DE102020214230A1 - Procedure for determining gas components - Google Patents
Procedure for determining gas components Download PDFInfo
- Publication number
- DE102020214230A1 DE102020214230A1 DE102020214230.0A DE102020214230A DE102020214230A1 DE 102020214230 A1 DE102020214230 A1 DE 102020214230A1 DE 102020214230 A DE102020214230 A DE 102020214230A DE 102020214230 A1 DE102020214230 A1 DE 102020214230A1
- Authority
- DE
- Germany
- Prior art keywords
- gas
- network
- gas network
- concentration
- balance equation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 239000000203 mixture Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 239000007789 gas Substances 0.000 description 101
- 238000005259 measurement Methods 0.000 description 20
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 14
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 239000001257 hydrogen Substances 0.000 description 7
- 229910052739 hydrogen Inorganic materials 0.000 description 7
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 6
- 239000003345 natural gas Substances 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000036962 time dependent Effects 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
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/22—Fuels; Explosives
- G01N33/225—Gaseous fuels, e.g. natural gas
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Water Supply & Treatment (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Measuring Volume Flow (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Bestimmen von Gaskomponenten in einem Gasnetzwerk (20), das zumindest einen Versorger (11, 12) und zumindest einen Verbraucher (63 - 67) aufweist, wobei mehrere Konzentrationssensoren (51 - 57) an unterschiedlichen Messstellen (31 - 37) im Gasnetzwerk (20) angeordnet sind. Ein Massestrom wird an jeder Messstelle (31 - 37) ermittelt, eine Konzentration der Gaskomponenten an jeder Messstelle (31 - 37) gemessen, mindestens eine Bilanzgleichung für das Gasnetzwerk (20) aus den Masseströmen und den Konzentrationen aufgestellt und die mindestens eine Bilanzgleichung unter Verwendung von maschinellem Lernen und/oder sensor fusion gelöst.The invention relates to a method for determining gas components in a gas network (20) which has at least one supplier (11, 12) and at least one consumer (63 - 67), with several concentration sensors (51 - 57) at different measuring points (31 - 37) are arranged in the gas network (20). A mass flow is determined at each measuring point (31 - 37), a concentration of the gas components is measured at each measuring point (31 - 37), at least one balance equation for the gas network (20) is set up from the mass flows and the concentrations and the at least one balance equation using solved by machine learning and/or sensor fusion.
Description
Die vorliegende Erfindung betrifft ein Verfahren zum Bestimmen von Gaskomponenten in einem Gasnetzwerk. Des Weiteren betrifft die vorliegende Erfindung ein Computerprogramm, das jeden Schritt des Verfahrens ausführt, sowie ein maschinenlesbares Speichermedium, welches das Computerprogramm speichert. Schließlich betrifft die Erfindung ein elektronisches Steuergerät, welches eingerichtet ist, um das Verfahren auszuführen.The present invention relates to a method for determining gas components in a gas network. Furthermore, the present invention relates to a computer program that executes each step of the method and a machine-readable storage medium that stores the computer program. Finally, the invention relates to an electronic control unit that is set up to carry out the method.
Stand der TechnikState of the art
Erdgasnetze werden an Einspeisestellen mit Erdgas befüllt. Dabei kann die Erdgasqualität je nach Quelle unterschiedlich sein. Um beim Verbraucher für die Abrechnung nicht nur die Fördermenge, sondern auch die enthaltene Energie ausweisen zu können, werden an der Einspeisestelle die Gaszusammensetzung und der Brennwert beispielsweise über einen Gaschromatographen erfasst und bei einer Vielzahl Verbraucher nur die Durchflussmenge gemessen. Bei einer Quelle und unterschiedlichen Verbrauchern ergibt sich selbst bei fluktuierendem Betrieb kein Unterschied in der Zusammensetzung zwischen Verbrauchern.Natural gas networks are filled with natural gas at feed-in points. The quality of natural gas can vary depending on the source. In order to be able to show the consumer not only the flow rate but also the energy contained in the bill, the gas composition and the calorific value are recorded at the feed point using a gas chromatograph, for example, and for a large number of consumers only the flow rate is measured. With one source and different consumers, even with fluctuating operation, there is no difference in the composition between consumers.
Speisen zwei Gasversorger unabhängig voneinander in dasselbe Netzwerk unterschiedliche Gaszusammensetzungen ein, kann die Zusammensetzung beim Kunden nicht angegeben werden. Behelfsweise müssen einspeisende Anlagen Mindeststandards einhalten, damit die Zusammensetzung bei den einzelnen Verbrauchern nicht zu unterschiedlich ist. Eine Herausforderung ergibt sich dabei immer dann, wenn eine Einspeisestelle eine Gasqualität in ein Gasnetzwerk einspeist, die von der aktuellen im Netzwerk vorhandenen Gasqualität abweicht. If two gas suppliers independently feed different gas compositions into the same network, the composition cannot be specified for the customer. As a temporary measure, feed-in systems must comply with minimum standards so that the composition of the individual consumers is not too different. A challenge always arises when a feed point feeds a gas quality into a gas network that deviates from the gas quality currently available in the network.
