- 238000007906 compression Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 230000002068 genetic effect Effects 0.000 claims abstract description 27
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 11
- 230000032258 transport Effects 0.000 description 9
- 230000007812 deficiency Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Geometry (AREA)
- Fluid Mechanics (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Mathematical Optimization (AREA)
- Biodiversity & Conservation Biology (AREA)
- Physiology (AREA)
Abstract
本申请实施例提供一种用于天然气管网系统的气体分配方法、存储介质及处理器。方法包括:获取压气站的多个压气站模拟可靠度;基于遗传算法确定与每个压气站模拟可靠度对应的天然气管网系统的总费用;根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度;在系统可靠度大于预设可靠度的情况下,根据系统可靠度和数值最小的总费用对应的压气站模拟可靠度将天然气管网系统内的气体分配至压气站。采用上述技术方案,能够精准地得到天然气管网系统的系统可靠度和压气站的压气站可靠度,进而可以准确地将系统的气体分配给各个压气站,极大地提高了系统的供气可靠性,保障了系统的供气稳定性,且降低了管理成本。
Description
技术领域
本申请涉及天然气管网系统领域,具体涉及一种用于天然气管网系统的气体分配方法、存储介质及处理器。
背景技术
提高天然气管网系统的供气可靠性是天然气管网系统在气体分配这方面亟需解决的问题。目前,天然气管网系统可靠性的提升主要是通过可靠性分配和可靠性冗余优化的方法。且上述两种方式集中在管网系统的单个零部件或者结构简单的站场系统。一方面没有考虑天然气管网系统的输送特性,无法良好地解决整个天然气管网系统的气体分配问题;另一方面无法保障天然气管网系统稳定的供气。
发明内容
本申请实施例的目的是提供一种用于天然气管网系统的气体分配方法、存储介质及处理器。
为了实现上述目的,本申请第一方面提供一种用于天然气管网系统的气体分配方法,气体分配方法包括:
获取压气站的多个压气站模拟可靠度;
基于遗传算法确定与每个压气站模拟可靠度对应的天然气管网系统的总费用;
根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度;
在系统可靠度大于预设可靠度的情况下,根据系统可靠度和数值最小的总费用对应的压气站模拟可靠度将天然气管网系统内的气体分配至压气站。
在本申请实施例中,天然气管网系统包括气体需求方,根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度包括:根据数值最小的总费用对应的压气站模拟可靠度确定气体需求方的预计供气量;获取气体需求方的需求气量;根据预计供气量和需求气量确定天然气管网系统的系统可靠度。
在本申请实施例中,气体分配方法还包括:在根据数值最小的总费用对应的压气站模拟可靠度确定气体需求方的预计供气量之前,获取天然气管网系统的管道参数;根据管道参数确定天然气管网系统在单位时间内的气体流量;根据单位时间内的气体流量和根据数值最小的总费用对应的压气站模拟可靠度确定预计供气量。
在本申请实施例中,根据管道参数确定天然气管网系统在单位时间内的气体流量包括根据公式(1)计算气体流量:
其中,Qs表示气体流量,pi表示天然气管网系统的节点i的压力,pj表示天然气管网系统的节点j的压力,Cs表示天然气管网系统的管道的物理特性。
在本申请实施例中,根据预计供气量和需求气量确定天然气管网系统的系统可靠度包括根据公式(2)计算系统可靠度:
其中,Rsys表示系统可靠度,Qd表示天然气管网系统的需求气量,Qd,j表示第j个气体需求方的预计供气量,N为一个常数,Qs,j表示第j个气体需求方的需求气量,j表示第j个气体需求方,M表示气体需求方总数。
在本申请实施例中,气体分配方法还包括:在系统可靠度小于或等于预设可靠度的情况下,再次执行获取压气站的多个压气站模拟可靠度的步骤,直至系统可靠度大于预设可靠度。
在本申请实施例中,遗传算法的表达式如公式(3)所示:
