申请/专利权人：中国石油大学(北京)

申请日：2021-12-02

公开（公告）日：2024-04-23

公开（公告）号：CN114118289B

主分类号：G06F18/23

分类号：G06F18/23;G06Q50/06;G01D21/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：本发明涉及一种基于数据驱动的成品油管道工况识别方法及系统，方法包括：构造成品油管道运行数据矩阵；基于管道运行数据矩阵，构建基于降噪自编码器的矩阵降噪模型；对降噪后的管道运行数据进行数据聚类，获得工况识别模型；通过工况识别模型完成对成品油管道的工况识别。本发明工况识别算法利用现场SCADA实时运行数据进行管道运行工况的实时监控，识别模型可验证管道运行工况是否符合制定工况类型，预防管道运行中出现的异常工况变化，能够很大程度上减少现场人员的工作量，提高成品油管道运行状况识别的准确性，提高经济效益，保障管道的正常运行，同时保障油品的稳定、连续供应，并且有助于实现对成品油管道的高效、安全管理。

主权项：1.一种基于数据驱动的成品油管道工况识别方法，其特征在于包括：构造成品油管道运行数据矩阵，包括：基于成品油管道的物理空间特性，将成品油管道划分为首站、中间站、末站，收集首站的出站流量、压力，中间站的进出站流量、压力，末站的进站流量、压力，以及各站的油品密度；同时考虑成品油管道运行的时间序列特性，得到管道运行数据矩阵；基于管道运行数据矩阵，构建基于降噪自编码器的矩阵降噪模型，包括：对输入的管道运行数据矩阵数据添加高斯噪声；将添加高斯噪声的管道运行数据矩阵输入至降噪自编码器的编码网络中，编码网络通过每层神经网络对输入数据进行深层特征提取；将编码网络的输出结果输入到降噪自编码器的解码网络，解码网络通过逐渐扩大每层节点数的方法，对编码网络得到的深层潜在特征进行还原，使其恢复至与输入数据相同的维度；对降噪后的管道运行数据基于SNE数据聚类，获得工况识别模型，包括：基于管道运行矩阵数据的条件概率分布计算矩阵数据之间的联合概率分布；初始化得到矩阵数据的低维空间初始解；计算低维空间管道运行数据间的相似度；优化数据矩阵对应概率分布与低维空间数据对应概率分布间的距离；基于迭代得到梯度下降值，求得低维空间下管道运行数据解；当迭代次数达到设定次数后，输出管道运行数据的二维空间表达，获得工况识别模型；通过工况识别模型完成对成品油管道的工况识别。

全文数据：

权利要求：

百度查询： 中国石油大学(北京) 基于数据驱动的成品油管道运行工况识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD