CN117869784A - 一种lng储罐压力环境自适应控制方法与系统 - Google Patents

一种lng储罐压力环境自适应控制方法与系统 Download PDF

Info

Publication number
CN117869784A
CN117869784A CN202410059393.7A CN202410059393A CN117869784A CN 117869784 A CN117869784 A CN 117869784A CN 202410059393 A CN202410059393 A CN 202410059393A CN 117869784 A CN117869784 A CN 117869784A
Authority
CN
China
Prior art keywords
storage tank
pressure
parameter
time
lng
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
Application number
CN202410059393.7A
Other languages
English (en)
Other versions
CN117869784B (zh
Inventor
李沛旺
王崇瑶
段瑶
谢旭波
王维浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lianyungang Zhongxin Gas Co ltd
Original Assignee
Lianyungang Zhongxin Gas Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lianyungang Zhongxin Gas Co ltd filed Critical Lianyungang Zhongxin Gas Co ltd
Priority to CN202410059393.7A priority Critical patent/CN117869784B/zh
Publication of CN117869784A publication Critical patent/CN117869784A/zh
Application granted granted Critical
Publication of CN117869784B publication Critical patent/CN117869784B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F17C13/02—Special adaptations of indicating, measuring, or monitoring equipment
    • F17C13/025—Special adaptations of indicating, measuring, or monitoring equipment having the pressure as the parameter
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C3/00—Vessels not under pressure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2221/00—Handled fluid, in particular type of fluid
    • F17C2221/03—Mixtures
    • F17C2221/032—Hydrocarbons
    • F17C2221/033—Methane, e.g. natural gas, CNG, LNG, GNL, GNC, PLNG
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/03—Control means
    • F17C2250/032—Control means using computers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/04—Indicating or measuring of parameters as input values
    • F17C2250/0404—Parameters indicated or measured
    • F17C2250/043—Pressure
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/30—Use of alternative fuels, e.g. biofuels

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Mechanical Engineering (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及LNG储罐压力控制的技术领域，揭露了一种LNG储罐压力环境自适应控制方法与系统，所述算法包括：使用压力传感器实时采集LNG储罐内部的压力数据，对采集到的数据进行滤波处理得到滤波后的压力数据；构建LNG储罐的动态数学模型，所述模型为状态空间模型包括时间演化和状态转移两部分，通过对储罐内部的流体动力学和热力学特性进行建模，获得储罐压力与运行参数之间的关系；构造LNG储罐压力环境自适应控制算法，所述控制算法为模型参考自适应控制算法，根据储罐模型的误差信号进行在线调整，以适应不同的压力环境；在LNG储罐运行过程中，实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，使得储罐的压力保持在安全范围内。