Dies gilt insbesondere dann, wenn die Einspeisung oder die Abnahme aus dem Netzwerk nicht gleichmäßig erfolgt.This applies in particular if the feed-in or the removal from the network does not take place evenly.
Offenbarung der ErfindungDisclosure of Invention
Das Verfahren dient zum Bestimmen von Gaskomponenten in einem Gasnetzwerk, das zumindest einen Versorger und zumindest einen Verbraucher aufweist. Insbesondere kann es in einem Gasnetzwerk eingesetzt werden, das mehrere Versorger und mehrere Verbraucher aufweist. Mehrere Konzentrationssensoren sind an unterschiedlichen Messstellen im Gasnetzwerk angeordnet. Das Ermitteln des Massestroms kann insbesondere über eine Volumenstrommessung und/oder eine Druckmessung und/oder eine Dichtemessung erfolgen. Weiterhin wird an jeder Messstelle die Konzentration der Gaskomponenten gemessen. Wenn das Gas mehrere Komponenten enthält bedeutet dies, dass eine Differenzierung der Konzentration der einzelnen Gaskomponenten erfolgt. Aus den Masseströmen und den Konzentrationen wird mindestens eine Bilanzgleichung für das Gasnetzwerk aufgestellt. Das Aufstellen einer solchen Bilanzgleichung wird beispielsweise in R. M. Colombo, G. Guerra, M. Herty, V. Schleper, Optimal Control in Networks of Pipes and Canals, SIAM J. Control Optim., 48(3), 2032 - 2050 beschrieben. Da in einem Gasnetzwerk ohne Leckage keine Verluste auftreten, müsste die Aufsummierung der Produkte aus den Massenströmen und der Summe der Konzentrationen an den einzelnen Messstellen für das gesamte Gasnetzwerk einen Wert von 0 (null) ergeben.The method is used to determine gas components in a gas network that has at least one supplier and at least one consumer. In particular, it can be used in a gas network that has multiple suppliers and multiple consumers. Several concentration sensors are arranged at different measuring points in the gas network. The determination of the mass flow can take place in particular via a volume flow measurement and/or a pressure measurement and/or a density measurement. Furthermore, the concentration of the gas components is measured at each measuring point. If the gas contains several components, this means that there is a differentiation in the concentration of the individual gas components. At least one balance equation for the gas network is set up from the mass flows and the concentrations. The establishment of such a balance equation is described, for example, in R. M. Colombo, G. Guerra, M. Herty, V. Schleper, Optimal Control in Networks of Pipes and Canals, SIAM J. Control Optim., 48(3), 2032-2050. Since there are no losses in a gas network without leakage, the summation of the products from the mass flows and the sum of the concentrations at the individual measuring points should result in a value of 0 (zero) for the entire gas network.
Der Erfindung liegt die Erkenntnis zugrunde, dass die Gesamtbilanz jedoch gerade keinen Wert von 0 annehmen kann, da jede Konzentrationsmessung zum identischen Zeitpunkt einer individuellen Schwankung unterliegt, die sich aus Messfehlern durch Sensordrift und Messgenauigkeiten ergibt. Eine höhere Genauigkeit ergibt sich jedoch, wenn man für große Zeiträume Integrale aufstellt. Dann kann der zeitliche Versatz der Signalmaxima ermittelt werden. Um dies zu realisieren ist ein Lösen der Bilanzgleichung unter Verwendung von maschinellem Lernen und/oder sensor fusion vorgesehen.The invention is based on the finding that the overall balance cannot assume a value of 0, since each concentration measurement at the identical point in time is subject to an individual fluctuation that results from measurement errors due to sensor drift and measurement accuracy. However, a higher accuracy results if one sets up integrals for large periods of time. Then the time offset of the signal maxima can be determined. In order to realize this, the balance equation is solved using machine learning and/or sensor fusion.