其中,min C表示天然气管网系统的总费用最小值,n表示压气站的总数,i表示第i个压气站,ci(Ri)表示将第i个压气站的可靠度提升Ri的费用函数。
在本申请实施例中,遗传算法的约束条件的表达式如公式(4)所示:
其中,s.t.表示约束条件,Rs表示天然气管网系统可靠性数学逻辑函数,Robj表示天然气管网系统预设可靠度,Ri,min表示压气站i当前可靠度值,Ri表示压气站i的可靠度分配值,Ri,max表示压气站i的目标可靠度,ps,i表示第i站气体的进站压力,pd,i表示第i站气体的出站压力,表示第i站气体的最高进站压力,/>表示第i站气体的最高出站压力,qi表示第i站的气体流量,T表示管道运行沿线温度,fp(qi,pd,i,T)表示管道方程。
本申请第二方面提供一种处理器,被配置成执行上述的用于天然气管网系统的气体分配方法。
本申请第三方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行上述的用于天然气管网系统的气体分配方法。
上述技术方案,通过获取压气站的多个压气站模拟可靠度;基于遗传算法确定与每个压气站模拟可靠度对应的天然气管网系统的总费用;根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度;在系统可靠度大于预设可靠度的情况下,根据系统可靠度和数值最小的总费用对应的压气站模拟可靠度将天然气管网系统内的气体分配至压气站。采用上述技术方案,能够精准地得到天然气管网系统的系统可靠度和压气站的压气站可靠度,进而可以准确地将系统的气体分配给各个压气站,极大地提高了系统的供气可靠性,保障了系统的供气稳定性,且降低了管理成本。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本申请实施例,但并不构成对本申请实施例的限制。在附图中:
图1示意性示出了根据本申请实施例的用于天然气管网系统的气体分配方法的流程示意图;
图2示意性示出了根据本申请实施例的确定系统可靠度的示意图;
图3示意性示出了根据本申请实施例的确定系统可靠度的另一种示意图;
图4示意性示出了根据本申请实施例的天然气管网系统的示意图;
图5示意性示出了根据本申请实施例的压缩机与系统输气能力关系的示意图;
图6示意性示出了根据本申请实施例的费用与可靠度关系的示意图;
图7示意性示出了根据本申请实施例的进化代数与适应度关系的示意图;
图8示意性示出了根据本申请实施例的考虑系统输送特性与忽略系统输送特性实验的示意图;
图9示意性示出了根据本申请实施例的考虑系统输送特性与忽略系统输送特性实验的另一种示意图;
图10示意性示出了根据本申请实施例的计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1示意性示出了根据本申请实施例的用于天然气管网系统的气体分配方法的流程示意图。如图1所示,在本申请一实施例中,提供了一种用于天然气管网系统的气体分配方法,包括以下步骤:
步骤101,获取压气站的多个压气站模拟可靠度。
步骤102,基于遗传算法确定与每个压气站模拟可靠度对应的天然气管网系统的总费用。
步骤103,根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度。
步骤104,在系统可靠度大于预设可靠度的情况下,根据系统可靠度和数值最小的总费用对应的压气站模拟可靠度将天然气管网系统内的气体分配至压气站。
天然气管网系统是指将天然气(包括油田生成的伴生气)从开采地或者处理厂输送到城市配气中心或工业企业用户的管道系统。压气站是指装有天然气增压设备的站场。遗传算法(Genetic Algorithm,GA)最早是由美国的John holland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。天然气管网系统可以包括压气站。处理器可以获取压气站的多个压气站模拟可靠度,并基于遗传算法确定与每个压气站模拟可靠度对应的天然气管网系统的总费用。在确定出与每个压气站模拟可靠度对应的天然气管网系统的总费用后,处理器可以根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度。其中,可靠度是指天然气管网系统在规定时间内,在规定条件下,传输天然气的能力。在确定出天然气管网系统的系统可靠度后,处理器可以判断系统可靠度是否大于预设可靠度。在系统可靠度大于预设可靠度的情况下,处理器可以根据系统可靠度和数值最小的总费用对应的压气站模拟可靠度将天然气管网系统内的气体分配至压气站。
在一个实施例中,遗传算法的表达式如公式(3)所示:
其中,min C表示天然气管网系统的总费用最小值,n表示压气站的总数,i表示第i个压气站,ci(Ri)表示将第i个压气站的可靠度提升Ri的费用函数。
在一个实施例中,遗传算法的约束条件的表达式如公式(4)所示:
其中,s.t.表示约束条件,Rs表示天然气管网系统可靠性数学逻辑函数,Robj表示天然气管网系统预设可靠度,Ri,min表示压气站i当前可靠度值,Ri表示压气站i的可靠度分配值,Ri,max表示压气站i的目标可靠度,ps,i表示第i站气体的进站压力,pd,i表示第i站气体的出站压力,表示第i站气体的最高进站压力,/>表示第i站气体的最高出站压力,qi表示第i站的气体流量,T表示管道运行沿线温度,fp(qi,pd,i,T)表示管道方程。
在一个实施例中,在系统可靠度小于或等于预设可靠度的情况下,再次执行获取压气站的多个压气站模拟可靠度的步骤,直至系统可靠度大于预设可靠度。
在系统可靠度小于或等于预设可靠度的情况下,处理器可以再次执行获取压气站的多个压气站模拟可靠度的步骤,直至系统可靠度大于预设可靠度。例如,如图2所示,处理器可以进行初始参数设定,即处理器可以对压气站设定多个压气站模拟可靠度。在初始参数设定完成后,处理器可以根据设定的初始参数进行适应度计算,即处理器可以利用遗传算法计算得到与每个压气站模拟可靠度对应的天然气管网系统的总费用。并根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度。在得到系统可靠度后,处理器可以判断系统可靠度是否满足终止条件。在系统可靠度满足终止条件的情况下,处理器可以输出最优个体,即输出系统可靠度和数值最小的总费用对应的压气站模拟可靠度。并根据系统可靠度和数值最小的总费用对应的压气站模拟可靠度将天然气管网系统内的气体分配至压气站。在系统可靠度不满足终止条件的情况下,处理器可以对压气站模拟可靠度进行选择、遗传、变异处理,以得到新的压气站模拟可靠度。处理器可以再次对新的压气站模拟可靠度进行适应度计算,直至输出最优个体。
在一个实施例中,天然气管网系统包括气体需求方,根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度包括:根据数值最小的总费用对应的压气站模拟可靠度确定气体需求方的预计供气量;获取气体需求方的需求气量;根据预计供气量和需求气量确定天然气管网系统的系统可靠度。气体需求方可以是接入天然气管网系统,以使得天然气管网系统可以对其进行供气的门户、企业等。
天然气管网系统可以包括气体需求方。处理器在获取压气站的多个压气站模拟可靠度,并基于遗传算法确定与每个压气站模拟可靠度对应的天然气管网系统的总费用。在确定总费用后,处理器可以根据数值最小的总费用对应的压气站模拟可靠度确定气体需求方的预计供气量。在确定出气体需求方的预计供气量后,处理器可以获取气体需求方的需求气量,并根据预计供气量和需求气量确定出天然气管网系统的系统可靠度。例如,如图3所示,处理器可以通过蒙特卡罗模拟的方法确定天然气管网系统的系统可靠性。具体而言,处理器可以先对天然气管网系统的各个单元进行初始状态设定,即将压气站的初始状态设定为正常状态。在压气站的初始状态设定完成后,处理器可以通过遗传算法计算得到与每个压气站模拟可靠度对应的天然气管网系统的总费用。处理器可以基于单元可靠度生成单元状态,即可以基于数值最小的总费用对应的压气站可靠度生成压气站的状态。在生成单元状态后,处理器可以基于水力稳态方程计算用户的缺气量,即处理器可以将用户的预计供气量Qd,j和用户的需求气量Qs,j之间的差值确定为用户的缺气量Qlack,j。在确定出用户的缺气量后,处理器可以计算天然气管道系统(即天然气管网系统)缺气量。其中,天然气管道系统的缺气量可以是所有用户的缺气量的和Qlack。处理器可以判断模拟次数是否大于N,其中,N为常数。即处理器可以多次执行从基于单元可靠度生成单元状态的步骤,直至第N次得到天然气管道系统的缺气量。在得到N个天然气管道系统的缺气量后,处理器可以计算系统平均缺气量QA,其中在得到系统平均缺气量后,处理器可以计算系统供气可靠性(即系统可靠度)。在一个实施例中,处理器可以根据公式(2)计算系统可靠度:
其中,Rsys表示系统可靠度,Qd表示天然气管网系统的需求气量,Qd,j表示第j个气体需求方的预计供气量,N为一个常数,Qs,j表示第j个气体需求方的需求气量,j表示第j个气体需求方,M表示气体需求方总数。
在一个实施例中,气体分配方法还包括:在根据数值最小的总费用对应的压气站模拟可靠度确定气体需求方的预计供气量之前,获取天然气管网系统的管道参数;根据管道参数确定天然气管网系统在单位时间内的气体流量;根据单位时间内的气体流量和根据数值最小的总费用对应的压气站模拟可靠度确定预计供气量。管道参数可以包括天然气管网系统中管道的气体流速压降、管道环境温度、管道内劲、管道绝对粗糙度等。
在根据数据最小的总费用对应的压气站模拟可靠度确定气体需求方的预计供气量之前,处理器可以获取天然气管网系统的管道参数。并根据管道参数确定天然气管网系统在单位时间内的气体流量。在确定出单位时间内的气体流量后,处理器可以根据单位时间内的气体流量和根据数值最小的总费用对应的压气站模拟可靠度确定预计供气量。在一个实施例中,可以根据公式(1)计算气体流量:
其中,Qs表示气体流量,pi表示天然气管网系统的节点i的压力,pj表示天然气管网系统的节点j的压力,Cs表示天然气管网系统的管道的物理特性。
其中,管道的物理特性d表示管道内径,C0为一个常数,T1表示管道环境温度,P1表示管道压力,Z表示可压缩系数;Tij表示管段i到管段j平均温度,L表示管段长度,μ表示摩擦系数;E表示管道输送效率,Δ*表示天然气比重。摩擦系数/>ε表示管道绝对粗糙度,Dij表示管段i和管段j之间的管径。
在一个实施例中,可以在管道平衡约束、管道压力约束以及压缩机性能约束下计算天然气管网系统在单位时间内的气体流量。其中,管道平衡约束是指管道中的气体流动应当符合流入节点的质量流量与流出节点的质量流量保持一致。质量流量是指单位时间内气体流过单位横截面积的气体质量。管道压力约束是指管道内各个节点的输送压力高于分输压力,各个节点的运行压力低于管道的最大允许工作压力。同时,压气站可以包括压缩机,压缩机的进口压力需要小于压缩机的出口压力。压缩机性能约束是指压缩机静压头满足其中,Z表示压缩系数,R表示气体通用常数,Tin表示入口温度,pin表示压缩机进口的压力,pout表示压缩机出口的压力,n表示等熵指数。进一步地,处理器可以通过压缩机的静压头和效率之间的关系来表示压缩机性能约束。压缩机的静压头和效率的关系满足/>和/>H表示静压头,NR为压缩机的转速,Qr表示流量,η表示压缩机效率,m1、m2、m3、m4、m5、m6均为常数。其中,压缩机的转速NR满足:压缩机的最小转速NR,min<NR<压缩机的最大转速NR,max。且满足/>其中,Q2,Low为最小流量,Q2,Up为最大流量,Q1为流量。
在一个实施例中,如图4所示,天然气管网系统包括压气站1、压气站2、压气站4、压气站5,分输站4、分输站6、分输站9,用户1、用户2、用户3、用户4、用户5以及用户6。每个压气站均采用2台使用压缩机和1台备用压缩机。如图5所示,管道系统输气能力会随失效压缩机数量的增加而降低,且距离上游气源越近的压气站1更容易受到压缩机失效的影响,因此,每个压气站均采用2台使用压缩机和1台备用压缩机。其中,压气站1、压气站2、压气站3分输站4、压气站5、分输站6两两相邻,相邻两个站点之间的距离依次为193.6km、189.2km、142.4km、53.9km以及150.0km,压气站3与分输站9之间的距离为95.7km。用户1与压气站1之间距离20km,且通过站点7接入天然气管网系统。用户2与压气站3之间距离20km,且通过站点8接入天然气管网系统。用户3与分输站9之间距离20km,且通过站点10接入天然气管网系统。用户4与分输站4之间距离54km,且通过站点11接入分输站4。用户5与压气站5之间距离20km,且通过站点12接入天然气管网系统。用户6与分输站6之间距离20km,且通过站点13接入天然气管网系统。
处理器可以设定天然气管网系统的系统可靠度为0.95,即天然气管网系统在一个周期内总输送的气量大于总量的95%。以天然气管网系统的总费用最低建立遗传算法的表达式,其中,遗传算法的表达式如公式(3)所示:
其中,min C表示天然气管网系统的总费用最小值,n表示压气站的总数,i表示第i个压气站,ci(Ri)表示将第i个压气站的可靠度提升Ri的费用函数。
其中,压气站i的费用函数ci(Ri)=ai ln(1/1-Ri)+bi,ai、bi均表示天然气管网系统的部件数量,均为常数。如图6所示,在ai=5,bi=0的情况下,费用函数的结果最精准。在确定出遗传算法的表达式后,处理器可以遗传算法的初始参数,其中,初始参数可以包括种群数量、最大进化代数、交叉概率以及变异概率。如图7所示的进化代数与适应度的关系曲线,在种群数量为200,最大进化代数为100,交叉概率为0.5,变异概率为0.7的情况下,遗传算法的收敛效果最好,即种群最优目标函数值与种群平均最优目标函数值之间的偏差最小。在设置好遗传算法的初始参数后,处理器可以基于遗传算法确定与每个压气站模拟可靠度对应的天然气管网系统的总费用。并根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度。具体而言,可以对考虑系统输送特性的可靠度与忽略考虑系统输送特征的可靠度进行实验,并对实验结果进行比对。如图8所示,实验结果表示:考虑系统输送特性的,距离上游气源越近的压气站的分配后可靠性越高,即得到天然气管网系统分配的气体越多。忽略考虑系统输送特性的,距离上游气源越近的压气站的分配后可靠性越低,即得到天然气管网系统分配的气体越少。如图9所示的实验结果,考虑系统输送特性和忽略系统输送特性的用户的供气可靠性均是距离上游气源越近,用户的供气可靠性越高。但是考虑系统输送特性的用户的供气可靠性整体高于忽略系统输送特性的。