Description

一种LNG储罐压力环境自适应控制方法与系统
技术领域
本发明涉及LNG储罐压力控制的技术领域，尤其涉及一种LNG储罐压力环境自适应控制方法及系统。
背景技术
液化天然气(Liquefied Natural Gas，简称LNG)是一种重要的清洁能源，广泛应用于燃料、发电和工业生产中。LNG储罐作为LNG的存储设施，在LNG供应链中起到关键作用。LNG储罐的安全运行对于保障能源供应和环境保护至关重要。LNG储罐在运行过程中面临着压力变化的挑战。压力的变化会直接影响储罐的安全性和可靠性。传统的LNG储罐控制方法通常采用PID控制器，但这种方法无法适应不同的压力环境。针对该问题，本专利提出一种LNG储罐压力环境自适应控制方法及系统，通过自适应控制方法，可以更好地监测和控制储罐的压力，最大限度地利用LNG资源，减少安全风险。
发明内容
有鉴于此，本发明提供一种LNG储罐压力环境自适应控制方法及系统，目的在于：1)提出一种LNG储罐的动态数学模型，所述模型为状态空间模型包括时间演化和状态转移两部分，通过对储罐内部的流体动力学和热力学特性进行建模，获得储罐压力与运行参数之间的关系；2)提出一种LNG储罐压力环境自适应控制算法，所述控制算法为模型参考自适应控制算法，根据储罐模型的误差信号进行在线调整，以适应不同的压力环境。
为实现上述目的，本发明提供的一种LNG储罐压力环境自适应控制方法，包括以下步骤：
S1：使用压力传感器实时采集LNG储罐内部的压力数据，对采集到的数据进行滤波处理得到滤波后的压力数据；
S2：构建LNG储罐的动态数学模型，所述模型为状态空间模型包括时间演化和状态转移两部分，通过对储罐内部的流体动力学和热力学特性进行建模，获得储罐压力与运行参数之间的关系；
S3：构造LNG储罐压力环境自适应控制算法，所述控制算法为模型参考自适应控制算法，根据储罐模型的误差信号进行在线调整，以适应不同的压力环境；
S4：在LNG储罐运行过程中，实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，使得储罐的压力保持在安全范围内。
作为本发明的进一步改进算法：
进一步地，所述S1步骤中对采集到的数据进行滤波处理得到滤波后的压力数据，包括：
S11：初始化卡尔曼滤波器状态向量x(0)和协方差矩阵P(0)；
S12：计算预测的状态向量和协方差矩阵，计算公式为：
P(n|n-1)＝A·P(n-1)AT+Q
其中：
x(n-1)表示n-1时刻的状态向量；
A表示状态转移矩阵；
B表示控制输入矩阵；
u(n-1)表示n-1时刻的控制向量；
Q表示过程噪声协方差矩阵
P(n-1)表示n-1时刻的协方差矩阵；
表示根据n-1时刻的状态向量对n时刻状态向量的估计值；
P(n|n-1)表示根据n-1时刻的协方差矩阵对n时刻协方差矩阵的估计值；
S13：根据预测的状态向量和协方差矩阵计算卡尔曼增益、更新后的状态向量和协方差矩阵，计算公式如下：
K(n)＝P(n|n-1)·HT·(H·P(n|n-1)·HT+R)-1
P(n)＝(I-K(n)·H)·P(n|n-1)
其中：
H表示观测矩阵；
R表示观测噪声协方差矩阵；
z(n)表示实际测量的压力值；
P(n-1)表示n-1时刻的协方差矩阵；
P(n|n-1)表示根据n-1时刻的协方差矩阵对n时刻协方差矩阵的估计值；
表示根据n-1时刻的状态向量对n时刻状态向量的估计值；
K(n)表示卡尔曼增益，用于权衡预测值和观测值的重要性；
S14：重复步骤S12和步骤S13，直到处理完所有的压力数据得到滤波后的压力数据。
进一步地，所述S2步骤中构建LNG储罐的动态数学模型中时间演化部分，包括：
S21：构建基于状态空间的储罐模型，所述储罐压力的状态变量为x，液位的状态变量为h，进入储罐的流量为u，观测到的储罐压力为y；
S22：使用差分方程描述储罐模型状态的时间演化：
其中：Ca是储罐的容积，A是储罐的横截面积，a是出口阀门的流量系数，qin是进入储罐的流量，qout是从储罐流出的流量。
所述S2步骤中构建LNG储罐的动态数学模型中的状态转移部分，包括：
设置过程噪声协方差矩阵和观测噪声协方差矩阵，分别用于描述系统内部的不确定性和观测误差进行状态转移，其中状态转移阶段计算公式为：
其中，是在时刻n对时刻n-1的转移状态估计，P(n|n-1)是在时刻n对时刻n-1的协方差矩阵估计预测，A是状态转移矩阵，B是输入矩阵，u是控制向量。
进一步地，所述S3步骤中构造LNG储罐压力环境自适应控制算法，包括：
S31：建立描述LNG储罐压力动态演化的微分方程模型，该模型可以表示为：
其中，x表示储罐压力，u表示出口阀门开度，w表示环境干扰项；
S32：构造自适应控制策略函数，所述函数用于根据当前状态x和参数向量θ计算出口阀门开度u，计算公式为：
u＝g(x，θ)
其中，g(·)是控制器的输出函数；
S33：初始化控制器的参数向量θ和自适应增益矩阵「的初始值；
S34：实时测量储罐压力x，计算误差信号e＝x-r，其中r是期望的储罐压力，根据当前误差信号e和参数向量θ计算出口阀门开度增量u′，计算公式为：
u′＝g(e，θ)
S35：通过策略梯度方法来优化调整控制策略函数参数以适应环境变化。
所述S35步骤中通过策略梯度方法来优化调整控制策略函数参数以适应环境变化测，包括：
A1：初始化策略参数w；
A2：使用当前的参数值计算损失函数L(w)，所述损失函数度量模型预测与实际观测值之间的差异，采用均方误差进行计算；
A3：计算损失函数对参数的梯度，即损失函数关于参数的导数
A4：使用梯度乘以一个学习率来更新参数值，其中学习率决定了每次迭代中参数更新的大小，参数更新的公式为：其中α表示学习率；
A5：重复执行步骤A2-A4，直到达到停止条件，所述停止条件包括达到最大迭代次数、损失函数变化小于阈值等，每次迭代时，根据当前参数值计算损失函数、梯度并更新参数。
所述A3步骤中计算损失函数对参数的梯度，包括：
随机选择一个初始点作为参数估计的起点，随机选择一个小的步长，用于计算有限差分，在当前参数点处计算目标函数的值，对于参数向量的每个分量，依次计算正向偏移点、反向偏移点、正向偏移点的函数值和反向偏移点的函数值，并根据计算结果进行参数分量的梯度估计，对于每个参数分量都计算得到损失函数关于参数的梯度估计。
所述A4步骤中使用梯度乘以一个学习率来更新参数值，包括：
B1：使用动量参数和速度向量来迭代更新速度向量，其中速度的更新公式为：
其中：
α表示学习率；
β表示动量参数；
v表示速度向量；
B2：使用速度乘以学习率来更新参数值，参数更新的公式为：
w←w+v
其中：
w表示参数向量。
进一步地，所述S4步骤中实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，包括：
通过多个压力传感器实时地测量储罐的压力，传感器将测量到的压力信号转化为电信号并传送给控制器；
控制器接收来自传感器的压力信号，并将其与期望压力进行比较，比较的结果是测量误差，即实际压力与期望压力之间的差异，控制器使用这个误差信号来生成控制信号；
控制信号会传送给阀门以调节储罐内的压力，根据控制信号的指令来打开或关闭，增加或减少流量，从而改变储罐内气体或液体的压力。
为了解决上述问题，本发明提供一种LNG储罐压力环境自适应控制系统，其特征在于，所述系统包括：
数据采集模块，用于采集LNG储罐内部的压力数据，对采集到的数据进行滤波处理得到滤波后的压力数据；
储罐压力与运行模块，用于对储罐内部的流体动力学和热力学特性进行建模，获得储罐压力与运行参数之间的关系；
储罐压力监测模块，用于实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，使得储罐的压力保持在安全范围内。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；
通信接口，实现电子设备通信；及
处理器，执行所述存储器中存储的指令以实现上述所述的LNG储罐压力环境自适应控制方法及系统。
为了解决上述问题，本发明还提供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至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的LNG储罐压力环境自适应控制方法。
相对于现有技术，本发明提出一种LNG储罐压力环境自适应控制方法，该技术具有以下优势：
首先，本方案提出一种LNG储罐的动态数学模型，包括：
S21：构建基于状态空间的储罐模型，所述储罐压力的状态变量为x，液位的状态变量为h，进入储罐的流量为u，观测到的储罐压力为y；
S22：使用差分方程描述储罐模型状态的时间演化：
其中：Ca是储罐的容积，A是储罐的横截面积，a是出口阀门的流量系数，qin是进入储罐的流量，qout是从储罐流出的流量。
所述S2步骤中构建LNG储罐的动态数学模型中的状态转移部分，包括：
设置过程噪声协方差矩阵和观测噪声协方差矩阵，分别用于描述系统内部的不确定性和观测误差进行状态转移，其中状态转移阶段计算公式为：
其中，是在时刻n对时刻n-1的转移状态估计，P(n|n-1)是在时刻n对时刻n-1的协方差矩阵估计预测，A是状态转移矩阵，B是输入矩阵，u是控制向量。
