基于深度学习的复杂管道运行控制方法技术

本发明专利技术提供基于深度学习的复杂管道运行控制方法，属于管道运输技术领域，特别涉及复杂管道运行控制方法。本发明专利技术首先在SCADA系统中建立面向控制的复杂管道模型；根据实时监测到的管网信息，结合用户或工业上对管道的需求，确定需要运行控制的位置或管段；然后根据获得的需要运行控制的位置或管段上的流量和压力信息，判定采用基于深度学习方法的复杂管道开环控制策略还是采用基于深度学习方法的复杂管道闭环控制策略；按判定结果执行，最后融合信息，协调完成复杂管网的运行控制。本发明专利技术解决了现有技术不能有效合理的进行复杂管道运行控制，从而导致安全问题频发、能源消耗较高、可靠运行时间短的问题。本发明专利技术可运用管道运输。

【技术实现步骤摘要】
基于深度学习的复杂管道运行控制方法
本专利技术属于管道运输
，特别涉及复杂管道运行控制方法。
技术介绍
管道是用管子、管子联接件和阀门等联接成的用于输送气体、液体或带固体颗粒的流体的装置。实际工程中，根据管道布置与连接情况，将管道分为简单管道与复杂管道两类；简单管道指管径和流量沿程不发生变化的管道(没有分支的等直径管道)；复杂管道指管径和流量沿程发生变化的管道(由两条以上管道组成的管道系统)，复杂管道又可分串联、并联管道和枝状、环状管网等。在世界范围内，复杂管道被广泛用于水、石油、液化天然气、液态化工产品等物料的供应与输送。和其他大规模物料运输方式相比，它具有高效、安全、易于管理等多项优点，是一种经济、方便的运输方式，因此在世界各国的物料运输中占有重要地位。复杂管道不仅仅局限于宏观的自来水供应系统、石油化工的长输管道系统、城市排水系统、航空推动系统，甚至还涉及微观的血液循环、微流体等领域。复杂管道涉及战略资源、经济、民生、环保、医学、生物等多个领域，担负着能源供应、物资流动、能量交换、安全保障等许多重要的社会功能。然而在现行的复杂管道运行过程中，不能有效合理的进行运行控制，停泵本文档来自技高网...

【技术保护点】
基于深度学习的复杂管道运行控制方法，其特征在于，所述控制方法具体包括以下步骤：步骤一、在SCADA系统中建立面向控制的复杂管道模型；步骤二、SCADA系统根据实时监测到的复杂管网的流量信息、压力信息、阀门以及泵的运行信息，结合用户或工业上对管道的需求，确定需要运行控制的管网的位置或管段；步骤三、根据步骤二中获得的需要运行控制的位置或管段上的流量和压力信息，判定采用基于深度学习方法的复杂管道开环控制策略还是采用基于深度学习方法的复杂管道闭环控制策略；步骤四、根据步骤三中的判定结果执行基于深度学习方法的开环控制策略或者基于深度学习方法的闭环控制策略；本步骤的执行过程具体包括：步骤四一、执行复杂管道...