Die Lösung der Bilanzgleichungen ist selbst bei wenigen zu berechnenden Konzentrationen nicht trivial. Die Bilanzgleichungen müssten eigentlich mit den gemessenen Konzentrationen zu lösen sein, lokale Messfehler führen aber dazu, dass es gerade keine direkte Lösung für das Differenzialgleichungssystem gibt. Betrachtet man jedoch die aktuellen Fehler, das ideale Verhalten des Gasnetzwerkes und das typische Verhalten des Gasnetzwerkes, dann können die fehlerbehafteten Eingangssignale der lokalen Messungen korrigiert werden. Das Lösen der Bilanzgleichungen erfolgt also nicht ausschließlich über Differenzialgleichungslöser, sondern zusätzlich mit maschinellem Lernen und/oder sensor fusion. Exakte Messungen über einzelne Gaschromatographen im Gasnetzwerk können dabei zum Kalibrieren oder als Stützstellen zusätzlich optional genutzt werden.The solution of the balance equations is not trivial, even if the concentrations to be calculated are small. The balance equations should actually be able to be solved with the measured concentrations, but local measurement errors mean that there is no direct solution for the differential equation system. However, if one considers the current errors, the ideal behavior of the gas network and the typical behavior of the gas network, then the erroneous input signals of the local measurements can be corrected. The balance equations are therefore not solved exclusively using differential equation solvers, but also with machine learning and/or sensor fusion. Exact measurements via individual gas chromatographs in the gas network can also optionally be used for calibration or as support points.
Die Genauigkeit der Messung kann so erheblich verbessert werden, insbesondere, bei kleinen Konzentrationen oder kleinen Änderungen nahe der Messgenauigkeit. Alternativ kann durch das Verfahren ein preiswerteres und damit für den massenhaften Einsatz vorteilhaftes Messprinzip oder ein preiswerterer oder vereinfachter Sensor, beispielsweise ein Laserspektroskop, bei gleichbleibender Messgenauigkeit eingesetzt werden.The accuracy of the measurement can thus be significantly improved, especially in the case of small concentrations or small changes close to the measurement accuracy. Alternatively, the method can be used to use a less expensive measuring principle, which is therefore advantageous for mass use, or a less expensive or simplified sensor, for example a laser spectroscope, with the same measuring accuracy.
In einer Ausführungsform des Verfahrens wird dabei zur Lösung der Bilanzgleichung eine Kalman-Filterung, insbesondere eine Extended Kalman-Filterung durchgeführt. Diese ist besonders für eine Zustandsschätzung des Gasnetzwerks aus den Messdaten an den unterschiedlichen Messstellen geeignet. In einer anderen bevorzugten Ausführungsform des Verfahrens wird zur Lösung der Bilanzgleichung ein neuronales Netzwerk verwendet. Insbesondere handelt es sich um ein Convolutional Neural Network. Dieses ist besonders für eine Anomalie-Erkennung in den Messdaten an den Messstellen geeignet. Weiterhin bevorzugt ist eine Recurrent Neural Network, das für eine Analyse und Vorhersage eines typischen zeitlich veränderlichen Verhaltens des Gasnetzwerks besonders geeignet ist.In one embodiment of the method, a cal man filtering, in particular extended Kalman filtering. This is particularly suitable for estimating the state of the gas network from the measurement data at the different measurement points. In another preferred embodiment of the method, a neural network is used to solve the balance equation. In particular, it is a convolutional neural network. This is particularly suitable for detecting anomalies in the measurement data at the measurement points. Also preferred is a recurrent neural network, which is particularly suitable for an analysis and prediction of a typical behavior of the gas network that changes over time.
Wenn das Gasnetzwerk mehrere Versorger und mehrere Verbraucher aufweist, dann ist es bevorzugt, dass jedem Versorger eine Messstelle zugeordnet ist und jedem Verbraucher eine Messstelle zugeordnet ist. An den Messstellen werden jeweils die Schritte des Ermittelns eines Massestroms und der Messung der Konzentration der Gaskomponenten durchgeführt. Die Verwendung einer Messstelle pro Versorger und pro Verbraucher ermöglicht eine zuverlässige Bilanzierung des gesamten Gasnetzwerks.If the gas network has a number of suppliers and a number of consumers, then it is preferable for each supplier to be assigned a measuring point and each consumer to be assigned a measuring point. The steps of determining a mass flow and measuring the concentration of the gas components are carried out at the measuring points. The use of one measuring point per supplier and per consumer enables reliable balancing of the entire gas network.
Mehrere Versorger werden beispielsweise dann in einem Gasnetzwerk angeordnet, wenn ein Elektrolyseur oder eine Biogasanlage vorgesehen ist, um Gas in ein Erdgasnetzwerk einzuspeisen. Bei veränderlichen Wasserstoffkonzentrationen ändern sich der Brennwert der Gasmischung und die Flammentemperatur. Wenn nicht sichergestellt werden kann, dass die lokale Wasserstoffkonzentration trotz Fluktuation bei den Verbrauchern stimmt, kann Wasserstoff auch nicht dezentral in ein Gasnetzwerk eingespeist werden.Several suppliers are arranged in a gas network, for example, when an electrolyser or a biogas plant is provided to feed gas into a natural gas network. With changing hydrogen concentrations, the calorific value of the gas mixture and the flame temperature change. If it cannot be ensured that the local hydrogen concentration is correct despite fluctuations among consumers, hydrogen cannot be fed into a decentralized gas network.