进一步地，所述S3步骤中构造LNG储罐压力环境自适应控制算法，包括：
S31：建立描述LNG储罐压力动态演化的微分方程模型，该模型可以表示为：
其中，x表示储罐压力，u表示出口阀门开度，w表示环境干扰项；
S32：构造自适应控制策略函数，所述函数用于根据当前状态x和参数向量θ计算出口阀门开度u，计算公式为：
u＝g(x，θ)
其中，g(·)是控制器的输出函数；
S33：初始化控制器的参数向量θ和自适应增益矩阵「的初始值；
S34：实时测量储罐压力x，计算误差信号e＝x-r，其中r是期望的储罐压力，根据当前误差信号e和参数向量θ计算出口阀门开度增量u′，计算公式为：
u′＝g(e，θ)
S35：通过策略梯度方法来优化调整控制策略函数参数以适应环境变化。
同时，本方案提出一种策略梯度优化方法，所述策略梯度方法来优化调整控制策略函数参数以适应环境变化测，包括：
A1：初始化策略参数w；
A2：使用当前的参数值计算损失函数L(w)，所述损失函数度量模型预测与实际观测值之间的差异，采用均方误差进行计算；
A3：计算损失函数对参数的梯度，即损失函数关于参数的导数
A4：使用梯度乘以一个学习率来更新参数值，其中学习率决定了每次迭代中参数更新的大小，参数更新的公式为：其中α表示学习率；
A5：重复执行步骤A2-A4，直到达到停止条件，所述停止条件包括达到最大迭代次数、损失函数变化小于阈值等，每次迭代时，根据当前参数值计算损失函数、梯度并更新参数。
所述A3步骤中计算损失函数对参数的梯度，包括：
随机选择一个初始点作为参数估计的起点，随机选择一个小的步长，用于计算有限差分，在当前参数点处计算目标函数的值，对于参数向量的每个分量，依次计算正向偏移点、反向偏移点、正向偏移点的函数值和反向偏移点的函数值，并根据计算结果进行参数分量的梯度估计，对于每个参数分量都计算得到损失函数关于参数的梯度估计。
所述A4步骤中使用梯度乘以一个学习率来更新参数值，包括：
B1：使用动量参数和速度向量来迭代更新速度向量，其中速度的更新公式为：
其中：
α表示学习率；
β表示动量参数；
v表示速度向量；
B2：使用速度乘以学习率来更新参数值，参数更新的公式为：
w←w+v
其中：
w表示参数向量。
附图说明
图1为本发明一实施例提供的一种LNG储罐压力环境自适应控制方法的流程示意图；
图2为本发明一实施例提供的LNG储罐压力环境自适应控制方法的功能模块图；
图3为本发明一实施例提供的实现LNG储罐压力环境自适应控制方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种LNG储罐压力环境自适应控制方法。所述LNG储罐压力环境自适应控制方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该算法的电子设备中的至少一种。换言之，所述LNG储罐压力环境自适应控制方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1：
S1：使用压力传感器实时采集LNG储罐内部的压力数据，对采集到的数据进行滤波处理得到滤波后的压力数据。
所述S1步骤中对采集到的数据进行滤波处理得到滤波后的压力数据，包括：
S11：初始化卡尔曼滤波器状态向量x(0)和协方差矩阵P(0)；
S12：计算预测的状态向量和协方差矩阵，计算公式为：
P(n|n-1)＝A·P(n-1)AT+Q
其中：
x(n-1)表示n-1时刻的状态向量；
A表示状态转移矩阵；
B表示控制输入矩阵；
u(n-1)表示n-1时刻的控制向量；
Q表示过程噪声协方差矩阵
P(n-1)表示n-1时刻的协方差矩阵；
表示根据n-1时刻的状态向量对n时刻状态向量的估计值；
P(n|n-1)表示根据n-1时刻的协方差矩阵对n时刻协方差矩阵的估计值；
S13：根据预测的状态向量和协方差矩阵计算卡尔曼增益、更新后的状态向量和协方差矩阵，计算公式如下：
K(n)＝P(n|n-1)·HT·(H·P(n|n-1)·HT+R)-1
P(n)＝(I-K(n)·H)·P(n|n-1)
其中：
H表示观测矩阵；
R表示观测噪声协方差矩阵；
z(n)表示实际测量的压力值；
P(n-1)表示n-1时刻的协方差矩阵；
P(n|n-1)表示根据n-1时刻的协方差矩阵对n时刻协方差矩阵的估计值；
表示根据n-1时刻的状态向量对n时刻状态向量的估计值；
K(n)表示卡尔曼增益，用于权衡预测值和观测值的重要性；
S14：重复步骤S12和步骤S13，直到处理完所有的压力数据得到滤波后的压力数据。