【技术特征摘要】
1.基于深度学习的复杂管道运行控制方法，其特征在于，所述控制方法具体包括以下步骤：步骤一、在SCADA系统中建立面向控制的复杂管道模型；步骤二、SCADA系统根据实时监测到的复杂管网的流量信息、压力信息、阀门以及泵的运行信息，结合用户或工业上对管道的需求，确定需要运行控制的管网的位置或管段；步骤三、根据步骤二中获得的需要运行控制的位置或管段上的流量和压力信息，判定采用基于深度学习方法的复杂管道开环控制策略还是采用基于深度学习方法的复杂管道闭环控制策略；步骤四、根据步骤三中的判定结果执行基于深度学习方法的开环控制策略或者基于深度学习方法的闭环控制策略；本步骤的执行过程具体包括：步骤四一、执行复杂管道开环控制策略或者复杂管道闭环控制策略；步骤四二、进行深度学习：进行复杂管道开环控制策略或复杂管道闭环控制策略过程中初始猜测值和控制曲线的学习；步骤五、融合开环控制策略、闭环控制策略和学习得到的控制策略的信息，协调完成复杂管网的运行控制。2.根据权利要求1所述基于深度学习的复杂管道运行控制方法，其特征在于，步骤三中，判定采用基于深度学习方法的复杂管道开环控制策略还是采用基于深度学习方法的复杂管道闭环控制策略的具体步骤包括：定义以下切换函数：其中，Pe1，Pe2是切换函数权值，为预先设定的管道位置的流量值或是管道段内的流量值，为预先设定的管道位置的压力值或是管道段内的压力值，qi表示管网中第i个流量计测得的流量值，i∈[1,M]，pj表示管网中第j个压力表测得的压力值，j∈[1,N]，M为管网中流量计的个数，N为管网中压力表的个数；计算公式(1)得到的切换值W，当W≤Wcha，则采用开环控制策略，当W>Wcha，则采用闭环控制策略；Wcha为设定的切换阀值。3.根据权利要求1所述基于深度学习的复杂管道运行控制方法，其特征在于，步骤四一中，复杂管道开环控制策略的具体步骤包括：A1、建立面向控制的时空演化模型，给出边界阀门，并写入管道时空演化模块中；A2、设定复杂管道开环控制的性能指标，并将其写入开环控制的性能指标模块；A3、在开环控制的协态模块中引入拉格朗日函数λ(l,t),μ(l,t)，得到增广的开环控制性能指标并通过变分方法得到开环控制的协态模型，将开环控制的协态模型写入开环控制的协态模块，得到的梯度形式写入开环控制梯度模块；A4、通过时间正向计算管道时空演化模块，时间反向计算开环控制的协态模块，从而得到开环控制的梯度模块数值；然后，调用基于梯度的MATLAB软件并根据给定的一控制序列初始猜测值，迭代得到开环控制的控制曲线。4.根据权利要求1所述基于深度学习的复杂管道运行控制方法，其特征在于，步骤四一中，复杂管道闭环控制策略的具体步骤包括：B1、设计管道的边界闭环控制形式，即边界流量的反馈形式；通过压力全状态反馈，设计带有参数优化的边界流量反馈控制；B2、设定复杂管道闭环控制的性能指标，并将其写入闭环控制的性能指标模块；B3、在闭环控制的协态模块中引入拉格朗日函数α(l,t),β(l,t)，得到增广的闭环控制性能指标并通过变分方法得到闭环控制的协态模型，将闭环控制的协态模型写入闭环控制的协态模块，得到的梯度形式写入闭环控制梯度模块；B4、通过时间正向计算管道时空演化模块，时间反向计算闭环控制的协态模块，得到闭环控制的梯度模块数值；然后，调用基于梯度的MATLAB软件并根据给定性能参数的一组初始猜测值，迭代得到最优性能参数值，将最优性能参数值代入B1步骤的闭环控制形式，得到闭环的控制曲线。5.根据权利要求3所述基于深度学习的复杂管道运行控制方法，其特征在于，步骤A1具体步骤包括：步骤A11、设定管道时空演化模型：其中，l∈[0,L],t∈[0,T]，l是空间变量，t是时间变量，L是管道总长度，T是管道运行控制的时间，p是管内压降，q是管内流体流量，S是管道截面积，D是管道直径，c表示波速，ρ指的是流体密度，f为达西-威斯巴哈摩阻系数；步骤A12、所述时空演化模型的边界条件为：p(0,t)＝P,q(L,t)＝u(t)(4)q(l,0)＝Q0,p(l,0)＝P0(5)其中，P是水库或恒压泵产生的压力，u(t)是管道网络中阀门的流量调节量，即，边界阀门；Q0是当前流量，P0是当前压力；步骤A13、将公式(2)-(5)写入管道时空演化模块中。6.根据权利要求5所述基于深度学习的复杂管道运行控制方法，其特征在于，步骤A2中复杂管道开环控...

【专利技术属性】
技术研发人员：陈特欢，蔡振宇，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江,33