Auch Kohlendioxidnetzwerke mit unterschiedlichen Kohlendioxidquellen stellen Gasnetzwerken mit mehreren Versorgern dar. Bei diesen kann das Verfahren vorteilhaft angewandt werden, da eine Kohlendioxidkompression an Pumpstationen nur bei bekannter Gaszusammensetzung störungsfrei funktioniert. Kohlendioxid-Gasmischungen weisen unterschiedliche thermodynamische Kenngrößen auf, so dass Pumpen, Kompressoren und andere Maschinen gegebenenfalls nicht zuverlässig betrieben werden können, da beispielsweise bei einer Verschiebung von Kondensations-/Verdampfungspunkten Kavitation, die die Maschinen zerstört, auftreten kann.Carbon dioxide networks with different carbon dioxide sources also represent gas networks with several suppliers. The method can be used advantageously for these, since carbon dioxide compression at pumping stations only works without problems if the gas composition is known. Carbon dioxide gas mixtures have different thermodynamic characteristics, so that pumps, compressors and other machines may not be able to be operated reliably, since, for example, a shift in condensation/evaporation points can cause cavitation, which destroys the machines.
Um eine genaue Überwachung von Gasströmen im Gasnetzwerk zu ermöglichen, ist es bevorzugt, dass jeweils eine Messstelle in einer Versorgungsleitung des Gasnetzwerks angeordnet ist, welche jeweils von einem Versorger ausgeht. Weiterhin ist es bevorzugt, dass jeweils eine Messstelle in einer Verbraucherleitung des Gasnetzwerks angeordnet ist, welche jeweils zu einem Verbraucher führt. Außerdem ist es bevorzugt, dass jeweils eine Messstelle an einem Knotenpunkt des Gasnetzwerks angeordnet ist, insbesondere an einem Knotenpunkt, an dem sich ein Ventil und/oder ein Verdichter befinden.In order to enable gas flows in the gas network to be monitored precisely, it is preferable for a measuring point to be arranged in a supply line of the gas network, which in each case emanates from a supplier. Furthermore, it is preferred that in each case one measurement point is arranged in a consumer line of the gas network, which in each case leads to a consumer. In addition, it is preferred that in each case one measuring point is arranged at a node of the gas network, in particular at a node at which a valve and/or a compressor are located.
Es ist bevorzugt, dass das Gasnetzwerk in Untermodelle aufgeteilt wird und die Bilanzgleichung für die Untermodelle aufgestellt wird und gelöst wird. Dies ist vorteilhaft, da bei der Bilanzierung eines großen Gasnetzwerks sehr große Datenmengen gehandhabt werden müssen, sodass Rechenkapazität eingespart werden kann, wenn keine Bilanzgleichung für das gesamte Gasnetzwerk, sondern stattdessen nur mehrere Bilanzgleichungen für die Untermodelle gelöst werden müssen. Eine Zusammenführung von Untermodellen zu einem Gesamtmodell oder das Integrieren der für das Untermodell berechneten Randwerte in ein Gesamtmodell führt bei der Verwendung von Multiskalenmodellen bei der Simulation zu erheblicher Reduktion der Rechenzeit.It is preferred that the gas network is divided into sub-models and the balance equation for the sub-models is set up and solved. This is advantageous because when balancing a large gas network, very large amounts of data have to be handled, so that computing capacity can be saved if no balance equation for the entire gas network has to be solved, but instead only several balance equations for the sub-models. Merging sub-models into an overall model or integrating the boundary values calculated for the sub-model into an overall model leads to a considerable reduction in computing time when using multi-scale models in the simulation.