S2：构建LNG储罐的动态数学模型，所述模型为状态空间模型包括时间演化和状态转移两部分，通过对储罐内部的流体动力学和热力学特性进行建模，获得储罐压力与运行参数之间的关系。
所述S2步骤中构建LNG储罐的动态数学模型中时间演化部分，包括：
S21：构建基于状态空间的储罐模型，所述储罐压力的状态变量为x，液位的状态变量为h，进入储罐的流量为u，观测到的储罐压力为y；
S22：使用差分方程描述储罐模型状态的时间演化：
其中：Ca是储罐的容积，A是储罐的横截面积，a是出口阀门的流量系数，qin是进入储罐的流量，qout是从储罐流出的流量。
所述S2步骤中构建LNG储罐的动态数学模型中的状态转移部分，包括：
设置过程噪声协方差矩阵和观测噪声协方差矩阵，分别用于描述系统内部的不确定性和观测误差进行状态转移，其中状态转移阶段计算公式为：
其中，是在时刻n对时刻n-1的转移状态估计，P(n|n-1)是在时刻n对时刻n-1的协方差矩阵估计预测，A是状态转移矩阵，B是输入矩阵，u是控制向量。
S3：构造LNG储罐压力环境自适应控制算法，所述控制算法为模型参考自适应控制算法，根据储罐模型的误差信号进行在线调整，以适应不同的压力环境。
所述S3步骤中构造LNG储罐压力环境自适应控制算法，包括：
S31：建立描述LNG储罐压力动态演化的微分方程模型，该模型可以表示为：
其中，x表示储罐压力，u表示出口阀门开度，w表示环境干扰项；
S32：构造自适应控制策略函数，所述函数用于根据当前状态x和参数向量θ计算出口阀门开度u，计算公式为：
u＝g(x，θ)
其中，g(·)是控制器的输出函数；
S33：初始化控制器的参数向量θ和自适应增益矩阵「的初始值；
S34：实时测量储罐压力x，计算误差信号e＝x-r，其中r是期望的储罐压力，根据当前误差信号e和参数向量θ计算出口阀门开度增量u′，计算公式为：
u′＝g(e，θ)
S35：通过策略梯度方法来优化调整控制策略函数参数以适应环境变化。
所述S35步骤中通过策略梯度方法来优化调整控制策略函数参数以适应环境变化测，包括：
A1：初始化策略参数w；
A2：使用当前的参数值计算损失函数L(w)，所述损失函数度量模型预测与实际观测值之间的差异，采用均方误差进行计算；
A3：计算损失函数对参数的梯度，即损失函数关于参数的导数
A4：使用梯度乘以一个学习率来更新参数值，其中学习率决定了每次迭代中参数更新的大小，参数更新的公式为：其中α表示学习率；
A5：重复执行步骤A2-A4，直到达到停止条件，所述停止条件包括达到最大迭代次数、损失函数变化小于阈值等，每次迭代时，根据当前参数值计算损失函数、梯度并更新参数。
所述A3步骤中计算损失函数对参数的梯度，包括：
随机选择一个初始点作为参数估计的起点，随机选择一个小的步长，用于计算有限差分，在当前参数点处计算目标函数的值，对于参数向量的每个分量，依次计算正向偏移点、反向偏移点、正向偏移点的函数值和反向偏移点的函数值，并根据计算结果进行参数分量的梯度估计，对于每个参数分量都计算得到损失函数关于参数的梯度估计。
所述A4步骤中使用梯度乘以一个学习率来更新参数值，包括：
B1：使用动量参数和速度向量来迭代更新速度向量，其中速度的更新公式为：
其中：
α表示学习率；
β表示动量参数；
v表示速度向量；
B2：使用速度乘以学习率来更新参数值，参数更新的公式为：
w←w+v
其中：
w表示参数向量。
S4：在LNG储罐运行过程中，实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，使得储罐的压力保持在安全范围内。
所述S4步骤中实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，包括：
通过多个压力传感器实时地测量储罐的压力，传感器将测量到的压力信号转化为电信号并传送给控制器；
控制器接收来自传感器的压力信号，并将其与期望压力进行比较，比较的结果是测量误差，即实际压力与期望压力之间的差异，控制器使用这个误差信号来生成控制信号；
控制信号会传送给阀门以调节储罐内的压力，根据控制信号的指令来打开或关闭，增加或减少流量，从而改变储罐内气体或液体的压力。
本发明所述LNG储罐压力环境自适应控制系统100可以安装于电子设备中。根据实现的功能，所述LNG储罐压力环境自适应控制系统可以包括数据采集模块101、储罐压力与运行模块102及储罐压力监测模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
数据采集模块101，用于采集LNG储罐内部的压力数据，对采集到的数据进行滤波处理得到滤波后的压力数据；