如表1所示,考虑系统输送特性的总成本低于忽略系统输送特性的总成本。
表1考虑系统输送特性和忽略系统输送特性的总成本
因此,考虑系统输送特性的更能够保证用户的供气可靠性,且降低了天然气管网系统的管理成本。
上述技术方案,通过获取压气站的多个压气站模拟可靠度;基于遗传算法确定与每个压气站模拟可靠度对应的天然气管网系统的总费用;根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度;在系统可靠度大于预设可靠度的情况下,根据系统可靠度和数值最小的总费用对应的压气站模拟可靠度将天然气管网系统内的气体分配至压气站。采用上述技术方案,能够精准地得到天然气管网系统的系统可靠度和压气站的压气站可靠度,进而可以准确地将系统的气体分配给各个压气站,极大地提高了系统的供气可靠性,保障了系统的供气稳定性,且降低了管理成本。
图1、2、3为一个实施例中用于天然气管网系统的气体分配方法的流程示意图。应该理解的是,虽然图1、2、3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1、2、3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述用于天然气管网系统的气体分配方法。
本申请实施例提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述用于天然气管网系统的气体分配方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储压气站模拟可靠度和天然气管网系统的系统可靠度数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种用于天然气管网系统的气体分配方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取压气站的多个压气站模拟可靠度;基于遗传算法确定与每个压气站模拟可靠度对应的天然气管网系统的总费用;根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度;在系统可靠度大于预设可靠度的情况下,根据系统可靠度和数值最小的总费用对应的压气站模拟可靠度将天然气管网系统内的气体分配至压气站。
在一个实施例中,天然气管网系统包括气体需求方,根据数值最小的总费用对应的压气站模拟可靠度确定天然气管网系统的系统可靠度包括:根据数值最小的总费用对应的压气站模拟可靠度确定气体需求方的预计供气量;获取气体需求方的需求气量;根据预计供气量和需求气量确定天然气管网系统的系统可靠度。
在一个实施例中,气体分配方法还包括:在根据数值最小的总费用对应的压气站模拟可靠度确定气体需求方的预计供气量之前,获取天然气管网系统的管道参数;根据管道参数确定天然气管网系统在单位时间内的气体流量;根据单位时间内的气体流量和根据数值最小的总费用对应的压气站模拟可靠度确定预计供气量。
在一个实施例中,根据管道参数确定天然气管网系统在单位时间内的气体流量包括根据公式(1)计算气体流量:
其中,Qs表示气体流量,pi表示天然气管网系统的节点i的压力,pj表示天然气管网系统的节点j的压力,Cs表示天然气管网系统的管道的物理特性。
在一个实施例中,根据预计供气量和需求气量确定天然气管网系统的系统可靠度包括根据公式(2)计算系统可靠度:
其中,Rsys表示系统可靠度,Qd表示天然气管网系统的需求气量,Qd,j表示第j个气体需求方的预计供气量,N为一个常数,Qs,j表示第j个气体需求方的需求气量,j表示第j个气体需求方,M表示气体需求方总数。
在一个实施例中,气体分配方法还包括:在系统可靠度小于或等于预设可靠度的情况下,再次执行获取压气站的多个压气站模拟可靠度的步骤,直至系统可靠度大于预设可靠度。
在一个实施例中,遗传算法的表达式如公式(3)所示:
其中,min C表示天然气管网系统的总费用最小值,n表示压气站的总数,i表示第i个压气站,ci(Ri)表示将第i个压气站的可靠度提升Ri的费用函数。
在一个实施例中,遗传算法的约束条件的表达式如公式(4)所示:
其中,s.t.表示约束条件,Rs表示天然气管网系统可靠性数学逻辑函数,Robj表示天然气管网系统预设可靠度,Ri,min表示压气站i当前可靠度值,Ri表示压气站i的可靠度分配值,Ri,max表示压气站i的目标可靠度,ps,i表示第i站气体的进站压力,pd,i表示第i站气体的出站压力,表示第i站气体的最高进站压力,/>表示第i站气体的最高出站压力,qi表示第i站的气体流量,T表示管道运行沿线温度,fp(qi,pd,i,T)表示管道方程。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如用于天然气管网系统的气体分配方法步骤的程序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (10)