Eine Verzögerung der am Konzentrationssensor gemessenen Konzentration, die durch die Transportzeit des Gases zwischen den Messstellen resultiert, wird vorzugsweise durch maschinelles Lernen vorhergesagt. Diese Verzögerung ist physikalischen Gesetzmäßigkeiten unterworfen und daher für ein gegebenes Gasnetzwerk typisch. Wenn die Konzentrationsänderung an einer ersten Messstelle gemessen wird, dann kann Sie an einer zweiten Messstelle, die sich stromabwärts der ersten Messstelle befindet als abgeflachtes, das heißt zeitlich verbreitertes Signal gemessen werden. Das Maximum des Signals wandert dabei in immer derselben Weise durch die Rohrstrecke des Gasnetzwerks und folgt dabei Transportgleichungen. Nur ihre Verbreiterung ist zeitabhängig, sodass bei langsamerer Strömung und schnellerer Strömung durch diffuse Effekte mit unterschiedlich breiten Signaländerungen an der zweiten Messstelle zu rechnen ist. Sind auch die Massenströme an den beiden Messstellen bekannt, so ist der Konzentrationsverlauf an der zweiten Messstelle vorhersagbar.A delay in the concentration measured at the concentration sensor, which results from the transport time of the gas between the measuring points, is preferably predicted by machine learning. This delay is subject to physical laws and is therefore typical for a given gas network. If the change in concentration is measured at a first measuring point, it can then be measured at a second measuring point, which is located downstream of the first measuring point, as a flattened, ie temporally broadened, signal. The maximum of the signal always travels in the same way through the pipe section of the gas network and follows transport equations. Only their broadening is time-dependent, so that in the case of slower flow and faster flow, diffuse effects can be expected to result in signal changes of different widths at the second measuring point. If the mass flows at the two measuring points are also known, the course of the concentration at the second measuring point can be predicted.
Die Konzentrationssensoren im Gasnetzwerk können kalibriert werden, indem eine definierte Gasmischung in das Gasnetzwerk eingeleitet wird. Nachdem die Schritte des Ermittelns des Massenstroms an jeder Messstelle, der Messung der Konzentration der Gaskomponenten an jeder Messstelle, des Aufstellens der Bilanzgleichung für das Gasnetzwerk aus den Masseströmen und den Konzentration und des Lösens der Bilanzgleichung unter Verwendung von maschinellen Lernen und/oder Sensorfusion durchgeführt wurden, ist es möglich, eine Abweichung zwischen einem aus der gelösten Bilanzgleichung ermittelten Wert und dem gemessenen Wert für jeden Konzentrationssensor zu ermitteln. Dies weist darauf hin, dass die Sensoren nicht synchron sind, beziehungsweise jeder Sensor für sich ungenau misst. Die so ermittelte Abweichung kann dann auf mehrere Sensoren aufgeteilt werden. Anstelle eines großen Fehlers bei einer stromabwärts gelegenen Messstelle kann durch eine solche Aufteilung der stromabwärts gelegenen Messstelle und einer stromaufwärts gelegenen Messstelle jeweils ein mittlerer Fehler zugewiesen werden.The concentration sensors in the gas network can be calibrated by introducing a defined gas mixture into the gas network. After the steps of determining the mass flow at each measurement point, measuring the concentration of the gas components at each measurement point, establishing the balance equation for the gas network from the mass flows and the concentrations, and solving the balance equation using machine learning and/or sensor fusion have been performed , it is possible a discrepancy between one of the solved Determine balance equation determined value and the measured value for each concentration sensor. This indicates that the sensors are not synchronous, or that each sensor is measuring imprecisely on its own. The deviation determined in this way can then be divided between several sensors. Instead of a large error at a downstream measuring point, a mean error can each be assigned to the downstream measuring point and an upstream measuring point by such a division.
Durch die Kalibrierung kann die Messgenauigkeit der Sensoren erheblich verbessert werden, um Vorhersagen der örtlichen Konzentrationen im Gasnetzwerk zu treffen. Auf diese Weise können Einspeisungen, Entnahmen oder Mischungen geregelt werden können, damit örtliche Fremdstoffkonzentrationen im Gasnetzwerk nicht zu Phasenwechsel und beispielsweise zur Zerstörung von Kompressoren führt.The calibration can significantly improve the measurement accuracy of the sensors in order to make predictions about the local concentrations in the gas network. In this way, feeds, withdrawals or mixtures can be controlled so that local concentrations of foreign substances in the gas network do not lead to phase changes and, for example, to the destruction of compressors.
In einem Gasnetzwerk, das sich nach einer ersten Kalibrierung in Betrieb befindet, ist das typische Verhalten bei Fluktuationen bekannt und kann durch die fortwährend ermittelten Daten weiter durch maschinelles Lernen verbessert werden, das heißt, typischerweise verringert sich der relative Messfehler mit der Zeit.In a gas network that is in operation after an initial calibration, the typical behavior in the event of fluctuations is known and can be further improved by machine learning from the continuously collected data, i.e. the relative measurement error typically decreases over time.