储罐压力与运行模块102，用于对储罐内部的流体动力学和热力学特性进行建模，获得储罐压力与运行参数之间的关系；
储罐压力监测模块103，用于实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，使得储罐的压力保持在安全范围内
详细地，本发明实施例中所述LNG储罐压力环境自适应控制系统100中的所述各模块在使用时采用与上述的图1中所述的LNG储罐压力环境自适应控制方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
实施例3：
如图3所示，是本发明一实施例提供的实现LNG储罐压力环境自适应控制方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(用于实现LNG储罐压力环境自适应控制系统的程序12等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接，并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，进一步地，用户接口还可以是标准的有线接口、无线接口。进一步地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种LNG储罐压力环境自适应控制方法，其特征在于，所述方法包括如下步骤：
S1：使用压力传感器实时采集LNG储罐内部的压力数据，对采集到的数据进行滤波处理得到滤波后的压力数据；
S2：构建LNG储罐的动态数学模型，所述模型为状态空间模型包括时间演化和状态转移两部分，通过对储罐内部的流体动力学和热力学特性进行建模，获得储罐压力与运行参数之间的关系；
S3：构造LNG储罐压力环境自适应控制算法，所述控制算法为模型参考自适应控制算法，根据储罐模型的误差信号进行在线调整，以适应不同的压力环境；
S4：在LNG储罐运行过程中，实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，使得储罐的压力保持在安全范围内。
2.如权利要求1所述的一种LNG储罐压力环境自适应控制方法及系统，其特征在于，所述S1步骤中对采集到的数据进行滤波处理得到滤波后的压力数据，包括：
S11：初始化卡尔曼滤波器状态向量x(0)和协方差矩阵P(0)；
S12：计算预测的状态向量和协方差矩阵，计算公式为：
P(n|n-1)＝A·P(n-1)AT+Q
其中：
x(n-1)表示n-1时刻的状态向量；
A表示状态转移矩阵；
B表示控制输入矩阵；
u(n-1)表示n-1时刻的控制向量；
Q表示过程噪声协方差矩阵
P(n-1)表示n-1时刻的协方差矩阵；
表示根据n-1时刻的状态向量对n时刻状态向量的估计值；
P(n|n-1)表示根据n-1时刻的协方差矩阵对n时刻协方差矩阵的估计值；
S13：根据预测的状态向量和协方差矩阵计算卡尔曼增益、更新后的状态向量和协方差矩阵，计算公式如下：
K(n)＝P(n|n-1)·HT·(H·P(n|n-1)·HT+R)-1
P(n)＝(I-K(n)·H)·P(n|n-1)
其中：
H表示观测矩阵；
R表示观测噪声协方差矩阵；
z(n)表示实际测量的压力值；
P(n-1)表示n-1时刻的协方差矩阵；
P(n|n-1)表示根据n-1时刻的协方差矩阵对n时刻协方差矩阵的估计值；
表示根据n-1时刻的状态向量对n时刻状态向量的估计值；
K(n)表示卡尔曼增益，用于权衡预测值和观测值的重要性；
S14：重复步骤S12和步骤S13，直到处理完所有的压力数据得到滤波后的压力数据。
3.如权利要求1所述的一种LNG储罐压力环境自适应控制方法，其特征在于，所述S2步骤中构建LNG储罐的动态数学模型中时间演化部分，包括：
S21：构建基于状态空间的储罐模型，所述储罐压力的状态变量为x，液位的状态变量为h，进入储罐的流量为u，观测到的储罐压力为y；
S22：使用差分方程描述储罐模型状态的时间演化：
其中：Ca是储罐的容积，A是储罐的横截面积，a是出口阀门的流量系数，qin是进入储罐的流量，qout是从储罐流出的流量。
4.如权利要求1所述的一种LNG储罐压力环境自适应控制方法，其特征在于，所述S2步骤中构建LNG储罐的动态数学模型中的状态转移部分，包括：
设置过程噪声协方差矩阵和观测噪声协方差矩阵，分别用于描述系统内部的不确定性和观测误差进行状态转移，其中状态转移阶段计算公式为：
其中，是在时刻n对时刻n-1的转移状态估计，P(n|n-1)是在时刻n对时刻n-1的协方差矩阵估计预测，A是状态转移矩阵，B是输入矩阵，u是控制向量。
5.如权利要求1所述的一种LNG储罐压力环境自适应控制方法，其特征在于，所述S3步骤中构造LNG储罐压力环境自适应控制算法，包括：
S31：建立描述LNG储罐压力动态演化的微分方程模型，该模型表示为：
其中，x表示储罐压力，u表示出口阀门开度，w表示环境干扰项；
S32：构造自适应控制策略函数，所述函数用于根据当前状态x和参数向量θ计算出口阀门开度u，计算公式为：
u＝g(e，θ)
其中：g(·)是控制器的输出函数；
S33：初始化控制器的参数向量θ和自适应增益矩阵的初始值；
S34：实时测量储罐压力x，计算误差信号e＝x-r，其中r是期望的储罐压力，根据当前误差信号e和参数向量θ计算出口阀门开度增量u′，计算公式为：
u′＝g(e，θ)
S35：通过策略梯度方法来优化调整控制策略函数参数以适应环境变化。
6.如权利要求5所述的一种LNG储罐压力环境自适应控制方法，其特征在于，所述S35步骤中通过策略梯度方法来优化调整控制策略函数参数以适应环境变化测，包括：
A1：初始化策略参数w；
A2：使用当前的参数值计算损失函数L(w)，所述损失函数度量模型预测与实际观测值之间的差异，采用均方误差进行计算；
A3：计算损失函数对参数的梯度，即损失函数关于参数的导数
A4：使用梯度乘以一个学习率来更新参数值，其中学习率决定了每次迭代中参数更新的大小，参数更新的公式为：
其中α表示学习率；
A5：重复执行步骤A2-A4，直到达到停止条件，所述停止条件包括达到最大迭代次数、损失函数变化小于阈值，每次迭代时，根据当前参数值计算损失函数、梯度并更新参数。
7.如权利要求6所述的一种LNG储罐压力环境自适应控制方法，其特征在于，所述A3步骤中计算损失函数对参数的梯度，包括：
随机选择一个初始点作为参数估计的起点，随机选择一个小的步长，用于计算有限差分，在当前参数点处计算目标函数的值，对于参数向量的每个分量，依次计算正向偏移点、反向偏移点、正向偏移点的函数值和反向偏移点的函数值，并根据计算结果进行参数分量的梯度估计，对于每个参数分量都计算得到损失函数关于参数的梯度估计。
8.如权利要求所述的一种LNG储罐压力环境自适应控制方法，其特征在于，所述A4步骤中使用梯度乘以一个学习率来更新参数值，包括：
B1：使用动量参数和速度向量来迭代更新速度向量，其中速度的更新公式为：
其中：
α表示学习率；
β表示动量参数；
v表示速度向量；
B2：使用速度乘以学习率来更新参数值，参数更新的公式为：
w←w+v
其中：
w表示参数向量。
9.如权利要求1所述的一种LNG储罐压力环境自适应控制方法，其特征在于，所述S4步骤中实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，包括：
通过多个压力传感器实时地测量储罐的压力，传感器将测量到的压力信号转化为电信号并传送给控制器；
控制器接收来自传感器的压力信号，并将其与期望压力进行比较，比较的结果是测量误差，即实际压力与期望压力之间的差异，控制器使用这个误差信号来生成控制信号；
控制信号会传送给阀门以调节储罐内的压力，根据控制信号的指令来打开或关闭，增加或减少流量，从而改变储罐内气体或液体的压力。
10.一种LNG储罐压力环境自适应控制系统，其特征在于，所述系统包括：
数据采集模块，用于采集LNG储罐内部的压力数据，对采集到的数据进行滤波处理得到滤波后的压力数据；
储罐压力与运行模块，用于对储罐内部的流体动力学和热力学特性进行建模，获得储罐压力与运行参数之间的关系；
储罐压力监测模块，用于实时监测储罐压力，并将实际压力数据与期望值进行比较，根据误差信号调整控制信号，使得储罐的压力保持在安全范围内，以实现一种如权利要求1-9任一项所述的LNG储罐压力环境自适应控制方法。
CN202410059393.7A 2024-01-15 2024-01-15 一种lng储罐压力环境自适应控制方法与系统 Active CN117869784B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410059393.7A CN117869784B (zh) 2024-01-15 2024-01-15 一种lng储罐压力环境自适应控制方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410059393.7A CN117869784B (zh) 2024-01-15 2024-01-15 一种lng储罐压力环境自适应控制方法与系统