1.一种用于天然气管网系统的气体分配方法,其特征在于,所述气体分配方法包括:
获取压气站的多个压气站模拟可靠度;
基于遗传算法确定与每个压气站模拟可靠度对应的所述天然气管网系统的总费用;
根据数值最小的总费用对应的压气站模拟可靠度确定所述天然气管网系统的系统可靠度;
在所述系统可靠度大于预设可靠度的情况下,根据所述系统可靠度和所述数值最小的总费用对应的压气站模拟可靠度将所述天然气管网系统内的气体分配至所述压气站。
2.根据权利要求1所述的气体分配方法,其特征在于,所述天然气管网系统包括气体需求方,所述根据数值最小的总费用对应的压气站模拟可靠度确定所述天然气管网系统的系统可靠度包括:
根据所述数值最小的总费用对应的压气站模拟可靠度确定所述气体需求方的预计供气量;
获取所述气体需求方的需求气量;
根据所述预计供气量和所述需求气量确定所述天然气管网系统的系统可靠度。
3.根据权利要求2所述的气体分配方法,其特征在于,所述气体分配方法还包括:
在所述根据数值最小的总费用对应的压气站模拟可靠度确定所述气体需求方的预计供气量之前,获取所述天然气管网系统的管道参数;
根据所述管道参数确定所述天然气管网系统在单位时间内的气体流量;
根据所述单位时间内的气体流量和所述根据数值最小的总费用对应的压气站模拟可靠度确定所述预计供气量。
6.根据权利要求1所述的气体分配方法,其特征在于,所述气体分配方法还包括:
在所述系统可靠度小于或等于所述预设可靠度的情况下,再次执行获取压气站的多个压气站模拟可靠度的步骤,直至所述系统可靠度大于所述预设可靠度。
9.一种处理器,其特征在于,被配置成执行根据权利要求1至8中任意一项所述的用于天然气管网系统的气体分配方法。
10.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至8中任一项所述的用于天然气管网系统的气体分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310201018.7A CN116307553A (zh) | 2023-03-03 | 2023-03-03 | 用于天然气管网系统的气体分配方法、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310201018.7A CN116307553A (zh) | 2023-03-03 | 2023-03-03 | 用于天然气管网系统的气体分配方法、存储介质及处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307553A true CN116307553A (zh) | 2023-06-23 |
Family
ID=86837307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310201018.7A Pending CN116307553A (zh) | 2023-03-03 | 2023-03-03 | 用于天然气管网系统的气体分配方法、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307553A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114329A (zh) * | 2023-09-01 | 2023-11-24 | 中科盖思数字科技有限公司 | 供气调度方法、装置、计算机设备和存储介质 |
-
2023
- 2023-03-03 CN CN202310201018.7A patent/CN116307553A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114329A (zh) * | 2023-09-01 | 2023-11-24 | 中科盖思数字科技有限公司 | 供气调度方法、装置、计算机设备和存储介质 |
CN117114329B (zh) * | 2023-09-01 | 2024-04-12 | 中科盖思数字科技有限公司 | 多气源智能调度方法与装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2988961C (en) | Control system in a gas pipeline network to satisfy demand constraints | |