Zudem erlauben die gemessenen Daten nach einer Anfangszeit Rückschlüsse auf tatsächliche Leckagen, da jede ungeplante Änderung im Netzwerk mit Schwellwerten als Meldung ausgegeben werden kann. Wenn die Summe der Massenströme in Strömungsrichtung des Gases nicht mehr den eingespeisten Teilströmen entspricht, kann der Gasnetzwerkbetreiber automatisch darauf hingewiesen werden, diesen Leitungsabschnitt des Gasnetzwerks zu kontrollieren. Übersteigt die zeitliche Differenz vor allem hinsichtlich Massenfluss und Druck an einer Messstelle eingestellte Alarmgrenzen, können auch Versorger benachrichtigt, oder der Leitungsabschnitt temporär heruntergefahren werden.In addition, after an initial period, the measured data allow conclusions to be drawn about actual leaks, since any unplanned change in the network with threshold values can be output as a message. If the sum of the mass flows in the flow direction of the gas no longer corresponds to the partial flows fed in, the gas network operator can be automatically informed to check this line section of the gas network. If the time difference exceeds the alarm limits set at a measuring point, especially with regard to mass flow and pressure, suppliers can also be notified, or the line section can be shut down temporarily.
In einem Gasnetzwerk können nach einer ersten Kalibrierung auch weitere Versorger oder Verbraucher mit Sensoren besonders einfach integriert werden. Die Position des neuen Abzweiges ist bekannt und wird in einem System, welches das Verfahren ausführt, nachgetragen und die Bilanzgleichungen erweitert. Alternativ wird im System nur ein neuer Versorger angemeldet, und das System erkennt durch die Vielzahl der übrigen Sensoren und des maschinell erlernten typischen Verhaltens wo sich dieser neue Versorger befindet. Die neuen Messwerte der neuen Messstelle können in dem Verfahren automatisch richtig zugeordnet werden.After an initial calibration, other suppliers or consumers with sensors can also be integrated particularly easily in a gas network. The position of the new branch is known and is subsequently entered in a system that executes the method and the balance equations are expanded. Alternatively, only one new supplier is registered in the system, and the system recognizes where this new supplier is based on the large number of other sensors and the typical behavior learned by the machine. The new measured values of the new measuring point can automatically be assigned correctly in the process.
Das Computerprogramm ist eingerichtet jeden Schritt des Verfahrens durchzuführen, insbesondere wenn es auf einem Rechengerät oder auf einem elektronischen Steuergerät ausgeführt wird. Es ermöglicht die Implementierung unterschiedlicher Ausführungsformen des Verfahrens auf einem elektronischen Steuergerät, ohne hieran bauliche Veränderungen vornehmen zu müssen. Hierzu ist es auf dem maschinenlesbaren Speichermedium gespeichert.The computer program is set up to carry out each step of the method, in particular when it is executed on a computing device or on an electronic control unit. It enables different embodiments of the method to be implemented on an electronic control unit without having to make structural changes thereto. For this purpose, it is stored on the machine-readable storage medium.
Durch Aufspielen des Computerprogramms auf ein herkömmliches elektronisches Steuergerät wird das elektronische Steuergerät erhalten, welches eingerichtet ist, um mittels des Verfahrens die Gaskomponenten im Gasnetzwerk zu bestimmen. Das Steuergerät ist vorzugsweise mittels Funkanbindung mit den Sensoren verbunden.The electronic control unit, which is set up to determine the gas components in the gas network by means of the method, is obtained by loading the computer program onto a conventional electronic control unit. The control device is preferably connected to the sensors by means of a radio connection.
Figurenlistecharacter list
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und werden in der nachfolgenden Beschreibung näher erläutert.
-
1 zeigt schematisch ein Gasnetzwerk, in dem Gaskomponenten mittels eines Ausführungsbeispiels des erfindungsgemäßen Verfahrens bestimmt werden können. -
2 zeigt ein Ablaufdiagramm eines Ausführungsbeispiels des erfindungsgemäßen Verfahrens zum Bestimmen von Gaskomponenten in einem Gasnetzwerk. -
3 zeigt ein Ablaufdiagramm eines Ausführungsbeispiels des erfindungsgemäßen Verfahrens, in dem Konzentrationssensoren in einem Gasnetzwerk kalibriert werden.
-
1 shows schematically a gas network in which gas components can be determined by means of an embodiment of the method according to the invention. -
2 shows a flowchart of an exemplary embodiment of the method according to the invention for determining gas components in a gas network. -
3 shows a flowchart of an embodiment of the method according to the invention, in which concentration sensors are calibrated in a gas network.