Publications (2)

Publication Number Publication Date
CN117869784A true CN117869784A (zh) 2024-04-12
CN117869784B CN117869784B (zh) 2024-06-28

Family

ID=90584439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410059393.7A Active CN117869784B (zh) 2024-01-15 2024-01-15 一种lng储罐压力环境自适应控制方法与系统

Country Status (1)

Country Link
CN (1) CN117869784B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020065627A1 (en) * 2000-07-31 2002-05-30 Timothy Neeser Differential pressure gauge for cryogenic fluids which selects a density value based on pressure measurement
US20080221808A1 (en) * 2007-03-09 2008-09-11 Dix Kevin D Pressure monitoring system
CN112212206A (zh) * 2020-09-04 2021-01-12 山东中车同力钢构有限公司 基于深度学习的lng储罐压力环境自适应控制方法及系统
CN113339695A (zh) * 2021-07-29 2021-09-03 中建安装集团有限公司 基于高效通信的lng储罐自动化预冷系统及预冷方法
CN115905938A (zh) * 2022-10-24 2023-04-04 淮阴工学院 基于物联网储罐安全监测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020065627A1 (en) * 2000-07-31 2002-05-30 Timothy Neeser Differential pressure gauge for cryogenic fluids which selects a density value based on pressure measurement
US20080221808A1 (en) * 2007-03-09 2008-09-11 Dix Kevin D Pressure monitoring system
CN112212206A (zh) * 2020-09-04 2021-01-12 山东中车同力钢构有限公司 基于深度学习的lng储罐压力环境自适应控制方法及系统
CN113339695A (zh) * 2021-07-29 2021-09-03 中建安装集团有限公司 基于高效通信的lng储罐自动化预冷系统及预冷方法
CN115905938A (zh) * 2022-10-24 2023-04-04 淮阴工学院 基于物联网储罐安全监测方法及系统

Also Published As

Publication number Publication date
CN117869784B (zh) 2024-06-28

Similar Documents

Publication Publication Date Title
KR20180104547A (ko) Ssd의 진보된 열 제어
CN108445759B (zh) 一种传感器饱和约束下网络化系统的随机故障检测方法
Daroogheh et al. A hybrid prognosis and health monitoring strategy by integrating particle filters and neural networks for gas turbine engines
CN113205187A (zh) 学习装置、学习方法及计算机可读介质、判定装置、判定方法及计算机可读介质
CN113111589A (zh) 预测模型的训练方法、预测供热温度的方法、装置和设备
CN117869784B (zh) 一种lng储罐压力环境自适应控制方法与系统
CN114312843B (zh) 用于确定信息的方法和装置
CN116707331A (zh) 基于模型预测的逆变器输出电压高精度调节方法及系统
CN112905213B (zh) 一种基于卷积神经网络实现ecu刷写参数优化的方法及系统
CN112859601B (zh) 机器人控制器设计方法、装置、设备及可读存储介质
JP5818608B2 (ja) カルマン・フィルタの処理方法、プログラム及びシステム
CN116243610A (zh) 一种数据驱动车辆队列容错跟踪控制追踪方法及系统
CN114995545A (zh) 一种车辆热管理系统的控制方法、装置、设备及介质
EP3665895A1 (en) Data processing device, data analyzing device, data processing system and method for processing data
CN115310359A (zh) 氮氧化物瞬态排放确定方法、装置、设备及介质
CN115597872A (zh) 抽水蓄能机组甩负荷测试方法、装置、设备及介质
CN115099129A (zh) 一种基于输入特征误差修正的天然气井产量预测方法
CN115017466A (zh) 碳载量确定方法、装置、电子设备及存储介质
CN115615726A (zh) 一种液货船自动装卸能力的测试系统及测试方法
CN114525372A (zh) 基于多模态融合的高炉状态监测方法及装置
CN114117778A (zh) 控制参数确定方法、装置、电子设备和存储介质
CN114548539A (zh) 循环水系统压缩机透平能耗预测方法、装置、设备及介质
CN114093433A (zh) 基于观测器的精馏过程单吨能耗预报精度评价方法及系统
CN114563045B (zh) 一种医院后勤系统的检测方法、装置、电子设备及介质
CN116488167B (zh) 攻击补偿数据驱动电压安全控制方法、系统、设备及介质

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