Cao et al. | Capacity planning of energy hub in multi-carrier energy networks: A data-driven robust stochastic programming approach | |
CN116307553A (zh) | 用于天然气管网系统的气体分配方法、存储介质及处理器 | |
CN113129164B (zh) | 一种天然气管网天然气流量压力调度决策指标的计算方法 | |
Geißler et al. | A new algorithm for MINLP applied to gas transport energy cost minimization | |
CA2988960A1 (en) | Control system in a gas pipeline network to increase capacity factor | |
Tanyimboh | Informational entropy: a failure tolerance and reliability surrogate for water distribution networks | |
Gupta et al. | Optimization techniques for leakage management in urban water distribution networks | |
Wang et al. | Minimizing pumping energy cost in real-time operations of water distribution systems using economic model predictive control | |
Jung et al. | Robustness-based optimal pump design and scheduling for water distribution systems | |
Schwartz et al. | Limited multistage stochastic programming for water distribution systems optimal operation | |
Choi | Development of optimal water distribution system design and operation approach considering hydraulic and water quality criteria in many-objective optimization framework | |
CN113221300A (zh) | 一种大型集中供热管网的改造方法及装置 | |
CN103337040A (zh) | 一种计及风电波动性的风电发电计划编制系统及编制方法 | |
Zhao et al. | Water distribution system optimization considering behind-the-meter solar energy with a hydraulic power-based search-space reduction method | |
CN108879794A (zh) | 一种电力系统机组小时组合优化和调度的方法 | |
CN110765726B (zh) | 能源网规划图的智能生成系统 | |
Deng | Minimization of power usage in a compressor station with multiple compressors | |
Hante et al. | Gas transport network optimization: Mixed-integer nonlinear models | |
CN111090571B (zh) | 信息系统的维护方法、装置和计算机存储介质 | |
CN115600436A (zh) | 一种天然气管道运行方案自动响应方法 | |
WO2023286141A1 (ja) | 管理システム、管理方法、および管理プログラム | |
JPWO2014033893A1 (ja) | 電力融通グループ作成方法、および電力融通グループ作成装置 | |
CN114399113A (zh) | 一种天然气管网管理方法和系统 | |
Ma et al. | Turbine modeling for steady‐state analysis in hydropower plant networks with complex layouts using a modified global gradient algorithm |
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 |