Ausführungsbeispiele der ErfindungEmbodiments of the invention
In einem Ausführungsbeispiel der Erfindung speisen zwei Versorger 11, 12 Gase in ein Gasnetzwerk 20 ein. Dies ist in
Jeder der Versorger 11, 12 speist sein Gas in eine Versorgerleitung 21, 22 des Gasnetzwerks 20 ein. Um die Gase aus den Versorgerleitungen 21, 22 auf Verbraucherleitungen 23 - 27 zu verteilen, sind alle Leitungen des Gasnetzwerks 20 untereinander durch eine Verbindungsleitung 28 verbunden. In jeder der Versorgerleitungen 21, 22 und in jeder der Verbraucherleitungen 23 - 27 ist jeweils eine Messstelle 31 - 37 angeordnet. Jede Messstelle 31 - 37 weist eine Sensorbox auf, in der ein Massestromsensor 41 - 47 und ein Konzentrationssensor 51 - 57 für die Komponenten der Gase angeordnet sind. Jeder Konzentrationssensor weist dabei eine Probennahmevorrichtung auf. Mit den Sensoren 41 - 47, 51 - 57 lässt sich der Strom der eingespeisten Gase zu Verbrauchern 63 - 67 am Ende der Verbraucherleitungen 23 - 27 überwachen. Jede Sensorbox weist ein nicht dargestelltes Rechengerät mit einer Datenschnittstelle auf, welche eingerichtet ist, um die Daten der Sensoren der Sensorbox über Funk an ein zentrales elektronisches Steuergerät 70 zu übermitteln. In diesem elektronischen Steuergerät 70 laufen die Schritte des erfindungsgemäßen Verfahrens ab. Weiterhin weist jede Sensorbox eine Gasabsperrvorrichtung und einen Akku für einen Netzunabhängigen Betrieb auf.Each of the
Wie in
Dabei bezeichnet n die Messstelle, ṁn den Massenstrom an der jeweiligen Messstelle und cn eine Konzentration an der jeweiligen Messstelle. Für das vom ersten Versorger 11 eingespeiste Erdgas werden in Formel 1 in vereinfachender Weise nur die Komponenten Methan (CH4), Ethan (C2H6) und Propan (C3H8) berücksichtigt. Der vom Elektrolyseur des zweiten Versorgers 12 bereitgestellte Wasserstoff (H2) ist nicht mit anderen Gaskomponenten vermischt.Here n designates the measuring point, ṁ n the mass flow at the respective measuring point and c n a concentration at the respective measuring point. For the natural gas fed in by the
Ein Lösen 84 der Bilanzgleichung erfolgt im vorliegenden Ausführungsbeispiel durch Verwendung von maschinellem Lernen unter Anwendung einer Kalman-Filterung. In einem anderen Ausführungsbeispiel kann die Bilanzgleichung auch unter Verwendung eines neuronalen Netzwerks gelöst werden. Dabei wird durch das maschinelle Lernen eine Verzögerung der an den Konzentrationssensoren 51 - 57 gemessene Konzentrationen, die durch die Transportzeit des Gases zwischen den Messstellen 31 - 37 resultiert, vorhergesagt. Die ersten beiden Messstellen 31, 32 messen dabei die Gaskonzentration der Gaskomponenten der jeweils reinen Gase, die von den beiden Versorgern 11, 12 in die Versorgerleitungen 21, 22 eingespeist werden. Diese vermischen sich in der Verbindungsleitung 28 teilweise und gelangen dann verzögert an den Messstellen 33 - 37 in den Verbraucherleitungen 23 - 27 an. Das Verfahren ermöglicht die Überwachung variierender Gasströme im Gasnetzwerk 20. Wenn der Verbraucher 67 ein Industriekunde ist, der unter der Woche regelmäßig große Mengen Gas abnimmt, am Wochenende die Fertigung aber drosselt, dann gelangt unter der Woche viel Gas vom ersten Versorger 11 über die Einspeisestelle des zweiten Versorgers 12 hinweg zu den Verbrauchern 66, 67 und kaum Gas vom zweiten Versorger 12 zu den Verbrauchern 63 - 65. Dagegen kann am Wochenende durch den Ausfall des Verbrauchers 67 deutlich mehr Wasserstoff vom zweiten Versorger 12 zum Verbraucher 66 gelangen und auch die Verbraucher 63 - 65 erhalten ausnahmsweise Wasserstoff.In the present exemplary embodiment, the balance equation is solved 84 by using machine learning using Kalman filtering. In another embodiment, the balance equation can also be solved using a neural network. A delay in the concentrations measured at the concentration sensors 51-57, which results from the transport time of the gas between the measuring points 31-37, is predicted by machine learning. The first two measuring
Das Gasnetzwerk 20 wird in einem Ausführungsbeispiel des Verfahrens in Untermodelle aufgeteilt und die Bilanzgleichung wird nur für die Untermodelle aufgestellt und gelöst. Wenn beispielsweise bekannt ist, dass einer der Verbraucher 63 - 67 vorübergehend vom Gasnetzwerk 20 abgekoppelt wird, so kann ein Untermodell verwendet werden, in dem die Messstelle zu einer Verbraucherleitung nicht berücksichtigt wird.In one exemplary embodiment of the method, the
Um die Konzentrationssensoren 51 - 57 im Gasnetzwerk 22 zu kalibrieren wird in einem Ausführungsbeispiel des Verfahrens in einem initialen Schritt 80 von den beiden Versorgern 11, 12 eine definierte Gasmischung in das Gasnetzwerk 20 eingeleitet. Dies wird bei einer Inbetriebnahme des Gasnetzwerks 20 und bei seiner Wartung durchgeführt. Wie in
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020214230.0A DE102020214230A1 (en) | 2020-11-12 | 2020-11-12 | Procedure for determining gas components |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020214230.0A DE102020214230A1 (en) | 2020-11-12 | 2020-11-12 | Procedure for determining gas components |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102020214230A1 true DE102020214230A1 (en) | 2022-05-12 |
Family
ID=81256456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102020214230.0A Pending DE102020214230A1 (en) | 2020-11-12 | 2020-11-12 | Procedure for determining gas components |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102020214230A1 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040006398A1 (en) | 2000-06-09 | 2004-01-08 | Bickford Randall L. | Surveillance system and method having parameter estimation and operating mode partitioning |
US20200133251A1 (en) | 2017-04-20 | 2020-04-30 | Schlumberger Technology Corporation | Detecting and Correcting for Discrepancy Events in Fluid Pipelines |
-
2020
- 2020-11-12 DE DE102020214230.0A patent/DE102020214230A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040006398A1 (en) | 2000-06-09 | 2004-01-08 | Bickford Randall L. | Surveillance system and method having parameter estimation and operating mode partitioning |
US20200133251A1 (en) | 2017-04-20 | 2020-04-30 | Schlumberger Technology Corporation | Detecting and Correcting for Discrepancy Events in Fluid Pipelines |
Non-Patent Citations (3)
Title |
---|
BRESSAN, Alberto, et al. Flows on networks: recent results and perspectives. EMS Surv. Math. Sci., 1. Jg., 2014, S. 47‑111. DOI: 10.4171/EMSS/2 |
DOMSCHKE, P., et al. Modellierung von Gasnetzwerken: Eine Übersicht. 24.10.2017, URL: https://opus4.kobv.de/opus4-trr154/frontdoor/index/index/docId/191 [abgerufen am 10.03.2021] |
LANG, Jens, et al. Gasnetzwerke. Mathematische Modellierung, Simulation und Optimierung. Mitteilungen der Deutschen Mathematiker-Vereinigung, 23. Jg., 2015, Nr. 1, 2015,S. 30‑35. DOI: 10.1515/dmvm-2015-0013 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2828916B1 (en) | Process for controlling the gas-tighness of a fuel cell system | |
DE60005840T2 (en) | FLOW MEASURING DEVICE IN A REGULATOR | |
EP2570807B1 (en) | Test device for field calibration of a gas sensor | |
EP3021117A1 (en) | Method and measuring device for the determination of specific values for the type of gas | |
EP2587329B1 (en) | Support for troubleshooting an industrial assembly | |
EP2574918A1 (en) | Microthermal method and sensor for determining physical gas properties | |
DE102015015152B4 (en) | Method for checking a gas sensor in a gas measuring system | |
EP3535581B1 (en) | Method for determining properties of a hydrocarbon-containing gas mixture and device for the same | |
DE68909260T2 (en) | Device for measuring the heat capacity of a fuel flow. | |
EP3209412A1 (en) | Checking the tightness of at least one membrane of an electrolyzer | |
EP0453444B1 (en) | Process for measuring the control cross-sectional area of a nozzle | |
DE3784160T2 (en) | VAPOR PRESSURE MEASURING DEVICE AND METHOD. | |
EP3602040B1 (en) | Method for determining the methane index of a hydrocarbon-containing combustion gas mixture | |
EP2702373B1 (en) | Device for measuring a fuel flow and calibrating device therefor | |
DE102019117859A1 (en) | Method and measuring device for leak testing of water pipes | |
EP1537398A1 (en) | Leakage detecting method for pipes and pipe systems | |
DE102020214230A1 (en) | Procedure for determining gas components | |
EP3182118B1 (en) | Method and measuring device for determining gas properties using correlation | |
EP1447329A1 (en) | Method and apparatus for dispensing a fluid substance | |
AT525900B1 (en) | Consumption measurement system for vehicles with a fuel cell unit or a drive powered by natural gas and method for measuring consumption on vehicles with a fuel cell unit or a drive powered by natural gas | |
DE102016014151A1 (en) | Method for determining a calorific value and / or a Wobbe index of a gas mixture | |
EP1686355A1 (en) | Method and system for monitoring the flow of multiphase mixtures | |
EP1944608A1 (en) | Measuring method for physical-chemical parameters of natural gas | |
DE2741546C2 (en) | Procedure for monitoring leaks in pipelines | |
DE19846287A1 (en) | Production of gas mixtures with portable compressed gas containers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |